C Vol3 Sergio Monsalve 2010 PDF

■ ■ ■
e
MATEMÁTICAS BASICAS
PARA ECO N O M ISTAS
con notas históricas y contextos económicos
SERGIO MONSALVE
' ^ ( UNIVERSIDAD
r n ! NACIONAL
* J DE COLOMBIA
VICERRECTORÍA ACADÉMICA
E D IT O R IA L
Sergio Monsalve
Editor
Profesor asociado del Departamento

de Matemáticas, Universidad Nacional de
Colombia. Especializado en teoría de juegos
clásica y evolutiva y en equilibrio general
walrasiano, su labor académica y profesional
se ha caracterizado por una marcada preo
cupación por la formación de economistas
con rigor e intuición, atentos al desarrollo y a
las fuentes históricas de las ideas.
Entre sus publicaciones se cuentan Introduc

ción a los conceptos de equilibrio en economía
(1999, 2002), Un curso de teoría de juegos
clásica (2005) y diversos artículos en revistas
nacionales e internacionales.
MATEMÁTICAS BÁSICAS PARA
ECONOMISTAS 3
Op t i m i z a c i ó n y d in á m ic a
MATEMÁTICAS BÁSICAS PARA
ECONOMISTAS 3
Op t i m i z a c i ó n y d in á m ic a
Con notas h istóricas y contextos económicos
SERGIO MONSALVE
E D IT O R
FACULTAD DE CIEN C IAS ECONÓMICAS

UNIVERSIDAD N AC IO N AL DE COLOMBIA
Catalogación en la publicación Universidad Nacional de Colombia
M atem áticas básicas para economistas: con notas históricas y contextos económicos
/ ed. Sergio Monsalve. - Bogotá : Universidad Nacional de Colombia. Facultad de
Ciencias Económicas, 2010
4 v.
xx, 55G p.
Incluye referencias bibliográficas
Contenido : v. 0. Fundamentos. - v. 1. Álgebra lineal. - v. 2. Cálculo. -
v. 3. Optimización y dinámica
ISBN 978-958-719-304-6 (v. 0). - ISBN 978-958-719-305-3 (v. 1). -

ISBN 978-958-719-306-0 (v. 2). - ISBN 978-958-719-307-7 (v. 3)
1. M atem áticas 2. Modelos económicos 3. M atem áticas para economistas

4. Algebra lineal 5. Cálculo 6. Optimización m atem ática 7. Program ación diná
mica I. Monsalve Gómez, Sergio, 1962-, ed.
CDD-21 510.2433 / 2010
Matemáticas Básicas para

Economistas 3: Optimización y
Dinámica
©Sergio Monsalve Gómez
©Omer Ózak C o au to r:
©Universidad Nacional de Colombia O m er O zak
©Facultad de Ciencias Económicas Facultad de Economía
Universidad Externado de Colombia,
Bogotá
C o lab o rad o r del au to r:
G ian carlo R om ano
Economista
Primera Edición, 2010
Universidad Nacional de Colombia,
ISBN: 978-958-719-307-7
Bogotá
Diseño de carátula
Ángela Pilone Herrera
índice general
1 L ección 1
F u n cion es cón cavas, co n v ex a s, cu asicón cavas y cu a sico n -
v ex a s 1
1. Funciones cóncavas y convexas .................................................... 3
2. Propiedades fundamentales de las funciones cóncavas 8
3. Funciones cuasicóncavas y cuasiconvexas..................................... 20
4. Propiedades fundamentales de las funciones cuasicóncavas 22
5. Contexto e c o n ó m ico ....................................................................... 32
a) Concavidad-convexidad y marginalidad decreciente en la
teoría eco n ó m ica................................................................. 32
b) Concavidad-convexidad y rendimientos a escala en la
teoría de la producción........................................................ 34
c) Concavidad-convexidad en la teoría del consumo 42
d) Breve nota sobre no convexidades..................................... 52
Ejercicios complementarios 54
2 L ección 2
O p tim iza ció n e stá tic a 61
1. Planteamiento del p ro b le m a ........................................................... 02
2. Optimización en conjuntos compactos:
el teorema de Weierstrass G4
3. El método de Lagrange.................................................................... 66
4. El método K uhn-T ucker................................................................. 79
a) El algoritmo (de) K uhn-T ucker........................................ 81
b) Interpretación de los multiplicadores de Lagrange y el
teorema de la envolvente..................................................... 96
o. Optimización lineal: el método simplex 100
a) El problema y su solución g rá fic a ..................................... 101
b) El algoritmo simplex ........................................................106
c) El teorema de dualidad 115
vil
Vili Matemáticas Básicas para Economistas 3: Optimización y Dinámica
G. Optimización en conjuntos convexos: teoremas de separación de

Minkowski ........................................................................................123
a) Aplicaciones del teorema de separación de Minkowski . . 128
7. Optimización en correspondencias: el teorema del máximo 131
8. Teoremas de punto f i jo .....................................................................137
a) Aplicaciones de los teoremas de punto fijo 141
9. Contexto ec o n ó m ic o ........................................................................144
a) Comportamiento económico racional sin interacciones:
algunos e je m p lo s..................................................................145
b) Características generales de las funciones del productor
y consumidor racional sin interacciones............................ 159
c) Comportamiento económico racional sin interacciones:
tradición paretiana del modelo w alrasia n o ......................1CG
d) Comportamiento económico racional con interacciones:
la teoría de juegos clásica 192
3 L ección 3
S iste m a s d in á m ic o s 2 27
1. Sistemas dinámicos (continuos) en una d im ensión......................229
a) Diagramas de fase unidimensionales 233
b) Estabilidad unidimensional ...............................................235
2. Sistemas dinámicos (continuos) en dos dim ensiones...................242
a) Diagramas de fase en dos dimensiones 245
b) Estabilidad en dos d im en sio n es.........................................249
c) Sistemas lineales (continuos) en dos dimensiones 250
d) Solución general para sistemas no homogéneos................265
e) Sistemas (continuos) no lineales en dos dimensiones . . . 267
f) El método de L y a p u n o v ..................................................... 271
3. Sistemas dinámicos (discretos) en una d im e n s ió n ......................277
a) Diagramas de fase para sistemas discretos autónomos
unidim ensionales..................................................................285
b) Estabilidad en sistemas a u tó n o m o s.................................. 287
4. Sistemas dinámicos (discretos) en dos dimensiones 292
a) Estabilidad y diagramas de f a s e .........................................294
b) Sistemas lineales (discretos) en dos dim ensiones.............294
c) Solución general para sistemas no homogéneos................300
d) Sistemas (discretos) no lineales en dos dimensiones . . . 304
e) El método de Lyapunov para sistemas discretos bidimen-
s io n a le s ............................... ................................................. 306
5. Breve sobre ciclos límite, puntos periódicos, bifurcaciones y caos 311
a) Ciclos límites y K-ciclos 312
Matemáticas Básicas para Economistas 3: Optimización y Dinámica. IX
b) Bifurcación y caos 315

6. Contexto e c o n ó m ico ....................................................................... 322
a) El modelo IS -L M ................................................................. 323
b) El modelo Arrow-Debreu: la economía como un sistema
mecánico ..............................................................................334
c) La teoría de interacciones: hacia una visión de la econo
mía como un sistema orgánico........................................... 355
d) Nota final: sobre la “mano invisible” de Adam Sinith, el
modelo Arrow-Debreu y los juegos poblacionales 3C8
4 L e c c ió n 4
O p tim iz a c ió n d in á m ic a 381
1. Espacios métricos: la noción de distancia en topología 382
a) Nociones topológicas fundamentales 384
b) Espacios métricos com pletos.............................................. 393
c) Espacios métricos c o m p a c to s ........................................... 402
2. Espacios de Banach: álgebra en los espacios m é tric o s................409
3. Espacios de Hilbert: álgebra y geometría en los espacios métricos 414
4. Aplicaciones a la teoría de ecuaciones diferenciales 419
5. El cálculo de variaciones c lá sic o .....................................................421
a) El problema del cálculo de variaciones c lá s ic o ................424
b) El problema de existencia de soluciones .........................42G
c) Condiciones de primer orden: ecuaciones de Euler . . . . ... 427
C. El problema de control óptimo (caso continuo) .........................435
a) Solución por el principio del máximo (L. Pontryagin ct
ál. (1961)).............................................................................. 43G
b) Solución por programación dinámica (Bellman (1957)) . 452
7. El problema del control óptimo (caso discreto)............................ 458
a) Solución por el principio del m á x im o ............................... 459
b) Solución por programación d in á m ic a ............................... 465
c) Programación dinámica esto cástica.................................. 471
8. Contexto e c o n ó m ic o ........................................................................477
a) Sobre el problema de la construcción de la función de
consumo: ¿cómo se planean las decisiones individuales de
consumo y cómo conforman estas el consumo agregado
de una economía?................................................................. 477
b) Breve sín te s is ........................................................................504
Ejercicios complementarios .................................................................... 506
B ibliografía 513
X Matemáticas Básicas para Economistas 3: Optimización y Dinámica
R espuestas 534
índice alfabético 547

La ciencia se ha construido para satisfacer
ciertas necesidades de nuestra mente;
ella nos describe.
Y aunque tiene cierta relación con el mundo real,
esa relación es muy, muy compleja.
Robert J. Aumann
Premio Nobel de Economía 2005
Sergio Monsalvc le dedica este esfuerzo a
su profesor de matemáticas Jairo Charris
A la memoria de Juan Alonso, Jorge Diego, Nancy y Adriana

Presentación general
Este libro es el resultado de varios años de trabajo de los autores como profe
sores de matemáticas y/o economía para las Facultades de Ciencias y Ciencias
Económicas de las universidades Nacional (sedes Medellín y Bogotá), Externa
do de Colombia y Pontificia Javeriana, y su objetivo central es exponer algunos
de los elementos fundamentales del lenguaje matemático que deberían ser co
munes a todos los estudiantes de economía de nuestras ¿pocas. Pensando en
esto, hemos optado por escribir el texto en cuatro volúmenes: en el volumen 0
(Fundamentos) presentamos los requisitos matemáticos que el estudiante debe
llenar para acceder más cómodamente al corpus total; el volumen 1 consiste
en las nociones básicas del álgebra lineal; el volumen 2 en las nociones básicas
del cálculo diferencial e integral, y el volumen 3 en las nociones básicas de la
teoría de la optimización y de la dinámica.
En cada uno de los cuatro volúmenes hemos dividido los temas tratados a
través de lecciones con un tratamiento matemático riguroso y sin rejerencia a
aplicación económica alguna. Todas estas lecciones presentan, además, notas
históricas que esperamos ayuden a trazar el devenir de los conceptos mate
máticos que se desarrollan al punto. Por tanto, aquellos que consideran que
un curso de matemáticas básicas para economistas debería ser solo eso y no
un curso con aplicaciones, estarán aquí servidos. Sin embargo, para aquellos
que difieren de esta postura metodológica y pedagógica hemos también se
parado la sección final de casi todas las lecciones para el “contexto econó
mico”. Pero esta no es una sección ordinaria de aplicaciones a la economía:
es, por el contrario, una aproximación coherente a problemas centrales en
la teoría económica, y una orientación para el estudiante atento y discipli
nado. Por ejemplo, en el volumen 1 aparecen discusiones sobre los modelos
lineales fundamentales de la teoría económica: el modelo walrasiano de Cas-
sel, el modelo insumo-producto de Leontief, el modelo de equilibrio general
de von Neumann, el modelo sraffiano, la teoría de juegos de von Neumann
y Morgenstern, el modelo “keynesiano” lineal IS-LM, y el análisis de activi
dades de Koopmans. En el volumen 2 se encuentran, entre otras discusio
nes, notas históricas y de contexto del problema de la racionalidad, de la re-
XIII
XIV Matemáticas Básicas para Economistas 3: Optimización y Dinámica
volución marginalista y de la comunión entre racionalidad y marginalismo;

en el volumen 3 aparecen tres de las visiones modernas más importantes sobre
el comportamiento económico: el modelo keynesiano IS-LM no-lineal de Hicks,
el modelo walrasiano de Arrow y Debreu, y los modelos de interacciones eco
nómicas y sociales. El objetivo en cada uno de estos análisis es el problema
económico por sí mismo y las consecuencias que el desarrollo lógico de las hi
pótesis y las herramientas matemáticas entregan para discusión tanto a nivel
teórico-conceptual como de política económica. En ningún caso se centra en
las herramientas matemáticas que están siendo utilizadas.
En definitiva, este trabajo es una invitación a comenzar a entender el potencial
y, sobre todo, los límites de la herramienta matemática tradicional en la teo
ría económica; es una invitación a entender que las matemáticas tradicionales
están mejor diseñadas y adaptadas a las ciencias exactas como la física, pero
quizás 110 para el estudio de los fenómenos sociales y económicos, y esto inten
tamos resaltarlo en el texto cuando presentamos numerosos ejemplos tomados
de la física, de la química, o de la biología. Pero aunque estamos convencidos
de que las matemáticas son más claras que cualquier otro lenguaje y de que
en numerosas ocasiones muestran lo que no podría lograrse por introspección,
probablemente el verdadero aporte de ellas a las ciencias sociales y económicas
únicamente podrá ser evaluado por las generaciones futuras; no antes y, por
supuesto, no ahora. Solo que en ese camino no deberíamos seguir ni la moda
del día, ni la aprobación o desaprobación de nuestros colegas. En su lugar, nos
debería preocupar alcanzar más y más claras comprensiones de lo que sucede
en los fenómenos económicos que enfrentamos día a día, y si estas u otras ma
temáticas son un mecanismo apropiado para lograrlo, habríamos avanzado un
paso más en este propósito.
Una palabra final. Algunos tienen la creencia de que no hay manual ni texto,
por bueno que sea, que pueda relevarnos de la lectura de los artículos originales
y de los textos clásicos; y que nadie debería permitirse que “le cuenten” lo que
dicen los escritos originales. Pero creemos que esta es una opinión, por lo me
nos, falaz. Claro está que es ideal poder leer los textos originales y los clásicos.
Sin embargo, el estudiante que apenas se insinúa en cualquier área del cono
cimiento, requiere de esquemas y de puntos de referencia para poder avanzar
con mayor seguridad y consistencia; posteriormente, una vez haya adquirido
cierta madurez y entendimiento, es absolutamente necesario que recurra, aho
ra sí, a los textos clásicos y a los originales. Comenzando por esta estrategia,
un estudiante correrá, creemos, un menor riesgo de confundirse o, lo que sería
fatal, de extraviarse definitivamente.
Por último, ha sido un honor para quien esto escribe, haber podido realizar en
compañía de su antiguo profesor de matemáticas de la Universidad Nacional de
Colombia, sede Medellín, Fernando Puerta, los volúmenes O y 2 de este texto.
Matemáticas Básicas para Economistas 3: Óptimización y Dinámica XV
Agradecemos a las Facultades de Ciencias y Ciencias Económicas de la Univer

sidad Nacional de Colombia, en particular al profesor Carlos Andrés Álvarez
(Coordinador de Publicaciones de la Facultad de Ciencias Económicas) por su
inmensa disposición en el proceso de producción de este libro. También a la
Facultad de Economía de la Universidad Externado de Colombia, y al Depar
tamento de Matemáticas de esta universidad. De igual manera a aquellos de los
que recibimos sugerencias y comentarios: Diego Arévalo, Julián Arévalo, Oscar
Benavides, Catalina Blanco, Lina Cañas, Angélica Chappe, Lola Coba, Luis
Jorge Ferro, Jorge Gallego, Norma Gómez, Carlos Augusto Jiménez, Gustavo
Junca, Crescendo Huertas, Norman Maldonado, Juliana Moneada, Eduardo
Mantilla, Ángela Ospina, Diego Pardo, Sergio Parra, Carolina Peláez, Lida
Quintero, Aida Sofía Rivera, María Cristina Rodríguez, Diego Rojas, Marcela
Rubio, Renata Samacá, Alejandra Sánchez, Humberto Sarria, Biviana Suárez,
Jennifer Taborda, María del Pilar Tejada, Ana Tamayo, Héctor Useclie y Mi
guel Zárate. Un agradecimiento del editor al Banco de la República por su
apoyo en la realización de estudios de economía a nivel de doctorado (Uni-
versity of Wisconsin-Madison y The Hebrew University of Jerusalem). A la
editorial de la Universidad Nacional de Colombia, en especial a su director
Luis Ignacio Aguilar y a su jefe de editorial Dora Inés Perilla, nuestro recono
cimiento por el gran trabajo realizado. También a Maribel Romero, Santiago
Sierra, Danny Sierra, Dora Millán y Nathalie Jiménez, por su paciente digi
tación de nuestros difíciles manuscritos. Pero, por encima de todo, a nuestras
familias que son el gran aliento y nuestra razón de ser.
Sergio Monsalve
Bogotá D.C., febrero de 2008
Nota del editor para el volumen 3
El presente volumen es el último de los cuatro que conforma la colección Ma

temáticas básicas para economistas. En él, como podría esperarse, el lector
encontrará un material más avanzado que en el resto de la obra, pero también
más cercano a las preocupaciones del economista en formación y, por supuesto,
del profesional, pues las herramientas están mejor dispuestas para la discusión
de problemas económicos centrales. Por lo anterior, el lector quizás tendrá que
enfrentar este último volumen con mayor atención y disciplina dado que, segu
ramente, se encontrará con exigencias propias de la materia que le obligarán,
en numerosas ocasiones, a ser recursivo, ingenioso y muy paciente. Un buen
momento para cultivar o fortalecer estas virtudes.
Es nuestra recomendación, sin embargo, que este primer curso de optimización
y dinámica se haga sin apelar de manera extrema al formalismo cuando de estu
diantes de pregrado se trate. Obviamente, para cursos o seminarios superiores
la exigencia debería ser mayor. Por ejemplo, en aquellos cursos sólo debería
enfatizarse en la correcta comprensión de los teoremas (sin demostración, ex
cepto algunas excepciones a criterio del docente), en la aplicación adecuada de
ellos a través de ejemplos ilustrativos, y en el entendimiento cabal a través de
la elaboración de numerosos ejercicios. Por supuesto, todo esto enmarcado por
una selección apropiada del material del libro que se adapte a los espacios y
tiempos académicos. Esa es la metodología que recomendamos siempre para
cursos de matemáticas de pregrado en economía.
Varias advertencias de notación no solo para este volumen, sino también para
los tres volúmenes anteriores. Los números con expresión decimal se escriben
utilizando el punto (.) para separar la cantidad entera de la decimal. No se
recurre a la notación, también común, de la coma (,). Además, utilizamos la
notación ■ para indicar que una demostración ha finalizado, la notación ▲
para indicar que un ejercicio (o ejemplo) ha terminado, y los asteriscos para
indicar que un ejercicio propuesto puede ser “difícil” ( (*) para los ejercicios
“difíciles” y (**) para los “muy difíciles”).
Por último, deseamos agradecer a todos aquellos que, a través de versiones
semestrales desde febrero de 2003, ayudaron a que esta obra de cuatro volúme
XVII
XVIII Matemáticas Básicas para Economistas 3: Optimización y Dinámica
nes se consolidara paso a paso, lentamente, a pesar de los numerosos errores

y críticas que surgieron sobre las primeras versiones, pero que con su pacien
cia y comprensión entendieron que esta era una propuesta de construcción
colectiva entre estudiantes y profesores que, obviamente, conllevaba un difícil
proceso. En particular, un agradecimiento muy especial a Nathalie Jiménez
por el paciente y cuidadoso trabajo de digitación y de armada electrónica, no
solo de este volúmen, sino de la colección completa. Mi más profundo reco
nocimiento a ella. También un agradecimiento a los estudiantes de economía
de las Universidades Nacional de Colombia, Externado de Colombia y Ponti
ficia Javeriana, que sufrieron los rigores de versiones preliminares, y que tanto
ayudaron a corregir, ampliar, aclarar y profundizar, intentando hacer de este
trabajo uno accesible y mejor dispuesto a sus necesidades y requerimientos.
Ojalá lo hayamos logrado.
Prólogo
Por: Eduardo M antilla P.
En esta obra se recogen las experiencias didácticas de los autores en la ense

ñanza de la matemática, especialmente en las carreras de ciencias económicas,
tomando como eje central el trabajo de varios años del profesor Sergio Mon-
salve.
Los textos hechos a partir de los apuntes de clase tienen el encanto de traslucir
la manera de trabajar del maestro. Su aproximación a los temas. Su particular
manera de decir las cosas para hacerlas comprensibles a los estudiantes. Su
forma de acercarse al conocimiento. A qué le da prelación. Un texto hecho
así es como una radiografía del alma pedagógica del maestro. Por eso es tan
importante que no se pierdan las experiencias de quienes trabajan bien, para
que otros las aprovechen e, inspirados en ellas, adelanten su labor docente y
cimenten su formación como educadores.
Esta obra refleja una manera de hacer las cosas de manera atractiva y rigurosa
y, en cuanto a su contenido, completa para las carreras de ciencias económicas.
Sus autores logran darle unidad y sabor en un trabajo dispendioso para ellos
y útil para quienes tienen a su cargo asignaturas de matemáticas que aquí
pueden seleccionar los temas que les sean necesarios, con la seguridad de que
están bien tratados y son accesibles para los estudiantes.
Al ver la totalidad de la obra resalta el enorme trabajo que significó para el
profesor Monsalve y sus compañeros recoger, ordenar y reelaborar sus expe
riencias y presentarlas como lo hacen. Para quien esto escribe, es especialmente
atractivo el manejo de los temas geométricos que tan buenos resultados dan
desde el punto de vista formativo y para la comprensión general de la materia.
La presentación de modelos económicos y las notas históricas son herramien
tas formidables para mostrar y dar un contexto al devenir de los conceptos
matemáticos y su utilización por parte de la economía.
Los autores merecen felicitaciones y el reconocimiento de la comunidad univer
sitaria por haberse comprometido en tamaña tarea, y por la forma cuidadosa
en que lo hicieron. Por lo bien que les quedó, y por lo útil que será para las
futuras promociones de estudiantes. Ojalá esta obra sea probada por otros
maestros que, en la práctica, son los que, con su frecuente utilización, califican
la excelencia de este tipo de trabajo.
XIX
Lección 1
Funciones cóncavas, convexas, cuasicóncavas
y cuasiconvexas
Introducción
Ya liemos discutido en el volumen 2 (Cálculo) sobre la importancia de la segun
da derivada de una función. Así como el signo de la primera derivada determina
si la función es creciente o decreciente, el signo de la segunda derivada deter
mina el lado hacia el cual se curvará la gráfica de la función. Por ejemplo, si la
función es creciente y la segunda derivada es positiva dentro de cierto intervalo,
entonces la primera derivada crece y la función tendrá una forma como la de
la figura la. De otro lado, si la función es creciente y la segunda derivada es
negativa en un intervalo, entonces la primera derivada decrece, y la función
tendrá una forma como la de la figura Ib. A una función como la de la figura
la se le llama función convexa; a una como la de la figura Ib, función cóncava.
Quizás fueron los griegos, más de dos mil años atrás, quienes comenzaron a
estudiar estas curvas que aparecían inicialmente en las formas cónicas (que
son cortes de conos con planos en distintos ángulos). Hasta donde se sabe,
se presentaban también a menudo en los intentos por resolver los famosos
problemas de la geometría euclidiana: la trisección del ángulo, es decir, dividir
un ángulo dado en tres partes iguales, sólo con regla y compás; la cuadratura
del circulo, es decir, construir un cuadrado de área igual a la de un círculo
dado, sólo con regla y compás; entre otros. Una vez obtenidas las curvas, los
griegos continuaron estudiándolas, en parte por estar interesados en las formas
geométricas en general, y en parte por haber descubierto la posibilidad de
utilizarlas para intentar “controlar” la naturaleza. Por ejemplo, Apolonio [262-
190 a.C.] utilizaba espejos cóncavos para hacer arder objetos colocados en su
foco, pues un espejo parabólico tiene la particularidad de que concentra la luz y
el calor en ese punto. También dice la tradición que Arquímedes [287-212 a.C.)
construyó un gigantesco paraboloide que utilizaba para concentrar los rayos
solares sobre los barcos romanos que asediaban su ciudad (Siracusa) y así poder
1
2 Matemáticas básicas para economistas 3: Optimización y dinámica
incendiarlos. Actualmente, la posibilidad de concentrar la luz se aprovecha, por

ejemplo, en la construcción de telescopios reflectores (inventados por Nevvton).
Y como el comportamiento de las ondas de radio es similar al de los rayos
luminosos, también se utilizan reflectores parabólicos para concentrar ondas
de radio emitidas por fuentes débiles y convertirlas en un haz intenso.
F ig u ra 1. En el panel a) tenemos una función con segunda derivada

positiva en un intervalo; como se observa, > a ; por tanto, la pendiente
crece. En el panel b) aparece una función con segunda derivada negativa
en un intervalo; allí, < a , por lo que la pendiente decrece.
En el Renacimiento, fue Galileo Galilei (1C32) quien primero comprendió los

principios fundamentales que regulan el fenómeno del movimiento curvilíneo.
Galileo se proponía entender, en particular, el comportamiento de los proyec
tiles. Y aunque el cañón, que se usaba desde el siglo XIV, había tenido muchos
perfeccionamientos, la teoría del movimiento de los proyectiles era deficien
te, ya que matemáticos y físicos intentaban aplicarle las equivocadas leyes del
movimiento basadas en la física de Aristóteles. Gracias a Galileo (y también
a Newton) hoy sabemos que la trayectoria de una piedra arrojada desde un
borde de cierta altura corresponde a un movimiento parabólico descrito funcio-
nalmente por
gt2
s(t) = — — + t’ot + s0
donde t es la variable tiempo; s(t) es la altura de la piedra en el tiempo £;

g = 9.8 m /s2 es la aceleración constante de los cuerpos que caen; t’o es la
velocidad inicial con que fue lanzada la piedra; y so es la altura desde la que se
hizo el lanzamiento (figura 2). Como veremos, esta curva s(-) es una función
cóncava.
Un siglo después, va en el plano puramente analítico, podría decirse que la
primera investigación detallada de curvas de orden superior (incluyendo allí
Lección 1: Funciones cóncavas y cuasicóncavas 3
curvas cóncavas y convexas) fue el libro de Leonhard Euler (1748) titulado

Introductio in Analysis Infinitorum. En el segundo volumen de este libro, Euler
muestra la geometría analítica de estas curvas en un lenguaje muy cercano al
que aparece en los textos contemporáneos. En particular, esta fue la primera vez
que se estudiaron ecuaciones cartesianas para las tres cónicas (elipse, parábola
e hipérbola) cuya geometría tanto había preocupado a los antiguos griegos
clásicos y alejandrinos. Y es desde este trabajo de Euler que se apuntala todo
el estudio moderno de las funciones cóncavas y convexas.
De las importantes nociones de concavidad y convexidad (y sus generalizacio
nes) discutiremos entonces en esta lección.
1. Funciones cóncavas y convexas

A menos que se especifique lo contrario, en esta lección asumimos que C es un
conjunto convexo1, no vacío de Rn.
D efinición 1. (Función cóncava)

Diremos que una función / : C -» R es cóncava si, y solo si, para todo x, y G C,
X € [0,1], se cumple que
f ( Xx + (1 - X)y) > Xf ( x) + (1 - X)f(y) (1)
Diremos, además, que /(•) es estrictamente cóncava si la desigualdad (1) es

estricta para x ^ y, A € (0,1).
1 Recordemos que C C Rn es un conjunto convexo si, y solo si, para todo x, y € C y

A € [0,1], se tiene que también Ax + (1 —A)y € C (volumen 1, lección 8).
Así, geométricamente, una función de dos variables es cóncava si el segmento

de recta que une dos puntos cualesquiera está por debajo del arco de la curva
que los une (figura 3a).
D efinición 2. (Función convexa)
Diremos que una función / : C —>R es convexa si, y solo si, para todo x, y 6 C,
A € [0,1], se cumple que
/(A * + (1 - A)y) < Af ( x) + (1 - A)/(y) (2 )
Diremos que es estrictamente convexa si la desigualdad (2) es estricta para

x y, a e (o, i).
La interpretación geométrica para dos variables es que el segmento de recta
está por encima del arco de la curva que une a x y y (figura 3b).
F ig u ra 3. Panel a): Típica función cóncava. Panel b): Típica función

convexa.
N ota 1.
a) Dadas las definiciones anteriores, es claro que una función /(•) es convexa
(estricta) si, y sólo si, —/(•) es cóncava (estricta).
b) Observemos que la concavidad es una noción de conjunto; es decir, una

función puede ser convexa en cierta región de su dominio y cóncava en otra
(figura 4a).
c) A partir de la definición, también es claro que toda función estrictamente

cóncava es cóncava, y que toda función estrictamente convexa es convexa.
Ejem plo 1.
Probemos, mediante la definición 1, que f ( x ) = y/x es estrictamente cóncava
en [0, oo) (figura 4b).
Solución.
can x, y > 0, x ± y y A € (0,1). Entonces debemos mostrar que
/( A * + (l- A )y ) > A /(x ) + (l-A )/( y )
o, lo que es equivalente,
y/Xx + (1 - A)y > \ \ / x + (1 - A)y/y
Si elevamos ambos lados de esta desigualdad al cuadrado, tenemos que
Ax + (1 - A)y > A2x + (1 - A)2y + 2A(1 - X)>/xy/y
de la cual, reordenando términos, obtenemos que
A(1 —X)x + A(1 —A)y > 2A(1 —A)y/xy/y
o, lo que es igual, x + y > 2y/xy/jj, o, ( y/x —y/y)2 > 0, lo cual se cumple siem
pre, ya que hemos asumido x / y. Por lo tanto, f ( x) = y/x es estrictamente
cóncava en [0,oo).2 A
F ig u ra 4. Panel a): Función convexa en [0,a] y cóncava en (a, b].

Panel b): f ( x ) = y/x, x > 0 es estrictam ente cóncava.
Ejemplo 2.
Probemos que / ( x i ,x 2 ) = y / x 1 X2 es cóncava en R2 , donde R + .= {(x,y) G
R2 | x > 0,y > 0}. ¿Será estrictamente cóncava? (figura 5a).
Solución.
Tomemos x = (xi,X 2 ), y = (2/1, 2/2 ) G R2 , y A € [0,1]. Entonces debemos
probar que
/(A x -f (1 —X)y) > Xf (x) H- (1 —X)f(y)
2 Aquí, y en los volúmenes previos, el símbolo A significa que el ejemplo que se está
analizando ha finalizado.
o, lo que es equivalente, que
/ ( A ii + (1 - \) y i, Ax2 + (1 - A)j/2) > A /(x i,x 2) + (1 - A )/(yx, j/2)
Y esto es
y/(Xxi + (1 - \ )y i)(\ x 2 + (1 - A)y2) > \y/XlX 2 + (1 ~ A)y jy m
Si elevamos ambos lados de la desigualdad al cuadrado, obtenemos
(Axi + (1—A)?/i)(Aa:2 + ( l —A)t/2) > A2x ix 24 -(l-A )22/iy2+ 2 A (l-A )>/xiX2V/2/i2/2
y, realizando los productos de la desigualdad, llegamos a:
\ 2x xx 2 4- A(1 - X)xiy2 4- A(1 - X)y\x2 + (1 - \ ) 2y \y 2 >
> ? X \X 2 + (1 —A)2t/i2/2 + 2A(1 —X)y/XiX2 y/yiV2

de lo cual obtenemos que
A(1 —X)x\y2 4- A(1 —A)yi£2 > 2A(1 —\) y /x i x 2y/y i y 2
SiA = 0 o A = l, esta desigualdad es cierta. Y si A ^ 0,1 entonces se tiene que
x iy 2 4- 2/ 1X2 > 2y/x ix 2\/yiy2
o
(y/xiy2 - \f y ix 2)2 > 0
y esta desigualdad se cumple siempre. Por lo tanto, tenemos que f ( x ) =
f ( x i,X 2 ) = y/x \x 2 es cóncava en IR^-. Sin embargo, observe que esta función
no es estrictamente cóncava pues la parte izquierda de la última desigualdad
podría ser cero, escogiendo adecuadamente x = (x i,x 2 ) y y = (yi, 2/2 )* Por
ejemplo, esto sucede si tomamos (xi,X 2 ) = ¿(2/ 1, 272), para cualquier t > 0. La
idea intuitiva aquí de por qué /(x i,X 2) = y jx \x 2 es cóncava pero no estricta
mente cóncava es que la superficie está conformada “ cóncavamente” por rectas
(o rayos) que parten del origen (0,0) (figura 5a).3 A
E jem plo 3.
Probemos que /( x i,X 2 ) = ( s i) 2 4-(x 2 )2 es estrictamente convexa en IR2 (figura
5b).
3 Imagine el lector cómo se forma una superficie cóncava uniendo solo varillas rectas.
F ig u ra 5. En el panel a), la función f ( x , y ) = y /x y , x > O, y > 0.

En el panel b), la función f ( x ,y ) = x 2 + y2.
Solución.
Tomemos x = (x i,x 2) ^ (l/i, 2/2) = y € K2, y A € (0,1). Entonces debemos
probar que
(A x i+ (l-A )y i) 2+ (A x2+ ( l - A ) y 2)2 < A [(x i)2 + (x2)2] + ( l - A ) [(yi)2 + (j/2 )2]
lo cual, calculando los cuadrados, es
A2( x ,) 2 + (1 - A)2(j/i)2 + 2A(1 - A)*!»i + A2(x2)2 + (1 - A)2(j/2)2+

2A(1 - A)x2y2 < A(xi)2 + A(x2)2 + (1 - A)(yi)2 + (1 - A)(y2)2
o, simplificando, esto es equivalente a
A2(x i)2 + (yi)2 - 2A(t/i)2 + A2(jíi)2 + 2Axij/i - 2 \ 2x iy l + A2(x2)2+

(j/2)2 - 2A(y2)2 + +A2(y2)2 + 2Ax2y2 - 2A2x 2y2 < A ^ ) 2 + A(x2)2+
(2/ 1)2 — A(yi)2 + (y2)2 - A(y2)2
y de nuevo simplificando, arribamos a que
A2(x i)2 - A (yi)2 + A2(?/i)2 + 2Áxiyi - 2A2xiyx + A2(x2)2 - A(t/2)2+

A2(y2)2 + 2Ax2t/2 — 2A2rr2y2 < A (x i)2 + A(x2)2
Agrupando términos, obtenemos
2A(1 - A)xij/i + 2A(1 - A)x2y2 < A(1 - A)(xi)2 + A(1 - A)(x2)2+

A ( l - A )(y i )2 + A ( l - A )(W )2
que es equivalente a
A(1 - A)(a?i - yi)2 + A(1 - A)(x2 - y2)2 > O
y que, claramente, se cumple, pues A 6 (0 ,1) y xi ^ ¡/i o ^ 2/2* ^
Ejercicios 1
1. Pruebe que si /(•) es cóncava (estricta), entonces también h(x, y) =
f ( x ) + 0f ( y ) es cóncava (estricta), para f3 > 0.
2. Pruebe, utilizando la respectiva definición, que:
a) y) = mín{x, y} es cóncava para x > 0, y > 0. ¿Será estrictamente

cóncava?
b) / (xyy) = máx{x, y} es convexa para x > 0, y > 0. ¿Será estrictamente
convexa?
c) ¿Será cierto que si una función / : R+ -» R+ es convexa, y / _1(*)
existe, entonces / _1(-) es cóncava? [Indicación: Un gráfico de /(•) y
/ _1(*) ayudaría].
2. Propiedades fundamentales de las funciones cón

cavas
Recordemos que hemos asumido que, en adelante, C C Rn es un conjunto
convexo no vacío. Dado esto, los siguientes teoremas nos presentan las propie
dades básicas de las funciones cóncavas. El primero de estos nos muestra que la
definición aparentemente algebraica de función cóncava tiene una muy fuerte
implicación topológica:
Teorem a 1. (C oncavidad => con tin u idad)

Si /(•) es cóncava en C, entonces es continua en el interior1 de C. Es decir,
no existen funciones cóncavas discontinuas.
D em ostración.
(Ejercicio complementario 24 al final de la presente lección). ■
. O
Recordemos que el interior de un conjunto C C Rn es el subconjunto C C C confor
mado por los puntos x 6 C para los cuales existe un r > 0 tal que la bola abierta
de radio r y centro en x, Br (x), está contenida en C; esto es, B r(x) C C (volumen 2
(Cálculo)).
Lección 1: Funciones cóncavas y cuasicóncavos 9
Teorema 2. (U na característica im portan te de las fu n cion es cónca

vas)
Si f : C —>R es cóncava, el conjunto de n ivel su perior a a, Sn = {x G C |
f ( x) > a;}, es convexo para todo a G R (figura 6a). La recíproca no siempre es
cierta (ejemplo 7, adelante).
D em ostración.
Si x ,y G SQ, entonces f ( x ) > a , f ( y) > a . Como /(•) es cóncava, entonces
para todo A G [0,1], /
f ( Xx + (1 - X)y) > A/(x) + (1 - A)f (y)
> Xa + (1 - A)q = a
Luego, Ax + (1 —A)y G 5 ft, lo que prueba que S¿ es un conjunto convexo. ■
Teorema 3. (C on dición de p rim e r orden de las fu n cion es cóncavas)

Sea f : C —>R continua enC y diferenciable con continuida(f) en el interior de
C; entonces, /(•) es cóncava en C si, y solo si, para todo x ,y en el interior de
C:
/( * ) - f ( y) < V/Cif) - ( x - y ) (3)
En particular, en el caso de funciones cóncavas de una sola variable, tenemos
que I .
}(x) ~ }(y) < f ' (y)( x - y) (figura 6b) (4)
Además, en el caso general de n variables, /(•) es estrictamente cóncava si, y
solo si, f ( x ) — f ( y) < V /(y ) • (x —y) para todo x, y en el interior de C, con
x^y.
D em ostración.
Probaremos inicialmente el caso para una sola variable:
a) Supongamos que /(•) es cóncava en C. Entonces, para A G (0,1] y x ^ y,
f ( \ ( x - y ) + y) = /( A i + (1 - A)j/) >
A/(* ) + (1 - X)f(y) = A (/(x) —/(» )) + f ( y)
lo cual implica que
Dado que /(•) es diferenciable, tenemos que si A -> 0,
f'(y)(x - y ) > f( x) - }(y )

5 Es decir, con primeras derivadas parciales continuas en C.
F ig u ra 6. En el panel a) se m uestra el conjunto de nivel superior SQ, el

cual es un conjunto convexo (teorem a 2).
En el panel b) se presenta la condición de concavidad “ pendiente de
C D < pendiente de A B ” (teorem a 3).
b) Si x , y están en el interior de C, para A G [0,1],
f ( x) < / ( Xx + (1 - X)y) + f'(Xx + (1 - X)y)(l - A)(x - y)

f{y) < /(A x + (1 - A)y) + f'(Xx + (1 - X)y)(X)(y - x)
Multiplicando la primera desigualdad por A y la segunda por (1 — A), y
sumando, se obtiene que
Af ( x) + (1 - A)f (y) < f ( Xx + (1 - A)y)

y así, /(•) es cóncava en C.
La demostración para el caso general es ya casi inmediata, pues basta tomar la
función F ( A) = f ( y + \ { x —y)) con e < A < 1+e para e > 0 pequeño, y calcular
F' {A) para luego aplicar el caso de una sola variable. En efecto, utilizando el
resultado anterior en esta función tendríamos que
F( l ) — F(0) < V F(0)(1 —0)
f( x) - f ( y) < V f ( y ) - ( x - y )
que era lo que queríamos probar.
El caso de concavidad estricta es similar. ■
Sin embargo, esta condición de primer orden para la noción de concavidad,

aunque fundamental, no es la más utilizada en las aplicaciones. En su lugar,
era de esperarse, aparecen las condiciones de segundo orden, pues éstas son las
que caracterizan la forma en que se “curva” la función. Veamos esto.
T eorem a 4. (C o n d ició n de segundo orden de las fu n c io n e s cóncavas)
a) Si /(•) es dos veces diferenciable con continuidad en el interior de C y

continua en C, entonces /(•) es cóncava en C si, y solo si, para todo x en
el interior de C, la matriz hessiana
a 2/
H f (x) = (5)
dx idxj (*) Í,j= 1
es sem id efin id a negativa; es decir, si, y solo si, X H f ( x ) X T < 0 para

todo X € Rn .6
b) En particular, en el caso de funciones de dos variables, tendremos que

/(♦) es cóncava en C si, y solo si, la matriz hessiana
A B
B C
satisface A < 0 y A C — B 2 > 0 para todo x en el interior de C.
c) Y en el caso de funciones de una sola variable (n= l), esta condición es,
simplemente, f ,f(x) < 0 para todo x en el interior de C (es decir, las
pendientes de las rectas tangentes a /(•) van decreciendo (figura 7).
Figura 7. Rectas tangentes con pendientes decrecientes.
Dem ostración.
*
[Primero demostraremos c), y luego a); el literal b) queda como ejercicio para
el lector.]
Demostración de c):
6 Volumen 1 (Álgebra lineal), lección 8.

i) Supongamos que /(•) es cóncava en C. Por el teorema 3, tenemos que

para todo x en el interior de C y h suficientemente pequeño,
f ( x ) - f ( x + h) < f ' ( x + h ) ( - h ) y f ( x + h) - f ( x ) < f' (x)(h)
Luego,
rw = ,lm / '< * + > ) - / w = l(m / ' ( * + h ) t t - / '( i ) / .
hô h h-+o h2
< lím í ( x + h ) - f ( x ) - } ( x + h) + f(x) = h,m 0 =Q
h-¥o h¿ h-+0 h¿
ii) Por otro lado, si f "( x) < 0 para todo x entonces, tomando x , y £ C fijos
pero arbitrarios en el interior de C, por el teorema de Taylor (volumen 2,
lección 3), existe c € (x, y) tal que
/( * ) - / ( y) = í'{x )(x - y ) + - y)2
Pero, por nuestro supuesto, f ”{c) < 0, y así,
/( * ) - f ( y ) < - y)
Aplicando el teorema 3, obtenemos el resultado buscado.
Demostración de a):
o
i) Sea a 6 C (interior de C). Entonces, para h = (/i¿) fijo, tendremos que
o
a + \ h € C si |A| es suficientemente pequeño (digamos |A| < e para e > 0
o
pequeño). Si /(•) es cóncava en C entonces F(t) = f ( a + Ah) también
es cóncava en (—e, e); así, por la parte c) de este teorema, se tendrá que
d2f
hihj < 0, que es exactamente lo que queríamos
demostrar.
ii) Sean a, 6 G C, y h = 6 — a. Como a, 6 son puntos interiores de X,

o
existe un e > 0 tal que a + A/i € C para —e < A < l + e . Luego, de
nuevo por la parte c) de este teorema, se tiene que F(t) = f ( a + Ah) es
d2f
cóncava en (—e, 1 + e) ya que F "(A) = 53 ~ q ~~q— Per 0 como
A = (1 - A)0 + Al, a + \ h = (1 - A)a + A6, F(0) = /( a ), y F (l) = f(b),
la desigualdad (1 —A)F(O) + AF(1) < F (( l —A)0 + Al) se convierte en
(1 —t)f (a) +t f ( b ) < /((1 —t)a + tb) que es cierta para todo t e [0,1],
a, 6 e C.
El siguiente teorema está en la misma dirección del teorema 4. Sin embargo,

es muy importante especificarlo porque hará la advertencia de que, en el caso
de la concavidad estricta, ya la equivalencia de resultados no se da, y en su
lugar únicamente tenemos una implicación. Los contraejemplos para mostrar
que esto es así, son abundantes.
Teorema 5. (T íp ica característica d iferen cia l de las fu n c io n e s e stric

ta m e n te cóncavas)
a) Si /(•) es dos veces diferenciable con continuidad en el interior de C y
continua en C, entonces /(•) es e stric ta m e n te cóncava si, para todo x
en el interior de C, la matriz hessiana H/ ( x) es d efinida negativa. El
recíproco no es cierto siempre.
b) En particular, en el caso de dos variables, tendremos que /(•) es estricta

mente cóncava si la matriz hessiana
A B
Hf(x) = [
B C
d2f d2f d2f d 2f

d0nde A = d ^ ’ B = ted-y = d¿d-X ’ C = d ? ’ SatÍSfaCC A < ° y A C -
B 2 > 0 para todo x en el interior de C (observe que, en tal situación,
también C < 0).
c) En el caso de funciones de una sola variable, /(•) es cóncava estricta si, y

solo si, f ,f(x) < 0 para todo x en el interior de C.
D em ostración.
La prueba de esta propiedad es similar a la del teorema 4, utilizando la condi
ción para concavidad estricta del teorema 3. Sin embargo, es necesario mostrar
un caso en el que el recíproco no sea cierto, como asegura el teorema. Para
ello basta considerar el ejemplo típico de función cóncava estricta para la cual
A = B = C = 0 : /( x , y) = —x 4 —y4 en (0,0). ■
N ota 2. (P ropiedades de las funciones convexas)

Las propiedades fundamentales de las funciones convexas se obtienen utilizando
el hecho de que /(•) es convexa si, y sólo si, —/(•) es cóncava y, utilizando los
resultados de los teoremas anteriores. Un buen ejercicio para el lector sería
escribirlas explícitamente.
Ejem plo 4.
Es fácil mostrar (figura 8) que:
i) f ( x ) = ln(x) es estrictamente cóncava para x > 0.
ii) Si a > O, g ( x ) = l / x a es estrictamente convexa para x > 0,

pues aplicando directamente el teorema 5 c), obtenemos, en cada caso, que:
0 f " ( x ) = _ ~“9 < 0 si x > 0. ii) g " {x ) = — >0 si x > 0.

X X ~>~a
E jem plo 5.
Mostremos (figura 9) que la función f ( x ) = x Q con x > 0 y a > 0 es:
i) Cóncava si, y solo si, 0 < a < 1.
ii) Estrictamente cóncava si 0 < a < 1.
iii) Convexa si, y solo si, a > 1.
Solución.
La segunda derivada de la función viene dada por
/" (* ) = a (a - l) x a~2
i) /(•) es cóncava si, y solo si, J"(x) < 0; así que debemos tener
a ( a —l) x Q~2 < 0, lo cual se cumple si, y solo si, a > 0 y a — 1 < 0; esto
es, cuando 0 < a < 1.
ii) Para la concavidad estricta necesitamos que la desigualdad en a) se cum

pla estrictamente. Por un argumento similar al anterior, tenemos que la
función es cóncava estricta si 0 < a < 1.
iii) Para que la función sea convexa necesitamos que f " ( x) > 0, lo cual se
cumple si, y solo si, a > 0 y a — 1 > 0; esto es, cuando a > 1. A
Ejemplo 6.
Mostremos que la función f ( x , y) = x ay&, con x > 0, y > 0; a, /? > 0, es:
i) Cóncava si, y solo si, a + £ < 1.
ii) Estrictamente cóncava si, y solo si, a + /? < 1.
iii) Además, mostremos que, en ningún caso, la función es convexa.
Solución.
Tenemos que
±
d
— = O íX
dx
y la matriz hessiana está definida por
donde
b) Y también debe cumplir que
d 2f d 2{ ( d 2f \ \
d x 2 dy2 \dxdy) ~
es decir,
â(a —l)rrQ-:y j ^P(P — l):ra 2/^” 2J — > O
o, lo que es lo mismo,
ap( a - 1)(/? - 1)x 2Q~2y20- 2 > a 2p 2x 2a~2y20~2
o,
(a - 1 ) { P - 1) > a p
de lo cual obtenemos,
-a -P +1>0
ct + P < 1
ii) Por lo anterior, las condiciones de concavidad estricta A < 0 y A C —B 2 >

0 se satisfacen si, y solo s i , a < l y a + / ? < l ; e s decir, si, y solo si,
a + P < 1 (puesto que hemos supuesto a > 0 y p > 0).
iii) Para que la función sea convexa debe ser A > 0, lo cual se cumple si, y
solo si, a > 1. Además, debe ser A C — B 2 > 0, lo cual, hemos mostrado,
se satisface si, y solo si, a + P < 1. Pero estas dos desigualdades no se
pueden satisfacer simultáneamente, dado que a , p > 0. Por lo tanto, la
función nunca es convexa. A
E jem plo 7.
De acuerdo con el ejemplo anterior, la función f ( x , y ) = x 2y2 no es cóncava
en R2 + = { (i,j/) 6 t 2 | i > 0, y > 0} puesto que su suma de exponentes
(2+2=4) es mayor que 1 (figura 10b)). Sin embargo, para todo escalar a € R+,
el conjunto de nivel superior a a ,
f a 1/ 2 1
s a = {(x,y) 6 R++ I f ( x , y ) > o} = j (x,y) € R++ | y > |
es todavía un conjunto convexo7. Esto demuestra que el recíproco del teorema

2 es, en general, falso.
7 En esta definición hemos asumido a > 0. Si a < 0, Sa = 0 que, por vacuidad, también
es convexo.
f(x
F ig u ra 10. En el panel a), la función f ( x , y ) = y/xy.

En el panel b), la función f ( x , y ) — x 2y 2 para x > O, y > 0.
Solución.
Para ver esto, supongamos que ( x i, 2/i), (x2, y2) € 5Q; es decir, asumamos que
a 1/ 2 a i /2
2/i > ----- y 2/2 > ------ ; entonces
aX. U2
C • Q , 1/2
'
Aj/i + (1 - A)j/2 > A----- + (1 - A)------
= a l/2(\g (x i) + (1 - A)g{x2))
donde g(x) = 1/x. Pero sabemos (ejemplo 4, b) que g(x) es estrictamente

convexa para x > 0; así que
a 1/ 2 (As(xi) + (1 - A)g(x2)) > a l/2g(Axi + (1 - A)x2)
= « ! / * [ _____l ____ 1
[Axi + (1 - A)X2
lo que es equivalente a A(xi,t/i) -f (1 — X)(x2ly2) G Sa , que es el resultado

buscado. ▲
Dada la definición de función cóncava, podemos derivar sus propiedades alge

braicas:
Teorema 6. (Álgebra de fu n cio n es cóncavas)
a) Si a 6 R, y /(•) es cóncava, entonces /(•) + a es cóncava.
b) Si a G R+ y /(•) es cóncava, entonces af ( - ) es cóncava.
c) Si /(•), g(-) son funciones cóncavas, entonces ( f + g)(‘) es cóncava.
d) Si /(•), g(-) son funciones cóncavas, entonces ( / • g)(-) ni (f / g )(‘) son

necesariamente cóncavas.
e) Si f : C —>IR es cóncava estricta y F : R —» R es estrictamente monótona

creciente y estrictamente cóncava, entonces (F o /)(•) es también cóncava
estricta.
D em ostración.
a) Sea /(•) cóncava, y definamos g(‘) = /(•) + a; entonces
¿j(\x + (1 - A)y) - /( A i + (1 - A)y) + a

> Af ( x ) + (1 - A)f (y) + a
= A (/(x) + a) + (1 - X)(f(y) + o)
= Ag(x) + (1 - X)g(y)
b) Sea a 6 R+ y /(•) cóncava, y definamos g(-) = a /( -); entonces
g(Xx + (1 - \ ) y) = a f ( Xx + (1 - X)y)
> a (A /(i) + (1 —X)f(y)]
= A (o /(s)) + (1 - A )(a/(y))
= Ag(x) + (1 - A)p(y)
c) Sean /(•), g(-) funciones cóncavas; entonces
(/ + + (1 - -% ) = /(A® + (1 - A)jr) + g(Xx + (1 - X)y)

> Xf ( x) + (1 - A)f (y) + Ag(x) + (1 - A)g(y)
= A( / + s)(x ) + (1 - A )(/ + g)(y)
d) Si f { x) = x y g(x) = x 1/ 2, vemos que ambas son cóncavas, pero (f - g ) ( x ) =

x 3/ 2 no lo es. Por otro lado, si f ( x ) = x 1!2 y 3 (1 ) = x, entonces (f / g ) ( x ) =
i - 1 / 2 es convexa.
e) Sean F(-) estrictamente creciente y estrictamente cóncava, y /(•) estricta

mente cóncava; entonces
(F o / ) ( Ax + (1 - \ ) y) = F [ f ( \ x + (1 - A)j/)]
> F [ \ f ( x ) + (1 - A)/(y))
> A F (/(z )] + ( l- A ) F [ /( y ) l -
El siguiente teorema es uno de los más utilizados en las aplicaciones, ya que

afirma que si usted ya está seguro de que la función que va a maximizar es
cóncava, entonces basta derivarla (si esto es posible) y hacerla igual a cero.
Allí aparecerán entonces los puntos de máxima (si existen).
Teorema 7. (Es fá c il o p tim iza r fu n cio n es cóncavas)
Si f : C -> R es cóncava y diferenciable con continuidad en el interior de C,
todo punto crítico (esto es, todo x* en el interior de C tal que V /(x*) = 0) es
un máximo global (o absoluto) (figura 11).
Figura 11. Todo punto crítico x* de una función cóncava es un máximo

global.
D em ostración.
Por el teorema 3, tenemos que si j/G C , y / i * ,
/ ( » ) - / ( * * ) < V / ( * ’ ) ( » - x ') = 0
Puesto que V /(x*) = 0 (x* es un punto crítico), entonces
f ( y) < f ( x *) Para tQdo y e C
Por lo tanto, x* es un máximo global. ■

Ejercicios 2
1. Utilizando las condiciones de segundo orden, determine las regiones de
sus dominios donde las siguientes funciones son cóncavas (estrictamente)
o convexas (estrictamente):
a) f ( x ) — x 3 b) f ( x ) = e2x/x , x j ^ O
c) /(z,2/) = 31n(x -f y), d) f ( x, y) = x 2 + y 2 - 1

x +y>l
e) f { x , y ) = Ay/x + 2y/ÿ f) f { x , y ) = x ( y + 4)
x > 0, y > 0 x > 0, y > 0
g) f { x, y) = y / x - y 2 h) f { x , y ) = \ n x - e y
x > 0, y > 0 x > 1, y > 0
2. Como ilustración del teorema 1, muestre que
m = {[1f sisi*e(“’1
x = 0
1
es convexa en [0,1], continua en (0,1], pero discontinua en [0,1].
3. Funciones cuasicóncavas y cuasiconvexas

Una pregunta básica, que trataremos de responder en esta sección, es para
qué tipo de funciones es cierto el recíproco del teorema 2; es decir, que S a
sea convexo para todo a G R. La respuesta la encontramos en las funciones
cuasicóncavas, introducidas por John von Neumann en 1928.8
D efinición 3. (Función cuasicóncava (von N eum ann (1928)))
Diremos que una función / : C —>R (donde, recordemos, C es un subconjunto
convexo no vacío de R n) es cuasicóncava si, y solo si, para todo x ,y G C ,
A €[0,1], se cumple que
/( A i + (1 —A)j/) > mí n { f ( x ) , f ( y ) } (6)

Además, diremos que /(•) es cuasicóncava estricta si, y solo si, para todo
x ,y G C, x y, X G (0,1), se cumple
/( A i + (1 - X)y) > m ín{/(x), f ( y) } (7)

8 Von Neumann, J. (1928), Zur Theorie der Gessellshaftspiele, Mathematische Annalen,
vol. 100, 295-320.
D efinición 4. (Función cuasiconvexa (von N eum ann (1928)))

Diremos que una función / : C -» R es cuasiconvexa (estricta) en C si, y solo
si, —/(•) es cuasicóncava (estricta) en C.
Una inmediata relación entre las funciones cóncavas y cuasicóncavas la encon
tramos en el siguiente teorema:
Teorema 8. (C oncavidad => cuasiconcavidad)
Toda función cóncava (estricta) es cuasicóncava (estricta); y toda función con
vexa (estricta) es cuasiconvexa (estricta).
D em ostración.
Sea / : C —>R una función cóncava; entonces para todo x, y €C , A G [0,1],
} { \ x + (1 - A)y) > Af ( x) + (1 - A)/(y)

> \ m m { f ( x ) , f ( y ) } + (1 - A) m ín{/(x), f ( y)}
= m ín { /(i),/(j/)}
De manera similar, tenemos que toda función convexa es cuasiconvexa. Las

demostraciones bajo la condición estricta son también similares. ■
N ota 3.
Que la condición de cuasiconcavidad es realmente un debilitamiento de las con
diciones de concavidad, se ve en el hecho de que no toda función cuasicóncava
es cóncava (figura 12). De manera similar, no toda función cuasiconvexa es
convexa.
Figura 12. Una función cuasicóncava no cóncava.

Ejercicios 3
1. Determine si las siguientes funciones son cuasicóncavas (estrictas) o cua-
siconvexas (estrictas) en el dominio indicado:
a) f ( x , y) = z 2 + V2 ~ 1, con x, y >0
b) f { x , y ) = mín{x,y}, con x, y > 0
c) /( x , y) = a ln x + P ln y, con a , /3 > 0, x > 1, y > 1
4. Propiedades fundamentales de las funciones cua

sicóncavas
Quizás la primera propiedad de las funciones cuasicóncavas que debe mencio
narse es que, a diferencia de las funciones cóncavas, no toda función cuasicón-
cava es continua, como se puede ver en la figura 13. Sin embargo, sí existe una
relación entre monotonicidad y cuasiconcavidad para funciones con dominio
real, que la expresamos formalmente en el teorema 9.
----- 1----- 1----- 1----- 1----- 1— ►

Figura 13. Una función cuasicóncava no continua.
Teorema 9. (M on oto n icid a d => cuasicon cavidad)

Si C C R , entonces toda función monótona9 (estricta) es cuasicóncava (estric
ta). Sin embargo, no toda función cuasicóncava es monótona.
D em ostración.
Supongamos (sin pérdida de generalidad) que /(•) es monótona creciente. En
tonces, para x ,y € C, si x > y, m ín{/(x), f ( y) } = f (y)\ y como Ax+(1 —A)y >
y, entonces por la monotonicidad de /(•), se tiene que /(Ax + (1 —\ ) y) > /(y ),
que es lo que se quería probar. La demostración para el caso estricto es similar.
Se deja como ejercicio al lector, mostrar una función cuasicóncava que no sea
monótona. ■
9 Es decir, creciente o decreciente.
La principal característica de las funciones cuasicóncavas se tiene en el siguiente

resultado:
Teorema 10. ( C aracterización topológica de las fu n cion es cuasicón

cavas )
Una función f : C —►R es cuasicóncava si, y sólo si, para todo a € R, el
conjunto de nivel
SQ - {x £ C \ f ( x ) > q}
es un conjunto convexo.
D em ostración.
a) Supongamos que /(•) es cuasicóncava y probemos que Sa es convexo. Para
esto, sean x ,y e Sa \ entonces f ( x ) > a, f ( y) > a. Y así,
f ( Xx + (1 - A)y) > mín{ f ( x ) , f ( y ) } > m ín{a,a} = a
Luego, Xx + (1 - A)y G Sa .
b) Ahora supongamos que S a es convexo, y probemos que /(•) es cuasicóncava.

Para ello, definamos
a = m ín{/(x), f ( y) } con x, y € C fijos
Entonces f ( x ) > a y f ( y ) > ot. Y, por la convexidad de SQ, tenemos que

Xx + (1 - X)y € SQ, y así,
/( A i + (1 - A)y) > a = m ín{/(x), f ( y) }
que es la definición de cuasiconcavidad. ■
Ejemplo 8. (U na clase especial de funciones cuasicóncavas)

Todas las funciones (Cobb-Douglas) f ( x , y ) = x 1y con /?, 7 > 0 son cuasi
cóncavas estrictas en R++ (figura 14), porque para todo a > 0 , el conjunto de
nivel superior a a,
Sa = { ( x, y) € R++ I f ( x , y ) > a} = {(x,y) 6 R++ | x~>y0 > a}
= |(x,y)€R++| j / > ^ |
es un conjunto convexo (la prueba de esto es similar a la del ejemplo 7). En

particular, observemos que si 7 + /? > 1 , entonces /(•) es cuasicóncava estricta,
pero no es cóncava.
Figura 14. S n para la función f { x , y ) = x ay ”', a , /? > 0; x, y > 0.
Ejem plo 9. (U na función cuasicóncava y convexa)

Existen funciones cuasicóncavas que inclusive son convexas (y no son lineales):
Si f ( x ) = x 2, x > 0, entonces para a > 0,
SQ = {x e R+ | i 2 > a} = { i 6 K+ | x > y/a }
es un intervalo y, por lo tanto, es un conjunto convexo.
Teorema 11. (Álgebra de fu n cio n es cuasicóncavas)
Si f(' ), g(') son dos funciones cuasicóncavas, entonces se cumple que:
a) La función h(’) = / ( • ) + a, a G R , es cuasicóncava.
b) La función h(>) = a /( - ) es cuasicóncava, si a > 0.
c) La función /i(-) = / ( • ) + g(-) no es necesariamente cuasicóncava.
d) Ni la función /i(-) = /(•) g(-), ni h(-) = /(*)/p(*) son necesariamente

cuasicóncavas.
e) Si F(') es estrictamente creciente, entonces la función compuesta (F o

/)(•) también es cuasicóncava. Si además /(•) es cuasicóncava estricta,
entonces ( F o / ) ( - ) es cuasicóncava estricta.
D em ostración.
a) Si f ( \ x + (1 —A)y) > m ín { /(x ),/(y )} , entonces
/ ( Xx + (1 - A)y) + a > mín{/(ar), f( y) } + a

b) Si / ( Ax + (1 —X)y) > m ín { /(x ),/(y )} , entonces

af ( Xx + (1 - A)y) > am ín { /(x ), f{y)} = m ín{af ( x) , af {y) }
c) La esencia de la dificultad aquí radica en que la función mín{x, y} no es

lineal. Por ejemplo, para x > 0, sean f ( x ) = x 2 y g(x) = —x. Entonces
( / + 9)(x ) = x 2 — x no es cuasicóncava, pues si x = 0 , y = 1 y A = 5 ,
( / + g)(Xx + (1 - A)y) = - \ < mín { (/ + <,)(0), ( / + fl)(l)} = 0
Sin embargo, /(•) y g(‘) sí lo son, pues f ( x) = x 2(x > 0) es cuasicónca-

va estricta (ejemplo 9 y figura 15a), y g(x) = —x es lineal y, por tanto,
cuasicóncava.
d) Si f ( x ) = x, entonces f 2(x) = x 2 no es cuasicóncava en R. De otro lado,
si f ( x ) = x 3 y g(x) = x, entonces f ( x) / g( x) = x 2, x ± 0 , que no es
cuasicóncava.
e) Si f ( Xx + (1 —X)y) > mín{ f ( x ) , f ( y ) } y F(z) > F(w) si z > w, entonces
F( f ( Xx + (1 - X)y)) > F(m ín{/(x), f ( y) }) = m ín { F (/(x ))f F(f ( y))}. m
Figura 15. En el panel a) una función cuasicóncava y convexa y =

x2, x > 0. En el panel b) se muestra que las combinaciones convexas
Xx + (1 - A)y, A £ (0,1) siempre obtienen un mayor valor cuando la
función es cuasicóncava estricta.
N ota 4. (U na propiedad im portante)

La definición de cuasiconcavidad estricta implica, en particular, que si /( x ) =
f ( y) = oí con x / i / , entonces / ( Ax 4 - (1 — A)y) > a para todo A € (0,1).
Es decir, las combinaciones convexas Ax + (1 —A)y, X G (0,1), tienen siempre
mayor valor que los puntos x, y, cuando estos dos estén en la misma curva de
nivel (figura 15b). ▲
Hasta aquí hemos especificado la cuasiconcavidad sin hacer referencia a la di-

ferenciabilidad de las funciones; sin embargo, si la función /(•) es diferenciable
(una o dos veces), podemos caracterizar la cuasiconcavidad mediante los teo
remas siguientes:
Teorema 12. ( C ondición de p rim e r orden de las fu n cio n es cuasicón-
cavas)
Sea f : C —>R diferenciable en el interior de C. Entonces /(•) es cuasicóncava
(estricta) en C si, y solo si, f ( x ) > f {y) implica
V /(y )(z - y) > 0 ( V/ ( y) ( x - y ) > 0)
D em ostración.
(Presentamos aquí la demostración para funciones de una variable; el caso
de más variables es similar, pues basta utilizar el típico recurso de definir
F( A) = f{ y + X(x —y)) con e < A < 1 + e y € > 0 pequeño, para luego aplicar
la condición demostrada en el caso de una sola variable).
a) Supongamos que /(•) es cuasicóncava y que f ( x ) > f ( y ). Entonces
/ ( \ x + (1 - A)y) > f ( y)
lo cual, para x ^ y, es igual a
(1 - A)(x - y)
Dado que /(•) es diferenciable, tenemos que
b) Supongamos que f ( x ) > f ( y) implica f ' ( y) ( x — y) > 0 y probemos que

/(•) es cuasicóncava. Sean x , y en el interior de C tales que f ( x ) > f ( y)
y definamos la función <t> : [0 , 1] —» R como = / ( Xx + (1 —A)y) =
/ ( X(x —y) 4-y), la cual también es continua y diferenciable. Para demostrar
que /(•) es cuasicóncava, debe ser que <p(X) > <j>(0) para todo A £ (0,1).
Supongamos, por el contrario, que <¡>(X) < 0(0) para algún A € (0,1).
Entonces podemos encontrar Ao 6 (0,1) tal que <£(Ao) < 0(0) y 0'(Ao) < 0.
Por la regla de la cadena
¿'(Ao) = / ' ( Ao(x - y) + y){x - y) < 0
Y como hemos supuesto que
0(0) = } { y) > /(Ao(x - y) + y) = <£(A0)

entonces, por hipótesis,

/'(A 0(x - y) + 2/)A0(x - y) > 0
lo cual es una contradicción.
La demostración para las funciones cuasicóncavas estrictas es similar. ■
Así como las funciones cóncavas están determinadas por ciertas condiciones
sobre la matriz hessiana (teorema 4), también podría esperarse que las fun
ciones cuasicóncavas tuvieran una característica similar. En efecto, es así, y la
correspondiente matriz se conoce como mat r i z hessiana orlada. ¿Cómo surge?
Sabemos, por el teorema de la función implícita (volumen 2 (Cálculo)), que si
y ( x ) define localmente una función a partir de la curva de nivel /( x , y) = a,
entonces se tendrá que, en esa vecindad,
dy df/dx
dx df/dy
Y si a esta curva y( x ) nos es posible calcularle la segunda derivada, obtendre

mos que
d2y _ d 'df/dx
dx2 dx df/dy\
&L + d 2f dyl \ d 2f & ±dy

dy d x 2 + d y d x dx J dx dxdy d y 2 dx
(i)
( d f \ 2 & f _ : d f d f d 2} (dfV & i
\dy) dx2 dx dy dydx \dx) dy2
(i)
0 A
d d±
dx dy
dff
A
d
r a¿ y dx dx2 dxdy
±
d d 2f
ydyj
dy dydx dy2
df df
Parece claro que condiciones sobre el determinante y sobre — , — , determina
os oy
rán qué tipo de concavidad-convexidad tendrán las curvas de nivel /( x , y) = a
y, de allí, la concavidad-convexidad del conjunto
s a = {(x, y) e C/ f ( x , y ) > a}
que es el criterio que determina la cuasiconcavidad-cuasiconvexidad de /(•).

Es precisamente a este determinante al que llamaremos (en el caso 2 x 2) el
hessiano orlado (de orden 2 ) correspondiente a /(•, •).
Definición 5. (M atriz hessiana orlada)

Dada / : C —> R, definimos, para r < n, la matriz hessiana orlada de orden r
(correspondiente a /(•)) como la matriz
’0 dL OL
Oxi Sh dxr
dL &± e*f 02f

dx\ dx{ dx\0x2 Ox\dx,
ÊL d*f
0X2 dx2dx\ dx% dx*2ÓXj
OL oh d*f
Oxr dxrdx1 dxr'dx2 dxi
Observe que una función de n variables tiene n matrices hessianas orladas

, A i-
Teorem a 13. ( C ara cteriza ció n de segundo orden para las fu n cio n es
cuasicóncavas)
Supongamos que /(•) es dos veces diferenciable con continuidad en C C Rn .
Entonces:
a) Si las matrices hessianas orladas satisfacen (—l) r | Dr |> 0 para todo x

en C, y todo r = 1 ,2 ,... ¿n entonces /(•) es cuasicóncava estricta en
C.
b) En el caso de dos variables, tendremos que /(♦, •) es cuasicóncava si la

matriz hessiana orlada
0 a c
a A B
c B C_
a j a _
donde - ddfx , c -- 9 f Aa -- d2f
d x 2 , Bn -- ^02 f , C
n -- d2f , ,
^ , satisface
i) a > 0 y c > 0 ; ó, a < 0 y c < 0

ii) a2C —2 acB 4 - (?A < 0
Dem ostración.
[Presentamos solo la parte b) de la prueba. Para la parte a), remitiremos al
lector al artículo clásico de Arrow y Enthoven (1961).10]
Asumamos i) y ii), y probemos que /(•) es cuasicóncava. Supongamos que a y
b son ambas positivas (el caso ambas negativas es similar). Por el teorema de la
función implícita (volumen 2 (Cálculo)) de /( x ,y ) =constante= a, podemos
escribir x = h(y) para cierta función dos veces diferenciable /i(-). Como de la
condición ii) se tiene que B > 0, entonces /i(-) es convexa.
Sean (xo,?/o)> (zi> 2/i) dos puntos sobre la curva de nivel f ( x , y ) = a; entonces
x o = h(y0) y xi = h(yi). Tomemos (x 2, 2/2 ) = (1 - A)(x0 ,i/o) + A (xi,yi) con
A € [0,1]. En tal caso
h(y 2 ) < (1 - A)h(y0) + Xh(yi) = (1 - A)x0 + Axi = x 2

Luego
= / ( % 2 )>2/2 ) < f ( x 2ty 2)
Por lo tanto, /( x o , 2/o) = /(^ i> 2/i) implica
/((1 - A)(x0, yo) + A(*i, 2/ 1))

= / f e , 2/2 ) > f ( h{y2), y2) = a
= f ( x o, yo)
que es la condición de cuasiconcavidad para este caso.
Ahora supongamos que f ( x \ , y i ) > /(xo,yo)> y sea \ el máximo A tal que
/ ( ( 1 - A)(x0 , 2/o) + H x i, yi )) = f ( xo>yo)
Sea (x2, y2) = (1 —Á)(xo,yo) + Á(xi,j/i). Si 0 < A < A, entonces podemos

escribir
(1
- A)(x0,í/o) + A (xi,yi) = (1 - t)(x0, y0) -h t{x2, y2)
donde t = A/Á.
Como f ( x 2, y2) = /(xo,?/o), entonces tendremos que
/ ( ( 1 - A)(x0 ,y0) + A(xi,?/i)) = / ( ( 1 - t)(x0, y0) + t (x2, y2)) > f ( x 0jy0)
Y aplicando continuidad y la definición de A, se tendrá que
/ ( ( 1 - A)(x0 , 2/o) + A(xi,í/i)) > f { x 0, y0)
Esto muestra que /(*,*) es cuasicóncava. ■

10 Arrow, K. J., Enthoven, A. C. (1961), Quasi-Concave Programming, Econometrica,
vol. 29, 779-800.
E jem plo 10.

Probemos mediante el criterio del hessiano orlado del teorema anterior, que la
función f ( x , y ) = x ayP, <*,/?> 0 , es cuasicóncava en
Solución.
Aquí, a = ax°‘~1yP, c = (3xCcyP~l ) A = o¿(a — 1)xQ~2y&, B = c¿Pxa~l yP~l ,
C = f i ( P - 1) x V 2.
a) En primer lugar, es claro que a > 0 y c > 0.
b) Además, se tiene que
a2C — 2acB + c2A = (a x a~1y ^ ^/3(/3 — l)# “?/3-2^ —
4 - {p x ay^~ l 'S
j ( a( a - 1)xa_2/ j
= a 2/?(/3 - l)x 3a - 22/3^ - 2 - 2 a W Q- y ^ 2
+ a ( a — l) p 2x 3ct~2y3^~2
= —a/?(a + fi)x3a~2y3P~2 < 0 .
Por lo tanto, se tiene la cuasiconcavidad de /(•, •).
Ejem plo 11.

Podemos probar que /( x , y) = yex (figura 16) es cuasicóncava en R 2 utilizando
el criterio del hessiano orlado. En efecto: aquí a = yex yc = ex , A = yex, B = ex,
C = 0, y vemos que:
a) En primer lugar, a > O y c > 0.
b) Además,
a2C - 2acB + c2A = O(ye*)2 - 2 (ye1) (ex) (e1) + (e1)2 (ye1)

- - 2 ye3x + ye3x = - ye31 < O
de tal forma que /(*,•) es cuasicóncava.
Ejercicios 4
1. Utilizando el teorema de la presente lección que considere más conve
niente, determine cuáles de las siguientes funciones son cuasicóncavas
(estrictas) y cuasiconvexas (estrictas) en el dominio especificado:
a) /( z , y) = y/x + y/y, con x, y > 0

b) / ( x , y) = x 2 + y, con x ,y > 0
c) f ( x , y ) = (x + y)3, con x, y > 0
d) / ( x , y) = (xa + y0)1/0 , con x , p 0 y a > 0
e) f i x ->y) — máx{ 3 x , 42/}, c o n x , y > 0
f) f ( x >y) = ( * - + { y - é )2> con x ,y > 0
g) f ( x iV) = (lnx)Q + (lny)^, con a,/3 > 0 , x > 1 , y > 1
h) f ( x iV) = z ( 2/ + 4), con x ,y > 0
i) /(x, y) = lOOx — 10x2 + 10xy, con x, y > 0
j) /(®»y) = 200í/ — 15?/2 + lOxy, con x, y > 0
2 . ¿Será que la propiedad b) del teorema 11 es sólo cierta para a > 0 ? Si es
así, escriba un ejemplo en el que no sea cierto para a < 0. Si no es así,
entonces pruebe el resultado.
3. Construya una tabla con todas las funciones estudiadas en esta lección
y analícelas bajo los criterios de concavidad (estricta), cuasiconcavidad
(estricta), convexidad (estricta) y cuasiconvexidad (estricta).
5. Contexto económico
a) C o n ca v id a d -c o n v e x id a d y m a r g in a lid a d d e c r e c ie n te e n la
te o r ía ec o n ó m ic a
De discusiones previas (volumen 2, lección 3) ha quedado claro que la teoría

económica convencional está construida, en gran parte, sobre la base de ta
sas marginales decrecientes que, como veremos, están íntimamente ligadas a la
noción de concavidad (funciones cóncavas): funciones de utilidad cóncavas, fun
ciones de producción cóncavas, etc. En cada uno de estos casos, la justificación
es diferente.
Una función de utilidad cóncava estricta (y que también se acostumbra a asu
mir creciente) indica que más consume el agente cuando mayor satisfacción
obtiene, aunque este nivel de satisfacción es cada vez “menos intenso”. El con
cepto de utilidad marginal decreciente fue utilizado quizá por primera vez por
Nicholas Bernoulli (1713) y Daniel Bernoulli (1738) para resolver la paradoja
de San Petersburgo (volumen 2 (Cálculo), lección 4). En sus inicios, algunos
economistas como Jereiny Bentham (1789)11 y Nassau Sénior (1836)12 utili
zaron la idea, pues esta noción permitía conectar los conceptos de “deseo” de
las mercancías con la demanda efectiva. Posteriormente, todos los economis
tas marginalistas (Jevons, Marshall, Walras y Pareto, entre otros) utilizarían
recurrentemente esta fundamental noción sobre el comportamiento individual
al tomar una decisión de consumo.
Por su parte, una función de producción cóncava estricta (y también creciente)

indica que, cuanto mayor sea el número de insumos utilizados, mayor será el
nivel de producción, aunque el rendimiento de la “máquina” (por desgaste y
otras limitaciones) es cada vez menor. Esta idea, conocida como la Ley de los
rendimientos marginales decrecientes o de la Productividad marginal decrecien
te (para evitar confusiones con la idea de rendimientos decrecientes a escala),
fue pensada originalmente para aplicaciones a la economía de factores agrí
colas, por A.R.J. Turgot en sus Observations de 1768, y por Thomas Robert
Malthus en su Essay on the Principie of Population de 1798. Posteriormente
fue aplicada, más generalmente, a otros factores de producción, por Johann
Heinrich von Thünen (1826),13 y otros. Pero la cima del concepto se encuentra
11 Bentham, J. (1789), An Introduction to the Principles of Morals and Legislation,

Kitchener: Batoche Books.
12 Senior, N. (1836), An Outline of the Science of Political Economy. London: Richard
Griffin and Company.
13 Von Thünen, J. H. (1826), Der Isolierte Staat in Beziehung auf Landwirthschaft un
National Ökonomie, vol 1. TVaducido al inglés por Carla M. Wartenberg, New York:
Pergamon Press Oxford. 1966.
en el trabajo de John Bates Clark (1889, 1891, 1899)14, 15, 16 y en el de Philip

H. Wicksteed (1894).17
La relación entre concavidad y marginalidad decreciente de la utilidad o de la
productividad se puede escribir formalmente. Asumamos que podemos repre
sentar la utilidad o la producción por medio de una función dos veces diferen-
ciable con continuidad F : C -» R con C C R 2 un conjunto convexo, abierto
y no vacío. Note que con la hipótesis de convexidad de C asumimos que los
bienes son perfectamente divisibles,18 de tal forma que tenga sentido hablar
de cambios infinitesimales en el consumo o en la producción de los mismos.
Así, podemos representar la utilidad o la productividad marginal del bien Xi
dF
(i = 1 , 2 ) como la derivada parcial ——. Claramente, un signo positivo de esta
(J X {
derivada confirmaría que el aumento de la cantidad de X{ aumenta el nivel de
utilidad o de producción. Por otro lado, la hipótesis de utilidad o de producti-
d2F
vidad marginal decreciente del bien X{ se escribe < 0 , y la de la utilidad
uxf
d2F
o la productividad marginal no creciente del bien X{ se escribe < 0.
Teorema 14. (C oncavidad e stric ta => m arginalidad decreciente)

Sea F : C R una función de utilidad o de producción, dos veces diferenciable
con continuidad, donde C C R 2 es abierto, convexo y no vacío.
a) Si la función de utilidad o de producción es cóncava estricta, entonces tiene

utilidades o productividades marginales decrecientes.
b) Si C C R, la función de utilidad o de producción es cóncava estricta si, y

solo si, tiene utilidad o productividad marginal decreciente.
Este teorema es una implicación directa del teorema 5, y nos permite relacionar
utilidades o productividades marginales decrecientes y concavidad. Sin embar
go, como se puede inducir fácilmente, no siempre la existencia de utilidades
o productividades marginales decrecientes implica la concavidad de la función
de utilidad o de producción. Por ejemplo, la función F (x , y) = x 2/3y 2/ 3 tiene
14 Clark, J. B. (1889), Possibility of a Scientific Law of Wages. Publications of The

American Economic Association.
15 Clark, J. B. (1891), “Distribution as Determined by a Law of Rent”, Quarierly
Journal of Economics, vol. 5(3), 289-318.
16 Clark, J. B. (1899), The Distribution of Wealth: A Theory of Wages, Interest and
Profits, New York: Macmillan.
17 Wicksteed, Philip H. (1894), An Essay of the Co-ordination of the Laws of Distribu
tion, London: London School of Economics.
18 Volumen 1 (Álgebra lineal), lección 8.
marginalidades decrecientes, aunque no es cóncava. Aun así, por una aplicación

directa del teorema 13, se tiene el siguiente resultado:
Teorema 15. (M arginalidad decreciente y cuasiconcavidad)

Sea F : C R una función de utilidad (o de producción) monótona creciente
en cada uno de sus argumentos, y dos veces diferenciable con continuidad,
donde C C R 2 es abierto, convexo y no vacío. Si la función tiene utilidades (o
d2F
productividades) marginales decrecientes y - ■ > 0 , entonces la función de
oxoy
utilidad (o de producción) es cuasicóncava estricta.
Sin embargo, es fácil ver que no toda función cuasicóncava tiene marginalidades
decrecientes. Por ejemplo, la función F(x, y) = x 2y 3 es cuasicóncava, pero no
tiene marginalidades decrecientes.
b) C o n ca v id a d -c o n v e x id a d y r e n d im ie n to s a e sc a la en la te o r ía
d e la p ro d u c c ió n
El concepto de rendimientos a escala para funciones de producción, aunque
apareció aquí y allá en la historia del pensamiento económico, sólo fue definido
con precisión por Alfred Marshall (1890)19 en el contexto de las economías
de escala al explicar por qué éstas cambiaban por razones tecnológicas o de
precios. Sin embargo, el concepto también sería estudiado posteriormente por
Knut Wicksell (1900, 1901, 1902)2O>21* 22, Philip H. Wicksteed (1910)23, Piero
Sraffa (1926)24 y John Hicks (1932, 1936)25, 26, entre otros.
Aunque una función de producción particular puede exhibir sólo uno de los
tres tipos específicos de rendimientos a escala, es común (desde las Lectures on
Political Economy (vol. I y II)(1901,1902) de Wicksell) encontrar descripcio
nes que muestran funciones de producción que tienen diferentes rendimientos
19 Marshall, A. (1890), Principies of Economics, London: Macmillan and Co.
20 Wicksell, K. (1900): Marginal Productivity as the Basis for Economic Distribution.
New York: M.E. Sharpe.
21 Wicksell, K. (1901), Lectures on Political Economy, vol. 1, London: Routledge &
Kegan Paul.
22 Wicksell, K. (1902), Lectures on Political Economy, vol. 2, London: Routledge &¿
Kegan Paul.
23 Wicksteed, P. H. (1910): The Common Sense of Political Economy. London: Macmi
llan.
24 Sraffa, P. (1926), The Laws of Returns under Competí ti ve Conditions, Economic
Journal, vol. 36, 535-550.
25 Hicks, J. (1932), Marginal Productivity and The Principie of Variation, Economica,
vol. 12, 79-88.
26 Hicks, J. (1936), Mr. Keynes’s Theory of Employment, Economic Journal, vol. 46,
238-253.
a escala para diferentes niveles de producción: cuando una firma produce pe
queñas cantidades puede mostrar rendimientos crecientes a escala debido a que
un aumento en su tamaño podría hacer un uso más eficiente de los recursos a
través de la especialización; pero si produce grandes cantidades enfrentaría ren
dimientos decrecientes ya que un aumento en el tamaño de la empresa haría,
probablemente, el trabajo más complicado (figura 18).
Pero la justificación económica para los diferentes rendimientos a escala no
resulta ser algo simple. En un nivel muy elemental, se justifican los rendi
mientos crecientes a escala apelando a algún argumento de división del trabajo
como afirmaba Adam Smith (1776):27 si agregamos más mano de obra y más
máquinas en un proceso productivo, cada trabajador y cada máquina podría
especializarse en un subpropósito particular del proceso, haciéndolo con mayor
precisión en un menor tiempo. En general, es corriente encontrar el argumento
de que los rendimientos crecientes a escala capturan, de una u otra forma, la
idea de progreso tecnológico.
Esto lo encontramos explícitamente en el trabajo de Allyn Young (1928)28
y Nicholas Kaldor (19C6)29 y, en general, en toda la teoría del crecimiento
endógeno moderna. Se hace claro que los rendimientos a escala no son sólo un
problema de escala: son acerca de cambios de técnicas y de las razones de su
emergencia.
y
Figura 17. Función de producción según Wicksell (1901,1902).
27 Smith, A. (1776b), Investigación sobre la naturaleza y causas de la riqueza de las

Naciones, México: Fondo de Cultura Económica.
28 Young, A. (1928), Increasing Returns and Economic Progress, Economic Journal,
vol. 38(152), 527-542.
29 Kaldor, N. (1966), Causes of the Slow Rate of Economic Growth in the UK. UK:
Cambridge.
A continuación presentaremos una perspectiva no marginalista desde donde se

han estudiado los rendimientos a escala, y que se centra en el problema del
tipo de escala.
Definición 6. (C onjunto de producción)

Definimos un plan de producción como un vector y de la forma y = (y i, . . . , yn) G
Rn tal que cada yi identifica cuánto del í-ésimo bien se ha utilizado en ese plan.
Si yi < 0 , el bien se ha empleado como insumo en el plan de producción; si
yi > 0 , el bien es un producto final del plan; y si yi = 0 el bien no se ha
utilizado en el plan. Al conjunto Y C Rn de todos los planes de producción
disponibles lo llamamos conjunto de producción.
Para utilizar los conjuntos de producción en la elaboración de una teoría de

la producción es necesario dotarlos de ciertas propiedades matemáticas. A lo
largo de esta sección supondremos que los conjuntos de producción Y son
subconjuntos no vacíos de R n tales que si y G Y y z < y, entonces z G K30;
es decir, que dadas ciertas cantidades de insumos, siempre es posible producir
menos que lo que se produciría con aquellas cantidades.
Ahora, dado un plan de producción y en un conjunto de producción Y , cambiar
la escala de operación es multiplicar y por un número no negativo A. Aumentar
la escala es permitir a A ser mayor que 1 ; y disminuirla es permitir a A ser
menor que 1 .
D efinición 7. (R endim ientos a escala para conjuntos de producción)

Dado un conjunto de producción Y , diremos que:
a) Y tiene rendimientos crecientes a escala si se tiene que cuando y G Y ,

entonces Ay € Y para todo A > 1 (figura 18a).
b) Y tiene rendimientos decrecientes a escala si se tiene que cuando y G F ,

entonces Ay e Y para todo 0 < A < 1 (figura 18b).
c) Y tiene rendimientos constantes a escala si se tiene que cuando y G Y ,

entonces Ay G F para todo A > 0 (figura 18c). Así, Y tiene rendimientos
constantes a escala si, y solo si, tiene rendimientos crecientes y decrecientes
a escala.
Los siguientes teoremas establecen la conexión directa entre el concepto de

cambio de escala y el de convexidad del conjunto de producción Y .
Teorem a 16.
Si Y es convexo y 0 G Y (posibilidad de no acción), entonces Y tiene rendi
mientos decrecientes a escala.
30 En la literatura moderna, a un conjunto con esta característica se le denomina “com
prehensivo”.
producto producto producto
a) b) c)
Figura 18. En el panel a): un conjunto de producción con rendi

mientos crecientes a escala. En el panel b): un conjunto de pro
ducción con rendimientos decrecientes a escala. En el panel c): un
conjunto con rendimientos constantes a escala.
Dem ostración.
Supongamos que Y es convexo y 0 € Y . Para y € Y y A € [0,1] se tiene,
por la convexidad de F , que \ y + (1 —A)0 € 7 ; es decir, Ay € Y para todo
A € [0,1]. ■
Teorema 17.
Y es un cono31 con vértice en 0 si, y sólo si, Y tiene rendimientos constantes
a escala.
D em ostración.
Si Y es un cono con vértice en 0, es decir, si Y satisface que para todo y € y ,
A > 0, se tiene que Ay € Y , entonces Y tiene rendimientos constantes a escala.
Asimismo, si Y tiene rendimientos constantes a escala, para todo y € Y y
A > 0 se tiene Ay £ Y . En particular, 0 • y = 0 £ Y y, por lo tanto, Y es un
cono con vértice en 0 . ■
Como vimos en la sección anterior, es usual estudiar la teoría de la produc

ción haciendo uso de funciones de producción. A continuación relacionamos
los conceptos de conjunto de producción y de función de producción. Para ello
supondremos, en adelante, que el conjunto de producción Y es un subconjunto
no-vacío y cerrado de Rn.
D efinición 8. (Función de producción)

Si y C Mn es un conjunto de producción de n —1 insumos y un sólo producto,
31 Recordemos (volumen 1 (Álgebra lineal)) que un conjunto Y C Rn y 0 G Y es un
cono (con vértice en 0) si para cada y € y y A > 0 s e tiene que Ay € Y.
podemos describir cada plan de producción en Y como un vector de la forma

(y, —z) con —z = (—zi, —Z2 , . . . , —zn_ i), de forma que diferenciemos el produc
to y de los insumos z . Con esto, podemos definir la función de producción f( z )
asociada al conjunto de producción Y que denota la máxima producción posible
para cada nivel de insumos z = ( z i,. . . , zn), es decir, para cada z definimos
f ( z ) = máx{ y | (y, - z ) € K}
Así, la función de producción está determinada por la frontera superior del

conjunto de producción (figura 19).
Es claro que, bajo nuestras hipótesis, la función de producción puede ser discon
tinua y no diferenciable. Sin embargo, si el conjunto de producción es convexo,
podemos asegurar, al menos, la continuidad de la función de producción.
Teorem a 18.
La función de producción asociada al conjunto de producción Y es cóncava,
si, y solo si, Y es convexo (figura 19). Por tanto, todo conjunto de producción
convexo tiene asociada una función de producción continua.
D em ostración.
Supongamos que Y es convexo; entonces para todo A € (0 , 1), y (y, —z),
€ Y , tenemos que A(y, —z) + (1 — A )(y',—z') € Y . En particu
lar, esto es válido para (y, —z), (y', —z') en la frontera superior del conjun
to de producción, es decir con y = f ( z ) y y' = f(z '). Pero en ese caso,
/(A z + (1 — A)z') > A/(z) -f (1 - A )/(z') por definición de función de pro
ducción. Como esta última desigualdad también se cumple (trivialmente) para
A = 1 y A = 0 , la función de producción es cóncava.
Por otro lado, supongamos que la función de producción es cóncava y sean

(y , —z), (?/, —z f) € y , A € (0 , 1 ). Por definición de concavidad y de la función
de producción, sabemos que
}{Xz + (1 - X)z') > Af( z ) + (1 - X )f(z') > Xy + (1 - A)y' > 0;
por lo tanto, A(y, —z) + (1 —A)(?/, —zf) G Y ; es decir, Y es convexo. ■
De los teoremas 16 y 18, obtenemos, inmediatamente, el siguiente resultado:

Corolario 1.
Si la función de producción /(•) asociada al conjunto de producción Y es cón
cava y satisface /(O) = 0, entonces Y tiene rendimientos decrecientes a escala.
Después de estudiar el concepto de escala en conjuntos de producción, nos

corresponde analizar este concepto para funciones de producción, y relacionarlo
con la noción de concavidad de éstas. Comencemos por las definiciones básicas:
Definición 9. (R endim ientos a escala para funciones de producción)

Sea / : D —> R, donde D C R o D C R2, una función tal que si x G D se tiene
que Ax 6 D para todo A > 0. Entonces diremos que /(•):
a) Tiene rendimientos decrecientes a escala si, y solo si, para todo A > 1,
/(Ax) < A/(x)
b) Tiene rendimientos constantes a escala si, y solo si, para todo A > 1 ,
/(Ax) = A/(x)
c) Tiene rendimientos crecientes a escala si, y solo si, para todo A > 1 ,
/(Ax) > A /(x)
De la definición 9 es inmediato el siguiente resultado:
Teorema 19.
Sea f : D —> R, donde D C R o D C R2, una función de producción tal
que si x G D se tiene que Ax G D para todo X > 0; entonces, /(•) tiene
rendimientos constantes a escala si, y solo si, /(•) tiene rendimientos crecientes
y decrecientes a escala.
Ejem plo 12.
Veamos un par de ejemplos de funciones de producción y sus rendimientos a
escala:
40 Matemáticas básicas para économistas 3: Optimización y dinámica
a) La función de producción f( x ) = ln(x + 1) para x > 0, tiene rendimientos

decrecientes a escala pues ln(Ax + 1) < Aln(x 4 - 1) para cualquier A > 1 .
En efecto: la anterior desigualdad es equivalente a ( x + l ) A > Ax + 1, que
es una consecuencia directa del teorema binomial de Newton (volumen 0
(Fundamentos) y volumen 2 (Cálculo)).
b) La función de producción f( x ) = ex para x > 2 tiene rendimientos crecien
tes a escala pues eAx > A(ex) conduce, cuando A ^ 1 , a que x > InA*31,
y esto es cierto ya que 2 > hÂ*^1) para todo A > 1 . La dificultad, aquí,
radica en que si 0 < x < 2 .entonces x > lnA ^ - 1 puede no tenerse para
algunos A’s. A
Y ahora relacionamos los rendimientos a escala en los conjuntos de produc

ción con los rendimientos a escala en las funciones de producción mediante el
siguiente importante teorema.
T eorem a 20. (F un ció n de p ro d u cció n , re n d im ie n to s a escala, y co n
ju n to s de producción)
Sea Y C R n un conjunto de producción de una tecnología que produce un único
bien y utilizando insumos z € R+“ 1; y sean, además,
Z = { z e R l- 1 \( y ,- z ) e Y }
y f : Z —>R la función de producción asociada a Y . Entonces:

a) /(•) tiene rendimientos crecientes a escala si, y solo si, Y tiene rendi
mientos crecientes a escala.
b) /(•) tiene rendimientos constantes a escala si, y solo si, Y tiene rendi
mientos constantes a escala.
c) /(•) tiene rendimientos decrecientes a escala si, y solo si, Y tiene rendi
mientos decrecientes a escala.
D em o stració n .
Claramente, Y — {(y, —z) € R n | y < f( z ) } . Luego:
a) Supongamos que /(•) tiene rendimientos crecientes a escala y sea (y, —z) €
Y y probemos que también A(y, —z) € Y para A > 1. En efecto, como
(y, —z) 6 Y , entonces y < f ( z ) y, por tanto, Ay < Af ( z ) para todo
A > 0. Pero como Af( z ) < f(X z) para todo A > 1 por hipótesis, enton
ces Ay < f(X z) y esto significa que A(y, —z) € Y para todo A > 1. Por
otro lado, si suponemos que Y tiene rendimientos crecientes a escala, en
tonces X (f(z), —z) € Y para todo A > 1. Pero por definición de función de
producción, f(X z ) > X f(z).
b) Supongamos que /(♦) tiene rendimientos constantes a escala y sea (y, —z) G
Y y probemos que también A(y, —z) G Y para todo A > 0. En efecto,
como (y , —z) G Y , entonces y < f( z ) y, por tanto, Ay < Af( z ) para todo
A > 0. Pero como A /(z) = /(Az) para todo A > 1 por hipótesis, entonces
Ay < /(Az) y esto significa que A( y , - z ) € Y para A > 1. Si 0 < A < 1,
entonces jf ( X z ) = f ( j \ z ) = f ( z ), por lo tanto, Af( z ) = f ( \ z ) y, así,
Ay < /(Az) para todo 0 < A < 1 . Por esto, A(y, —z) € Y para todo A > 0.
Por otro lado, si suponemos que Y tiene rendimientos constantes a escala,
entonces para todo A > 0 si (/(z ), —z) G Y y tendremos A(/(z), —z) G Y; es
decir, Af( z ) < /(Az); luego, jf( X z ) < f ( j \ z ) ; es decir, Af( z ) > f ( \ z ) ; de
lo cual, Af( z ) = f(X z) para todo A > 1.
c) Supongamos que /(•) tiene rendimientos decrecientes a escala, y sea (y , —z) G

Y . Probemos que A(y, —z) G Y para todo 0 < A < 1. Por definición,
^y < y, por hipótesis, tenemos que f( j X z ) < jf(X z ); por lo tanto,
t y < A /(z) < f { \ z ) para todo 0 < A < 1. Por otro lado, si Y tiene rendi
mientos decrecientes a escala, entonces j f ( X z ) < f ( j \ z ) para todo A > 1 ,
por lo cual, /(Az) < Af( z ) para todo A > 1. ■
Y el siguiente es uno de los resultados centrales de esta sección.
Teorema 21 ( Concavidad => rendim ientos decrecientes a escala).

Sea / : £ ) - > R una función de producción y /(O) = 0. Si /(•) es cóncava
entonces /(•) tiene rendimientos decrecientes a escala.
D em ostración.
Es consecuencia directa del corolario 1 y del teorema 20. ■
N ota 5. (M itos en la teoría básica de la producción)

Aunque la concavidad de la función de producción (con / ( 0 ) = 0 ) implica ren
dimientos decrecientes a escala, la relación entre las nociones de rendimientos
a escala y concavidad-convexidad no es inmediata. Invitamos al lector a dar
ejemplos que ilustren las siguientes afirmaciones:
a) Los rendimientos decrecientes a escala de una función de producción, no

implican su concavidad. [Indicación: f( x ) = e~x para x > 0]
b) La convexidad de la función de producción no implica un tipo particular de

rendimientos a escala. [Indicación: f( x ) — ex para x > 0]
c) Los rendimientos crecientes a escala de una función de producción no im

plican su convexidad. [Indicación: una función Cobb-Douglas con suma de
exponentes mayor que 1 podría servir (ejemplo 6 )]
c) C o n ca v id a d -c o n v e x id a d e n la te o r ía d el c o n su m o
Ya habíamos afirmado en el volumen 2 (lección 3) que, en los años de 1930,
los economistas consideraban que la teoría de la utilidad mostraba señales
de esterilidad, pero que su resurgimiento vino de la mano de Hicks y Alien
(1934)32 con su teoría ordinal de la satisfacción. A su vez, una de las principales
preocupaciones de los años de 1940 y de 1950 se centraba alrededor de los
problemas fundacionales que conlleva la teoría de la elección bajo una función
de utilidad; en particular, sobre qué comportamientos básicos de un consumidor
dan origen a que sus elecciones se realicen de tal forma que pareciera que
estuvieran regidos por una función de utilidad. Las respuestas a esta pregunta
provinieron de varios frentes.
Quizá el primero en discernir sobre esto, fue un matemático del grupo Bour-
baki: Samuel Eilenberg, en 1939. Pero fueron von Neumann y Morgenstern
(1944)33 quienes, basándose en el trabajo de Eilenberg, darían las primeras
condiciones sobre preferencias de un consumidor, para que éste eligiera bajo
una función de utilidad. A este trabajo le siguieron clarificaciones y simplifica
ciones que darían forma a lo que hoy conocemos como los fundamentos de la
teoría del consumidor y, en general, de la elección. Entre ellos, aparecen Arrow
(1951)34, Herstein y Milnor (1953)35, Debreu (1954)36 y, de forma importante
e influyente, Savage (1953-54)37, quien en The Foundations of Statistics se
ñalaría con claridad los axiomas que producen distribuciones de probabilidad
subjetivas y, así, funciones de utilidad esperada.
i) Sobre la existen cia de una función de utilidad bajo certidum bre
a) En primer lugar, asumimos que todo consumidor selecciona sus planes (o

canastas) de consumo dentro del espacio cartesiano de mercancías RIf. =
{x € Rn/x > 0} donde n es el número de mercancías disponibles en el
mercado. Notamos a este conjunto, llamado conjunto de consumo del con
sumidor,, mediante X , y asumiremos entonces que éste es un subconjunto
32 Hicks, J. y Allen, R., (1934), A Reconsideration of the Theory of Value, Economica,

vol. 1(1), 52-76.
33 Von Neumann y Morgenstern, O., (1944), Theory of Games and Economic Behavior,
Princeton: Princeton University Press.
34 Arrow, Kenneth J. (1951), Alternative Approaches to the Theory of Choice in
Risk-Taking Situation, Econometricay vol. 19, 404-437.
35 Herstein, Israel y Milnor, (1953), An Axiomatic Approach to Measurable Utility,
Econometrica, vol. 21, 291-297.
36 Debreu, G. (1899), Representation of a Preference Ordering by a Numerical Function,
in Decision Processes, ed. by R. M. Thrall, C. H. Coombs, and R. L. Davis. New
York: Wiley (1899).
37 Savage, Leonard J. (1954), The Foundations of Statistics. New York: Wiley and Sons.
no vacio, cerrado y convexo de R+.
b) En segundo lugar, asumimos también que este consumidor tiene un criterio

de selección entre los diversos planes de consumo en X , que está estructu
rado de la siguiente forma:
Dados dos planes de consumo x i,x 2 € X , éstos son siempre comparables
mediante cierta relación definida sobre X , la cual notamos =^, tal que
xi ^ x2 ó x 2 =4 x i (*)
La primera relación se lee como x \ es a lo más tan deseado como x2; y la

segunda se lee x 2 es a lo más tan deseado como x \.
Para que opere como una relación de preferencia, además de asumir que
es una relación completa (es decir, que cualesquiera dos planes de consumo
sean comparables a la manera de (*)); también asumimos que es reflexiva
(es decir, x \ x \ para todo x \ € X ) y que es transitiva (es decir, si
X2 y X2 ^ X3 , entonces x \ =<: x$ para todo x i,x 2 ,x 3 G X ). Todos estos
supuestos hacen de un preorden completo sobre X .3S
Además, si sucede que x \ ^ x 2 y x 2 ^ x i, entonces diremos que los planes
x \ y x 2 son indiferentes, y escribimos x\ ~ x 2. Y si se da el caso que x \ ^ x 2
pero no que x 2 x i, entonces diremos que x 2 es (estrictamente) preferido
a xi, y lo notaremos por x \ -< x 2, o bien x 2 >- x \. Puede observarse que
la relación definida sobre X por ~ (llamada relación de indiferencia) es
reflexiva, transitiva y, además, simétrica (es decir, xi ~ x 2 implica x 2 ~ x \
para todo x i,x 2 € X ); por tanto, es una relación de equivalencia sobre X
que genera clases disyuntas de equivalencia :39 para un x \ € X fijo, su clase
de equivalencia, que en este contexto llamaremos una clase de indiferencia
(Edgeworth (1881)40), es el conjunto
[xi] = {x € X | x ~ xi}
Así, un plan de consumo x € X cualquiera, pertenece a su clase de indife

rencia, y a ninguna otra. En otras palabras, se ha “particionado” el conjunto
de consumo X en clases disjuntas de indiferencia, como se muestra en la
figura 20 .
c) Ahora que hemos partido el conjunto de consumo en clases disjuntas de

indiferencia a través de la relación ordinal entre planes de consumo, la
38 Volumen 0 (Fundamentos).
40 Edgeworth,
Ibíd' Prancis Y. (1881), Mathematical Psychics: An Essay on the Application
of Mathematics to the Moral Sciences, London: Kegan Paul and Co.
44 Matemáticas básicas para èconomistas 3: Optimización y dinámica
pregunta es: ¿será posible asociar, con cada clase de indiferencia, un número,
de tal forma que si una clase es preferida a otra, el número de la primera será
mayor que el número de la segunda? En otras palabras, dado un preorden
completo sobre el conjunto de consumo X , ¿existirá una función creciente
u : X —>R tal que u(x{) < u(x 2 ) si, y solo si, x \ y u(x 1) = u (x 2 ) si,
y solo si, x \ # 2? La existencia de una función cardinal de utilidad para
la relación ordinal dada no puede asegurarse siempre. Es importante una
hipótesis adicional que, además, garantice que la función de utilidad sea
“analíticamente dúctil”, es decir, que sea continua.
Para afinar nuestra discusión establezcamos entonces lo que entenderemos
por función de utilidad:
clase de
indiferencia
de x
Figura 20. Curvas de indiferencia sobre R+.
D efinición 10. (Función de utilidad)

Una función de utilidad (continua) sobre el conjunto de consumo X preor-
denado por es una función continua u : X —>R tal que
a) x \ ^ x 2 si, y solo si, u (x 1) < u (x 2).

b) £1 ~ x 2 si, y solo si, u (x 1) = u (x 2).
Con esta definición tenemos el siguiente teorema:
Teorem a 22. (E xisten cia de la función de utilidad (E ilenberg (1941))

Si para todo x ' 6 X , los conjuntos
{x € X I x =3! x r} {x € X I x £= x '} (*)
son cerrados en R+; entonces existe una función de utilidad sobre el con
junto X preordenado por .
D em ostración.
Ver Debreu (1959).41 ■
N ota 6. (Orden lexicográfico)

Un ejemplo de preorden completo que no puede representarse mediante una
función de utilidad es el orden lexicográfico42 en R2 . Este es, por definición,
(a, 6) -< (a', b') si (i) a < a' ó (ii) a = a' y b < b'. Veamos esto más
claramente: supongamos que u(-) es una función de utilidad que representa
las preferencias lexicográficas. Entonces, para cada x \, x 2 G R+ con x i > x 2j
se tiene que
u (xi,2 ) > u (x i , l ) > u (x 2 , 2 ) > u (x 2 , 1 )
Además, para cada x G R+ podemos encontrar un racional r(x) tal que
u(x, 2 ) > r(x) > u(x, l) 43. Así, se tiene que si x \ > x 2 entonces
r(x i) > u (x i, 1) > u (x 2 , 2 ) > r (x 2)
y, por lo tanto, la función r(x) así definida de los reales a los racionales
se ha construido de tal manera que es uno-a-uno (pues es estrictamente
creciente). Pero, esto es una contradicción, ya que la cardinalidad de R es
mayor que la de Q (volumen 0 (Fundamentos)). Un ejercicio para el lector
es probar que los conjuntos (*) en el teorema 22, no son cerrados en R 2 .
Ii) Sobre la convexidad de las preferencias

Quizás por razones de índole más matemática que económica, se asumen ciertas
características de convexidad sobre las preferencias. Veamos cuáles son.
D efinición 11. (C onvexidad de las preferencias)

Sean x \ , x 2 G X con x \ ± x 2, para A G (0,1),
a) Si x 2 > # i, entonces Ax2 + (1 —A)xi x \ (convexidad débil de =^) (figura

21 a)).
b) Si x 2 y x \, entonces Ax2 + (1 —A)xi >- x \ (convexidad de =^) (figura 21 b)).
c) Si x 2 ~ x i, entonces Ax2 + (1 —A)xi y x \ (convexidad estricta de =<:) (figura

21 c)).
41 Debreu, G. (1959b), Theory of Value, An Axiomatic Analysis of Economic Equili-

42 brium, New Heaven and London: Yale University Press.
Es decir, el orden del diccionario.
Esta es una aplicación de la propiedad de densidad de los números racionales (volumen
0 (Fundamentos), lección 4).
Figura 21. En el panel a) unas preferencias con convexidad débil.

En el panel b) unas preferencias convexas. En el panel c) unas
preferencias =<: con convexidad estricta.
T eo rem a 23.
Si los conjuntos
{x 6 X | x a/}, {x G X | x x'}
son cerrados, entonces para la relación de preferencia se cumple que:
convexidad estricta => convexidad ==> convexidad débil
D em o stració n .
Ver Debreu (1959a).44 ■
Y, finalmente, conectamos los conceptos de convexidad de las preferencias con

una noción ya familiar para nosotros: la de cuasiconcavidad de la función de
utilidad.
T eo rem a 24. (C o n v ex id ad d e p re fe re n c ia s y cu asico n cav id ad )

Sea tí(-) una función de utilidad para ^ (cuya existencia esté garantizada por
las condiciones del teorema 22); entonces:
a) ^ es convexa débil si, y solo si, w(-) es cuasicóncava.
b) es convexa estricta si, y solo si, u(-) es cuasicóncava estricta.
D em o stració n .
a) Supongamos que es convexa débil; entonces x y implica Ax+ ( 1 —\ ) y £=
y. Como i¿(-) es función de utilidad, de estas dos relaciones se tiene que
u(x) > u(y) implica u(ArrH- (1 —X)y) > u(y) = mín{w(o;), u(y)}. Por tanto,
u(-) es cuasicóncava. Por otro lado, si suponemos que t¿(-) es cuasicóncava,
44 Debreu, Gerard (1959a), Ibíd.
entonces u(Xx + (1 —A)y) > mín{u(x), u(y)}. Y, así, u(y) < u(x) implica
u ( \ x + (1 —X)y) > u(y) y como ti(-) es función de utilidad, esto equivale a
que y x implica Xx 4 - (1 —A)y y.
b) Es similar a a). ■
Notemos el significado económico de esta hipótesis. Ya habíamos observado que

toda función cuasicóncava estricta u(x) tiene la propiedad de que si u(x) = a
y u(y) = a , donde x ,y G R2, y a > 0 , entonces u(Xx + (1 — A)y) > a,
A € (0,1); es decir, cualquier combinación estricta de los planes de consumo
x, y es siempre mejor (en términos del nivel de utilidad) que cualquiera de los
dos planes x, y. En otras palabras, un consumidor con una función de utilidad
cuasicóncava es aquel que no se especializa en ningún tipo de producto: siempre
prefiere combinar. De hecho, un carro de supermercado cargado con múltiples
productos describe tal comportamiento de consumo.
m) La función de utilidad esperada

Ya hemos visto cómo se modela la elección de los consumidores y productores
cuando éstos tienen plena certidumbre sobre los efectos de las acciones que to
man. Vamos ahora a analizar cómo un agente racional puede tomar decisiones
bajo riesgo. Para entender el tipo de problemas al que nos enfrentamos, supon
gamos que se nos ofrece la oportunidad de participar en el siguiente juego de
azar: se lanza una moneda (que suponemos no está cargada) hasta que salga
una cara, y si esto ocurre en el n-ésimo lanzamiento, se nos promete un pago
de 2n_1 monedas. ¿Cuánto estaríamos dispuestos a pagar para participar en
tal juego? Sabemos que e l11valor aduanal” del juego es igual al valor esperado
de los pagos del mismo, E(w); es decir
i ((1/2) ■2 + (1/4)2* + (l/8 )2 3 + • • • ) = 00
Por lo tanto, si valoramos el juego por su valor actuarial, deberíamos estar

dispuestos a pagar cualquier cantidad finita de dinero para tener el derecho
a jugar. Sin embargo, un poco de introspección nos deja ver que, en general,
nadie estará dispuesto a pagar más allá de cierta cantidad finita determinada .45
Esta es, precisamente, la ya mencionada Paradoja de San Petersburgo, debido
45 El lector puede hacer el siguiente ejercicio mental: imagine que en vez de una moneda
de oro se le diera un billete de $1 0 ,0 0 0 , ¿cuánto estaría dispuesto a pagar por ese
juego? Seguramente no más de $2 0 , 0 0 0 o $30,000.
a que contravenía lo que en esa época se creía era una forma correcta de
valorar una acción riesgosa. Así, la Paradoja de San Petersburgo mostraba que
el valor actuarial no era siempre una guía del comportamiento de los agentes
en situaciones de riesgo.
Una propuesta para solucionar esta paradoja fue presentada por Gabriel Cra
mer y por Daniel Bernoulli en 1723 y 1738, respectivamente. Ellos proponían
que los agentes podrían valorar este tipo de situaciones utilizando lo que Ber
noulli denominó expectativas morales, que puede interpretarse como la utilidad
esperada del dinero para el agente, y que en el caso de este juego es
oo \ n
£(“) =£ ( j ) “í2"'1) = (V2)«(l) +(l/2)«(2)+
( l/4 )u (2 2 ) + (l/8 )u ( 2 3)H-----
Si se supone, tal como lo hizo Bernoulli, que u(x) = a \ n x para cierto a > 0,
entonces E (u) < oo, pues, por el criterio de la razón para series infinitas
(volumen 2, lección 4), se tiene que
i, V2 / i , l n 1
lim . \ I --------------- = lim -- ------ - = - < 1
(i) V i»
TI—tOO f \ \ , _
) ln 2
TI >00 2 77, — 1 2
Más aun: se puede mostrar (¿podría hacerlo el lector?), que si la utilidad

marginal es decreciente, entonces en este juego siempre se tiene que E (u) < oo,
quedando así “resuelta” la paradoja.
La teoría de Cramer y Bernoulli ha sido incorporada como una de las princi
pales formas de modelar la elección de agentes bajo incertidumbre, y se conoce
como la teoría de la utilidad esperada (con probabilidades objetivas), que fuera
axiomatizada por primera vez por John von Neumann and Oskar Morgenstern
(1944)46 (y, posteriormente, por Leonard J. Savage (1954)47) y que presenta
mos a continuación.
iv ) La noción de lotería
Al modelar la elección bajo riesgo, el primer problema que se presenta es cómo
representar las elecciones que se toman y sus consecuencias o resultados, ya
que en la teoría de elección bajo certidumbre, elecciones y resultados se tratan
de forma indiferente, por lo cual podemos hablar en ese caso únicamente de
resultados, y el conjunto de elección bajo certidumbre como el conjunto de
resultados.
46 Von Neumann, J. y Morgenstern, O. óp. cit.
47 Savage, Leonard J. óp. cit..
D efinición 12. (Lotería)

Sea X = { 1 ,..., n} el conjunto de resultados y
A P O = {(Pl,--.,Pn) € [0,1]"/P l + • • • + ? „ = 1}
el conjunto de todas las distribuciones de probabilidad que asignan probabili

dad pi al elemento X{ € X . El conjunto A (X ) es el conjunto de loterías y a un
elemento p G A (X ) se le llama lotería.
Supondremos que los agentes al tomar decisiones bajo riesgo elegirán aque
lla lotería cuyos resultados prefieran a los de las demás loterías, es decir, al
igual que en el caso bajo certidumbre, supondremos que los agentes tienen una
relación de preferencia, sobre las loterías.
N ota 7.
Vemos que A (X ) es un conjunto convexo, y que si ex € A (X ) representa el
elemento que asigna probabilidad 1 al resultado i G l , entonces todo elemento
p e A (X ) se puede representar como
n
Por lo tanto, toda lotería se puede representar como una combinación lineal
de loterías de las cuales conocemos el resultado con certeza. Es por esto que
podemos interpretar una lotería como una combinación lineal de resultados
que se conocen con certeza.
Ejemplo 13.
a) Sea X = {cara, sello) el conjunto de resultados de lanzar una moneda.

Entonces el conjunto de loterías es el simplex unidimensional
A (X ) = { ( p , l - p ) / 0 < p < l }
y ( 5 , 3 ) es un ejemplo de lotería.
b) Sea X = {—$ 100 , $ 200 , $500} el conjunto de resultados de un proyecto de

inversión; entonces el conjunto de loterías es el simplex de dimensión 2 ,
A (X ) = { ( p , q , l - p - q ) / 0 < p < 1, 0 < q < 1 }
v) E xistencia de la función de utilidad esperada

A diferencia del caso bajo certidumbre, vemos que la función de utilidad espe
rada satisface una condición muy importante:
D efinición 13. (Función de utilidad esperada)

Sea X = {1, . ..,n } el conjunto de resultados, A (X ) el espacio de loterías
asociado a éste y U : A (X ) R una función de utilidad sobre X . Si para todo
p,q e A (X ), X € [0,1], £/(•) satisface
U(Xp + (1 - X)q) = AU (p ) + (1 - A)U{q)
entonces diremos que U (•) es una función de utilidad esperada sobre el espacio
de loterías A (X ).
Con esta definición se tiene que
n
U{p) =
1=1
es decir, que la utilidad de una lotería no es más que el valor esperado de las
utilidades de los resultados bajo certidumbre. Es por esto que si u(-) representa
la función de utilidad del agente bajo certidumbre, se suele escribir
n
u (p) = ^ Z p M x í)
i=1
Al igual que en el caso de elección bajo certidumbre, la existencia de la fun
ción de utilidad debe establecerse a partir de supuestos sobre la relación de
preferencia definida sobre el conjunto de loterías.
T eorem a 25. (Existencia de la fu n ció n de utilidad esperada (I. Hers-
tein y J. M iln or (1 95 3)))
Sea X = { 1 ,... ,n} el conjunto de resultados, A (X ) el espacio de loterías aso
ciado a éste y, además, =4 una relación de preferencia definida sobre A (X ). Si
se satisfacen las siguientes condiciones:
i) A (X ) está completamente ordenado por =^.48
ii) Para todo p ,q ,r € A (X ), los conjuntos
{A € R | p =4 Ag + (1 - A)r}, y, {A € R | Xq + (1 - A)r ^ p)
son cerrados.
iii) Si p,q € A (X ), p ~ q, entonces para todo r e A (X ) se tiene h p + i r ~
\q + \r .
Entonces existe una función de utilidad esperada que representa estas preferen
cias; es decir, existe U : A (X ) —> R tal que para todo p,q € A (X ), A G [0 ,1 ],
£/(•) satisface
U(Xp + (1 - X)q) = XU(p) + (1 - A)U(q).
48 Es decir, para todo p ,q ,r 6 A(X) se tiene: i) p ^ q 6 q =3 p; ii) Si p qy q =3 r,

entonces p ^ r (volumen 0 (Fundamentos)).
D em ostración.
Ver I. N. Herstein y J. Milnor (1953).49 Para otras demostraciones de la exis
tencia de una función de utilidad esperada, véase John von Neumann y Oskar
Morgenstern (1944)50 ó Peter C. Fishburn (1994).51 ■
Teorema 26.
Sea U : A (X ) —>R una función de utilidad esperada; entonces, V : A (X ) -» R
es una función de utilidad esperada si, y sólo si, existen (3 > 0 y 7 G R tales
que V (p) = @U(p) + 7 .
A este tipo de funciones de utilidad esperada se les conoce como funciones de

utilidad tipo von Neumann-Morgenstern (vN-M) .
D em ostración.
Elijamos p,q G A (X ) tales que p r )p q para todo r G A (X ). Si p ~ q enton
ces toda función de utilidad esperada es constante, y se tiene inmediatamente
el resultado. Así que supongamos p>- q. Como U(-) es una función de utilidad
esperada, entonces, si V (p) = (3U(p) + 7 ,
V(As + (1 - X)t) = 0U(\s + (1 - A)í) + 7 = P(\U(s) + (1 - A)(7(t)) + 7

= A (t/(s) + 7 ) + (1 — + 7)
= AV (s) + (1 - A)V(t)
y, por lo tanto, K(-) es una función de utilidad esperada.

Por otro lado, supongamos que £/(•) y F(-) son funciones de utilidad esperada.
Sea r G A (X) y elijamos Ar G [0,1] tal que
U(r) = ArU(p) + (1 - Ar)U(q)
es decir,
U(r) - U(q)
r U(p) — U (q)
Como [/(•) es una función de utilidad esperada, entonces r ~ Arp*f (1 —Ar )^.
Pero como hemos supuesto que V(-) también representa las mismas preferen
49 Herstein, Israel N. y Milnor, J. (1953), óp. cit..

Von Neumann, John y Morgenstern, O. (1944), óp. cit..
Fishburn, Peter C. (1994), Utility and Subjective Probability. Elsevier: Ams-
terdam.
cias, debe ser que
V (r) = A r V(p) + (1 - Xr)V(q) = \ rV(p) + (1 - Xr )V(q)

= \ r {V (p )- V (q ))+ V (q )
-gípT^ w <VM- 1'w >+ t'w

. _ PW W H - l 'W )
U ( p ) - U ( q ) U(r, + V W U (p)-U (q)
= ¡3U(r) + 7
donde
V(p) - V(q) _ U (q )(V (p )-V (q ))
P U(p) — U(q) 7 {Q> U (p )-U (q )
En adelante, asumiremos que todas las funciones de utilidad son del tipo von
Neumann-Morgenstern, es decir, satisfacen las condiciones de los teoremas 25
y 26.
d) B r e v e n o ta so b re n o c o n v e x id a d e s
La teoría económica convencional, como quizás el lector lo haya percibido, se
basa principalmente en la hipótesis de rendimientos a escala decrecientes o
constantes. Pero, claramente, los rendimientos crecientes a escala sí existen
en las economías reales. De hecho, existe un volumen apreciable de literatu
ra sobre estos mecanismos que data, por lo menos, de los tiempos de Alfred
Marshall. La teoría del comercio internacional, la economía del desarrollo, la
economía regional, la economía de alta tecnología, etc. son casos en los que
estas teorías se aplican con relativo éxito. A estos mecanismos se les conoce
con distintos nombres: rendimientos crecientes, causalidad acumulativa, círcu
los virtuosos, no convexidades, efectos de trifurcación, etc. Los orígenes varían:
costos fijos muy altos, efectos de aprendizaje, efectos de coordinación, efectos
de expectativas, efectos de red, etc.
Un ejemplo notable de rendimientos crecientes son los productos con alta tec
nología implicada, donde los costos de investigación y diseño son muy altos,
donde los procesos de producción pueden mejorarse a través de aprendizaje
y donde pertenecer a una red de estándares tecnológicos es fundamental. Sin
duda, las economías de alta tecnología son economías en las que los meca
nismos de rendimientos crecientes surgen muy naturalmente, pero no los de
rendimientos decrecientes.
Sin embargo, la dificultad consiste en que la teoría económica moderna tiene un
desarrollo sesgado hacia las técnicas que se adaptan bien con los rendimientos
decrecientes. Normalmente, los modelos que implican no convexidades obligan

tratamientos formales mucho más sutiles, complicados y hechos a la medida
de la situación a la mano. No existe aún una “caja de herramientas” para estos
modelos, aunque la teoría de juegos (clásica y no clásica), junto con las técnicas
de dinámica cualitativa y teoría de la probabilidad, han comenzado a abrir el
espacio. Este es parte del reto para los años que vienen .52 Al final, lo que debe
entenderse es que el fenómeno de los rendimientos crecientes a escala no es una
“anomalía” de la teoría económica estándar, sino un complemento.
52 Arthur, B., et âl. (1997), The Economy as an Evolving Complex System //, SFI Studies
in the Sciences of Complexity, New York: Addison Wesley Longman.
Ejercicios complementarios
1 . Indique una función cuasicóncava que no sea monótona (creciente o de
creciente).
2. Pruebe que toda función convexa y cóncava es un hiperplano que no

necesariamente pasa por el origen.
3. ¿Será que toda función cuasiconvexa y cuasicóncava es entonces un hi

perplano que no necesariamente pasa por el origen?
4. Pruebe que si /(•) y g(-) son convexas (cóncavas) en C, entonces m áx{/(-),

p(-)} también es convexa (cóncava) en C. ¿Qué pasa con mín{/(•)> 0 (‘)}?
5. Analice cuáles de las siguientes funciones son cóncavas (estrictas), con

vexas (estrictas), cuasicóncavas (estrictas), cuasiconvexas (estrictas):
a) f ( x , y) = x a + Pya ; c* > 0 ; 0 < /? < 1 ; x, y > 0

b) } {x ,y ) = x + lny; x, y > 1
c) f ( x ,y ) = 3 x y - y 3 + l
d) f{ x ,y ) = 3x2 + y2 - l
6 . Si
x2 si x < 0
ln(rr + 1) si x > 0
¿Será /(•) cóncava (estricta)? ¿convexa (estricta)? ¿cuasicóncava (estric

ta)? ¿cuasiconvexa (estricta)?
7. Pruebe que
es cuasiconvexa. ¿Será estrictamente cuasiconvexa? ¿Será convexa?
8 . Ya habíamos estudiado, en el volumen 2 (Cálculo), la función CES
/ ( z , y) = A [axp + Pyp] p
(donde x, y > 0, a, (3 > 0, —oo 0) como función

de utilidad y de producción. ¿Bajo qué condiciones es cóncava (estricta),
convexa (estricta), cuasicóncava (estricta) o cuasiconvexa (estricta) esta
función?
9. La función CRRA
/(« > - - r = r
^lnx si 7 = 1
con x > 0, 7 > 0, al igual que la función CARA
con x > 0, a > 0, también fueron estudiadas en el volumen 2 (Cálcu

lo) como funciones de utilidad. ¿Bajo qué condiciones son estas funciones
cóncavas (estrictas), convexas (estrictas), cuasicóncavas (estrictas) y cua-
siconvexas (estrictas)?
10. Utilizando el teorema 7, encuentre el valor máximo de P (x ,y ) = —x 2 —

y2 + 22 x + 18y — 102 , para x > 0 , y > 0 .
11. ¿Será cierta, falsa o incierta la siguiente afirmación?: “Puesto que la suma
de dos funciones cóncavas es una función cóncava, entonces la fusión de
dos empresas con rendimientos decrecientes a escala debe resultar en otra,
también con rendimientos decrecientes a escala”. Explique.
12. (*) El teorema lie ) asegura, en particular, que si /(•) es cóncava y F(-)
estrictamente creciente, entonces (F o /)(- ) es cuasicóncava. Muestre que
si /(•) es cóncava y F(-) es monótona cualquiera, entonces (F o /)(•) es
cuasicóncava. [Sin embargo, Kenneth J. Arrow and Alain C. Enthoven
(1961)53 construyen un ejemplo en el que la afirmación recíproca de este
teorema no es cierta: h (x , y) = (x — 1) + [(1 —x )2 + 4(rr + y)] 2 es cua
sicóncava, pero no es la transformación monótona de ninguna función
cóncava (mostrar esto último podría ser un gran reto aun para el lector
aventajado y por ello recomendamos consultar la cita bibliográfica)].
13. a) ¿Será que un punto crítico de una función cuasicóncava es de máxima

global?
b) ¿Será que un máximo local de una función cuasicóncava es un má
ximo global? [Indicación: Tome f( x ) = [x ] ] 54 ¿Y si la función es
cuasicóncava estricta?
14. En R 2 construya conjuntos de producción:
a) Convexos.
54 •^rrow>Kenneth J. y Alain C. Enthoven (1961), óp. cit.
[x] es la parte entera de x (volumen 0 (Fundamentos)).
b) No convexos.
c) Con rendimientos decrecientes a escala.
d) Con rendimientos constantes a escala.
e) Con rendimientos crecientes a escala.
15. Existen ciertas funciones de producción para las cuales podemos carac
terizar fácilmente el tipo de rendimientos a escala que presentan; éstas
se conocen como funciones homogéneas.
Recordemos (volumen 0 (Fundamentos)) que una función / : D —>R es
homogénea (de grado a ) si, y solo si, existe un a 6 R+ tal que
f(t x) = taf(x)
donde, para todo t > 0 y x € D, se tiene que tx € D.

Algunos ejemplos de funciones homogéneas son:
a) Si f( x ) = y/x, x > 0, entonces
f( tx ) = y/tx = y/ty/x = Ú f( x )
para todo t > 0 . Así, /(•) es homogénea de grado 1/ 2 .

b) Otro ejemplo es la función lineal f ( x ,y ) = x + y, x, y € R; aquí,
/( íx , ty) = tx + ty = t(x + y) = ¿/(x, y)
para todo t > 0. Así, /(*, •) es homogénea de grado 1.

c) Ahora consideremos la función /( x , y) = xy, x ,y € R; aquí,
f ( tx ,t y ) = (tx)(ty) = t2x y - t2f ( x t y)
para todo t > 0. Así, /(•,•) es homogénea de grado 2 .

X
d) Finalmente, consideremos la función /( x ,y ) = - , x ,y € R, y ^ 0;
y
aquí,
f(tx,ty) = ^ = j = f{x,y)
iy y
para todo t > 0 y, así, /(•, •) es homogénea de grado 0 .
e) Quizás no sobre advertir que no todas las funciones son homogéneas.
Tomemos, por ejemplo, la función lnx. ¿Podría el lector dar otro
ejemplo?
Asuma / : D —>R+ con D C R + ó D C no vacíos, y pruebe que:
a) Si /(•) es homogénea de grado a con 0 < a < 1 , entonces /(♦) tiene

rendimientos decrecientes a escala.
b) Si /(•) es homogénea de grado a = 1, entonces /(•) tiene rendimientos
constantes a escala.
c) Si /(•) es homogénea de grado a > 1 , entonces /(•) tiene rendimientos
crecientes a escala.
16. Para las siguientes funciones determine si son homogéneas y, en caso de

que lo sean, su grado de homogeneidad:
a) f( x ) = \n x b) f( x ) = (x + 3)2
c) f ( x, y) = - d) f ( x, y) = (x + y )2
y
o /< * .» ) - « ■ * ’
17. Para las siguientes funciones, si es posible, determine el tipo de rendi

mientos a escala que presentan; si lo considera necesario, en cada caso
restrinja el dominio donde se presenta el tipo de rendimiento:
a) f ( x ) = ln (^ + 1) b) f( x ) = xn con n G N.
c) f ( x ) = x 2 d) f ( x , y ) = x + y
e) f( x ,y ) = x y f) f( x ) = 1 - e~x
18. ¿Será que si una función de producción es convexa y /(O) = 0, entonces

tiene rendimientos crecientes a escala?
19. ¿Será que los rendimientos marginales decrecientes implican o son impli
cados por los rendimientos a escala decrecientes?
20. (*) Muestre que si C C es un cono convexo y / : C —>R es homogénea

de grado 1 y cuasicóncava, entonces /(♦) es, de hecho, cóncava.
21. a) Una “explicación” intuitiva sobre por qué la suma de dos funciones
cuasicóncavas no necesariamente es cuasicóncava se encuentra en la
teoría del consumidor. Si dos consumidores prefieren (cada uno inde
pendientemente) la combinación a la especialización cuando estos dos
consumidores hacen sus compras como un único agente, podría ser que
se especializaran en algún tipo de producto. El ejemplo de la pareja en
el que a la muchacha le gusta sólo el pollo y el queso en su pizza, pero

al muchacho sólo le gusta el pollo y los champiñones, los obligaría, en
caso de cenar juntos, a escoger la pizza sólo con pollo, muestra bien lo
que queremos explicar. Aun así, cabe mencionar que en ningún caso
afirmamos que la función agregada de utilidad sea siempre la suma
de las funciones de utilidad de cada uno de los agentes. Sólo que este
ejemplo justifica el resultado cuando esto sí pueda tenerse. ¿Podría el
lector dar otro ejemplo que ilustre el punto anterior?
b) En 1982, los ganadores del premio Nobel en economía, Gerard Debreu
(ganador en 1983) y Tjalling Koopmans (ganador en 1975), presen
taron el siguiente resultado .55 Si / = f \ + f 2 es cuasicóncava en C,
donde f \ y f 2 son dos funciones no constantes, entonces alguna de las
dos funciones es cóncava estricta en C. ¿Cómo podemos aplicar esto
al problema de agregación de la teoría del consumidor?
La generalización a n funciones / i , f 2, . . . , f n , todas ellas no constan
tes, es que si / = f \ -f f 2 + • • • + f n es cuasicóncava, entonces a lo
más una de ellas no es cóncava estricta. ¿Podríamos -decir, a partir de
esto, algo acerca de los mecanismos de consumo en general?
22 . Considere las siguientes hipótesis sobre una familia de conjuntos de pro
ducción {Yj}™=l y del conjunto de producción agregado de la economía,
Y = E ] =1Y f~
i) Yj es cerrado
ii) Y es cerrado
iii) 0 € Yj, 0 € Y (posibilidad de no acción)
iv) Y fl (R+) = 0 (imposibilidad de producción gratuita)
v) y n ( - y ) = {0 } (irreversibUidad)
vi) Yj + Yj C Yj (aditividad)
vii) Yj es convexo.
viii) —R+ C Y (libre disponibilidad de insumos)
a) Interprete económicamente cada una de las anteriores afirmaciones.

b) (*) Pruebe que si se cumple la condición de convexidad para Y , éste es
cerrado, y se satisface la condición de libre disponibilidad (viii) arri
ba), entonces Y —R+ C Y (Debreu (1959)56). Interprete el significado
económico de este resultado.
55 Debreu, G. y C. Koopmans (1982), Additively Decomposed Quasiconvex Functions,
en “Mathematical Programming: Scientific Papers of Tjalling C. Koopmans” (1985),
Springer Verlag.
56 Debreu, G. (1959), The Theory of Value, An Axiomatic Analysis of Economic Equi
librium. New Haven and London: Yale University Press.
23. Pruebe que los conjuntos
{x G R+ | x ^4 x'}, {x G R+ | x > x 1}
para el orden lexicográfico, no son cerrados en R+.
24. [Demostración del teorema 1]. Este ejercicio, para el lector aventajado,
consiste en seguir cuidadosamente la demostración del teorema 1 :
Sea x G C cualquiera, y tal que Xk —>• x cuando k —>oo. Además,
sea e > 0 y K tal que para todo k > K , ||xfc —x|| < e (sabemos que tal
K existe, ya que Xk —> x), y sea también A = {y G C \ \y — x\ = c}.
Entonces, para todo k > K existen G A y Xk G [0,1] tales que xk =
\kX + (1 —Ak)yk¡ V dado que Xk ->• x y \yk - x\ = e, entonces Ak -> 1 .
Por la concavidad de /(•),
f ( x k ) = f i ^ k x + (1 - A k)yk) > ><kf{x) + (1 - Xk)f{yk)
y así
lím ínf } ( x k) > f( x ) 57 (*)
k—►oo
De manera similar, podemos elegir Zk G A y Xk G [0,1] tales que x =
^kXk + (1 —Ak)zk’ Por un argumento similar, tenemos que
f( x ) = f{X kx k + (1 - Ak)zk) > Xkf ( x k) + (1 - Xk)f(zk)

de tal forma que
f( x ) > lím sup f ( x k) (**)
k—►oo
De las dos desigualdades (*) y (**) se tiene que
lím ínf f(x k ) > f( x ) > lím sup f(x k )

k—too k—►oo
y sabiendo que
lím sup f{x k ) > lím ínf f{x k )
k ^ oo k->°°
se tiene, entonces, que
f( x ) = lím sup f( x k ) = lím ínf f(x k )

fc->oo fc^ ° °
y, por lo tanto, lím ô o f(x k ) = f( x ) y, así, /(•) es continua en x. ■
57 Dada una sucesión de números reales {an}, supongamos que existe un número A tal
que: i) Para cada e > 0 existe un entero. N > 0 tal que n > N implica a„ < A + e.
ii) Dados e > 0 y m > 0 existe un entero n > m tal que an > A — e. Entonces A se
llama el límite superior de {an}, l í m s u p ^ ^ an. El límite inferior de {an} se define
como lím ínfn-ôo an = —límsupn_foo —an. (volumen 2 (Cálculo), lección 1, para una
definición alternativa.)
Lección 2
Optimización estática
Introducción
El análisis matemático, en todas sus ramas, proveyó a la física y a la tecnología
con potentes métodos para la solución de problemas de muchas clases. Ya
hemos estudiado el primero en surgir: encontrar la tasa de cambio de una
magnitud cuando sabemos cómo depende esta magnitud del tiempo (derivada);
y encontrar el área de figuras curvilíneas y el volumen de sólidos (la integral).
Además de esto, el análisis matemático ha mostrado métodos para encontrar
el máximo y el mínimo de valores de una magnitud bajo condiciones dadas.
Con estas reglas es posible determinar, por ejemplo, la forma de una cisterna
cilindrica que, para un volumen dado, tendrá la superficie más pequeña y,
por tanto, requerirá de la mínima cantidad de material para construirla: la
cisterna debe igualar su altura al diámetro de la base. Estos métodos también
nos permiten determinar la forma de la curva a lo largo de la cual un cuerpo
debe rodar para caer, en el mínimo tiempo posible, de un punto a otro (esta
curva se llama la cicloide).
Pero el análisis matemático no sólo nos entrega métodos para resolver proble
mas particulares. También nos da reglas generales para la formulación matemá
tica de “leyes” cuantitativas de las ciencias. Las leyes generales de la mecánica
no podrían formularse matemáticamente sin recurso a conceptos del análisis
matemático, y sin tal formulación no seríamos capaces de resolver los proble
mas de la mecánica. En la misma forma, las leyes de la conducción del calor, la
propagación de la luz a través de distintos medios físicos, las reacciones quími
cas, las leyes del electromagnetismo, y muchas otras, simplemente no podrían
tener una formulación matemática sin los conceptos del análisis. Y es sólo co
mo resultado de esta formulación, que podemos aplicar estas leyes a una gran
variedad de casos concretos.
La motivación para calcular máximos y mínimos es profunda, pues numerosos
fenómenos naturales muestran lo que se conoce como un principio del mínimo o
principio del máximo. Es corriente encontrar que la naturaleza, al llevar a cabo
61
una acción, utilice la mínima cantidad de energía necesaria para su ejecución.

Por ejemplo, es común observar que la trayectoria de una partícula o de una
onda en movimiento se completa siguiendo la trayectoria más corta o en el
menor tiempo posible. O ambos.
Un famoso ejemplo de esta economía del comportamiento físico lo descubrió
Herón de Alejandría en el siglo I d.C. Él encontraba que la igualdad de los
ángulos de incidencia y reflexión formados por un rayo de luz que alcanza a un
espejo plano se debe a que sigue la trayectoria más corta posible. Mil seiscientos
años más tarde, Fermat mostraría que también un principio del mínimo regía
el proceso de refracción de la luz. Y otros ejemplos importantes han surgido
en mecánica, electrodinámica, relatividad y física cuántica.
La búsqueda de propiedades de máximo y mínimo ha jugado un papel impor
tante en el desarrollo de la ciencia moderna, e incluso se ha creído que, para
las leyes físicas, los principios del mínimo y del máximo son su acceso natural,
y hasta en ocasiones en la historia se ha buscado a través de ellos el principio
unificador de todas las ciencias.
1. Planteam iento del problema

Una típica (y muy común en la práctica) caracterización de problemas de
optimización es encontrar valores extremos de una función /( x , y) restringida
a un subconjunto bien especificado de R+:
Maximizar /( x , y)
sujeta a g (x, y) > 0 (KT)
x > 0
y > o
donde / , g : -» R son funciones diferenciables. Aquí a /(•, •) se le conoce
como función objetivo, y a <?(•,•) como función restricción. A este problema lo
llamaremos, en adelante, problema (KT) (figura 1).
Ejem plo 1.
En el problema
Maximizar xy
sujeta a 3x + Ay < 5
x > 0
y >0
tenemos que /( x , y) = x y , y g(x, y) = 5 - 3 x - 4 y.

Lección 2: Optimización estática 63
Figura 1. El problema de optimización
Ejemplo 2.
En el problema
Maximizar x+ y
sujeta a x 2 + y2 < 1
x > 0
y > 0
tenemos que / ( x , y) = x -1- y, y g (x , y) = 1 —x 2 —y2.
De manera semejante, los problemas de minimización de una función, sujeta a

una restricción funcionalmente bien especificada, también están considerados
de esta forma, puesto que el problema
Minimizar f ( x ,y)
sujeta a g (x, y) > 0
x >0
y >0
es equivalente al problema
Maximizar —/ (x, y)
x > 0
y >0
Ejercicios 1
1. En los siguientes ejercicios, identifique /( x , y) y g(x, y) en la formulación
(KT):
a) Minimizar (x—l ) 2 -f y2 b) Minimizar x 2 —y 2

sujeta a y > x 2 -f 1 sujeta a 3x + 4y > 12
x > 0 x> 0
2/>0 y> 0
c) Minimizar 3x+7y d) Maximizar yex

sujeta a (x 3 4- y3) 5 > 100 sujeta a 2x + 8 y < 50
x > 0 x> 0
y > 0 y> 0
e) Minimizar 5x+2 y f) Minimizar 3x5+5y5

sujeta a 7x + 9y > 15 sujeta a x+ y> 2
x > 0 x > 0
y> 0 y >o
2. Optimización en conjuntos compactos:

el teorem a de W eierstrass
En la lección 1 del volumen 2, habíamos establecido que si / : [a, 6] —> R
es una función continua, entonces ésta alcanza un valor máximo y un valor
mínimo, ambos globales (figura 2). Este teorema, fundamental en la teoría de
la optimización de funciones de una sola variable, se puede generalizar así:
T eo rem a 1. (T eorem a de W eierstra ss)
Si f : S —>R , con 5 C R 2 com pacto (es decir, cerrado y acotado), es continua,
entonces alcanza un valor máximo y uno mínimo, ambos globales.
D e m o stració n .
Sea R = f ( S ) C R; como S es compacto (es decir, cerrado y acotado), enton
ces R también es compacto y, así, existen a, A G R tales que a = mín R
y A = m áxi?; luego, a = /(xo,yo) y A = f ( x i , y i ) para ciertos puntos
(zo,yo)>(zi,yi) € S. m
Este es, quizá, el resultado básico de la teoría de la optimización matemática
y aquí lo utilizaremos ampliamente.
65
máximo global
mínimo global
a b
Figura 2. Máximo y mínimo global de una función continua sobre
un conjunto compacto.
En particular, si S = {(£,?/) € M2 | g{x,y) > 0 } es compacto, y la función

objetivo f( x ,y ) es continua, entonces el problema (KT) siempre tendrá solu
ción. Esto lo utilizaremos de manera recurrente en el transcurso de la presente
lección.
Ahora: Puesto que ya conocemos condiciones para la existencia de soluciones
al problema (KT), sería muy conveniente, en este punto, preguntarnos por su
unicidad. El siguiente teorema da condiciones suficientes para esto:
Teorema 2. (U n teorema de unicidad)
Si el conjunto S = {(rr, y) € R+ | g{x, y) > 0} es convexo, y f{ x ,y ) es estric
tamente cuasicóncava, entonces toda solución de (KT) es única.
D em ostración.
Supongamos que (xo, 2/o) y { x i,y i) son dos soluciones distintas al problema
(KT), y que, por lo tanto, f(xo ,yo ) = f ( x i ,y i ) . Entonces, para cualquier
A € (0 , 1 ), se tendrá que f ( \ x o + (1 - A)xi, Ayo + (1 - A)yi) > /( x i,y i) , dado
que /(•) es cuasicóncava estricta. Además, como S es convexo, claramente se
tiene que (Ax0 + (1 - A)aJi,Aí/o + (1 - A)yi) G S. Por lo tanto, (xi,y{) no
puede ser solución al problema (KT) y, por ende, sólo puede existir una única
solución. ■
Ejercicios 2
1. En los siguientes ejercicios determine si se cumplen las condiciones para
existencia de la solución al problema dado. Si existe, ¿permite el teorema
2 garantizar que esta solución es única?
a) Maximizar (x —l )2 + y2 b) Minimizar x 2 + y2
sujeta a y > x ¿ -1-1 sujeta a Sx + 4y < 12
x >0 x >0
y >0 y >0
c) Minimizar 3x+7 y d) Maximizar yex

sujeta a (x2 + y 2) 3 > 1 sujeta a 2x + Sy < 50
x >0 x > 0
y> o y> 0
Maximizar 5x+2 y Maximizar 3x ^ + 5y 2

sujeta a 7x + 9y < 15 sujeta a x+y= 2
a: > 0 a; > 0
y >o y >0
[Indicación: dibuje el problema, y recuerde que el hecho de que el conjunto de

restricción no sea compacto no implica, automáticamente, que la solución no
exista.]
3. Optimización con restricciones de igualdad:

el m étodo de los multiplicadores de Lagrange
El método de los multiplicadores de Lagrange es la técnica tradicional para
resolver explícitamente problemas de optimización restringida cuando las fun
ciones objetivo y de restricción son diferenciables con continuidad en R++.
Este método se centra en la solución específica del problema
Maximizar f(x ,y )
sujeta a g (xyy) = 0 (L)
x >0
y> 0
donde la restricción es de igualdad estricta. En adelante, a este problema lo

denotaremos por (L).
Con el objeto de entender cuál es la idea básica del método de los multiplicado
res de Lagrange (Lagrange (1788)), tratemos de resolver el problema siguiente:
Maximizar xy
sujeta a 3x + 4y = 5
x >0
y >0
En estos problemas de optimización restringida, a menudo las curvas de nivel

son de una gran ayuda visual para identificar la ubicación de las soluciones en
el plano. Recordemos que, en el primer cuadrante del plano, las curvas de nivel
(isocuantas) de la función / (x, y) = x y , son hipérbolas hacia el origen: para
ex.
a > 0, xy = a equivale a y = — (figura 3a).
x
Y la restricción del problema es que se deben satisfacer las condiciones 3x+4y =
5, x, y > 0 (figura 3b). Es decir, debemos buscar sobre el segmento de recta
de la figura 3b, el punto (x*,y*) (ambos mayores que cero) que haga /(x , y) lo
más grande posible. Si superponemos la figura 3a con la figura 3b y observamos
la dirección de crecimiento de las curvas de nivel, encontramos la figura 4.
Figura 3. Panel a): Curvas de nivel x y = a para distintos ct s.

Panel b): Restricción 3x + 4y = 5, x, y > 0.
Gráficamente, un punto como (x*,y*) en la figura 4 resuelve nuestro problema.

¿Cómo hallarlo? Lagrange encontró que, precisamente en (x*,y*), los vectores
gradientes V /(x*,y*) y Vg(x*,y*) ¡son paralelos! y que esto solo ocurre allí,
como se ve en la figura 4 cuando comparamos el comportamiento de los gra
dientes V / y V g en los puntos (x*,í/*); por ejemplo, (x,y). Esto es, existe un
escalar A tal que
V f ( x \ y * ) = \ V g { x \ y ') . ( 1)
Figura 4. Curvas de nivel y recta de restricción.
Y en honor del descubridor de esta importante condición, al número A se le

llama multiplicador de Lagrange}
D efinición 1 . (C ondiciones de p rim e r o rd e n (C P O ) de L agrange)

Si /(*) y g(') son funciones diferenciabas con continuidad en K2+ +, y A € R,
definimos las condiciones de primer orden del problema de Lagrange (L) de la
siguiente forma:
v / ( i , ÿ ) = AV g(x, y)
g (x ,y ) = 0
o, equivalentemente,
% -% ■ <CT0>
Y ahora nos preguntamos cuándo funciona bien el método de Lagrange; es
decir, cuándo las soluciones al problema de optimización que tenemos a mano,
realmente están entre las soluciones encontradas por el método. La respuesta
la encontramos en el siguiente teorema:
T eo rem a 3. (M ultiplicadores de Lagrange (Lagrange (1 7 8 8 )))

Supongamos que f : R++ —> R y g : R++ —> R tienen derivadas parciales
1 El término “multiplicador de Lagrange” fue acuñado solo hasta 1919 por Gillie A.
Larew en el artículo Necessary Conditions in the Problems of Mayer in the Calculus
of Variations, publicado en Transactions of the American Mathematical Society.
continuas. Si (x * ,y*) e R++ resuelve el problema
Maximizar f ( x , y)
sujeta a g (x, y) = O (L)
x > O
y > O
entonces existe un número A ^ O tal que
V / |(x*,y) = A Vp|(x.)y.)
siempre y cuando
|(x*,y*) 7^ O
D em ostración.
Por el teorema de la función implícita (lección 3, volumen 2) se tiene, de
g(x,y) = 0 , que alrededor de (x*,y*) existe una única función diferenciable
y(x) tal que g(x, y(x)) = 0 y que, además,
dy _ d g /d x
dx dg /d y
en esa vecindad. Ahora: de la condición que surge de maximizar f( x ,y (x )) en

obtenemos que, en (x*,y*),
d} = T x dx + % dy = 0
Luego, en (x*,y*),
d l(d £ \ 1= d l( d g Y l
dx \ d x ) dy \ d y )
Llamemos ^ ) . Así, en (x * ,y *),

d y ^ 9y) U ,V )
df
dx = l(l)" í-í »
v, de manera similar,
De (2) y (3) se obtiene que
( d
l 21) = x (? l
\d x d y ) \d x d y )
o, lo que es igual,
| ( x * ,y * ) = ^9 | ( x *, y *) ■
N ota 1. (D efinición de lagrangiano2)

Existe una forma equivalente de resolver el problema (L). Definamos su la
grangiano, £(•), como la función C : R++ x R++ x R —> R definida por
£ (x ,y , A) = f ( x ,y ) — \g ( x ,y ) . Entonces el problema de optimizar £ (x ,y , A)
nos conduce al problema (L). En efecto: las condiciones de primer orden para
optimizar £(•) son
dC df .dg dC
— = ? J L -\9 l = o
dx dx dx a r s H s r 0'
y esto es,
d ¿ = x 9g a¿ dg
g (x ,y ) = 0
dx dx’ dy dii’
o, de forma más simple,
V /( 0 = <;(•) = 0
que son las condiciones de solución del problema (L).
E jem plo 3.
Resolvamos el problema
Maximizar xy
sujeta a 3x + 4y = 5
x >0
y >0
utilizando las condiciones de primer orden de Lagrange (figura 5).
2 Aunque la idea fundamental es de Lagrange (Mécanique Analytique (1788)), el término

“lagrangiano” fue acuñado, al parecer, por Samuel Zalil en 1962 en el artículo A
Deformation Method for Quadratic Programming que apareció en el Journal of the
Royal Statistical Society.
Solución.
Aquí, / (x, y) = xy, g (x, y) = 3x -f 4y —5. Ambas funciones tienen derivadas
parciales continuas; luego, por el teorema 8 , si (x*,y*) resuelve este problema
de optimización, entonces existe un escalar A / 0 tal que
V /(x*,y*) = (y*,x*) = A(3,4) = AV g (x \y * )
o, equivalentemente, un A ^ 0 tal que
= 4A, y * = 3A
Pero como 3x* + 4y* = 5, entonces 3(4A) + 4(3A) = 5. Y así, A = Por

consiguiente,
Figura 5. Solución gráfica del ejemplo 3.
Vemos que Vg(x*,y*) = (3,4) ^ (0,0); por lo tanto, el punto (x*,y*) satisface
todas las condiciones del teorema 8 . Dado que este punto es la única solución a
las CPO, debería ser la solución al problema. En efecto: puesto que el conjunto
S = {(x, y) € R+ | 3x + Ay = 5} es compacto y la función objetivo /(x , y) =
xy es continua, por el teorema de Weierstrass existe solución al problema.
Además, como en los extremos del conjunto restricción, (§ , 0 ), (0 , |) , la función
no tiene su máximo (pues su valor allí es 0 , y variando un poco x y y podemos
obtener más que 0 ), el valor máximo de la función es /(x*, y*) = x*y* = jj jj =
25 3 *
48* A
3 ¿El lector podría explicar por qué en la solución (x*,y*) se tiene y* < x*?
Ejem plo 4.
También podemos utilizar la técnica de Lagrange para resolver el problema de
optimización
Maximizar x + y
sujeta a x 2 + y2 = 1
x > 0
y > 0
Solución.
Aquí, f( x ,y ) = x + y, g{x,y) = x 2 + y2 — 1, y dado que ambas funciones
tienen derivadas parciales continuas, buscamos un número A ^ 0 tal que
V /(x ,y ) = A V g (x ,y )
Es decir,
(1,1) = A(2x, 2y)
o,
2Xx — 1, 2Ay — 1
Es claro que A ± 0; y puesto que x 2 + y2 = 1 , entonces
Por lo tanto, A2 = ^ y tendremos que A = ± ^ = . Como debe ser x > 0, y > 0,

entonces la solución a las CPO es
y ya que ésta es la única solución a las CPO y satisface Vg(x*, y*) = (\/2, \Í2) /
(0 , 0 ), debería ser la solución al problema, tal como se ilustra en la figura 6 .
En efecto: puesto que el conjunto
s = {(x ,y) € K+ | x2 + y2 = 1}
es compacto y f( x ,y ) = x + y es continua en 5, por el teorema de Weierstrass

existe solución al problema; además, dado que en los extremos del conjunto,
(0 , 1) y ( 1 , 0 ), la función objetivo f ( x yy) no toma su valor máximo sobre 5 ,
entonces el valor máximo es el previsto: f (x*, y*) = x* + y* = ^ ^ =
y/2.4 A
4 ¿El lector podría explicar por qué x" = y*? Es decir, ¿cuáles de las características del
problema hacen que las soluciones sean iguales?
Vk
\
Figura 6 . Solución gráfica del ejemplo 4.
Ejemplo 5. (U n problem a geom étrico)

Para encontrar, entre todos los rectángulos inscritos en un círculo de radio i?,
el que tiene mayor área, podemos representar el área de un rectángulo como
el producto (2 x)( 2 y) de sus lados, donde x ,y son números positivos que satis
facen la ecuación x 2 + y2 = R 2 (figura 7a). Este problema se puede solucionar
convirtiéndolo en el problema representado en la figura 7b. El problema es,
entonces,
Maximizar xy
sujeta a x 2 + y2 = R 2
x >0
y >o
Aquí, /( x , y) = x y , g (x, y) = x 2 + y2 - R 2, y dado que ambas funciones tienen

derivadas parciales continuas, queremos encontrar un A ^ O tal que
V /(x ,í/) = AV g (x ,y )
Es decir,
V /(x,?/) = (y,x) = A(2x,2 y) = AV g (x ,y )
Así, y = 2xA y x = 2yA, por lo que x* = y*. Reemplazando esto en la
restricción g (x, y) = 0 , tenemos que
(x*)2 -f (y*)2 = 2(x *)2 = R 2
y, por consiguiente,
. , y/2R
x =y
Como Vg(x*, y*) = (y/2R, V 2R) / (0 ,0) y esta es la única solución a las CPO,
debe entonces ser (después de aplicar el teorema de Weierstrass y estudiar los
valores de la función objetivo en los dos extremos de la restricción) la solución
al problema. Así, el problema original se resuelve con un cuadrado de lado
\¡2 R , que, por consiguiente, tendrá área 2R 2.
a.) b)
Figura 7. En el panel a): Rectángulos inscritos en un círculo de

radio R. En el panel b): Transformación y solución gráfica del
ejemplo 5.
E jem p lo 6 . (O tro p ro b le m a g eo m étrico )

Queremos encontrar el diseño de un tanque cilindrico que contenga V litros de
agua, pero que utilice la menor cantidad de material en su construcción.
Solución.
La cantidad de material que se utiliza es igual a la suma de las áreas de la base
y de la pared del tanque; esto es, n r2 + 2nrh, donde r es el radio del cilindro
y h su altura. El volumen del tanque es n r2h. Así, el problema es
Minimizar n r2+2nrh
sujeta a ttr2h = V
r > 0
h >0
Aquí, / ( r , h) = —(nr2 + 2nr/i), g(r, h) = n r2h —V”; por lo tanto, se satisfacen
las condiciones del teorema de Lagrange, de manera que las soluciones (que
existen por el teorema de Weierstrass, y no pueden ser soluciones con r = 0 o
h = 0 ) deben estar entre las soluciones de las condiciones de primer orden, las
cuales son
—(2nr + 2ir/i, 27rr) = X(2nrh, n r2)
Esto es equivalente a
—2nr — 27vh = \2 n rh , —2n r = Xnr2
lo que implica que A = —2 ^ 0; y así, r* = h*; de esto, reemplazando en la

restricción, obtenemos
Como se satisface Vg(x*,y*) / (0,0), la cantidad óptima de material a usar

es 3 v^7tV 2. A
Ejemplo 7. (La ley de la refracción de la luz (Ley de Snell (1627)))

Un punto móvil debe pasar de A a B (figura 8 ). En la trayectoria A M se mueve
con velocidad vj, y en la M B con velocidad v2. ¿Dónde deberíamos colocar el
punto M sobre la línea horizontal D D ' para que la trayectoria de A hasta B
pueda recorrerse lo más rápido posible?
Solución.
Sean a , 0 los ángulos desconocidos señalados en la figura 8 ; a y b las longitudes

conocidas de las perpendiculares de los puntos A y B a la línea horizontal
D D \ respectivamente; y c la distancia horizontal conocida entre tales puntos.
El tiempo requerido para recorrer el camino de A a B está dado por la función
7G Matemáticas básicas para economistas 3: Optimización y dinámica
Se requiere entonces encontrar el mínimo de la función ¿(a,/?) sujeta a la

relación entre los ángulos
a tan a + b tan (3 = c
Aquí, la función objetivo t(a, ¡3) es continua, el conjunto restricción es compac

to y, por tanto, el problema cumple las condiciones del teorema de Weierstrass
para que tenga solución. Además, ninguna solución está en los extremos de
la restricción, como fácilmente puede comprobar el lector. Así, dado que se
cumplen las condiciones del teorema de Lagrange, la solución debe satisfacer
las condiciones de primer orden
Y esto, con un poco de álgebra, implica que

sen a v\
sen (3 V2
que es, precisamente, la ley de refracción de la luz. Según esto, un rayo de
luz se refractará en su paso de un medio a otro de tal forma que el tiempo
que transcurre de 1111 punto en 1111 medio, a otro punto en el otro medio, ¡es
minimol A
Ejem plo 8.
Resolvamos para a , (3 > 0, p i,í >2 > 0 fijos,
Maximizar x ay&
sujeta a p \x + p2y = M
x >0
y > 0
Solución.
Las condiciones de primer orden (CPO) de este problema son:
( 0 1 ° 1y8,0 x ay B ‘) = a ( - p i , - p 2)
donde A ^ 0. De allí obtenemos que

ay^P i
(3x P2
De esta igualdad despejemos y:
P20L
y reemplacemos en la restricción, de forma que (figura 9)
* _ OlM
X ~ (a + P)pi
y, por tanto,
m
y
{a + P)p2
Como se cumple Vg(x*,y*) = (—P i,~ P 2) í (0,0), y (x*,y*) es la única solu

ción de las CPO, ella es la solución al problema. Podemos afirmar esto, dado
que el conjunto S = { (x ,y ) € R+ | p \x + p2y = M } es compacto, la función
objetivo /( x , y) = x ay0 es continua y no es máxima en los bordes del conjunto
de restricción (teorema de Weierstrass). El máximo aquí viene dado entonces
por
/ qM y ( m a ap 0 M Q+0
^ \ ( Q + 0 )P i) \ ( a + (3)p2/ (a + 0 )a+0PiP2
Xeinos que este resultado generaliza el ejemplo 3. ▲

y
y* = , W j
y (a+0)p2 -
, _ «M
X ~ {a+P)pi
Figura 9. Solución gráfica del ejemplo 8 .
Ejemplo 9.
Maximizar xy
sujeta a x + x y + y3 = 1
x > 0
y > 0
Solución.
En este caso /( x , y) = xy, g (x}y) = x + x y 4 - y3 — 1. Vemos que la función
objetivo es continua y que el conjunto restricción {(x, y) € R 2 / x-f xy+ y 3 = 1 }
es compacto, de tal forma que, por el teorema de Weierstrass, el problema
tiene solución. Dado que el óptimo no puede estar en los bordes del conjunto
restricción, y como, además, las derivadas parciales son continuas, la solución
debe estar entre las condiciones de primer orden, las cuales vienen dadas por:
(y,x) = A(l + y ,x + 3i/2)
de lo cual se obtiene
y _ 1+ y
x x + 3y2
3y3 = x
Reemplazando en la restricción obtenemos 3yA + Ay3 = 1, lo que implica que
y* = 0.56 y así, x* = 0.18
Dado que Vg(x*,y*) ^ (0,0), hemos encontrado el punto óptimo. ▲
Ejercicios 3
X2 y2
1. Encuentre el valor máximo de /( x , y) = x y sobre la elipse — + — = 1 ,
8 2
asumiendo x > 0, y > 0. [Indicación: Una gráfica ayudaría].
2 . Utilizando el método gráfico, decida si el problema de maximizar /( x , y) =

x 3 + y3 sobre la recta x + y = 1 tiene solución (asuma x > 0 , y > 0 ).
3. Resuelva analíticamente los siguientes problemas de optimización:
a) Minimizar x+y b) Maximizar xy

sujeta a xy - 7 sujeta a x +y=7
x > 0 x> 0
y >0 y > 0
Maximizar V x + y/ÿ y > 0
sujeta a 9x + 2y = 5 d) Maximizar 3x + Sy
i i
x > 0 sujeta a X 2 -I- 2/2 = 1
x > O y >0
e) Maximizar x(y + 4) f) Minimizar 3x - 2y

sujeta a x2+ y = 7 sujeta a 2x y = 4
x >O x >0
y >O y > 0
4. Calcule los puntos sobre la curva x 2y = 2 más próximos al origen.
5. Encuentre el máximo volumen que puede contener un tanque cilindrico

con tapas, si se tiene una cantidad A de material para construirlo.
G. Entre los rectángulos con perímetro fijo, demuestre que el cuadrado es el

de mayor área.
7. a) Entre todos los triángulos inscritos en un círculo dado, demuestre que

el triángulo equilátero es el de mayor área.
b) ¿Cuál es el rectángulo de mayor área inscrito en un círculo?
c) ¿Y cuál es el polígono regular de mayor área inscrito en un círculo?
4. Optimización con restricciones de desigualdad: el

método (de) Kuhn-Tucker (1951, 1956)5,6
Otra caracterización fundamental de problemas de optimización es buscar valo
res extremos de una función f{ x ,y ) cuando existen restricciones de desigualdad
bien determinadas funcionalmente dentro del dominio de elección. Un proble
ma que aparece muy comúnmente es, en su forma más simple, así:
sujeta a g(x, y) > 0 (KT)
x >0
y > 0
En lo que sigue mostraremos la aproximación de Harold Kuhn [1925- ] y Al-

bert Tucker [1905-1995] a este tipo de problemas, partiendo de las técnicas
de programación lineal desarrolladas previamente por George Dantzig y Jack
5Kuhn, Harold W. y Tucker, A. W. (1951), Linear Inequalities and Related Systems,
6 Princeton, NJ: Princeton University Press.
Kuhn, Harold A. y Tucker, A. W. (1956), Proceedings of the Second Berkeley Sympo-
sium on Mathematical Statistics and Probability: Nonlinear Programming, Berkeley:
University of California Press. J. Neyman (ed.).
Laderman en 1947. Kuhn y Tucker advirtieron la posibilidad y necesidad de

una generalización del método lineal, buscando resolver, particularmente, pro
blemas de utilización eficiente de recursos cuando las funciones objetivo, y las
restricciones, no eran necesariamente lineales. Veamos entonces algunos ejem
plos hacia los cuales está expresamente dirigida la técnica desarrollada por
estos dos matemáticos.
Ejem plo 10. (Soluciones de esquina)
Consideremos el siguiente problema,
Minimizar x+y
sujeta a x 2 + y2 > 1
x >0
y> o
Claramente, este problema es uno del tipo (KT) si hacemos f( x ,y ) = —(x + y)
y 9(x >y) = x 2 + y2 — 1. Es decir, el problema puede escribirse como
Maximizar —(x + y)
sujeta a x 2 + y2 — 1 > 0
x >0
y >o
Aquí podemos encontrar las soluciones gráficamente: éstas son (1,0) y (0,1)
(figura 10). Y obsérvese que en ambos casos la restricción x 2 + y2 > 1 se
satisface con igualdad, pero que la solución no es interior a R+, como se
estudiaba en el método de los multiplicadores de Lagrange. Estas soluciones se
conocen como soluciones de esquina o borde (por obvias razones), y el método
(de) Kuhn-Tucker es útil para hallarlas analíticamente, como veremos más
adelante.
Ejem plo 11. (Soluciones interiores a la restricción)
Consideremos el problema
Minimizar
sujeta a x +y <5
x >0
y >0
que claramente se resuelve para x* = y* = como se ve en la figura 11 .
Observe que la solución ni siquiera satisface la restricción con igualdad, ya
que x* + y* < 5. En este ejemplo, f( x ,y ) = (x - ¿) + (y - £) y g (x,y) =
5 — x — y. A
Figura 11. Solución gráfica del ejemplo 11
V aunque, como hemos visto, estos problemas son trivialmente resueltos, exis
ten abundantes situaciones en las que no es fácil resolver el problema geo
métricamente y necesitaremos una herramienta más sofisticada: el método de
optimización de Kuhn-Tucker.
a) E l a lg o r itm o (d e) K u h n -T u ck er
Consideremos nuevam ente la función lagrangiana (ahora extendida)
C : R+ x R+ x R -> R
definida por £(x, y, A) = f ( x ,y ) —Ag (x,y). Ya sabemos que las soluciones al

problema del lagrangiano
Maximizar f ( x yy)
sujeta a g (x , y) = 0 (L)
x >0
y >0
están dentro de las soluciones a las condiciones de primer orden
g (x ,y ) = 0
x >0
y > 0
La dificultad ahora es que el problema de Kuhn-Tucker
Maximizar f( x ,y )
sujeta a g (x, y) > 0 (KT)
x > 0
y >o
podría implicar soluciones de esquina, o también interiores, a la restricción
9(x >y) = 0* Si la solución a (KT) es de esquina, digamos (0, y*, X*) con y* > 0,
A* G R, entonces, siguiendo lo hecho para el problema lagrangiano, debemos
tener que (0,?/*) resuelve para cierto A* E R
Maximizar C (x,y, X)
sujeta a x >0
y> 0
Así, £(0 + A x,y*,X *) < £ ( 0 ,y*,A*) para todo A x > 0 (¿por qué sólo para
A x > 0 y no para Ax < 0?). Ahora: por el teorema de Taylor (lección 3,
volumen 2 ),
d 2C ( A i)2
£(0 + Ax,í/*,A*) = £(0,y*1A*)+ ^ Ax +
(0,!/•) dx2
donde 0 < Çx < Ax. Y como £(0 + Ax, y*, A*) < £(0,y*, A*) entonces
ÔC d 2C (A x)2
Ax + <0
dx d x 2 (Cx,y,A*)
que dividiendo por Ax y tomando el límite cuando Ax -* 0, es

Figura 12. En el problema (KT) las soluciones de esquina tienen

pendiente negativa.
, que es igual,
o, lo ■ i a —df < 0.
ox (0,y* d x ( o .v )
Así, mientras la primera derivada del lagrangiano con respecto a x se anula si
x* > 0 , en la esquina (x* = 0 ) esta primera derivada es menor que o igual a
cero (figura 12). En otra forma, el producto de x* y la derivada del lagrangiano
en (x*,y*, A*) (con respecto a x) siempre es cero: x*

) =0'
esta manera tendremos que
d¿
<0 y x* I I r
dx ^ dx («•«•) ) =0
(*•,»•) 9X dx
Es claro que el papel de x y de y es simétrico, así que por un razonamiento
similar tendremos que
2L
dy dy
<0 y
»‘(ir I-»
Finalmente, para (x*,y*) fijos, maxim izar £(x*,y*, A) requiere A* < 0 (dado
que g(x*,y*) > 0 ).
Este es, de forma heurística, el origen de las condiciones de primer orden del
problema de Kuhn-Tucker (KT), que ahora presentamos.
D efinición 2. (C ondiciones de p rim e r o rd e n (C P O ) (de) K u h n -T u ck er)
S¡ /(•), <?(•) son funciones diferenciabas con continuidad en R+ y A < 0, de
finimos las condiciones de primer orden (CPO) del problema de Kuhn-Tucker
(KT) de la siguiente forma:
0 d ¿ - XT y ^ ° ' ' »(*•»> * °
“» * ( s - As ) “ 0i X í M ~° (CP0)
N ota 2. (K uhn-Tucker generaliza Lagrange)

Observe que si g = 0 , x > 0, y > 0, las CPO son equivalentes a
„n-n
dx Ox' dy dy'
y estas no son más que las condiciones de primer orden del método de Lagrange.
Ahora nos preguntamos: ¿cuáles son las condiciones que garantizan que dentro
de las soluciones a las condiciones de primer orden (CPO) siempre están las
soluciones a nuestro problema de optimización? La respuesta la encontramos
en el siguiente teorema:
Teorema 4. (K -T = > C P O )
Sean /(•) y g(-) cuasicóncavas y difercnciables con continuidad en R +. Si
(x*,y*) resuelve el problema
x >0
y >0
entonces existe un A < 0 tal que (x*,y*) satisface las condiciones de piim er
orden (CPO) siempre que se tenga alguna (y basta una) de las siguientes con
diciones:
i) La función g(-) es convexa en R^_.
ii) La función g(') es cóncava en R+ y existe un (x, y) G R^_ tal que g(x, y) >
0.
D em ostración.
Ver I< J. Arrow, L. Hurwicz y H. Uzawa (19G1).7 ■
Ejem plo 12.

Tomemos el problema
Maximizar x + y
x >0
y >0
e intentemos resolverlo mediante el método de Kuhn-Tucker, aplicando el teo
rema 4.
7 Arrow, Kenneth J., Hurwicz, L. y Uzawa, H. (1961), Constraint Qualifications in
Maximization Problems, Naval Research Logistics Quarterly.
U'cción 2: Optimización estática 85
Solución.
En este caso, f ( x , y) = x + y, g(x, y) — 1 - x 2 —y2. Puesto que estas funciones
son cuasicóncavas (como puede fácilmente verificarlo el lector) y g(x,y) =
1 - x2 — y2 es cóncava en R+, además de que para (x, y) — (0.5,0.5) se tiene
(j(x , y) = 0.5 > 0, entonces, por el teorema 4, cualquier solución del problema
de optimización (si existe) está entre las soluciones de las condiciones de primer
orden:
i) 1 + A(2x) < 0 ; 1 + A(2y) < 0 ; 1 - x2 - y2 > 0

ii) x (l + A(2x)) = 0; 2/(1 + A(2t/)) = 0; A(1 - x 2 - y2) = 0
Estudiamos cuatro casos:

1. Si x > 0, y > 0, entonces, de ii),
A = - ^ - ? í 0; A = - ^ - 5¿0
2xr 2y
lo que implica x — y. Del hecho de que A ^ 0, y de ii), tenemos que
x 2 + y2 = 1; y así, x* = y* = A* =
2. Si x > 0, y = 0, entonces de ii), A = — ^ 0 y así, x 2 = 1 ó x — 1. Sin

2x
embargo, no se satisface i), pues 1 + A(2 • 0) = 1 ¿ 0.
3. Si x = 0 , y > 0 , entonces, de forma similar a lo analizado en el caso
anterior, obtenemos que no se satisface i), pues 1 + A(2 ♦0) = 1 ¿ 0.
4. Si x = 0, y = 0, entonces de ii), debe ser A = 0, y no se satisface i). Por

lo tanto, x = 0 , y = 0 no es solución a las condiciones de primer orden.
Dado que f( x ,y ) = x + y es continua, y el conjunto restricción es compacto,
por el teorema de Weierstrass /(•) alcanza un máximo. Vemos que, en 1.,
f(x * ,y *) = y/2; en 2., f( x * ,y ) = 1; y en 3., f(x* ,y* ) = 1. Por lo tanto,
ontre 1., 2 ., y 3 . se llega a que el valor máximo de / ( i , j / ) = i + i/ sujeta a las
restricciones g(x, y) = 1 —x 2 + y2 > 0 , x > 0 , y > 0 , se obtiene cuando
l W _v^ X. _ _ V 2
x -y - 2 , 2
y el valor máximo es y/2. A
Ejemplo 13. (Soluciones interiores, de nuevo)

Consideremos nuevamente el problem a del ejemplo 11
sujeta a x+ y < 5
x> 0
y > O
y resolvámoslo ahora por el método Kuhn-Tucker.
Solución.
En este caso, f ( x }y) = — (x — — (y — (para reducir el “problema de
minimizar” a uno de “maximizar”) y g (x, y) = 5 —x —y (recuérdese que la
restricción debe aparecer en la forma g (x,y) > 0). En este caso, la función ob
jetivo es cóncava y, por lo tanto, cuasicóncava. Además, la restricción es lineal;
es decir, convexa y cuasicóncava. Por el teorema 4, las condiciones de primer
orden (CPO) son necesarias para la solución de nuestro problema que, por el
teorema de Weierstrass, tiene solución (puesto que el conjunto de restricción
es compacto, y la función objetivo es continua). Las CPO son:
-A(-1)<0; -2^y-0-A(-l)<O ; b-x-y>Q
x (1 —2x + A) = 0; y (1 —2y + A) = 0; A(5 —x —y) = 0

Estudiamos cuatro casos:
1. Si x > 0, y > 0, entonces, de ii), A = 2x — 1 ; y A = 2y —1 ; lo que implica

que x = y. Debemos considerar dos casos: A = 0 y A ^ 0.
a) Si A = 0, tenemos que x* = y* = A* = 0.
b) Si A 0, de ii), tenemos que x + y = 5; y así, x* = y* = | , A* = 4.
Esta solución no cumple la condición A* < 0 y, por lo tanto, no puede
considerarse.
2. Si x > 0, y = 0, entonces de ii), A = 2x — 1 / 0. Nuevamente, debemos

considerar dos casos: A = 0 y A ^ 0 .
a) Si A = 0, entonces x = Luego, x* = y* = 0, A* = 0. Pero

esta solución no puede aceptarse ya que no satisface la condición i)
-2(j,-i)-A(-l)<0.
b) Si A 0, de ii), x = 5. Luego, x* = 5, y* — 0, A* = 9. Esta solución
tampoco puede aceptarse, ya que A* > 0.
3. Si x = 0, y > 0, entonces, de forma similar a lo hecho en el segundo caso,

obtenemos que este tercer caso no proporciona soluciones.
4. Si x = 0 , y = 0 , entonces A* = 0 , pero esta solución no satisface i).

De lo anterior, obtenemos que el valor mínimo de (x — \ ) 2 —(y — \ ) 2 sujeta a

las restricciones g(:r, y) = 5 —x - y > 0 , £ > 0, y > 0 se obtiene (figura 11) en
i* = i , y* = i , A* = 0
Aquí, A* = 0 se debe a que la solución es interior a la restricción (not binding)

como entenderemos mejor más adelante. A
N ota 3. (¿Falla el m étodo Kuhn-Tucker?)

A la luz del método Kuhn-Tucker (teorema 4), ¿el lector podría decir por qué
en el ejemplo clásico presentado por Arrow y Enthoven (1961),8
Maximizar xy
sujeta a (1 —x — y)3 > 0
x >0
y > 0
se tiene como solución x = y = 1/2, pero no existe ningún A que satisfaga las
CPO en ese punto? A
Continuando con nuestra presentación del método Kuhn-Tucker, ahora nos

podríamos preguntar: ¿cuándo es cierto el recíproco del teorema 4? Es decir,
si (x*,y*) es una solución de las (CPO), será entonces que también es una
solución al problema de optimización (KT)? Una respuesta está en el próximo
teorema, pero antes mostremos, precisamente, un ejemplo en el que las CPO,
por sí mismas, no son suficientes para resolver el problema KT. El caso clásico,
también presentado por Arrow y Enthoven en 1961, es
Maximizar ( x - 1 )3
sujeta a 2 —x > 0
x >0
cuyas soluciones de CPO arrojan x = 1 , A = 0, siendo la verdadera solución

x = 2. Veamos entonces qué condiciones sobre /(•, •) y g(-, •) se requieren para
que CPO =>> KT.
Teorema 5. ( C P O =*► K - T )
Sean /(•) y g(-) cuasicóncavas y diferenciables con continuidad en R^_. Si
(x*,y*,X*) satisface las (CPO) y se cumple alguna (y sólo una es suficien
te) de las siguientes condiciones:
8 Arrow, Kenneth J. y Enthoven, A. C. (1961), Quasi-Concave Programming, óp. cit.
or
b) — > 0 y g (x, y) > 0 para algún x > 0, y > 0; o bien
óx (**,y)
■5 “ > 0 y p(x, y) > 0 para algún x > 0 , y > Q;
c; V / l ^ . y ) 7^ 0 ?/ f ( x ,y ) es dos veces diferenciable en una vecindad de
d) }{x ,y ) es cóncava;
entonces (x*,y*) es solución al problema de optimización (KT).
D em o stració n .
Ver K. J. Arrow and A. C. Enthoven (1961).9 ■
E jem plo 14.

Maximizar 2x+3y
sujeta a x+ y < 1
x >0
y>0
Solución.
En este ejemplo, f ( x , y) = 2x + 3y y g (x, ?/) = 1 —x —y. Dado que en este caso
se cumplen las condiciones de los teoremas 4 y 5 (ya que tanto la restricción
como la función objetivo son lineales), las condiciones de primer orden nos
entregan exactamente las soluciones. Estas son:
i) 2 + A < 0; 3 + A < 0; 1 - x —y > 0

ii) x(2 + A) = 0; y( 3 + A) = 0; A(1 —x — y) = 0
Analizamos cuatro casos:
1. Si x > 0, y > 0, entonces de ii), A* = —3 y A* = —2, lo cual es imposible.
2 . Si x > 0 , y = 0, entonces de ii), A* = —2 y x* = 1. Pero, de i), se tiene

que A = —2 no satisface 3 + A < 0.
9 Ibíd.
3. Si x = O, y > O, entonces de ii), A* = —3 y y* = 1 y estas satisfacen todas

las condiciones; por lo tanto, x* = 0, y* = 1 , A* = —3 es una solución al
problema.
4. Si x = 0 , y = 0 , entonces, de ii), A* = 0 , pero esta no satisface i).
Vemos que el máximo se obtiene en
x* = 0 , y* = 1 , A* = - 3
y es igual a 3 (figura 13a). ▲
a) b)
Figura 13. En el panel a), la solución gráfica del ejemplo 14.
En el panel b), la solución gráfica del ejemplo 15.
Ejem plo 15.

Resolvamos, para y > 0 dado, el problema
Minimizar Ax2 *f 2y2

sujeta a x+y=y
x> 0
y> 0
Solución.
En este problema, f ( x , y) = —4x 2 —2y 2 y g (x , y) = x + y —y. Vemos que la fun
ción objetivo es cóncava y, por lo tanto, cuasicóncava; y la función restricción
es lineal y, así, convexa y cuasicóncava. Es claro que el problema satisface las
condiciones de los teoremas 4 y 5 y, por lo tanto, las soluciones del problema
son, a su vez, las soluciones a las condiciones de primer orden, las cuales son:
(i) —Sx —A < 0; —Ay —A < 0; x +y -y =0

(ii) x (—8 x —A) = 0; y ( - 4 y - A) = 0; \ ( x + y - y) = 0
Analizamos tres casos (ya que el caso x = y = 0 no podemos considerarlo,

puesto que x + y = y > 0 ):
1. Si x > 0, y > 0, entonces, de (ii), A = - 8x ^ 0 y A = - 4 y ^ 0; lo que
implica y = 2x y, de nuevo, por (ii),
lo cual satisface todas las condiciones; es decir, es una solución al pro

blema.
2 . Si x > 0 , y = 0 , entonces, de (ii), A = - 8 x ^ 0 y de la restricción, x = y,

y = 0, A = —8y. Sin embargo, esto no satisface (i) —4 y —A < 0, y por lo
tanto, no es solución.
3. Si x = 0 , y > 0, entonces, de (ii), A = —4y ^ 0 y de la restricción, x = 0

y V — V, A = —4y; lo cual no satisface (i) —8x — A < 0, y por lo tanto,
no es solución.
Por el análisis anterior, tenemos que la única solución es
Ejem plo 16.

Minimizar 2x+3y
sujeta a x -f y > 1
x >0
y> o
Solución.
En este problema, /( x ,y ) = —2 x — 3y y g (x,y) = x + y — 1 . Notemos que,
en este caso, las funciones cumplen las condiciones del teorema 5, aunque no
las del teorema 4 (¿por qué?); por lo tanto, las soluciones de las CPO son las
soluciones al problema de maximización.
Las condiciones de primer orden son:
i) —2 —A < 0; —3 —A < 0; x+y - l>0

ii) x ( —2 - A) = 0 ; y (—3 —A) = 0; A(x + y - l ) = 0
1. Si x > 0, y > 0, entonces, de ii), A = —2 y A = —3, lo cual es imposible.
2. Si x > 0, y = 0, entonces, de ii), A = —2 y de la restricción x* = 1 . Por

lo tanto, x* = 1 , y* = 0, A* = —2 .
3. Si x = 0, y > 0, entonces, de ii), A = —3 y de la restricción y* = 1 . Por

lo tanto, x* = 0, y* = 1 , A* = —3, lo cual no cumple i).
4. Si x = 0 , y = 0 , entonces no se cumple i).
Por tanto, el mínimo del problema se obtiene en
x* = 1 , y* = 0, A* = - 2
y es igual a 2 (figura 14a). A
Figura 14. En el panel a) la solución gráfica del ejemplo 16.

En el panel b) la solución gráfica del ejemplo 17.
Ejem plo 17.

Resolvamos para W\,W2 > 0:
Minimizar w \x + w2y
sujeta a x — y2 > 1
x > 0
y> 0
Solución.
En este ejemplo, f ( x ,y ) = —(w \x + w2y), g (x,y) = x — y2 — 1. La función
objetivo es lineal y, así, cóncava; además, la restricción es una función cóncava,
y para (x, y) = (2, 0.5) se tiene que g (x ,y ) = 0.75 > 0. Entonces, ambas
funciones cumplen las condiciones de los teoremas 1 y 5 y, por lo tanto, existe
un máximo y las soluciones a las CPO son, precisamente, las soluciones del
problema. Las condiciones de primer orden son, en este caso:
i) - w \ —A < 0 ; —W2 + 2 Ay < 0 ; x — y2 — 1 > 0

ii) x ( - w i - A) = 0 ; y (2 \y - w2) = 0 ; A(x - y 2 - 1) = 0

w2
1. Si x > 0, y > 0 entonces, de ii), A = —w\ / Oy A = — ^ 0 , lo que
w2
2y
implica y = —- — , y ésta no satisface y* > 0 .
2 . Si x > 0 , y = 0, entonces, de ii), A = —w\ ^ 0, y nuevamente de ii),

x* = 1 , y* = 0, A* = —w\.
3. Si x = 0, y > 0, entonces, de ii), A = ^ ^ 0 , y así, de ii), y2 = —1 , lo

2y
cual no tiene solución en R.
4. Si x = 0, y = 0, entonces, de ii), A = 0, pero ésta no satisface i).

El óptimo se encuentra en x* = 1, y* = 0, A* = —w\ y es w\ (figura 14b). A
Ejem plo 18.

Minimizar 3x + 2 y
sujeta a xy > 5
x >0
y >0
Solución.
En este problema, f ( x , y) = —3x —2y y g (x , y) = x y — 5, y éstas no cumplen
las condiciones del teorema 4, ya que la restricción no es cóncava ni convexa,
aunque, como se puede verificar fácilmente, ambas funciones son cuasicóncavas.
Por lo tanto, si alguna solución de las CPO satisface alguna de las condiciones
adicionales del teorema 5, será solución al problema. Las condiciones de primer
orden son
i) - 3 - Ay < 0; - 2 - Ax < 0; x y —5 > 0

ii) x (—3 —Ay) = 0 ; y ( —2 —\x ) = 0; A(xy —5) = 0
Aquí solo hay un caso de estudio: x > 0, y > 0. De ii), A = —| ^ 0 y

A = —- ^ 0; lo que implica x = \y . Entonces, de ii),
*• = > / £ í/* = v/ ¥
Como > 0, y para (x, y) = (5,5) se tiene que g (x,y) = 20 >

0, entonces (x*, 2/*) es solución al problema (figura 15). ▲
Ejem plo 19.

Resolvamos el problema:
Minimizar 7 —y + x 2
sujeta a x + y <5
x > 0
y> 0
Solución.
En este problema, /( x , y) = —(7 —y + x 2) y p(x, y) = 5 —x - y. Dado que la
función objetivo es continua y el conjunto de restricción es compacto, por el
teorema 1 la función objetivo alcanza un máximo global. Además, el problema
satisface las condiciones de los teoremas 4 y 5; por lo tanto, las soluciones de
las CPO son las soluciones al problema de optimización. Estas condiciones de
primer orden son:
i) - 2 x + A < 0; 1 + A < 0; 5- x - y >0

ii) x(—2 x + A) = 0; 2/(1 + A) = 0; A(5 —x —y) = 0
1. Si x > 0, y > 0 entonces, de ii), A = 2 x ^ 0 y A = —1, y esto implica

que x = — lo cual no satisface las condiciones.
2. Si x > 0, y = 0 entonces, de ii), A = 2x ^ 0; y así, x = 5, y = 0, A = 10,

lo cual no satisface A < 0, y, por lo tanto, no es solución.
3. Si x = 0 , y > 0 entonces, de ii), A = —1 , y así, x = 0, y = 5, lo cual

satisface todas las condiciones, y, por consiguiente, es solución a nuestro
problema.
4. Si x = 0, y = 0 entonces, de ii), A = 0, lo cual no satisface 1 + A < 0, así

que no es solución.
Del análisis concluimos que
= 0, y* = 5
es la solución óptima al problema, y el mínimo de la función objetivo es igual

a 2 (figura 16). ▲
Ejem plo 20.

Maximizar x (y + 4)
sujeta a x2 + y < 8
x> 0
y > o
Lecciói¡ 2: Optimización estática 95
Solución.
En este problema, /(rr, y) = x(y 4- 4) y g (x, y) = 8 — x 2 — y. Vemos que la
función objetivo es continua y el conjunto de restricción es compacto; por lo
tanto, por el teorema de Weierstrass, existe un máximo global. Además, se
cumplen las condiciones del teorema 4 (ambas funciones son cuasicóncavas y
la restricción es convexa), de tal forma que entre las condiciones de primer
orden está la solución al problema. Las CPO son
i) y 4- 4 + 2 \x < 0 ; x 4- A < 0; 8 - x 2 —y > 0

ii) x(y 4-4 4- 2Xx) = 0; y(x 4- A) = 0; A(8 —x 2 — y) = 0
1 . Si x > 0 , y > 0 entonces, de ii), A = — ± 0 y A = —x / 0, lo que

implica x 2 = y de ii), x 2 = 8 —y. Así, x* = 2, y* = 4, A* = —2.
2 . Si x > 0, y = 0 entonces, de ii), A = / 0, y nuevamente de la

condición ii), x* = 2\/2, y* = 0 , A* = — que no satisfacen i).
3. Si x — 0, y > 0 entonces, de ii), A = —x = 0, y así de i), y < —4, lo que

no satisface la condición y > 0 .
4. Si x = 0, y = 0 entonces, de ii), A* = 0; pero esto no satisface la condición

i) y 4- 4 4- 2 Ax < 0.
Vemos que 1. es la única solución a las CPO y, por tanto, el óptimo está en
x* = 2, y* = 4, A* = - 2
y el valor máximo es 16 (figura 17). A

b) In te r p r e ta c ió n d e lo s m u ltip lic a d o r e s d e L agran ge y e l t e o

rem a d e la e n v o lv e n te
Hasta ahora parecería que los multiplicadores de Lagrange (A) son solo pará
metros convenientes de ajuste para la solución del problema tipo Lagrange
Maximizar f(x ,y )
sujeta a g (x,y) = 0 (L)
x >0
y > o
Sin embargo, esto no es del todo cierto. Los valores de A nos dan información
muy valiosa sobre el óptimo al cual están asociados: miden cierta sensibilidad
del valor óptimo de la función objetivo f( x ,y ) con respecto a ciertas varia
ciones de la función g(x,y). Para verlo, escribamos primero (y de nuevo) las
condiciones de primer orden para un óptimo (x*,?/*,A*) (con x*,y* > 0 ) del
problema (L):
d
± _ dg
= 0
dx dx
x, dg
= 0 (*)
dy dy
g (x ,y ) = 0
Ahora: si nuestro problema de Lagrange es
Maximizar /(^ ,y )
sujeta a g (x , y) = a o^0 (L’)
x >0
y >0
una pregunta legítima es: ¿cómo varía la nueva solución con respecto a la
solución original (x*,y*)7 Para responder esto, supongamos que (x*(a),y*(a))
son las nuevas soluciones. Entonces, sea
C (x(a),y(a), A) = f(x (a ),y (a )) - \[g (x(a ),y(a )) - a] (**)
la función lagrangiana evaluada en funciones diferenciables de la forma (i(a ), y(a )),

donde x(0) = x* y y(0) = y *. Derivando con respecto a a, obtenemos
dC = df_dx d ¿ d y _ ^ ^ ^ x _ ^dg^dy
da d x da dy da d x da dy da
Evaluando en (x*,y*), obtenemos que
Jd -
dx (*•,»•) dx (i-,y
(
Pero, de (*), los dos primeros términos del lado derecho de la última igualdad
se anulan, y esto arroja el resultado:
Y de la definición de £(•) en (**), y del hecho de que (x*(a),y*(a)) es la

solución al problema (L’), es claro que
8C
9a (*•(«),»•(«)) da ( x » , »•(<,))
Por lo tanto,
w. = A
d a (*-(a),y(o))
Así, el multiplicador A es la tasa de cambio del valor máximo de la función
objetivo, con respecto a un cambio en el parámetro a de la restricción. Esta
ecuación de sensibilidad del problema del lagrangiano es una versión del que
se conoce también como teorema de la envolvente (ver teorema 6 ).
La importancia de la ecuación de sensibilidad se ve claramente en el caso

en que A = 0. Es el caso del ejemplo 13, donde la solución al problema es
x* = y* = ~ y A* = 0. Aquí, esta nulidad del multiplicador A significa que
pequeñas variaciones de la función g (x, y) = 5 —x — y no arrojará ningún
cambio en el valor del óptimo /( ^ , = 0. Así, a mayor valor absoluto de A,
mayor será el cambio de la valoración en el óptimo al cual A está asociado.
N ota 4.
Quizás no sobre aclarar que en el problema de Kuhn-Tucker, la ecuación de
sensibilidad es exactamente igual y la prueba es similar.
Pero aunque al anterior se le puede considerar un “teorema de la envolvente”,

a continuación presentamos su versión más conocida y general, e invitamos al
lector a probarlo e interpretarlo adecuadamente (figura 18): Sean /(#,?/, a) y
g (x ,y ,a ) funciones diferenciables con continuidad sobre R 3, donde (x,y) € R2,
a e R, y consideremos el problema de máximo de Kuhn-Tucker
Maximizar f( x , y, a)
sujeta a g (x , y, a) > 0
x > 0
y > 0
Definamos la función de valor máximo como F(a) = f(x (a ),y (a ),a ) donde
(x(a), y(a)) es el punto donde se resuelve el problema de optimización para un
valor de a particular.
T eorem a 6. (Teorema de la envolvente)
dF (a) _ d C (x ,y yX)
da da (x(a),y(a))
donde C (x(a),y(a), A) es la función lagrangiana
C(x(a),y(a),X) = f{x(a),y(a),a) - X [s(i(a),?/(a),a)] (**)
Una aplicación típica del teorema de la envolvente es la siguiente: puesto que

para a, 6 , a , Q > 0 cantidades conocidas, el problema de optimización
Minimizar ax + by
sujeta a x y = QQ
x >0
y >0
tiene como solución
H T f.
entonces, si definimos C (a , 6 , Q) = ax* + by*, se tendrá que
C (a,6,<?) = 2(a6)1/2QQ/2
y así, por el teorema de la envolvente (teorema 6 ), se tendrá que

Figura 18. El teorema de la envolvente.
Ejercicios 4
1. Resuelva analíticamente (utilizando los teoremas apropiados y encon
trando las soluciones explícitamente) e ilustre gráficamente los siguientes
problemas:
a) Minimizar (x - l )2 + (y —2)2 b) Maximizar 2 2

z 2/
sujeta a y > x 2 4- 1 sujeta a 3x + 4y < 12
x > 0 x > 0
y > o y >o
c) Maximizar yex d) Minimizar 5x4-27/

sujeta a 2x + Sy < 50 sujeta a 7x 4- 9t/ > 15
x > 0 x > 0
y > 0 y> o
Minimizar 3x5+5 y* ^ Meiximizar 31nx4-y^

sujeta a x+y= 2 sujeta a 2x 4- 7y < 90
x > 0 x > 0
y >o 2/ >0
2. De todos los óptimos calculados en esta lección 2, ¿cuál (o cuáles) son

más sensibles a cambios en la respectiva restricción? [Indicación: aplicar
el teorema de la envolvente].
5. Optimización lineal: el m étodo simplex

La optimización lineal (también conocida como programación lineal) 10 consis
te en optimizar una función lineal, restringida por funciones lineales. Nació
durante la Segunda Guerra Mundial, y después de esta crecería rápidamente
debido a los esfuerzos conjuntos de matemáticos y estadísticos por resolver
problemas concretos del ejército norteamericano.
El primer resultado general sobre programación lineal apareció en la tesis de
maestría de William Karush de 1939,11 aunque el premio Nobel en Economía
(1975) Leonid V. Kantorovich [1912-1986], también en 1939,12 había propuesto
modelos de programación lineal para estudios de planeación de producción y
un algoritmo de solución. Sin embargo, los trabajos de Karuch y Kantorovich
fueron ignorados en la Unión Soviética de entonces, y así permanecieron hasta
la creación del muy útil método simplex de George B. Dantzig 13 [1914-2005].
Dantzig, a quien se le considera el “padre de la programación lineal” junto con
John von Neumann y el mismo Kantorovich, trabajó durante y después de la
Segunda Guerra Mundial en la Fuerza Aérea de los Estados Unidos. Su objeti
vo era crear modelos matemáticos prácticos de planeación y programación de
asuntos de asignación en las tropas (de allí el término militar “programación”
que se le da a esta área de la optimización matemática). De hecho, el ori
gen mismo del método simplex para resolver problemas de optimización lineal
surgió en la conformación de una dieta apropiada para estas tropas. Era un
problema de 77 variables que requirió 120 días-hombre para resolverlo manual
mente, utilizando calculadoras de escritorio: hace un poco más de 50 años no
había los suficientes desarrollos para resolver este problema en segundos, como
lo hacemos hoy.
En los años de 1960, con el advenimiento de hardware, software y algoritmos,
muchos problemas de programación lineal pudieron ser resueltos mediante el
método simplex en los primeros computadores conocidos en ese entonces. Du
rante cierto tiempo, Dantzig y sus colegas estudiaron numerosas situaciones
tomadas de la experiencia de la Segunda Guerra Mundial, y mostraron que
muchas de ellas podían (con cierta aproximación) convertirse al formato que
hoy conocemos de la programación lineal y que, además, las soluciones mejo
raban cuando se pasaba de un vértice a otro del conjunto poliédrico formado
10 Término acuñado por Tjalling Koopmans en 1948.
11 Karush, W. (1939), Mínima of Functions of Several Variables with Inequalities as
Side Constraints, M. Se. Dissertation, Department of Mathematics, University of
Chicago.
12 Kantorovich, Leonid V. (1939), The Mathematical Method of Production Planning
and Organization, Management Science, vol. 6(4), 363-422.
13 Dantzig, George B. (1949), Programming in a Linear Structure, Econometrica, vol.
17, 73-74.
por las funciones lineales de restricción, alcanzando eventualmente la solución

óptima, y que es la esencia misma del método simplex. Dantzig y su grupo
(particularmente, Jack Laderman) continuaron probando su método simplex,
y encontraban que, a pesar de las dudas iniciales, funcionaba realmente bien.
Con el desarrollo de los computadores, Dantzig comenzó entonces a soñar con
un “laboratorio de optimización de sistemas”, inspirado, además, en el traba
jo monumental del economista (entonces soviético) YVassily Leontief con sus
tablas insumo-producto para la economía de los Estados Unidos (volumen 1
(Álgebra lineal)). Problemas de planeación urbana, sistemas de transporte, di
seño de mecanismos óptimos en ecología, biología, medicina, economía, etc.,
comenzaron a tener, por primera vez en la historia de las matemáticas, una po
sibilidad de tratamiento analítico unificado. Desde los años de 1960, el método
simplex ha venido siendo explorado exhaustivamente por numerosos investi
gadores, y estos cambios han transformado notablemente el que es, quizás, el
más socorrido método en la teoría de la optimización matemática.
a) El problema y su solución gráfica

El problema central de la optimización lineal es escoger valores no negativos de
ciertas variables que maximicen o minimicen una función lineal (dada) sujeta
a un conjunto (dado) de restricciones lineales. Es decir, el problema canónico
de programación lineal (PL) es resolver
Maximizar c ix i -1- c2x 2 4------ h CnXn

sujeta a a ii^ i + ai2%2 H------ HainXn < &i (PL)
a2\X\ 4- a22x 2 4- • • • 4- a2nx n < b2
0>TTI1^1 + f lm 2 ^ 2 H----------H O'mnXn <

donde x i > 0 , x 2 > 0 , . . . , x n > 0 ; y c\, a n , ...,amn; b\, b2 , b m son
constantes. En forma matricial, esto se puede escribir así:
Maximizar cTx
sujeta a Ax 0
donde c = (c*)"=1, x = (£¿)”=1, b = (&¿)£u ^ = (a¿j)*=it..M

m- Aquí x > 0
significa que > 0 para todo i = 1 , . . . , n. De la misma manera para A x < b.
Si x € R n satisface la restricción A x < b, se dice que x es factible.
Claramente este es un caso particular del problema de optimización de Kuhn-
Tucker, en el que las funciones objetivo y las restricciones son, todas, lineales.
Sin embargo, aquí estudiaremos un algoritmo de solución (método simplex), di

ferente del método de Kuhn-Tucker, que se adapta mejor a este tipo particular
de problemas.14
Ejem plo 21. (El problem a de la dieta)
El problema de la dieta es clásico en la literatura de la optimización lineal,
porque fue el primer problema económico resuelto mediante este método. Al
igual que muchos otros modelos matemáticos, éste comenzó siendo sólo un
ejemplo y un campo de pruebas del método de optimización lineal, pero terminó
teniendo inesperadas e importantes aplicaciones prácticas.
El hecho central del modelo es que una dieta adecuada debería satisfacer cier
tas especificaciones (calorías, vitaminas, etc.) y que esta calidad de la dieta
se mide sumando las calidades de estas componentes. Un ejemplo simple es
este: Supongamos que sólo tenemos tres elementos nutricionales: 1 (calorías),
2 (vitaminas), 3 (proteínas), con estándares mínimos diarios de 700, 400 y 300
unidades, respectivamente. Asumamos que hay dos clases de alimentos # i, x 2,
y que hay una cantidad constante de cada elemento nutricional en cada unidad
de cualquiera de los alimentos. Esta hipótesis hace que el problema se pueda
analizar con el instrumento de la optimización lineal, pues, en definitiva, la in
formación se puede resumir en una tabla (matriz) como lá siguiente, donde a¿j
(i = 1,2,3; j = 1 , 2 ) es el número de unidades del elemento nutricional i que
está contenido en el alimento j. Allí asumimos que o n = 1 , «21 = 2 , 031 = 1 , y
que a\2 = 3, a22 = 1, a 32 = 1 (de aquí, podemos decir que el alimento 2 tiene
tres veces más calorías que el alimento 1, la mitad de las vitaminas y la misma
cantidad de proteínas).
Alimentos Estándares
X\ £ 2 mínimos
cr
1 (calorías)
O
O
ii
«11 «12
O
O
(vitaminas)
II
2 «21 022
3 (proteínas) «31 032 63 = 300
Para completar el problema, sean p \ , P2 los precios (de mercado) por unidad de
los alimentos. Si x , y son las cantidades a consumir (en las unidades adecuadas)
de cada uno de los alimentos, entonces esta dieta cuesta
z = p ix + p2y
14 Debe advertirse, sin embargo, que la historia del pensamiento matemático es al revés:
Kuhn y Tucker se inspiraron en la programación lineal de Dantzig para desarrollar
su método dirigido a problemas de optimización no lineal.
Asumamos p\ = 2 y p2 = 12 . La pregunta que buscamos contestar es: ¿cómo

conformamos una dieta que, cumpliendo con los estándares mínimos, resulte
lo menos costosa posible? Es decir, debemos resolver, para x, y :
Minimizar 2x4-12 y
sujeta a x 4 - 3y > 700
2x 4- y > 400
x 4 -y > 200
x > 0
y > o
Para atacar este problema podemos, primero, recurrir al método gráfico:

De la figura 19, y con un poco de álgebra elemental, obtenemos que la solución
es x* = 700 unidades del alimento 1, y* = 0 unidades del alimento 2, y el costo
de la dieta que satisface los estándares mínimos es 1400.
Figura 19. Solución gráfica del problema de la dieta.
Pero también podemos encontrar la solución utilizando el método de Kuhn-

Tucker. Sabemos que el problema tiene solución, y que ésta se encuentra entre
las CPO, ya que se cumplen las condiciones del teorema 5. Las CPO son:
i) - 2 - Ai - 2A2 - A3 < 0 ; - 1 2 - 3AX- A2 - A3 < 0 ;

x 4- 3y > 700 2x + y > 400 x 4- y > 200
ii) x ( —2 —Ai —2A2 —A3) = 0; í/ ( - 1 2 —3Ai - A2 —A3 ) = 0;

Ai(x 4-3 y - 700) = 0 ; A2 (2 x + y - 400) = 0; A3(x + y - 200) = 0
Dado que x y y no pueden ser cero simultáneamente, debemos analizar única

mente tres casos:
1. S ix > 0, y > 0 entonces, deii), A1 + 2 A2 +A 3 = - 2 y 3 A1 +A 2 +A 3 = - 12 .

Esto nos conduce a tres situaciones:
a) Si Ai = 0 entonces A2 = 10 y A3 = —22 , y nuevamente por ii),

x* = 200, y* = 0 , lo cual no satisface y > 0 ni A¿ < 0.
b) Si A2 = 0 entonces Ai = —5 y A3 = 3, que no satisface A¿ < 0.
c) Si A3 = 0 entonces Ai = —^ y A2 = §, lo cual no satisface A¿ < 0.
2. Si x > 0, y = 0 entonces, de ii), Ai + 2 A2 + A3 = —2. Y aquí tenemos,

nuevamente, tres casos:
a) Si Ai = A2 = 0 , entonces A3 = —2 y de ii), x* — 200, que no satisface

o-
b) Si Ai = A3 = 0, entonces A2 = —1, y de ii), x* = 200, y esto no
satisface i).
c) Si A2 = A3 = 0, entonces Ai = —2 y, de ii), x* — 700, y* = 0. (Ésta,
sabemos, es la solución. ¿Puede decir el lector por qué?)
3. Si x = 0, y > 0, entonces de ii), 3Ai + A2 + A3 = —12 . Tenemos, de

nuevo, tres casos:
a) Si Ai = A2 = 0, entonces A3 = —12 y de ii), y* = 200, que no satisface

0-
b) Si Ai = A3 = 0, entonces A2 = —12 , lo que no satisface i).
c) Si A2 = A3 = 0, entonces Ai = —4, que no satisface i).
Por lo tanto, la solución es x* = 700, y* = 0, y el costo de la dieta es 1400, tal

y como lo habíamos calculado (más simplemente) utilizando la figura 19.
E jem plo 22. (El problem a del transporte (D antzig (1947, 1949)))
Otro de los problemas clásicos de programación lineal es el problema del trans
porte que consiste en lo siguiente: una compañía necesita enviar cierto prodúcto
desde m lugares a n destinos. Supongamos que unidades del producto están
disponibles en el origen z-ésimo, con i = 1 , . . . ,m ; y se requieren bj unidades
en el destino j , j = 1 , . . . , n. Además, supongamos que la cantidad total dispo
nible en los distintos orígenes iguala la cantidad total requerida en los distintos
destinos; es decir,
m n
Ei a-=X>
=1 j=1
Si el costo de enviar una unidad de producto desde el origen i hasta el destino
j es Cij, ¿cuántas unidades del producto deberían ser despachadas entre cada
par origen-destino, de tal manera que se minimice el costo total de transporte?
Definiendo x¿j como el número de unidades del producto que se despachan

desde el origen i al destino j , podemos formular este problema así:
m n
Minimizar E X /* * «
i=i j=i
n
sujeta a Xij = üí
j =i
m
xt j =
i=1
X{j > 0
donde i = 1 , . . . , n; j = 1 , . . . , m.
Para simplificar, supongamos que m — n = 2 y que las unidades disponibles
en los orígenes 1 y 2 son ai = 5 y a2 = 2 respectivamente, mientras que las
unidades requeridas en los destinos 1 y 2 son b\ = 4 y b2 = 3. Por último,
supongamos que los costos de transporte vienen determinados por la siguiente
tabla:
Destino 1 Destino 2
Origen 1 10 20
Origen 2 20 40
Todo esto nos lleva a que nuestro problema es
Minimizar 10xn + 20 x i 2 + 20 x 21 + 40x22

sujeta a x n + X12 = 5
£21 + X22 = 2
£11 + X21 = 4
Xl2 + £22 = 3
Xij > 0
Aquí, infortunadamente, no podemos solucionar gráficamente, pues el problema

tiene más de dos variables. Pero dado que existen cuatro incógnitas y cuatro
restricciones, la solución al problema debe estar entre las soluciones al sistema
de ecuaciones lineales; por lo tanto, podemos utilizar el método gaussiano de
solución (volumen 1 (Álgebra lineal)) para encontrar (si es posible) la solución
a nuestro problema. Tratemos primero de solucionar el sistema, para lo cual
restamos la tercera restricción de la primera y la cuarta de la segunda, de tal

forma que obtenemos
- x 2i = 1
- X 12 + X21 = - 1
x \\ + X21 = 4
X\2 + X22 = 3
Vemos que la primera y la segunda igualdad son linealmente dependientes; por

lo tanto, el sistema tiene la siguiente forma:
£11 = 4 —X21
X 12 = 1 + X21
x 22 = 2 - £21
Para que la solución del sistema sea factible, es decir, que cumpla todas las
restricciones del problema, debe ser 0 < X21 < 2 .
Por otro lado, los costos de transporte tienen el siguiente orden c\\ < c\2 =
C21 < C22, de tal forma que lo menos económico es enviar desde el origen 2 al
destino 2, y lo más económico es enviar del origen 1 al destino 1. Por lo tanto,
el plan óptimo debe enviar lo menos posible del origen 2 al destino 2 , y esto se
logra tomando X2\ = 2. De esta forma,
x \\ = 2, x \2 = 3, X22 = 0
Vemos que este plan es factible y su costo es 120, que, a su vez, es el mínimo
costo de envío de productos entre los orígenes y destinos.
b) E l a lg o r itm o sim p le x
Aunque el método gráfico puede ser útil en problemas en dos dimensiones,

no lo es para problemas de orden superior. También vemos que el método
Kuhn-Tucker es demasiado engorroso en estos casos específicos. Por tal razón,
debemos recurrir a otros métodos de solución. Una forma alternativa de atacar
el problema es el ya comentado método simplex desarrollado por Dantzig.
Para aplicar este método, lo primero que se hace es convertir las desigualdades
de las restricciones del problema (PL) en ecuaciones. Para ello, se utilizan cier
tas variables s = ( s i ,. . . ,s m) > 0 , llamadas variables de holgura, donde cada
Si se utiliza para asegurar que la i-ésima restricción se cumpla estrictamente.
Así, nuestro problema (PL) se convierte en
Maximizar c\X\ + C2X2 H------ b CnXn

sujeta a a \\x \ + a\2 x 2 -1-------h a inxn + s\ = bi
a 21 x l + d22X2 -f • • • + CL2nXn s2 — b2
Q"mlX\ + 0>m2X2 + **• + dmn^n + sm = bm

Xi > 0, X2 > 0, . . . , Xn > 0
Si > 0, S2 > 0, . . . , Sm > O
o, en forma matricial,
Maximizar cTx
sujeta a Ax + Is = b
x >0
s > 0
donde / = / m es la matriz identidad de tamaño m x m, y donde, sin pérdida
de generalidad, suponemos b > 0 .
Ejemplo 23.
a) El problema de programación lineal
Maximizar 3x+2 y
sujeta a x + 2y < 5
3x + Ay < 8
2x + y < A
x > 0
y > o
se puede escribir, introduciendo las variables de holgura s \ , s 2 ,s 3 , de esta

forma:
Maximizar 3x+2 y
sujeta a x + 2y + si = 5
3x + Ay + 52 = 8
2x + y + 53 = 4
x >0
y >0
51 > 0 , 52 > 0 , 53 > 0
b) De forma similar, el problema
Maximizar 3x + 7y+10z
sujeta a 4x 4- y 4- 2z < 3
7x 4- 3y -I- z < 4
x + 5y + 4z < 6
x >0
y > 0
z >0
lo podemos escribir como

Maximizar 3x 4- 7y 4- I0z
sujeta a 4x + y + 2z + s\ = 3
7x 4- 3y 4- 2 4- s2 = 4
x 4- hy 4- 4z 4- 53 = 6
x > 0
2/>0
2>0
«1 > 0,52 > 0, S3 > 0
introduciendo las variables de holgura 51 , 52 , 53 .

D efinición 3. (V ariables b ásicas y no b ásicas)
Supongamos un sistema (PL) con restricciones de m ecuaciones lineales con
n variables, x i , . .. ,x n, donde n > m, y que, arbitrariamente, podemos elegir
n —rn variables xm+i, Zm+2 , . . . , xn, de tal forma que las restantes m variables
x i , ... ,x m se puedan expresar en términos de ellas. Entonces a x i , . . . ,x m las
llamaremos variables básicas y a xm+i , x m+2 , . . . ,x n las llamaremos variables
no básicas.
E jem p lo 24.
a) E 11 el problema
Maximizar 3x4-2y
sujeta a x 4- 2y 4- 5 i = 5
3x 4- 4y 4- 52 = 8
2x 4- y 4- 53 = 4
x > 0
y> 0
5i > 0 , 52 > 0 , 53 > 0
tres variables básicas en el sistema de restricciones son las variables de

holgura «1, 52 , 53 , ya que podemos expresarlas como
5 1 = 5 —x —2y
52 = 8 —Sx — 4y
53 = 4 - 2x - y
b) De manera similar, en el problema
Maximizar Sx + 7y + 10z
sujeta a Ax -f y + 2z 4- s\ = 3
7x + 3y + 2 + S2 = 4
x + 5r/ + 4z + 53 = 6
x >0
y> 0
z >0
5l > 0 , 52 > 0, 53 > 0
también tres variables básicas en el sistema de restricciones son las variables

de holgura 51 , 52 , 53 , ya que podemos expresarlas como
5 1 = 3 - 4x - y - 2z
52 = 4 —7x — 3y — z
53 = 6 - x - 5y - 4z A
Ahora que hemos convertido el problema (PL) en un problema con restricciones

de igualdad, podemos reescribirlo como un sistema de ecuaciones de la siguiente
forma:
CLnXi + 0 12 ^ 2 + ------« 1 n x n + 5 i = b i
a21 x l + « 22^2 H------ h « 2n^n + $2 = &2
a m lx l "t"a m2x 2 4" ’ **"t"Q>mnx n “I"s m = bm

CiXi + C2 X2 H------ 1" CnXn -f 05i 4------ h 0sm = /
o, en conveniente forma matricial,
A x 4- I s = b
cTx + 0T5 = /
donde / representa el valor de la función objetivo. Si pensamos en el vector de

variables como (re, s) podemos representar este sistema por medio de la tabla
(o matriz) simplex, como sigue:
an <Zl2 flln 1 0 0 bi
021 Û22 Û2n 0 1 0 h
Oml am2 ** amn 0 0 .. • 1 bm

C\ c2 •• • Cn 0 0 .. • 0 f
A I
A los elementos de la última fila de esta matriz que son diferentes de / , se les
llama indicadores.
Ejem plo 25.

a) El problema
Maximizar 3x+2 y
sujeta a x + 2y 4 - si = 5
3x + Ay 4- S2 = 8
2x 4- y + 53 = 4
x >0
y>0
Si > 0 , 52 > 0 , 53 > 0
lo representamos, entonces, por la matriz simplex
1 2 1 0 0 5
3 4 0 1 0 8
2 1 0 0 1 4
3 2 0 0 0 /
b) Asimismo, el problema
Maximizar 3x + 7 y+ 10z
sujeta a 4x + y + 2 z + s\ = 3
7x 4* 3y 4- z 4- 52 = 4
x 4- by 4- 4z 4- s 3 = 6
x > O
y > O
2 > O
«i > 0 , s 2 > O, 53 > O
lo representamos por la matriz simplex
4 1 2 1 0 0 3
7 3 1 0 1 0 4
1 5 4 0 0 1 6
3 7 10 0 0 0 /
Hagamos ahora una aproximación al método simplex. En primer lugar, es claro

que si en el problema (PL) se tiene que los indicadores Ci son menores o iguales
a cero, entonces, para maximizar debe tomarse x = 0 como solución
óptima. Pero si algún Cj es positivo, entonces se debe asignar a la variable Xj
el máximo valor “posible”, es decir, el valor de Xj debe permitir una asignación
factible a las restantes variables. Para esto observemos que en la restricción
(taxi 4" * 4” ciijXj 4~ * 4~ dijiXji 4~
donde > 0 el valor máximo que puede tomar xj es — , tomando las demás
a,ij
variables como cero; pero puede suceder que al reemplazar este valor en otra
restricción donde dkj > 0, se tenga que asignar valores 110 permitidos a las
demás variables. Por ejemplo en
4x 4- y 4- 5i = 8
2x 4- 52 = 1
si tomamos el valor de x como | = 2, entonces 52 = —3, y esto no es posible. Por
lo tanto se debe tomar aquella ecuación donde el factor — sea mínimo y >
0, dado que esto permitirá una asignación factible en las demás ecuaciones si
este es el valor óptimo para la variable Xj.
Después de encontrar la ecuación que permite una asignación factible en las
variables del problema, podemos pasar a resolver esta ecuación para x j , en
contrando que
Xj = — —Si —diiXi —di2X2 —♦• • —dij—iXj—i — dij+iXj+i —• • • dinxn]

aij
y luego reemplazar esta expresión en las otras ecuaciones, obteniendo el nuevo

sistema
__ __ __ d\j , bid\j
CLnXi + a 1 2X2 4-----+ CL\nx n + $1--------si — &1---------
aij aij
__ __ ___ 0,2j , biCL2j
d 2 \x \ + 0>22%2 4~ * * * 4" 0>2nx n s 2 --------- s i = -------------
aij aij
_ _ _ 1 bi
a n X i + CLi2x 2 4" • • * 4" d { n X n H------- s i = —
____ . ____ . . ------- . am j »- biCLm j

Û m l^ l Q‘m 2 x 2 4~ * ’ * 4* d m n X n H" s m $i — “m
-da da
donde
----- Q>ikQ>hj » / . . / .
a hk = O’h k -------------, h ^ J y k ^ J
d{j
y, por tanto, el nuevo / está dado por
^ 2 ° ix i = (C1 - — L )x \ + (°2 - ~~~^~)x 2 4- * * * 4- { C n - ~ ~ ~ ^ ~ )x n + — - -^ -S *

^ d ij d ij d ij d ij d ij
donde podemos repetir el proceso anterior hasta que los indicadores sean me
nores o iguales a cero .15
Según lo anterior, el método simplex consiste en utilizar operaciones elemen

tales entre filas hasta hacer que todos los indicadores sean números negativos
o ceros, ya que entonces se habrá encontrado el máximo / . Para hacer de este
proceso uno algorítmico, Dantzig sugería seguir estos pasos:
15 En algunos casos no es posible llegar a este objetivo, significando la no existencia de

una solución.
A lgoritm o 1. (M étodo sim plex (D antzig (1947)))
Paso 1. En la tabla simplex elija entre las n —1 primeras columnas, la columna

j que tenga el mayor indicador positivo. Si hay más de una columna
con el mismo valor, elija cualquiera de éstas.
Paso 2. Para los elementos a¿j > 0 de la columna j elegida anteriormente,

defina el elemento pivote de la columna j como
es decir, el pivote es el elemento positivo de la columna j de la matriz
Paso 3. Una vez elegido el pivote a^-, realice operaciones elementales sobre las
filas de la tabla simplex utilizando siempre transformaciones de la fila
i, hasta que el elemento pivote sea igual a 1, y el resto de elementos
de la columna j (incluido el indicador de esa columna) sean cero.
Paso 4- Verifique que todos los indicadores sean no positivos. En caso dado,
deténgase; de lo contrario, regrese al paso 1 .
Si todos los indicadores son no positivos, se habrá alcanzado el máximo valor

de / . El valor de las variables no básicas es cero, y el de las variables básicas
está dado por el valor de la última columna de la tabla simplex en la fila en
que se puede despejar la variable básica. El valor óptimo / está dado en la
última entrada de la tabla simplex.
Ejemplo 26.
a) Regresemos a la tabla simplex del ejemplo 25 a):
1 2 1 0 0 5
3 4 0 1 0 8
2 1 0 0 1 4
3 2 0 0 0 /
Entre las primeras 5 columnas, la que tiene el mayor indicador es la columna

1, así que el pivote estará en esa columna. Calculamos
y por tanto, el pivote es o ^ . Utilizando la tercera fila, realicemos ahora las

siguientes operaciones fila básicas: dividimos la fila 3 entre 2; restemos la
fila 3 de la fila 1; multipliquemos la fila 3 por 3 y restemos de la fila 2; y,
multipliquemos la fila 3 por 3 y restemos de la fila 4. Obtenemos la siguiente
tabla simplex:
3 1
0 2
1 0 2 3
5 3
0 0 1 2 2
2
1 1
1 0 0 2
2 2
1 3
0 0 0 / - 6
2 2
Como hay un indicador positivo, volvemos al paso 1 . La columna con el

mayor indicador es la columna 2 , y el pivote es el elemento a j2, ya que
— = 2 ——- = - — =4
ai2 ’ 022 5’ 032
Realizando operaciones elementales con la segunda fila, obtenemos la tabla

simplex
3 2 9
0 0 1 5
5 5
2 3 4
0 1 0
5 5 5
1 4 8
1 0 0
5 5 5
0 0 0
1 6 f _ 32
5 5 J 5
Como todos los indicadores son no positivos, liemos encontrado el óptimo,

donde x* = §, y* = jj, sj = jj, sj = 53 = O y el valor máximo es Pero,
puesto que sj / O, tendremos que la primera restricción en el problema
original se satisface estrictamente.
b) La tabla simplex del ejemplo 25 b) es:
4 1 2 1 0 0 3
7 3 1 0 1 0 4
1 5 4 0 0 1 6
3 7 10 0 0 0 5
La columna con el mayor indicador positivo es la 3, y como
frl _ 3 _¿2_ _ ^ 63 _ 3
«13 2 ÍZ23 a 33 2
tenemos dos elementos que pueden ser el pivote. Tomemos el elemento a j3.
Realizando operaciones básicas entre filas tenemos la siguiente tabla sim
plex:
2 i 1 1 0 0 3
2 2 2
5 5 0 1 1 0 5
2 2 2
-7 3 0 -2 0 1 0
-1 7 2 0 -5 0 0 / —15
Ahora el mayor indicador positivo está en la columna 2, y el pivote es a ^ ,
ya que
— = 3 -^ = 1 -^ = 0
«12 «22 «32
Utilizando de nuevo operaciones elementales entre filas obtenemos la si
guiente tabla simplex:
19 0 1 5 0 0 3
G ti 2
65 0 0 7 1 G5 5
6 G 2
7 1 0 2 1
0 3 0
3 3
37 0 0 11 0 32
3 3 / —15
Como todos los indicadores son no positivos, tenemos que en el óptimo

3
x* = 0 , y* = 0 , z* = 2
Además, la segunda restricción del problema original se satisface estricta

mente, y el valor óptimo de la función es 15.
c) E l te o r e m a d e d u a lid a d
Ya vimos cómo resolver un problema de máximo utilizando el método simplex.
Ahora queremos dar respuesta a dos interrogantes: primero, cómo resolver
un problema de mínimo utilizando el mismo método; segundo, cómo cambia
la solución óptima ante cambios (pequeños) en las restricciones. Para ello,
relacionamos el problema canónico (PL)
Maximizar c x (PL)
sujeta a Ax 0
(que, de ahora en adelante, llamaremos problema primal) con el siguiente pro

blema dual (PD)
Minimizar bTy (PD)

sujeta a A Ty > c
y> 0
donde y € K+, c y b son iguales a los del problema primal.

E jem p lo 27.
a) El problema dual del ejemplo 23a es
Minimizar 5x' + 8 y' + 4z'

sujeta a x ' + 3y' + 2z' > 3
2xf + 4y' + ¿ > 2
x' > 0
y '> 0
z' > 0
b) El dual del ejemplo 23b es
Minimizar 3x' + 4 y'+ 6 z'

sujeta a 4x' + 7y' + z' > 3
2x' + 7/' 4- 4z' > 10
x ',y ', z' > 0 a
El siguiente teorema muestra que el valor óptimo del problema dual es mayor
que o igual al valor óptimo del problema primal.
T eo rem a 7.
Si i G l " es factible en el problema piimal y y € Mm es factible en el problema
dual, entonces bTy > ¿Fx.
D em o stració n .
Multiplicando en el problema primal las restricciones por y y multiplicando en
el problema dual las restricciones por x , se obtiene yTA x < yTb, x TA Ty > x Tc.
Escribiendo de nuevo, tenemos bTy > yTA x > cTx . ■
Y el próximo teorema da indicios de que existe una relación importante entre

los problemas primad y dual:
Teorema 8.
Supongamos que x* y y* son factibles en el problema primal y dual respec
tivamente, y que cTx * = bTy*. Entonces x* resuelve el problema primal y y *
resuelve el problema dual.
Dem ostración.
Como cTx* = bTy* > cTx para todo x factible, entonces x* resuelve el pro
blema primal. Así mismo, como bTy > cTx* = bTy *, y* resuelve el problema
dual. ■
Y así, arribamos a uno de los teoremas más profundos de la optimización

estática: el teorema de dualidad, que muestra que el problema primal y el
problema dual están íntimamente relacionados.
Teorema 9. (Teorem a de dualidad)

Si el problema primal tiene solución óptima finita, entonces el problema dual
también tiene solución óptima finita, y los valores de ambas funciones objetivo
son iguales. Si el primal no tiene óptimo acotado, entonces el dttal no tiene
solución factible.
D em ostración.
(Teorema 13 adelante.) ■
Así, utilizando el problema primal, todo problema de mínimo puede convertirse

en uno de máximo, el cual puede resolverse por el inótodo simplex anterior
mente estudiado. Una vez obtenida la solución del problema de máximo, por
el teorema 13, el valor óptimo de la función objetivo en el problema de mínimo
es igual, y los valores óptimos de las variables en el problema de mínimo son
iguales al negativo de los indicadores de las variables de holgura del problema
de optimización.
N ota 5.
El teorema de dualidad (teorema 6 ), que es realmente sorprendente y muy
importante, fue primero notado (aunque no probado) por von Neumann en
notas privadas que aparecieron antes de 1947.
Ejemplo 28.
Para que veamos lo fuerte que puede ser esta relación primal-dual, considere
mos el problema
Minimizar 60x + 20y + 3z + 20w

sujeta a 3x + 6 y — z + 2w > 4
- 4 x + 2y + z + 5 r/4 > 2
x > O
y > o
z >O
w > O
Un análisis directo nos llevaría a un problema en el espacio euclidiano de cuatro

dimensiones. Pero es posible escribir este problema así:
'60'
20
Minimizar [x, y , z, w]
3
20
'3 -4 '
6 2
sujeta a [x, y, z, w\
-1 1
2 5
x, y, z, w > 0
Por tanto, el problema primal es
Maximizar [4,2]
co
"60'
6 2 'xi 20
sujeta a <
-1 1 X2 3
2 5 20
xi > 0, X2 > 0
Y este problema primal sí puede dibujarse en un plano bidimensional como

en la figura 20. Allí, vemos que la solución óptima ocurre en x \ = 30/13,
x \ — 40/13, y así z* = x* — 0.
De esta manera, el problema original se reduce a
20
Minimizar [y, w]
20
6 2
sujeta a ly .H >(4,2]
2 5.
y > 0, w >0
Figura 20
Cuya solución y* = 8/13, w* = 2/13. Por lo tanto, el problema original tiene

como solución al vector (0, 8/13, 0, 2/13).
30/13'
(0,8/13,0,2/13) = (4,2)[; = 200/13
40/ 13
E jem plo 29. (P ro b le m a de la d ie ta , de nuevo)

Volvamos al problema de la dieta:
Minimizar 2x4-12?/
sujeta a x 4- 3y > 700
2x 4- y > 400
x 4 *y > 200
x > 0, y > 0
El primal de este problema es
Maximizar 700i' + 400y' + 200 z'
sujeta a x ' + 2 y' + z' < 2
3x' + y' + z '< 12
o
o
Al
x' 0, J
Al
Al
cuya tabla simplex es
1 2 1 1 0 2
3 1 1 0 1 12
700 400 200 0 0 /
El mayor indicador no negativo está en la columna 1 y el elemento pivote es

ajj, con lo cual obtenemos la siguiente tabla simplex:
1 2 1 1 0 2
0 -5 -2 -3 1 6
0 -1 000 -500 -7 0 0 0 / - 1400
Como todos los indicadores son no positivos, este es el óptimo del problema
primal cuyo valor óptimo es 1400 (tal como habíamos calculado gráficamente).
Además, los negativos de los indicadores de las variables de holgura son 700
y 0, de forma que en el problema original tendremos que x* = 700 y y* = 0,
como habíamos mostrado anteriormente.
Ejem plo 30. (El problem a del transporte, de nuevo)
Tomemos, una vez más, el problema del transporte
Minimizar lOXn + 20X12 + 20X21 + 40X22
sujeta a Xn + Xi2 = 5
2 2 1 + X22 = 2
X ll + X21 = 4
X12 + X22 = 3
Xij > 0
que es el dual del problema
Maximizar 5Xii -f- 2Xi2 “1“ 4X21 "H3X22
sujeta a x n 4- X21 — 10
X n -f- X 22 = 2 0
X12 4* X21 = 20
X12 4" *^22 =
Como en este problema las restricciones son ecuaciones, no es necesario incluir

variables de holgura; sin embargo, para poder reinterpretar el resultado, es
necesario plantear el problema como uno de desigualdades, con lo cual la tabla
simplex es
1 0 1 0 1 0 0 0 10
1 0 0 1 0 1 0 0 20
0 1 1 0 0 0 1 0 20
0 1 0 1 0 0 0 1 40
5 2 4 3 0 0 0 0 /
Realizando las operaciones usuales, obtenemos como resultado
1 0 1 0 1 0 0 0 10
0 0 -1 1 -1 1 0 0 10
0 1 1 0 0 0 1 0 20
0 0 0 0 1 -1 -1 1 10
0 0 0 0 -2 -3 -2 0 / - 120
de donde, reinterpretando, obtenemos x ^ = 2, x j 2 = 3, x jx = 2, x £2 = 0> y

valor óptimo de la función es 120 , como habíamos encontrado anteriormente,
en el ejemplo 22. A
Finalmente, ¿cómo cambian los valores de las soluciones de un problema de

programación lineal cuando hay pequeños cambios en los parámetros de las
restricciones? Para resolverlo, supongamos que x* es la solución al problema
primal
Maximizar cTx
sujeta a Ax 0
que x* + Ax es solución al problema primal
Maximizar cTx
sujeta a A x 0
y que y* es la solución al problema dual de cada uno de los problemas primales.

Entonces, por el teorema 9,
cTx* = bTy *, y cT (x* + Ax) = (b + A b)T y*
v, por lo tanto, cTAx = AbTy*. Pero cTAx no es más que el cambio en el

valor óptimo de la función objetivo del problema original al cambiar un poco
el valor de las restricciones. Por lo tanto, podemos interpretar (al igual que en
el caso de los multiplicadores de Lagrange) el valor de y¡ como el cambio en el
valor de la función objetivo ante cambios (pequeños) en el valor de
Ejercicios 5
1. Encuentre los valores óptimos de los siguientes problemas lineales:
i) Utilizando el método gráfico.

ii) Utilizando el método de Kuhn-Tucker.
iii) Utilizando el método simplex.
iv) Resolviendo el problema dual.
a) Minimizar 5x—7y b) Maximizar 15x+2 y

sujeta a 3x + y > 10 sujeta a 3x —y < 10
x + 3y > 4 x — 3y > 4
x >0 x > 0
y> 0 y> 0
c) Maximizar 2x+by d) Minimizar I2x+42y

sujeta a x < 4 sujeta a x + 2y > 3
y< 3 x + 4y > 4
x + 2y < 8 3x + y > 3
x >0 x >0
y> o y > o
2. Pruebe que la solución del problema
Maximizar 5x 4 - 2 y + z
sujeta a x -\-3y — z < 6
y + 2 < 4
3x + y < 7
x >0
y> o
es x = ?/ = 0, z = 4, y el valor del problema es Además, muestre
que la solución del problema dual está en x \ = 0 , yi = 1, z\ =
3. Pruebe que la solución del problema
Minimizar 3x — 2 y + 5z
sujeta a —y + 2 z > 1
x + z > 1
2x — 3y + 7z > 5
x >O
y > o
e s x = 0, t / = | , z = l , y e l valor del problema es y . Además, muestre

que la solución del problema dual es x \ — 0 , yi = z\ —
4. Una empresa tiene tres depósitos, los cuales tienen 10,000, 5,000 y
16,000 unidades de sus productos. El próximo mes deben enviarse 2,000,
1,000, 3,000, 4,500, 500, 600 y 950 unidades a siete distintos alma
cenes. Encuentre el plan de envío de menor costo, si el costo unitario de
envío de cada depósito a cada uno de los almacenes viene dado por la
siguiente tabla:
Destino 1 D2 D3 D4 D5 D6 D7
Origen 1 10 8 16 3 10 25 18
Origen 2 19 25 18 7 12 18 19
Origen 3 20 17 20 5 14 16 17
6. Optimización en conjuntos convexos: teoremas de

separación de Minkowski
Ahora es claro que los métodos de optimización están basados en: i) la estructu
ra topològica del conjunto sobre el que se optimiza, y ii) la estructura analítica
(lineal, continua, etc.) de la función objetivo. En esta sección profundizamos
en una característica topològica del conjunto de restricción, que ya había si
do estudiada: la convexidad. Aquí destacaremos algo que se vislumbraba con
los problemas de programación lineal: que ciertas propiedades geométricas de
los conjuntos convexos están íntimamente conectados con la forma como se
resuelve problemas de optimización sobre ellos.
Recordemos, en primer lugar, que en el cálculo diferencial de una variable,

cuando se requería optimizar (maximizar o minimizar) una función cóncava
estricta (o convexa estricta) diferenciable, se recurría a encontrar los puntos
donde la recta tangente era paralela al eje de abscisas (figura 21). Allí notá
bamos que esta recta tangente descomponía el plano en dos semiplanos, uno
de los cuales contenía totalmente a la gráfica de la función. En dos variables
Figura 21. Recta tangente que separa.
sucedía lo mismo con el plano tangente, y, por supuesto, en varias variables

con el hiperplano tangente.
En segundo lugar, recordemos que cuando intentábamos resolver problemas
típicos de optimización en dos variables, mediante el método de Lagrange o
de Kuhn-Tucker, en general nos encontrábamos con que, en el punto en que
se resolvía el problema, las dos gráficas (la de restricción y la de objetivo)
solamente se intersectaban allí, y lo hacían de tal forma que se podía trazar
por allí una tangente que “separaba” a las dos gráficas (figura 22 ).
Figura 22. Optimización y separación.
El siguiente es uno de los teoremas más profundos (y, por ello mismo, más
simple) de la teoría de optimización, que involucra, precisamente, la noción de
convexidad. Los teoremas de existencia de hiperplanos separadores establecen,
básicamente, que un conjunto convexo y un punto que no está en este, pueden
separarse mediante un hiperplano (figura 23); es decir, con el conjunto convexo
de un lado y el punto del otro lado. Veamos en qué consisten estos dos teoremas
centrales de la teoría de la optimización que, como notaremos, son consecuencia
del teorema de Wierstrass.
T eorem a 10. (E xisten c ia de hiperplanos separadores (M in ko w ski (1 9 1 0 )))
Sea C un conjunto convexo y cerrado en R2, y sea p e R n. Entonces se tiene

uno (y solo uno) de los siguientes casos (figura 23):
a) p € C.
b) Existe un hiperplano H de R 2 que contiene a p y tal que C está totalmente
contenido en uno de los semiplanos abiertos determinados por H. En tal
caso, se dice que H es un hiperplano separador.
D em ostración.
Supongamos que p £ C, y consideremos la función sobre el conjunto cerrado C
dada por
}(x ) = ||x - p ||
Como se puede probar fácilmente, esta función es continua y, utilizando con
venientemente el teorema de Weierstrass (teorema 1), tiene un mínimo sobre
C. Sea q un punto de C tal que
ll«- p || < ll* - p ||
para todo x € C, y sea n = q — p. Como p £ C, entonces n ^ 0. Veamos

que el hiperplano que pasa por p y es perpendicular a n satisfará nuestros
requerimientos; es decir, que
H = {x e R 2 | (x - p) • n = 0}
es el hiperplano buscado, y para ello vamos a probar que C está contenido en

el semiespacio definido por la condición (x —p) • n > 0 .
Figura 23. Un hiperplano separando un conjunto convexo y un

punto.
Sea q' ^ q un punto cualquiera de C. Entonces, para todo con

0 < t < 1 , se tiene que
I l 9 - P l l < 11(9 - V ) + t{q' - 9 )||
y elevando esta desigualdad al cuadrado se tiene que
(q - p f < ( q - p )2 + 2 t(q - p)(q' - q ) + t2 {q' - q f
Cancelando y dividiendo entre t, se obtiene que
o < 2 ( q - p)(q' - q) + t(q' - q)2
y haciendo t —►0 se obtiene que
0 < (<7 —p)(q' - q) = n(q' - p) + n(p - q) = n(q' - p) - n • n
Pero como n • n > 0, entonces
n(q' - p) > 0
que era lo que queríamos probar. ■
Y aun podemos enunciar un resultado más general:
T eorem a 11. (O tro teo rem a de M in k o w sk i (1910))

Si C C Rn es un conjunto convexo y p está en la frontera de C, 16 entonces
existe un hiperplano sop o rte de C en p; es decir, existe un hiperplano H
tal que p € H , y C está contenido en uno de los dos semiespacios cerrados
determinados por H (figura 24)-
D em o stració n .
Sea C la clausura de C. Es fácil mostrar que C también es convexo, y p está en
la frontera de C. Si es posible probar el teorema para C, entonces claramente
estaremos probándolo para C. Por lo tanto, podemos asumir que C es cerrado.
Ahora: para cada entero k > 2 , encontremos un punto pk £ C que esté a una
distancia menor que £ de p. Por el teorema 10 anterior, podemos encontrar un
punto qk sobre C cuya distancia ap* sea mínima. Hagamos ahora nk = qk~Pki
y sea nfk el vector unitario (||njt|| = 1) en la dirección de n*. La sucesión de
vectores nfk tiene un punto límite sobre la esfera de radio 1 , digamos n', ya
16 La frontera de un conjunto 5, d S , está definida como el conjunto de puntos que
pertenecen a la adherencia de 5 y a la adherencia del complemento de S, es decir,
d S = S O S c . Recordemos también que la adherencia de 5, S , es el conjunto de
límites de sucesiones de puntos de 5 (volumen 2 (Cálculo)).
que la esfera es un conjunto compacto (cerrado y acotado). Nuevamente, por

el teorema 10 anterior, para todo x e C y todo k,
x • ti* > pk • Uk
Y así, dividiendo a ambos lados por la norma de njt, se obtiene que para todo
k,
x ' n k > Pk ' n'k
Como n' es un punto límite de la sucesión {nj.}, y p es un punto límite de la
sucesión {pk}, se sigue, por continuidad de la función producto interior, que
X 'v ! > p 'v !
y esto prueba el teorema. ■
Ejem plo 31.
Figura 24. H es el hiperplano soporte de C en p.
Tomando, una vez más, el ejemplo 5, supongamos que para x > 0 , y > 0 ,
definimos
/ ( x, y) = xy, g(x, y) = x 2 + y2
a) Al resolver el problema de optimización
Maximizar /( x , y)
sujeta a g (x , y) < R 2
x> 0
y>0
mediante el método de Kuhn-Tucker, allí encontramos que la solución

era (x*,y*) = (-£=,-£=). ¿Podría el lector ilustrar esto con una gráfica
apropiada?
b) Al buscar una recta de la forma A (x —x*) + B (y —y*) = 0 que pasa por

el punto (x*,y*) y que lo separe del conjunto convexo
{(z,J/) 6 R + / f ( x , y ) > / ( i * , 2/*)} = { ( l , t ) € l ^ / l ¡ l > y }
encontramos que, como (A , B ) es un vector normal a la recta, entonces

podemos hacer
A = — (x* y*) = — y B — — (x* y*) = —

d x (X ' y ) s / 2 y d y [ 'y ’ v/2
lo que nos lleva a que la ecuación de la recta es x + y = y/2R.
N ota 6.
El ejercicio anterior plantea el interrogante sobre el caso en el que la frontera
del conjunto convexo no fuera suave en el punto que queremos separar: ¿ Cómo
calcularíamos los respectivos gradientes? (figura 25). En estos casos, el cálculo
diferencial no nos puede ayudar a resolver el problema de optimización, y es allí
donde los coeficientes que acompañan a las variables de la ecuación cartesiana
del hiperplano (es decir, los coeficientes del vector normal), vienen a jugar el
papel de las respectivas derivadas parciales.
Figura 25. Conjunto convexo no suave.
a) A p lic a c io n e s d e l te o r e m a d e se p a ra ció n d e M in k o w sk i
En principio, y a diferencia de los métodos algorítmicos de optimización (La-
grange, Kuhn-Tucker, simplex), el teorema de Minkowski está más en la tra
dición del teorema de Weierstrass, en el sentido de que es un teorema de opti
mización de fina descripción teórica que no estaría diseñado para aplicaciones
algorítmicas concretas inmediatas. Sin embargo, es corriente utilizarlo como

poderosa herramienta para demostrar teoremas clásicos de optimización que,
ellos sí, tienen un desarrollo algorítmico específico. Aquí ilustraremos lo ante
rior, probando el teorema del minimax de von Neumann (volumen 1 (Álgebra
lineal), lección 8 ), y el teorema de dualidad (teorema 9 de la presente lección)
para la programación lineal, que estudiamos previamente.
Teorem a 12. (M in ko w ski => m in im a x )

Para cualquier matriz A mxn, existen distribuciones de probabilidad p* G R " y
q* € Km tales que, en ellas, se da la igualdad
máx mín qApT = mín máx qApT

p <7 p Q
D em ostración.
a) Primero, notemos que para cualquier p € Rn y q € Rm, se tiene que
mín qApT < qApT < máx qApT

<i p
y, por lo tanto,
máx mín qApT < mín máx qApT
p *i 9 p
b) Restaría entonces demostrar que
mín máx qApT < máx mín qApT

Q P P Q
para ciertos p* € Rn y q* € Rm. Para ello, sea
H = {x e R m/ x = ApTp&r& algúnp 6 Rn y ApT > v\e}
donde v\ = máxp míng qApT y e = ( 1 , 1 ) G Rn. Observe que H es convexo

y no vacío, y, por el teorema de separación de Minkowski (teorema 8 ), existe
q* 6 R m tal que q*ApT < v\ para todo p G Rn. Y como mínqmáxp qApT <
máxp q*ApT , tendremos que
mín máx qApT < V\ = máx mín qApT

q p P <7
que era lo que queríamos mostrar. ■
T eorem a 13. (M in ko w ski => teorem a de dualidad)

Si el problema primal tiene solución óptima finita, entonces el problema dual
también tiene solución óptima finita, y los valores de ambas funciones objetivo
son iguales. Si el primal no tiene óptimo acotado, entonces el dual no tiene
solución factible.
130 Matemáticas béLsicas para economistas 3: Optimización y dinámica
D em ostración.
Primero demostremos la segunda proposición del teorema. Para ello, suponga
mos que el problema dual no tiene solución óptima finita; entonces bTy* < —M
para todo M > 0 ; pero, en tal caso, si x* es factible en el problema primal
tendríamos que cTx* < —M para todo M > 0 , lo cual claramente es imposible.
Ahora supongamos que el dual tiene solución óptima finita de valor z°. Defi
namos el conjunto
C = {(r, w) G R n+1 | r = tz — bTy } w = tb — A Ty , y > 0, t > 0}
Como puede fácilmente verificar el lector, el conjunto C es un cono convexo
cerrado. Veamos que p = (1,0) ^ C. Si w = t°b — A Ty° = 0 con t° > 0
yO
y y° > 0 , entonces y = — es factible en el problema dual y, por lo tanto,
= z° —bTy < 0; es decir, r < 0. Por otro lado, si w = —A Ty° = 0 con y° > 0
y bTy° = - 1,y si y es una solución factible del problema dual, entonces y + a y°
es factible para todo a > 0 y, además, podemos obtener valores arbitrariamente
pequeños de la función objetivo, lo cual contradice nuestra hipótesis de que la
solución factible del dual es finita. Por lo tanto, no puede existir tal y°, y así,
PÍC.
Dado que C es un cono convexo y cerrado, y que p = (0,1) £ C, por el teorema
de separación de Minkowski (teorema 10), existe un hiperplano que separa p
de C. Así, existe un vector no nulo (s, x) G R n+1 y una constante d tal que
s <d= ínf {sr + xw }
(r,w)ecl
Como C es un cono, debe ser d > 0; además, puesto que (0 , 0 ) G C , tenemos

que d < 0. De esto concluimos que d — 0 y s < 0. Asumamos que s = —1;
entonces, por la desigualdad anterior, —r + xw > 0 para todo (r, w) G C que,
de la definición de C, implica
(6 —A x )y T — tz° + tcTx > 0
para todo y > 0 y t > 0. En particular, si t = 0, A x < 6 , es decir, x es factible

en el primal. Si y = 0 y t = 1 , entonces cTx > z° que, por el teorema 7,
implica cTx = z°; y, a su vez, por el teorema 10 , asegura que x es un óptimo
del problema primal. La demostración recíproca es similar y se deja al lector
como ejercicio. ■
Ejercicios 6
1 . Halle, ilustrando con un dibujo adecuado, hiperplanos de soporte para
los siguientes conjuntos convexos C y correspondientes puntos p en el
plano:
a) C = {(x,y) e R 2 | x > 0, y > x2}, p = ( 1 , 1)

b) C = {(x,y) e R 2 | y < lnx, x > 1 }, p — (2 , ln 2 )
c) C = {(x,y) € R 2 | y > ex + 1 }, p = (0, 2 )
2. ¿Será que, en el teorema 11, el hiperplano de soporte es único? Ilustre

con un par ejemplos.
3. / Teorema de J. Farkas (1902)] Pruebe, utilizando el teorema 11 de sepa

ración de Minkowski, que si A una matriz n x n dada y b e Rm, entonces
una y solo una de las siguientes alternativas es cierta:
a) El sistema A - x = b tiene una solución x > 0 (todas la componentes

mayores o iguales a cero).
b) El sistema de desigualdades yTA > 0 tiene una solución j / e R " que
satisface y • b < 0 .
c) ¿Geométricamente, cómo puede interpretarse esto desde la perspecti
va de las soluciones de un sistema de ecuaciones lineales? [Indicación:
el teorema de Minkowski se manifiesta claramente en la solución de
un problema de optimización de una función lineal con restricciones
lineales de desigualdad].
**4) ¿Será que el teorema de Minkowski implica el teorema de Weierstrass?
**5) ¿Es el teorema minimax un teorema de dualidad? Es decir, ¿teorema de

dualidad => teorema minimax?
7. Optimización en correspondencias: el teorema del

máximo
Nuestros métodos hasta ahora están destinados a la optimización de funciones;
es decir, de relaciones en que a cada número se le asigna otro número (y sólo
uno). Desde 1939, el grupo francés Bourbaki desarrolló el concepto de corres
pondencia; es decir, relaciones en las que a cada número se le asigna ya no solo
otro número, sino una colección de números. Las situaciones reales en que esto
puede suceder son múltiples, y el objetivo de esta sección es describir algunos
resultados sobre optimización en este tipo de estructura. Entre ellos, quizás el
resultado más importante es el teorema del máximo, y paja comprenderlo nos
preparamos ahora.
D efinición 4. (C orrespon den cia (B ourbaki (1 9 3 9 )))17

Si S ,T C Rn, no vacíos, entonces una correspondencia ip de S en T es una
función
V V{T)
donde V (T ) es el conjunto de partes de T (es decir, todos los posibles subcon-
juntos de T), y tal que, para todo s G S, ip(s) ^ 0 .18
Así, una correspondencia (p de S en T , le asigna a cada 5 € S un conjunto no
vacío ip(s) e V (T ) (figura 26).
Figura 26. Correspondencia <¿>(s).

Las nociones de continuidad en funciones de variables reales se trasladan a
correspondencias de la siguiente manera:
D efinición 5 (C ontinuidad en correspondencias (B erge (1 9 5 9 ))19).
i) Una correspondencia <¿>: S —¥ V (T ) es semicontinua superiormente en
un punto s 6 S si cuando sn -> s y £n —> ¿ con tn e <¿>(s„), entonces
t 6 <p{s).
ii) Una correspondencia s y t G (p(s) implica que existe una sucesión {£„}
con tn e ip(sn) tal que tn —>t.
iii) Una correspondencia ip : S V (T ) es continua si es semicontinua supe

riormente e inferiormente.
17 Bourbaki, N. (1939), Éléments de Mathématique, París: Hermann.
18 En ocasiones, sin embargo, y si la notación no permite confusión, escribiremos
simplemente y? : S —> T.
19 Berge, C. (1959), Topological Spaces: Including a Treatment of Multi-valued Functions,
Vector Spaces and Convexity, Paxis: Dunod.
N ota 7.
El lector puede observar que si para cada s e S se tiene que <p(s) es un solo
elemento (es decir, y? es una función), el concepto de semicontinuidad superior
es equivalente a la continuidad de la función y?.
E jem plo 32.
Sea S = T = [0,5], y definamos
vW = / 2 s i * ^ 2-5
{[1,3] si x =■ 2.5
Esta correspondencia (figura 27) es semicontinua superiormente, dado que para

toda sucesión {sn} con sn € [0,5] tal que sn —» s sólo existe una única sucesión
{fn} tal que tn € <£>(sn) y tn —►t : la sucesión {¿n} = {2}, la cual converge a t =
2, y, claramente, t € <p(s). Sin embargo, la correspondencia no es semicontinua
inferiormente, ya que podemos tomar sn —> 2.5 y 3 G <¿>(2.5), pero no existe
una sucesión {ín} que satisfaga tn —> 3 tal que tn € <p(sn).
¥>(«)♦
4 --
3 --
2 ---------------------------- ,
i
i -- ¡
i
------------- 1------------- h -
2.5 5 s
Figura 27. Correspondencia semicontinua superiormente
T eorem a 14. ( C aracteriza ció n de la se m ic o n tin u id a d sup erio r)

La correspondencia ip : S —> T es semicontinua superiormente sobre S si, y
sólo si, su gráfico
graf (p = {(s, t ) e S x T \ t e <¿?(s)}

es cerrado en S x T .20
D em ostración.
a) Sean s G S, sn -> s, tn -» t con tn € <p{sn)\ entonces (sn jtn) —> (s ,t). Y,
como graf ip es cerrado, entonces (s , t) € graf (p. Luego t € y?(s) y, así, 0 es
semicontinua superiormente.
20 S x T es el producto cartesiano de 5 y T (volumen 0 (Fundamentos)).
b) Sean s € S, sn -» s, tn —►t con tn € <p(sn). Entonces, como («)
Figura 28. Una correspondencia ip(s) con graf «2+ !)

Veamos que esta correspondencia es semicontinua superiormente mostrando
que graf (p es cerrado.
Solución.
Sea {(sn,¿n)} una sucesión en g ra f (s,t). Veamos que
(5 , ¿) e graf (p. En efecto,
lím sz, < lím tn < lím sz, + 1
n-> oo n —>00 n—¥oo
es decir,
s2 < t < S2 4- 1
Así que t e <p(s) y, por lo tanto, (5 , t) € <p. Luego, graf <p es cerrado y, por el
teorema 14, es semicontinua superiormente. A
Ahora: dado s E S, uno puede estar interesado en caracterizar los elementos

<p{s) C T que maximizan cierta función continua / : S x T —>■R; y también
puede estar interesado en conocer el comportamiento de la correspondencia
de valores máximos, A¿(s), de /(•) sobre <p(s). Una respuesta a estas dos pre
guntas está dada por el siguiente resultado muy importante en el análisis de
corresp ondencias:
Teorema 15. (Teorem a del m áxim o (B erge (1 9 5 9 )))21

Sean S , T C Rn conjuntos no vacíos; si f : S x T —►R es una función continua
y ip : S —> V (T ) es una correspondencia continua en s G S, entonces:
a) / * : S —» R, definida por f* (s) = m á x { f( s ,t) \ t G <p(s)} es continua en

S.
b) fi : S -» V (T ), s —►f.i(s) = arg m á x { /(s,í) | t G <¿>(s)} es semi continua

superiormente.
Demostración.
a) S ea { s n } C S ta l q u e sn —> s € S, y p ro b e m o s q u e f* (sn) —>• f*(s).
i) P u e s to q u e / ( • , •) es c o n tin u a , e n to n c e s p a r a to d o t G tp(s) fijo, se tie n e

que f ( s n,t) -► f( s ,t) .
ii) Como (p : S -» V (T ) es semicontinua inferiormente, entonces para
cada t € <p(s) fijo, existe una sucesión tn G <p(Sn) tal que tn -> t.
Ahora: dada la definición de /*(•), existen sucesiones {en} y {¿m}j
ambas tendiendo a 0 , tales que
/ ( M ) < f* (s) < f ( s , t n) + en
f ( sm ¿) — / (s n) 5: f ( s n j t n ) + Sn
P o r t a n to ,
f{ s n,t) - f { s , t n) - en < f* (sn) - f* (s) < f{ s n, t n) - f{ s ,t) + 6n
E l r e s u lta d o se o b tie n e d e i) y ii) c u a n d o h a c e m o s n - » oo.
b) N o te m o s, e n p rim e r lu g a r, q u e
fi(s) = {t G </>(s) / /( s , t) = /*(«)}
S ea sn —>• s c o n { s n } C 5 , s G T , y p,n —> c o n p,n G A¿(sn ), y p ro b e m o s

q u e Ji G / / ( s ) . E n e fe c to , c o m o /2„ G <¿>(sn ) y / ( s n ,/2n ) = / * ( s n ), e n to n c e s ,
p u e s to q u e /* ( • ) es c o n tin u a , se t e n d r á q u e f ( s n,p,n) —» / * ( s ) ; y c o m o
ta m b ié n /(♦ ,♦ ) es c o n tin u a , e n to n c e s f ( s n ifln) —> f( s ,fi). P o r lo ta n to ,
/(s ,/¿ ) = f*{s) y d e a q u í G / i ( s ) , p u e s p, G <p(s) d e b id o a q u e <¿?(-) es
s e m ic o n tin u a s u p e r io rm e n te .
21 Berge, óp. cit.

E jem plo 34.

Corroboremos el teorema del máximo en el caso en que S, T = R, (p(s) = [—2 , 2]
para todo s G R, y f( s ,t) = s t:
a) /* : R —>R, definida por
f* (s) = má x { s t / t G [-2,2]} = 2|s|

es continua en R.
b) /i : R -¥ R, definida por
si s
fi(s) = arg máx{ st / 1 € [—2,2]} = 2,2] si s= 0
si s < 0
es semicontinua superiormente.
Ejercicios 7
1. En cada uno de los siguientes casos, determine si la correspondencia es
semicontinua superior, semicontinua inferior o continua:
a) <t> : [0,1] -> [0,1] b) ¿ : [ - l , l ] ->‘[0,1]

s -> [0,5] s (0, s2]
c) (j>: [—2,0] —> [—2,4] d) <j) : [—2, —1] -» [0; —1]

5 -» {5 ,s2}
e) <j) : [0,1] —y [0,1] definida por
[Indicación: Un dibujo ayudaría en cada caso].

2. Adicione condiciones suficientes (si son necesarias) para que la siguiente
afirmación sea teorema: “Si / es una función continua en el punto s, y <p
es semicontinua superiormente (semicontinua inferiormente) en el punto
f( s ) entonces ip = ip o / es semicontinua superiormente (semicontinua
inferiormente)”.
3. Falso o verdadero: “Si ^ : S —» T es semicontinua superiormente y C C S

es compacto, entonces = {í € T / t G ip(c) para algún c G C } es
compacto en T ”.
4. Defina si es posible aplicar el teorema del máximo en los siguientes casos

y, en caso de que sea así, llévelo a cabo:
a) (¡>: [0,1] —y [0,1] definida por (¡>(s) = [0,5], y f ( s , t) = s2t.

b) <j> : [0,1] —> [0,1] definida por
y donde f( s .t ) = -— ------.
J ’ 1 1 +s+t
8. Teoremas de punto fijo

Los teoremas de punto fijo son herramientas que están profundamente enrai
zadas en la naturaleza topològica y algebraica de Rn. Establecen, de hecho,
interrelaciones entre las nociones de convexidad y continuidad, y ayudan a re
ducir, en cierta medida, los comportamientos no lineales a descripciones lineales
del problema en estudio.
Aunque ya en la lección 1 del volumen 3 (Cálculo) hicimos la primera aproxi
mación al concepto de punto fijo y a su naturaleza topològica, solo hasta ahora,
que hemos reunido un acervo suficiente de conocimientos, es posible entender
a plenitud uno de los principales resultados.
Teorema 16. (Teorem a de p u n to fijo de B rou w er (1912))

Supongamos que S es un subconjunto no vacío, compacto y convexo en Rn. Si
(x*) = x* (figura 29).
Demostración.
La difícil prueba de este teorema requiere conceptos y nociones de la topología
algebraica, que están más allá de los objetivos de este texto. Para el lector
interesado le sugerimos consultar H. Nikaido (1968). 22 ■
Ejemplo 35. (Ejem plos de puntos fijos)
a) Sea / : [0,1] —> [0,1] definida por f( x ) = x 2. Entonces los puntos fijos
se hallan resolviendo la ecuación x 2 = x que nos lleva a dos puntos fijos:
x* = 0 ,x * = 1 .
22 Nikaido, H. (1968), Convex Structures and Economie Theory, New York: Academic
Press.
y y —x
i
y = f(x)
X 1 X
Figura 29. Teorema de punto fijo de Brouwer.
b) Sea A 2 el simplex unitario en R2, es decir, A 2 = { ( x \,x 2 ) € R2 / xi +

X2 = 1 } (que es un conjunto no vacío, compacto y convexo), y definamos
/ : A 2 -> A 2 mediante
que es una función continua. Los puntos fijos aparecen al resolver la igualdad
la que nos lleva a
o a (x i )2 = x i, X1 X2 = 0 . Y así, los puntos fijos son todos los puntos de la

forma (0 ,# 2) para x 2 € [0 , 1], y el punto aislado ( 1 , 0 ).
El siguiente teorema clásico de puntos fijos es el teorema de Kakutani, que

ahora se aplica a correspondencias en lugar de aplicarse a funciones. Como se
verá adelante, este teorema es, de hecho, equivalente al teorema de punto fijo
de Brouwer.
T eo rem a 17. (T eo rem a de p u n to fijo de K a k u ta n i (1 9 4 1 ))

Sea (p : S -> 'P(S), con S un subconjunto no vacío, compacto y convexo de
Rn. Si <p es una correspondencia semicontinua superiormente tal que para todo
s € S, (p(s) es convexo (y no vacío), entonces ip(-) tiene al menos un p u n to
fijo , es decir, existe s* £ S tal que s* 6 <p(s*) (figura 29).
Figura 30. Teorema del punto fijo de Kakutani.
Demostración.
Como S es compacto, dado e > 0 podemos construir una colección de m € bolas
abiertas de radio e, con a\ £ S, y tales que (volumen 2 (Cálculo),
lección 1)
me
i= 1
Con esto, definimos la función (pe : S —> S mediante la fórmula

mt
<p'{x) = ^ 2 wi(x ) bi
¿=i
donde b\ G <p(a*) es fijo, y w \(x) está dado por la fórmula
m áx{e- \ \ x - a \ [|, 0 }
w\{x) =
E ^ i m áx( €- II x ~ aj II» °>
Esta función satisface las condiciones del teorema de punto fijo de Brouwer
(teorema 16) y, por lo tanto, existe un x e G S tal que <pe(xe) = x €. Ahora: como
S es compacto, podemos asumir que el conjunto de puntos fijos {xe} tiene una
subsucesión convergente {xtn}(volumen 2 (Cálculo), lección 1). Sea i G S s u
límite cuando n —> oo, y probemos que x € <p(x) mostrando que dist{x, <p(x)} =
0. Para hacerlo, definamos el conjunto = (p(x) — B¿(0 ) que es un conjunto
abierto que contiene al conjunto <p(x), y probemos que x G $ 2<5 para todo
^ > 0, pues esto, inmediatamente, nos conduce al objetivo requerido. En efecto:
como <¿?(-) es semicontinua superiormente, entonces podemos encontrar una
bola abierta B e(x) tal que ip(Bt (x)) C Por lo tanto, para n grande se
tendrá que si w\n (x€n) > 0 ,
IK " ~ *11 á || a-” - x Cn || + || i e„ - i ||< | | = e
Así, a-n G B e(x) si w¡n(x€n) > 0, y esto implica que b\n G <p(Be(x)) C
Además, como
y $<$ es convexo, se tendrá que x €n G Haciendo n tender a infinito tendremos

que
x G $25
para todo 5, y esto finaliza la prueba.
■
Con la demostración del teorema 17, notamos que el teorema de Brouwer

implica el teorema de Kakutani; y es claro que el teorema de Brouwer es un
caso especial del teorema de Kakutani. Por lo tanto, podemos afirmar que:
C orolario 2.
Los teoremas de punto fijo de Brouwer y Kakutani son equivalentes.
E jem plo 36. (M ás ejem plos de puntos fijos)
a) Sea ip : [0,1] —►^([0,1]) definida por ip(x) = [0, x 2]. Esta correspondencia
satisface las condiciones del teorema de punto fijo de Kakutani (¿por qué
es <p semicontinua superiormente?). Por lo tanto, existe x* G [0,1] tal que
x* G <p(x*) = [0, (x*)2]. En efecto, x* = 0 y x* = 1 satisfacen esta condición.
b) Sea (p : [0,1] -» ^ ([ 0 , 1]) definida por (p(x) = [0, Esta correspondencia

también satisface las condiciones del teorema de Kakutani (¿por qué?). Para
hallar los puntos fijos, recurrimos a la condición x* G (p(x*) = [0, -*-5 -}, y
arribamos a que x* = 0 .
c) Sea tp : [0,1] —> P ([0 ,1]) definida por (p(x) = [0,2x2 — | x 3 — \ x A + ¿ ] .

También esta correspondencia satisface las condiciones del teorema de Ka
kutani, y los puntos fijos están determinados mediante la condición
*’ € [ 0 , 2 (z*)2 - ? ( z * ) 3 - ^ + 1 ]
es decir, todos los puntos x*de la unión de intervalos [0,0.13] U [0.56,0.91].

a) A p lic a c io n e s d e lo s te o r e m a s d e p u n to fijo
Son numerosas las aplicaciones de los teoremas de punto fijo. Aquí sólo pre
sentamos dos, para mostrar la potencia de estas herramientas: el teorema del
minimax y el teorema de Perron-Frobenius. En ellas únicamente señalaremos
pautas de demostración, dejando al lector el trabajo de completar los detalles.
a) Aunque el teorema minimax fue demostrado anteriormente utilizando el
teorema de separación de Minkowski (teorema 12), no debería sorprender que
sea posible probarlo utilizando el teorema de punto fijo de Kakutani:
■ Defina K (p,q) = qApT para A = [a¿j]mxn, p en el símplex unitario de

Rn, y q en el simplex unitario de R m] y luego defina las correspondencias
<p(q) = arg máx K (p, q), ip(p) = arg máx K (p, q)

Q p
■ Defina la correspondencia
f(p ,q ) = v(q) * V»(p)
y establezca que su dominio y su rango es A n x Am.
■ Pruebe que esta correspondencia satisface las hipótesis del teorema de

punto fijo de Kakutani.
■ Por tanto, existen p* y q* tales que (p*,q*) £ y(q*) x V>(V*)• Es decir,
P* 6 <p(q*), q* e i¡>(p*)
Así, K(p,q*) alcanza un máximo en p*, y K(p*,q) alcanza un mínimo

en q*. Por consiguiente, (p*,q*) es un punto que satisface
máx mín qApT — mín máx qApT

p q q p
b) También es posible demostrar el teorema de Frobenius (1902) (o, más pre

cisamente, de Perron-Frobenius (Perron (1907))) que se había discutido en la
lección 7 del volumen 1 (Álgebra lineal):
Teorema 18. (T eorem a de P erro n (1 9 0 7 )-Frobenius (1903))

Sea A una matriz cuadrada n x n no negativa (no nula). Entonces, la matriz A
tiene algún valor propio no negativo (y no todos cero). Y, con el máximo valor
propio, está asociado un vector propio cuyas componentes son no negativas (y
no todas cero).
Estas son las pautas para su demostración (Nikaido (1968)):

■ Sea L(A ) = {/í 6 R / A x > ¡ix para algún x > 0} y pruebe que L (A) ^ 0
y es acotado superiormente.
■ Sea A(A) = sup L(A). Pruebe que A(>1) > 0 y A(j4) e L(A ). Así, existe
algún x > 0 tal que A x > A(A)x.
■ Sea íl = { i e An/ A x > A(yl)x} donde An es el simplex unitario en Rn,

y establezcamos la función
f : íí —y Í7
definida por
/( * ) = , , n . 1 „ - (In + A)x
1 + 2 ^ i J = l a i3 x 3
donde A = [a¿j], x — (X j).

¿Por qué está bien definida esta función? [Indicación: Pruebe que A f( x ) >
A(A )f(x)].
■ Pruebe que Cl es compacto y convexo en Rn.
■ Pruebe que /(•) es continua.
■ Aplique el teorema de punto fijo de Brouwer para garantizar la existencia

de un x* 6 Q tal que f{x*) = x*; es decir
1 ~ ( I n + A)x* = x '
Pruebe que
[53 ai3x j Ix* - Ax*
y que
A(A) = 2 2 a» xJ
i,j = 1
Ejem plo 37.

a) La matriz ^ ^ ene como valores propios Ai = 1 , A2 = 6 . Así, A(>1) = 6 ,
y un vector propio
p: asociado a este valor propio es [4,1].
'1 2 01
b) La matriz 2 2 2 tiene como valores propios Ai = —1 , A2 = 2 , A3 = 5.
0 2 3
Así A(Á) — 5, y un correspondiente vector propio es [1,2,2].

c) La matriz J tiene como valores propios Ai = A2 = 0. Así, A(^4) = 0, y
un correspondiente vector propio es [1,0].
Ejercicios 8
1. ¿Podemos aplicar el teorema de punto fijo de Kakutani en alguno de los
casos del ejercicio 1, Ejercicios 7? Explique.
2. ¿Podemos aplicar el teorema del máximo en alguno de los casos del ejercicio
1, Ejercicios 7? Especifique.
A mediados del siglo XIX los economistas compartían, en general, una misma
perspectiva sobre la teoría del valor y la distribución. El valor de un saco de
maíz, por ejemplo, se creía que estaba determinado por los costos implicados
en producir ese bushel; y el producto de una economía se distribuía entre los
diferentes grupos sociales de acuerdo con los costos implicados por estos grupos
en producir ese producto. Esta era, vagamente, la teoría clásica desarrollada
por Adam Smith, David Ricardo, Thomas Robert Malthus, John Stuart Mili
y Karl Marx.
Pero algunos percibían dificultades con esta aproximación. Una de estas era
que los precios en el mercado no necesariamente reflejaban el valor, ya que
las personas, a menudo, estaban dispuestas a pagar más de lo que un objeto
valía. Las teorías clásicas que asociaban el valor como una propiedad inherente
de un objeto, gradualmente abrieron camino a una perspectiva en la cual el
valor estaba asociado con la relación entre el objeto y la persona que tiene
el objeto. Varios economistas entre los años de 1870 y los de 1880 (William
S. Jevons y Francis Edgeworth en Inglaterra, Léon Walras en Suiza e Irving
Fislier en Estados Unidos) comenzaron a basar el valor en la relación entre
costos de producción y elementos subjetivos como la oferta y la demanda. En
marcado dentro de la revolución marginalista y el individualismo metodológico
en economía (volumen 2, lección 3), a tal desarrollo se le denominó economía
neoclásica, término acuñado, al parecer, por Thorstein Veblen en su The Place
of Science in Modem Civilization and other Essays de 1919.
En este escenario, la economía neoclásica se acostumbraba describir así:
Toda economía se compone de individuos de dos tipos: consumidores y pro
ductores.
a) Los consumidores tratan de maximizar su satisfacción (utilidad) de consu

mir bienes y servicios, y lo hacen aumentando las compras de cada bien
hasta que lo que ganan por una unidad adicional de algún bien sea equipa
rada con lo que tendría que entregar por obtenerla. De forma similar, los
individuos ofrecen mano de obra a las firmas que quieren emplearlos de tal
modo que equiparan las ganancias de ofrecer una unidad marginal de sus
servicios (e.d. el salario que recibirían) con la “desutilidad” de la mano de
obra misma (posibilidades de ocio). Así, los individuos eligen de acuerdo
con la noción de marginalidad, y esto produce una teoría de demanda de
bienes y oferta de mano de obra.
b) En forma similar, los productores intentan producir las unidades de un bien
de tal forma que el costo de producir una unidad marginal sea equiparado
al rendimiento que genera, y así se maximizan sus beneficios. Las firmas
también* contratan empleados de tal modo que el costo de un contrato adi

cional sea equiparado con el valor del producto que ese empleado adicional
produciría.
A teorías basadas en estas hipótesis se les llama teorías neoclásicas. Así, en

definitiva, para la economía neoclásica, el sistema económico es un campo
de mecánica racional: los agentes son los átomos; la función objetivo es la
función de energía’, y el objetivo es la optimización de la energía. Atomicidad,
funciones objetivo y, sobre todo, optimización, son las características centrales
de la teoría neoclásica. Así, ligada a una ciencia exitosa, como la Física, la
economía neoclásica ha buscado hacer de la Economía una ciencia también.
Que lo haya logrado es un tema aún de debate.
a) C o m p o r ta m ie n to e c o n ó m ic o ra cio n a l sin in tera ccio n es: a l

g u n o s ejem p lo s
La división metodológica neoclásica de una economía entre productores y con
sumidores condujo, por tanto, a un análisis detallado de cada uno de estos
sectores separadamente, y, en particular, de cada firma o consumidor aislada
mente; es decir, no existe interacción, ni entre procesos productivos, ni entre
consumidores, ni entre productores y consumidores: los agentes de estos secto
res económicos operan paramétricamente a través de señales del mercado tales
como los precios, y no existe ninguna interacción entre ellos que afecte sus
decisiones económicas. Veamos esto con cierto detalle.
i) C om portam iento del productor racional (I): m ínim os costos

Ya sabíamos (volumen 2 (Cálculo)) que una de las formas de modelar el com
portamiento de los productores en teoría económica es por medio del problema
de mínimos costos:
sujeta a f ( x , y) > y0
x >0
y> o
donde w i,w 2 > 0 son los precios de los insumos x y y respectivamente (que
son dados por el mercado); yo > 0 fijo es la producción mínima requerida en el
período económico; y f ( x ,y ) es una función de producción (o tecnología) que
relaciona las cantidades de los insumos x y y con una cantidad de producción
definida por la función / : R+ E (figura 31).
Para asegurar la existencia de una solución a este tipo de problema de produc

ción, sólo necesitaríamos que el conjunto
s = {(x,t/) e R+ / f ( x , y ) > yo}
fuera compacto (teorema 1), ya que la función objetivo es lineal y, por tanto,
continua. Pero el conjunto S no es compacto, y por eso recurrimos a un “truco”:
primero, definimos un conjunto S f C 5, que sí sea compacto y que mantenga la
esencia del problema económico: sea ( x \ y') £ R+ cualquiera, pero fijo; el costo
mínimo buscado w\x* + W2 y* debe ser entonces menor o igual a w \x ’ 4- w2 yf.
Si restringimos la atención al conjunto compacto (figura 31)
5' = {(x, i/) € R2+ | / ( z , y) > ?/o, w i x + w 2y < wix* + w 2y'}
notamos que podemos utilizarlo como conjunto compacto para que el problema
del productor, ahora sí, tenga solución. Si la función de producción es cuasi-
cóncava estricta, entonces, podemos utilizar el teorema 2 de esta lección para
asegurar que la solución (x*,y*) al problema del productor es única.
De otro lado, notemos que si /(•, •) es diferenciable con continuidad en R^_, el
problema cumple con las condiciones del teorema 5, así que las soluciones de
las condiciones de primer orden de Kuhn-Tucker son también las soluciones del
problema del productor. Estas condiciones de primer orden son:
(¡) f ( x , y ) > yo
Además, por el teorema de la envolvente (teorema 6), tenemos que, en este con
texto, —A mide el cambio en los costos óptimos cuando se varía la producción
mínima requerida; esto es, —A es el costo marginal.
Ejemplo 38. (M ínim os costos con tecnología C obb-Douglas)
Minimizar w \x + W2y
sujeta a x ay0 > yo
x >0
y >o
donde w i,w 2 ,a ,fi > 0 ; yo > 0 fijo.
ra„/3 _ «
Figura 32. Mínimos costos con tecnología Cobb-Douglas.
Solución.
Las condiciones de primer orden del problema del productor son
i) —w\ — XaxQ~ly& < 0; —W2 — X(3xQy0 ~ 1 < 0; x ay0 > yo
ii) x ( - wi — Xq i q_1/ ) = 0; y (-W 2 — Xpxay&~1) = 0
A (xQy0 - y 0) = 0
Analizamos solo el caso x > 0, y > 0 (¿por qué?): Si x > 0, y > 0, entonces,
de (ii), A = ------ W\ —o = ~
—Ñ — — ■~~~2n—r / 0, lo que implica y = —
' a x a~ly0
Q~^yP (3xQyP~l M 1 w\
entonces, nuevamente de ii),
o + /3 _ i_
x = (- ^ \' vS+0
\ 0 w2 /
Por consiguiente, las demandas de factores y el costo marginal son
\Q W 2
_
W\ f a w 2\ & ^Q+/9
ay0 \ P w i ) Voo
Así, el productor produce exactamente yo, y el costo mínimo de producir al
menos esa cantidad es
C(w l M o) = L (f +^2( ^ ) ‘ 2/0
A C(w \,W 2 ,yo) se le conoce como la función de costos de la tecnología Cobb-

Douglas. Notemos que el problema del productor tiene solución, independien
temente del tipo de rendimientos a escala que presente la función de produc
ción. ▲
Ejem plo 39. (M ínim os costos con tecnología lineal)

En el problema de mínimos costos
Minimizar W\x+W2 y
sujeta a a x -f Py > yo
x > 0
y >o
donde w i,w 2 , a ,(3 > 0; yo > 0 fijo, las condiciones de primer orden del proble
ma del productor son
i) —w\ —Aa < 0; —w2 —A/5 < 0; a x + fiy > yo
ii) x (—w\ —Aa) = 0; y ( - w 2 - A/?) = 0; A (ax + Py - yo) = 0
Analizamos tres casos:
W\ W2
a) Si x > 0, y > 0, entonces, de ii), A = ------^ O y A = - — ^ 0 , lo cual
a p
solo se cumple si % = — (caso muy particular). Si se tiene esta última
P w2
igualdad, entonces A* < 0, y de (ii) debe tenerse ax* + py* = yo. Por lo
tanto, cualquier combinación de x, y que satisfaga la restricción también
satisface todas las condiciones.
b) Si x > 0, y = 0, entonces, de ii), A = —— / 0 y x* = - . Para que se
W\a a a
cumpla la condición i) debe tenerse que — < —, y en este caso,
w2 p
c) Si x = O, y > O, entonces de ii), A = —y ^ O y y* = Para que se
cumpla la condición (i), debe tenerse que % < — , en cuyo caso,

P w2
x* = 0,
Así, la producción óptima es yo, y la Junción de costos de la tecnología lineal

es
W2 . a ^ w\
- 5- 2/0 si - < —
p (3 w2
C (w i,w 2 ,yo) =
W 1 . Q W\
— yo si - > —
a p w2
Las demandas óptimas son las correspondencias
. a w\
'o si - < —
(3 w2
. a w\
x*(w\,W 2 ,yo) = si — = —
[» •a p tü2
yo . a w\
si - > —
a P W2
yo . a w\
si - < —
P P w2
. a w\
y*(w\,W2 ,yo) = si — = —
[»•?] P
. a w\
si - > —
P
(figura 33), y el costo marginal es
f W2 . a ^ w\
— si -0 ^ —
p W2
—A* =
w1 . a w\
— si - >
a p W2
Figura 33. Solución gráfica del problema del productor con tecno
logía lineal. En el panel a): | En el panel b): j
Ejem plo 40. (M ínim os costos con tecnología CES)

En el problema de mínimos costos
Minimizar w\x+v)2y
sujeta a [axp -I- /3yp]p > yo
x >0
y> 0
donde w i1 iV2 ,ct,fi > 0 ; yo > 0 fijo, —oo yo
(ii) x w\ —Xa [axp -I- Pyp]~ ^ xp_1) = 0 ;

y ( - w 2 ~ X{3 [axp 4- 0 y p}~ ^ 2/p_1) = 0 ;
A {[axp 4- Pyp)~p - yo) = 0
Analizamos tres casos:
1. Si x > 0 , y > 0 , entonces de (ii),
A = ------------ “ t ^£----- = ------------ -------------^ 0

a [axp 4- (3yp] p x p~l [axp 4- fiyp) ? yp~1
de lo cual resulta que
y utilizando nuevamente (ii), obtenemos que
yo
lo cual es equivalente a
i 1 / i p i p \~p
x* = ot p - 'w f- 1 í oc p~1 Wi~1 +(3 p~1 W2 ~ 1 J yo
y* = P~pz i W2 ~1 ^ a ' p ^ W i ' 1 + yo
y cuyo costo es
C ( w i , w 2,yo) =
2. Si x > 0, y = 0, entonces de (ii), A = —- y 7é 0 y i = -^y. Así, x* =

olp o ? q Tp
W\
y* = 0, A* = ---- j-, que cumple todas las condiciones, y cuyo costo es
o¿p
rit \ w iVo
C(w\,W 2 ,yo) = — —•
Ol p
3. Si x = 0, y > 0, entonces de (ii), A = —^ j ^ O y y = Así, x* = 0,

pp @p
y* = A* = — que cumple todas las condiciones, y cuyo costo es
pp pp
^ w2yo
C (w i,w 2 ,yo) = — —
p-p
La función de costos de la tecnología CES es
[(= ? )* + (£ )* ]“ » si p < 0
C ( w u w 2ly0) = 0

m '«
1
p> 0
C*)‘ » - 5 2 (i)!
a) b) c)
Figura 34. Solución gráfica del problema del productor con tecno-
logia CES. En el panel a): ( f ) ' > En el panel b): ' < {£.
En el panel c): ( f ) J = g .
y las demandas óptimas son
___L_ 4r / ___L_ -^T ___L_

a p~l wÇ ía p -'w { + p~l W2 ) yo, p< 0
x*(w i,w 2 i yo) = 4 *-<(§)* p > o

aï W ,
o si ^ > ( ? y p> o
w2 \P J
—f i -fi- i - e- \ ~
1 í Q P-iWi 1 + P P~l W¡ 1 J yo, p< o
y*(wl i w2 ,yo) = si p> 0

W2 \P J ,
yo si p> o
w2 \P J
n) C om portam iento del productor racional (II): m áxim os benefi

cios
Otro mecanismo muy utilizado para modelar el comportamiento del productor

racional es el supuesto de que maximiza beneficios, es decir, se asume que el
productor resuelve el problema
Maximizar p y - w \x - w2y
sujeta a y = f ( x, y)
x > o
y >0
donde y > 0 es el total de la producción, p > 0 es el precio de venta del

bien, w i,w 2 > 0 son los precios de los insumos utilizados en la producción y
f ( x ,y ) es la función de producción (o tecnología). Notemos que este problema
es equivalente al problema
Maximizar P f{x ,y ) - w i x - w2y

sujeta a x > 0
y >o
Por un “truco” similar al utilizado anteriormente, podemos concentrar nues

tra atención en un subconjunto compacto del conjunto restricción; y si /( x , y)
es continua, entonces el problema tendrá solución. Además, si /(x ,j/) es es
trictamente cuasicóncava, entonces, por el teorema 2, la solución será única.
Por último, si suponemos que f ( x ,y ) es diferenciable con continuidad en R+,
entonces el problema cumple con las condiciones del teorema 5, y podemos
encontrar la solución entre las soluciones de las condiciones de primer orden:
3/ ** - n p—df - w 2 = 0.
p a í - u’i = 0 ’ oy
Figura 35. Solución gráfica del problema del productor que maxi-
miza beneficios. En el panel a) la función de producción dado el
valor y del insumo y. En el panel b) las curvas isobeneficio. En
el panel c) el punto óptimo, donde el ingreso marginal es igual al
costo marginal.
Es usual analizar este problema gráficamente utilizando una figura que relacio
ne el nivel de producción y y uno de los insumos x 6 y. Para ello, suponemos
dado el nivel del otro insumo, por ejemplo y = y, y dibujamos la función de
producción f ( x ,y ) en el plano (x,y), donde y = f ( x ,y ) (figura 35a). Así mis
mo, se pueden dibujar las diferentes combinaciones de producción y e insumo
x , dado y , que obtienen el mismo nivel II de beneficios. A estas combinaciones
las denominamos curvas de isobeneficios, y están dadas por la ecuación
II w\ W2 .
y = ---- I----- x H------y
P P P
como se muestra en la figura 35b. Vemos que la curva de isobeneficio más alta
se alcanza en el punto donde ésta es tangente a la función de producción; es
decir, donde
wi _ d f
p dx
que es la tradicional condición de igualdad entre ingreso marginal (valor del
producto marginal) y el costo marginal.
E jem plo 41. (M áxim os beneficios con tecnología tip o C obb-Douglas)
El problema de hacer máximos los beneficios, en este caso, se puede plantear

así: dados Q1 /3ip yw i,w 2 > 0, a + £ < l ,
Maximizar p f( x ,y ) — w \x — w2y
sujeta a /( x , y) = x Qy0
x > 0
y> 0
Solución.
Las condiciones de primer orden para maximizar los beneficios con tecnología
Cobb-Douglas son
pctxQ~l y0 = w \, p/3xay0 ~ 1 = W2
de lo cual obtenemos que

wi (3
y = ----
W 2 Oí
x
Reemplazando en las condiciones de primer orden, encontramos las funciones

de demanda de factores:
con función de oferta
y función de beneficios
n(p,u>i,u>2) = ( i - q -/3 )p o+^ -1 ( ~ ) ° +^ 1 (jfj
¿Por qué debemos asumir en este problema que a+¡3 < 1? Así, los rendimientos
de la tecnología Cobb-Douglas deben ser constantes o crecientes a escala. ¿Qué
sucede si a + /? > 1? A
Ejem plo 42. (M áxim os beneficios con tecnología tip o lineal)

Dados a , ¡3, p, u/i, > 0,
Maximizar p f( x , y) - w \x - w2y
sujeta a a x + ¡3y = f( x ,y )
x > 0
y> o
Solución.
El problema de optimización del productor es equivalente a
Maximizar p (a x + (3y) — w \x —w2y

sujeta a x > 0
y > 0
cuya función objetivo es creciente en x si p a > wi, y en y si p¡3 > w2. Así, las
correspondencias de demanda de factores son
la correspondencia de oferta es
oo si p a > w i, ó , pP > W2
( [0,oo] si p q — W\ , y , pP = w2
O si p a < u/i, y , p(3 <
y la correspondencia de beneficios es
( oo si pa > w \ , ó, p p > W2
0, ó, oo si pg = W \, y , p f i = W2
O si p a < w i, y , p P < W2 A
E jem plo 43. (M áxim os beneficios con tecnología tip o CES)

Dados a , P, p, p, w \, W2 > O,
Maximizar p f( x ,y ) — W \x—W2y
sujeta a (a xp + Pyp)? = f( x , y)
x >O
y >O
Solución.
En este caso, las condiciones de primer orden del problema del productor son
pa (a xp + Pyp)~ ^ x p~l = w i, pP (a xp + Pyp) ^ yp~l = W2
de lo cual obtenemos
o
Dado que la función de producción es homogénea de grado 1 y, por tanto, tiene

rendimientos constantes a escala, la función de beneficios es 23
n ( p , w u w2) = O
y, así, la escala de operación es indeterminada, de tal forma que las demandas

de factores también son indeterminadas (excepto por la relación entre factores
expuesta en (*)). A
Utilizamos el teorema de Euler (volumen 2, lección 2), que afirma que toda función
homogénea /(x , y) de grado a satisface
af(x,y) = ^ +^ y
n i) C om portam iento del consum idor racional: el problem a de la

m áxim a utilidad
Como advertimos antes en esta misma sección, al modelar el comportamiento
del consumidor nos basamos en la idea de que este busca su máxima utilidad
restringido a su asignación presupuestal, asumiendo que el resto de la economía
opera paramétricamente con respecto a él (o ella), y que solo recibe señales de
precios como mensajeros de información de las actividades de los otros agentes.
Desde esta visión, nuestro consumidor enfrenta el problema
Maximizar u(x> y)
sujeta a p \x 4- p2y < M
x >0
y> 0
donde p\ > 0 es el precio por unidad del bien x\ p2 > 0 es el precio por
unidad del bien y } y ambos precios están dados; M > 0 es su presupuesto;
y u (x,y) es la función de utilidad que relaciona el consumo de i y y con el
nivel de satisfacción del individuo (figura 36). Para asegurar la existencia de
una solución al problema, por el teorema 1 basta que la función de utilidad sea
continua, ya que el conjunto S — {(x,y) G R+ | p \x 4- p2y < M ] es compacto.
Si, además, la función de utilidad es cuasicóncava estricta, por el teorema 2
podemos asegurar que dicha solución es única, puesto que el conjunto
S = {(x,y) G R+ | p \x + p2y < M }
es convexo. Si la función de utilidad es, además, diferenciable con continuidad

en R^_, entonces se cumplen las condiciones del teorema 5 y, así, la solución al
problema estará entre las condiciones de primer orden
du du
i) + Api < 0; 0 ^ + -*P2 <O; p ix + p2y < M
ii) i ^ ^ + Ap!^=0; V ^ ^ + A p 2 ^ =0 ; \ ( M - p i x - p 2y) = 0
Por el teorema de la envolvente (previo al teorema 6), tenemos que, en este con
texto, A mide el cambio en la utilidad (óptima) cuando se varía el presupuesto
Ai; esto es, A es la utilidad marginal del presupuesto.
Ejemplo 44. (M áxim a utilidad tip o C obb-Douglas)

Maximizar x ay0
x >0
y > o
Figura 36. El problema del consumidor racional,
donde los parámetros p i,p 2 , M 1 a 1ß son todos positivos.
Solución.
Las condiciones de primer orden del problema del consumidor son
(i) a x a~ l yß + Api < 0; ß x Ctyf3~l 4- \ p 2 < 0; p \x + p¿y < M

(ii) x ( a x Q~l yß -f Api) = 0 ; y (ß x ayß~l + Áp2) = 0
A (M - p ix — P2y) = 0
Analizamos únicamente el caso x > 0, y > 0 (¿por qué?). De esta manera, de

(ü),
Qxa~ 1 v^ 3 x Qy^~^ .
A = —— -----— 7^ 0 y A = ——— - ---- 0
Pi P2
y así,
Pi ß
y = ------ X
P2 Oí
y nuevamente de (ii), obtenemos las funciones de demanda del consumidor
y nivel óptimo de utilidad
( aM Y ( pm y
u (x '{ p i,p 2 ,M ) ,y ’ (p i,p 2 ,M ))1■= 1 -
\ p i ( a + ß ) J \M < x + ß ) )
b) C a r a cterística s g en er a le s d e la s fu n c io n e s d e l p r o d u c to r y
co n su m id o r ra cio n a l sin in te r a c c io n e s
Las diversas funciones estudiadas en el literal anterior poseen ciertas caracterís
ticas estructurales que nos permiten distinguir claramente cuándo una función
cualquiera proviene (o no) del comportamiento racional de un productor o de
un consumidor. Veamos esto en cada uno de los casos que hemos estudiado.
i) C a ra c te rístic a s de la función beneficio de u n p ro d u c to r racio n al

La función de beneficio asigna el máximo nivel de beneficio de la firma para
cada nivel de precio del producto y los precios de los insumos (figura 37). El
primer estudio de la función de beneficios fue el trabajo pionero de Harold
Hotelling (1932)24.
T eorem a 19. (F unción de beneficio (H o tellin g (1 9 3 2 )))

Si la función n : R++ -* R, Y l(p,w\,w 2 ), resuelve el problema de optimización
del productor
Maximizar p f(x , y) — W\x — w2y

sujeta a x > 0
y > 0
donde p ,w i,w 2 > 0, y /(•»•) es una función de producción continua (arbitra

ria), entonces n(-,*,-) satisface:
a) n (p,iui,u/ 2) > 0 para todo p,u/i,tU2> es decir, las firmas nunca eligen tra
bajar con beneficios negativos.
b) Xl(p,w \,w 2 ) es no decreciente en p y no creciente en w\ y w2, es decir,

que aumentos en el precio del bien vendido nunca perjudica los beneficios
de la firma, y que aumentos en los precios de los insumos nunca mejoran
los beneficios óptimos.
c) n(V j-) es homogénea de grado 1 en (p, 0 /1, 102), es decir, que aumentos
proporcionales en todos los precios relevantes para la firma no afecta el
nivel de beneficio óptimo.
d) H (p,w \,w 2) es convexa en (p,u/i,tu2)-
D em o stració n .
Ejercicio complementario 34 al final de esta lección. ■
24 Hotelling, H. (1932), Edgeworth’s Taxation Paradox and the Nature of Demand and
Supply Functions, Journal of Political Economy, vol. 60, 577-616.
Figura 37. Típica función beneficio para un nivel de precios p dado.
E jem p lo 45.
Verifiquemos que la función de beneficio de la tecnología Cobb-Douglas
n(p,u>i,W2) = (1 —a —f})p ~ ñ T P -¡ 0 -)a+s~‘ ( y )“**-1

cumple con las propiedades del teorema anterior:
a) Aquí,
a n (p ,w u w2) / w 2\ ^ >Q
dp \ a / \ P /
dU{p,wuW2) = /w i\7rrhi-i í wA <Q

dw\ l a / \ P)
d U (p,w uw 2)
dw 2
b) Además, para t > 0,
rn.tr,.» „ < « ,) ( ' - f ') " u ( f‘ )
= t n ( p ,w i,w 2 )
c) Por último, es inmediato ver que la función es convexa, utilizando el teorema

4 de la lección 1.
Lección 2: Optimización estática 1C1
ii) C aracterísticas de la fu n ción de costos de un produ ctor racional
La función de costos (figura 38)y su análisis se debe al famoso texto Founda

tions of Economic Analysis de Paul A. Samuelson (1947);25 y también a los
trabajos de Ronald Shephard (1953). Veamos cuáles características la distin
guen.
Teorema 20. (Función de costos (Sam uelson (1 9 4 7 )))

Si la función C : R3++ —> R, C (wi,W 2 ,yo), resuelve el problema de optimización
del productor
sujeta a f ( x , y) > y0
x >0
y> 0
donde /(-,♦) es una función de producción, entonces satisface:
a) C (w \yW2 ,yo) es no decreciente en ivi,W2 ,yo-
b) C (w \,W 2 ,yo) es homogénea de grado 1 en (w \,w 2 ), para yo fijo.
c) C(w i,W 2 i yo) es cóncava en (W\,W2 ), para yo fijo.
D em ostración.
Ver ejercicio complementario 35.
Ejemplo 46.
Verifiquemos que la función de costos de la tecnología lineal (ejemplo 39)
W2 . a wi
— yo si - < —
P P w2
C (w \ , w2i yo) =
wi . a ^ wi
— yo si - > —
Q p W2
satisface las propiedades del teorema 20 anterior:
25 Samuelson, Paul A. (1947), Foundations of Economic Analysis, Cambridge: Harvard

University Press.
Figura 38. Función de costos para nivel de producción yo dado,
a) Si w[ > w \, entonces
W2 . Ct w\ rw 2 . cu ^ w\
~^yo si - < — — yo si - < —
P P w2 1/3 P W2
C(w'í i w2 ,yo) =
W\ . Q^ w\ w\ . a ^ wi
— yo si - > — — yo si - > —
Û P 11)2 a P w2
= C (w i,w 2 ,yo)
Y de forma similar si w'2 > W2 -
b) Además, para t > 0,
t W2 . Oí W\ w2 .a w1
¿— 2/0 si - < —
T yo s lJ - ñ 2 P P W2
C (tw ii tw 2 ,yo) =
tw \ . Oí ^ W\ wi . a wi
— yo si - > — ¿— y0 si - > —
a P w2 Q P W2
= t C ( w l i w2iy0)
c) Sean (rui,«^), (w ^w ^) € y A € [0,1]. Si se tiene que
w\ ^ a w[ a
W2 ~~ P ' w'2 ~~P
entonces
C (\w \ + (1 - X)w'1 ,\w 2 + (1 - A)u4>2/o) = ^ ^—^^2

a
= A— yo + (1 - A)— 2/0
a a
= \C (w u w2 yyo) + (1 - \)C (w [,w f2 yyo).
El caso con las desigualdades anteriores al revés es similar. Si
'OH. <£ <

W2 ~ ¡3 ~ W f2
entonces se tiene que

Xw\ + (1 —A)iüi a Xw\ + (1 — A)w[ a
\w2+ (1 —A)zí>2 — P* Aií72 + (1 — \)w2
' ~P
El primer caso implica que
C(\wi + (1 - X)w[,Xw2 + (1 - A)tí4 , 2/0) = *Wl + - — —^—^2/0
= AC(tui, tu2»2/o) + (1 - \)C(w[,w'2,yo).
El otro caso es similar.
m) Características de la función de dem anda de un consum idor

racional
Aquí observaremos las características que describen una función de demanda
cuando esta proviene del comportamiento racional de un consumidor (figura
39).
Teorema 21. (Función de dem anda)
Si las funciones (x,y) : R++ -» R+, (z(pi,p2> A/), 2/(pi,P2» M )), resuelven el
problema de optimización del consumidor
Maximizar U(x, y)
sujeta a p \x + p2 y < M
x > 0
2/>0
donde £/(•, •) es una función de utilidad continua, cuasicóncava estricta y cre

ciente en x y y, entonces:
a) x (p i,p 2 ,M ), y(pi,P 2 ,M ) son no crecientes en pi y P2 , respectivamente; y

no decrecientes en M .
b) x (p i,p 2 ,M ), y(pi,P 2 ,M ) son homogéneas de grado O en (pi1 p2 ,M ).
c) x (p i,p 2 ,M ), y(p i,p 2 ,M ) son cóncavas en M .
d) x (p iyp2 ,M ), y(pi,p2 ,M ) son continuas.
Demostración.
Ver ejercicio complementario 36. ■
Ejemplo 47. (Demandas de consumidor tipo Cobb-Douglas)

Las funciones de demanda de un consumidor con función de utilidad Cobb-
Douglas son
aM (3M
x*(pi,p2 ,M ) = y*(piip2 i M ) =
P i(a + p) ’ p2(a + 0)
Veamos que éstas satisfacen las condiciones del teorema anterior,
a) Calculando las derivadas parciales con respecto api,í>2 y M tenemos que
9 x*(pi,p2 ,M ) aM d y '( p u p2 ,M )
<0 = 0
dpi p j(a + P) dpi
dy’ (pi,P2,M ) PM dx*(pu p2 i M )
<0 = 0
dp2 p%(a + P) dp2
dx*(pi, p 2>M ) a dy*(Pi,P2,M ) P
>0 >0
dM P i(a + P) ÔM P2(<* + P)
x ’ ( \ p u Xp2 , \ M ) = Api(Q + /?) = x * (p i,p 2,M )
»*(Api, Apa, A M ) = Xp^ {+ p ) = y*(Pi.P2. M )
c) Ambas funciones son lineales en M y, por tanto, cóncavas.
d) Es claro que son continuas en (pi,P2 ,M ) G K++.
iv) Características de la función de utilidad indirecta de un consu

midor racional
A diferencia de la función de utilidad, la función de utilidad indirecta es muy
conveniente en la implementación economótrica, ya que esta dependerá, de pa
rámetros susceptibles de ser medidos a través de datos. Por esta sola razón
merece tener un estudio particular.
Teorema 22. (Función de utilidad indirecta)

Si la función v : R++ -> R% ,v(pi,p2 ,M ) — u (x(p i,p 2l M ), y(pi,p 2, M )) es
evaluada en las soluciones al problema de optimización del consumidor
Maximizar u(x, y)
x > 0
V> 0
donde £/(-,*) es una función de utilidad continua, cuasicóncava estricta y cre

ciente en x y y, entonces satisface:
i) v(pi,p2 , M ) es no creciente en p\ y en p2; y no decreciente en M .
ii) t>(pi,p2 ,AÍ) es homogénea de grado 0 en (pi,p 2 ,M ).
iii) u (p i,p 2 » ^ ) es cuasiconvexa en (pi,p2).
iv) v(pi,p2 ,M ) es continua.
D em ostración.
Ejercicio complementario 37. ■
Ejem plo 48.

Verifiquemos que la función de utilidad indirecta de la función de utilidad
Cobb-Douglas
( aM Y f PM
V(PUP2,M ) [M a + ^ J [ p2{a + p ) )
satisface las condiciones del teorema anterior:

i) Al derivar con respecto a p\ y p2 obtenemos:
dv(j>i,P2 ,M ) _ _ a _ / a tf \° / ¡3M Y
dpi P i \Pi(q + 0)J V P 2 ÍQ + / ? )/
dv(pu p 2,M ) = _ l_ í aM y Q
dP2 P2 \ P l(a + 0 )/ \ P 2(q + /3)/
ii) Además,
. ( M . A - « fe .« .« )
iii) La función de utilidad indirecta es una función cuasiconvexa en (pi,í>2 )

aplicando la definición 4 de la lección 1.
iv) Esta función es, claramente, continua en R%+.
c) C o m p o r ta m ie n to e c o n ó m ic o r a c io n a l sin in tera ccio n es:

tr a d ic ió n p a r e tia n a d e l m o d e lo w a lra sia n o
Después del trabajo pionero de Walras (Éléments d ’économie politique pu-
re(1874)) sobre el equilibrio general económico bajo competencia perfecta, y
antes del “modelo-síntesis” Arrow-Debreu, (1954); Debreu, (1959) que estudia
remos en la próxima lección, la teoría se bifurcó en dos grandes “escuelas”:
i) La primera, conocida como la “tradición alemana”, se dirigió, fundamen
talmente, al problema matemático de la existencia del equilibrio general
walrasiano. Esta línea, inspirada por el modelo Walras-Cassel aparecido
en el texto de Gustave Cassel de 1918 Theoretische Sozialókomie (volu
men 1 (Álgebra lineal), lección 4), continuó con los trabajos de Abraham
Wald (1936)26, Karl Schlesinger (1933)27, y John von Neumann (1932)28
26 Wald, A. (1936), On Some Systems of Equations of Mathematical Economics,
Econometrica (traducción de 1951).
27 Schlesinger, K. (1933), On the Production Equations of Economic Valué Theory, en
Baumol, W. y Goldfeld, S. (1968), Precursors in Mathematical Economics, London
School of Economics.
28 Von Neumann, J. (1932), A Model of General Economic Equilibrium, Review of Eco
nomic Studies, Traducción de 1946.
(volumen 1 (Álgebra lineal), lección 6). De hecho, la primera prueba

que se conoce sobre la existencia de un equilibrio competitivo, la obtuvo
precisamente Wald (1936,1951), aunque también von Neumann había al
canzado a mostrar la existencia de equilibrio en su modelo de crecimiento
de 1932.
ii) La segunda, conocida como la “tradición paretiana”, tuvo su inspiración

en el Manuel d ’Économie Politique (1906) de Pareto, quien fuera alumno
y sucesor de Walras en la Escuela de Laussane (Suiza). Este, aunque
reconocía la teoría pura formal (es decir, los Éléments) de Walras como
su principal fuente de inspiración, una y otra vez aseguraba que el resto
del trabajo de su maestro era “fútil metafísica”. Este tipo de afirmación
de Pareto haría que se sesgara el estudio de Walras sólo a la teoría pura,
dejando de lado sus trabajos en economía política aplicada y social, que
para él eran parte integral de su obra, pero que hoy están empezando a
tener un mejor reconocimiento.
Posteriormente John Hicks profundizaría en este concepto cuando afirmó

que si de estudiar el problema del equilibrio general planteado por Walras
se trataba, era mejor ir a Pareto o a Wicksell que al propio Walras. De
hecho, en el prólogo de Valué and Capital de 1939, Hicks aseguraba que
su propósito general era “examinar la teoría de Pareto y aplicar después
esta teoría del valor perfeccionada a aquellos problemas del capital que
estaban fuera del alcance de Wicksell a causa de la imperfección de los
instrumentos de que disponía”
Pareto y Hicks fueron, sin duda, los pioneros de una corriente muy influ
yente en el pensamiento económico del siglo XX: el estudio del concepto
de equilibrio general competitivo y su profunda relación con el problema
del bienestar económico. Sin embargo, en su propósito, no sólo limitaron
el pensamiento original walrasiano, sino que aplicaron y discutieron so
bre objetos de los que no tenían la seguridad de que existieran, pues, por
cualquiera que sea la razón, los problemas de existencia del equilibrio ge
neral competitivo nunca estuvieron en su agenda de investigación. Pareto
(Manuel, § 38), al igual que Walras, se contentaba con el argumento falaz
de que si el número de ecuaciones es igual al número de incógnitas en
tonces la existencia de solución estaba garantizada. Por su parte, Hicks,
implícitamente, argumentaba que la solución debería existir basándose
en el significado económico de las ecuaciones.29
Esta visión paretiana-hicksiana del trabajo original de Walras sería apun
29 Si el lector piensa que garantizar la existencia de un objeto que cumple cierta ca
racterística, es un ejercicio importante pero sin consecuencia alguna, lo invitamos a
considerar el siguiente muy sencillo ejemplo: “Supongamos que existe un único número
talada también por la saga Bowley (1924),30 Hicks y Alien (1934),31 Ler-
ner (1932),32 Kaldor (1939),33 Scitovsky (1942),34 y los clásicos Traité
d ’Économie pure de Aliáis (1943), Foundations of Welfare Economics
de Lange (1942), y el Foundations of Economic Analysis de Samuelson
(1947) .
Una de las ventajas del sistema paretiano es que es pedagógicamente con

veniente y su intuición gráfica es muy simple a través de tres herramientas
fundamentales: primero, las curvas de nivel (introducidas por Edgeworth en
su Mathematical Psychics de 1881); segundo, las cajas de Edgeworth (confusa
mente vislumbradas por el mismo Edgeworth en su obra magna de 1881, pero
introducidas en propiedad por Pareto en el Manuel de 1906); y tercero, las
fronteras de posibilidades de producción (introducidas por Lerner (1932)). Y
aunque con ellas se ilustran claramente las condiciones del equilibrio general,
desafortunadamente, el gran costo de esta aproximación es que, en general,
se apoya en fuertes hipótesis de diferenciabilidad de las distintas funciones
empleadas.
i) E l m odelo p a re tia n o
Desde la perspectiva actual, el sistema paretiano podría describirse así:
a) Un conjunto de mercancías; es decir, “cosas valiosas e intercambiables” (Elé-

ments, §41).
b) Un mercado de esas mercancías; es decir, “el lugar donde se cambian las

mercancías” (Éléments, §41).
c) Todos los agentes (consumidores y productores) responden a precios to

mados paramétricamente, es decir, a precios dados por el mercado, justifi
cándose esto sobre la base de que no era posible ningún comportamiento
natural que es el más grande de todos los números naturales. Entonces ese número
es el 1 , puesto que si otro número natural x > 1 fuera el más grande, entonces,
como x 2 > x, ya x no sería el más grande”. Esta es una simple muestra de a qué
conclusiones podemos llegar si comenzamos el argumento lógico con una hipótesis
que es falsa.
30 Bowley, Arthur L. (1924), The Mathematical Groundwork of Economics, Journal of
The Royal Statistical Society.
31 Hicks, John y Allen, R. (1934), A Reconsideration of the Theory of Value, Economica.
32 Lerner, Abba P. (1932), The Diagrammatical Representation of the Cost Conditions
in International Trade, Economica.
33 Kaldor, N. (1939), Welfare Propositions in Economics, Economic Journal
34 Scitovsky, T. (1942), A Reconsideration of the Theory of Tariffs, Review of Economic
Studies.
manipulador dentro de una economía suficientemente grande. Al respecto,

Walras afirmaba que:
(...) Los mercados mejor organizados desde el punto de vista de la

competencia son aquellos en que las ventas y las compras se hacen
mediante subasta, a través de agentes tales como los agentes de
cambio, corredores de comercio o voceadores que las centralizan,
de tal forma que ningún cambio tiene lugar sin que las condicio
nes sean anunciadas y conocidas y sin que los vendedores tengan
la oportunidad de rebajar sus precios y los compradores de aumen
tarlos. A sí ftincionan las bolsas de valores públicos, las bolsas de
comercio, los mercados de grano, de pescado, etc. Al lado de estos
mercados existen otros donde la competencia, aunque no tan bien
organizada, funciona todavía de una manera bastante adecuada y
satisfactoria: tales son los mercados de frutas y legumbres, de vo
latería. Las calles de una ciudad donde se encuentran almacenes
y panaderías, carnicerías, tiendas de ultramarinos, sastrerías, za
paterías, constituyen mercados con una organización un poco más
defectuosa desde el punto de vista de la competencia pero, sin em
bargo, ésta está presente de forma suficiente. (...) Supondremos
siempre un mercado perfectamente organizado^desde el punto de
vista de la competencia, de igual forma que en la mecánica pura
se supone que las máquinas se encuentran libres de rozamientos.
(Éléments, § 4 V-
Y, por su parte, Pareto decía:
Si observamos la realidad, vemos que el tipo (I) ¡[de individuo]/™
se encuentra donde hay competencia entre los que se conforman.
Las personas con las cuales contratan pueden no estar en compe
tencia y no seguir en consecuencia el tipo (I). El tipo (I) es tanto
más neto cuando la competencia es más extensa y perfecta. Es
precisamente porque cada día en la Bolsa de París hay muchas
personas que compran y venden renta francesa, que sería locura
pretender modificar las condiciones de ese mercado comprando o
vendiendo algunos francos de renta. Evidentemente, si todos los
que venden (o compran) se pusieran de acuerdo, podrían efecti
vamente modificar esas condiciones en provecho suyo; pero no se
conocen unos a otros, y cada uno actúa por su cuenta. En me
dio de esta confusión, y de esta competencia, cada individuo no
35 N. del Ed. Quizá de aquí proviene el término “competencia perfecta”.
36 Para Pareto, un individuo tipo (I) es aquel que únicamente busca satisfacer sus gustos.
En su lugar, un individuo tipo (II) es el que busca modificar las condiciones del
mercado para “sacar ventaja, o para otro fin cualquiera”.
tiene otra cosa que hacer, sino ocuparse de sus propios negocios
y buscar cómo satisfacer sus propios gustos, según las diferentes
condiciones que pueden presentarse en el mercado. Todos los ven
dedores (o los compradores) de renta, modifican el precio, pero lo
modifican sin previo designio, y no es el fin sino el efecto de su
intervención. (Manuel, § 46, Cap. III).
d) En este modelo también se asume que los consumidores poseen dotaciones
de factores y desean consumir bienes producidos por las firmas, que son
las que organizan la producción, demandando factores de los consumidores
y ofreciendo bienes producidos. El resto consiste en que los consumidores
escojan la vía de maximizar la utilidad, y los productores la vía de maximi-
zar el beneficio (siendo esta última una de las principales contribuciones de
Pareto al sistema walrasiano). El equilibrio se alcanza cuando se consigue
un conjunto de precios que haga que en los mercados de productos y de
factores, la oferta y la demanda se igualen.
e) Las ilustraciones gráficas del sistema paretiano inevitablemente requieren

reducirlo a una economía compuesta por dos consumidores, dos productores,
y dos factores (2 x 2 x 2). Es básicamente allí donde se desarrolla todo el
modelo. En estas gráficas se ilustra la situación en que los dos consumidores
buscan obtener satisfacción máxima por consumir lo que producen las dos
firmas, sabiendo que están restringidos a un presupuesto determinado por
el valor de los bienes de capital que poseen y del trabajo que puedan ofrecer.
Así, el capital y el trabajo requerido para la producción está en manos de
los dos consumidores. Las empresas, siguiendo a Walras, son mecanismos
para organizar la producción tomando los insumos de los consumidores y
ofreciéndoles bienes finales. El equilibrio se alcanza cuando se encuentran
unos precios que tienen la característica de hacer que las firmas produzcan
exactamente lo que los consumidores necesitan.
Se acostumbra utilizar la siguiente notación:
a) Los consumidores son A y B.
b) Los factores son k y l (normalmente asociados con capital (k) y trabajo
(O)-37
c) Los productores (firmas) son x y y. Aquí se acostumbra a asumir que cada
firma produce únicamente un bien mediante una función de producción
x = f* (k x ,lx) : R% -»■ R+ y y = P (k y ,ly ) ■» 1 R+-
37 Sobre los factores de producción, tanto Walras como Pareto tienen otras divisiones me
todológicas y de razonamiento económico. La presentada aquí es la más comúnmente
utilizada en la versión paretiana actual, aunque la discusión sobre la conveniencia de
asumir la existencia de una unidad básica de capital es un problema aún en discusión.
d) ua (xa,Va) ' —> R es la función de utilidad del agente A que depende

del consumo de bienes (xa,Va)\ y su dotación inicial de factores (es decir,
las cantidades de factores (unidades de capital y horas de trabajo) que el
consumidor A coloca a disposición del mercado en el período bajo estudio)
es w A = (k A J a )•
e) De manera análoga, el consumidor B tiene su función de utilidad ud (x b ,Vb ) •

y su dotación inicial wb = (fctfj#).
Ahora:
i) La primera condición del sistema paretiano es la optimización por parte
de los consumidores:
a) Dados los precios px (del producto x), py (del producto y), r (del
factor k) y s (del factor /), el consumidor A se enfrenta al problema
Maximizar uA (xa , Va )
sujeta a pxXA + pyVA < tHa + si a
xa>0
Va > 0
y, puesto que el modelo paretiano asume diferenciabilidad con con
tinuidad, monotonicidad estricta y concavidad estricta de la función
uA(-, •), entonces podemos aplicar las condiciones de Lagrange,38 que
son, en este caso:
OVA
donde es el multiplicador de Lagrange para el agente A. Observe
que, inmediatamente, se obtiene la conocida condición
duA
dxA _ Px
(1)
duA py
dyA
que afirma que la tasa marginal de sustitución entre xa y va es igual
a la razón de precios de los bienes — (figura 40).
Py
38 TVadicionalmente, se afirma que Edgeworth (1877), en su New and Old Methods of
Ethics, fue el primero en utilizar el método de los multiplicadores de Lagrange en
la teoría económica. Walras y Pareto, aunque bien dispuestos hacia las matemáticas
y advertidos por colegas de su existencia, omitieron siempre su utilización, debido,
quizá, a su limitado conocimiento del cálculo diferencial.
Matemáticas básicas para economistas 3: Optimización y dinámica
Figura 40. El problema del consumidor paretiano.
b) Para el consumidor B , el problema es similar: este se enfrenta al pro

blema
Maximizar u B (x B í Vb )
sujeta a Px^ B + PyVB < r k A + s i A
xb > 0
VB > 0
y con las mismas condiciones sobre u b (x b ,¡Jb ) de monotonicidad y
concavidad estricta, las condiciones de Lagrange, son, en este caso:
duD du B
= Aflpy; PxXb + PyVB = rfci? + s Ib
d^ = XDPx; dyD
donde Ab es el multiplicador de Lagrange para el agente B . Y se ob
tiene la respectiva condición de sustitución entre bienes en equilibrio:
du B
d x B _ Px
(2)
8UB Py
dyB
c) Así, de (1) y (2),
duA duB
ÔXA d xB
(xa ^ a ) _ Px _
(3)
duA ~ P y~ duB
d ij A
(xa # a ) dyB (zo»yó)
es decir, en equilibrio, las tasas marginales de sustitución entre los
dos bienes serán iguales para ambos agentes.
Advirtamos, de paso, que las demandas de los consumidores, x* y y¡

para.z = A, B, son independientes de una multiplicación por escalar de
los precios, porque si estos cambian de (px ,p y, r, s ) a (tpx , tpyy tr, ts) para
t > 0, la recta presupuestal no se modifica para ningún consumidor y, por
ende, las demandas de los consumidores no cambian. Es por esto que,
en equilibrio, podemos escoger algún precio diferente de cero (llamado
“numerario”39), y representar los otros precios en términos de este. Así, es
natural encontrar que, en equilibrio, las demandas se escriban en términos
de precios relativos.
ii) La tercera condición de este tipo de economía es la optimización por

parte de los productores:
i) Cada firma intenta maximizar sus beneficios sujeta a restricciones

tecnológicas y de precios:
Para la firma que produce x:
Maximizar pxx — rkx - slx

sujeta a x = f x(kxJ x )
kx > 0
lx > 0
y para la firma que produce y:
Maximizar pyy — rky — sly

sujeta a y = f v(kyJ v)
ky > 0
ly > 0
Nuevamente, el modelo paretiano asume diferenciabilidad con con

tinuidad, monotononicidad estricta y concavidad estricta de las fun
ciones de producción / x(-.-) y / y(*-*)» lo que, a su vez, implica rendi
mientos decrecientes a escala en ambas firmas. Así, las condiciones
necesarias de optimalidad para los productos x y y son respectiva
mente,
(4)
df«
r = P vdky'
ñT (5)
39 Término acuñado por Auguste Walras, padre de Léon Walras.

de donde se obtiene la conocida condición
d fx d fv
dkx r dky
d f x ’"~s = W
dlx dly
que asegura que, en equilibrio, las tasas de las productividades mar
ginales de los factores son iguales a la tasa de sus respectivos pre
cios.40
Figura 41. El problema de la firma paretiana.
iii) Así, encontrar un equilibrio walrasiano consistirá en hallar unos precios

de mercado px, py, r y s tales que las condiciones
* * + * * = /* ( * £ ,«
tó + t á = /*(*{. 5 )
k ’x + k; = k A + k B (7)
l*x + ly — ~Ia + I b
se satisfagan; es decir, que se tengan las conocidas condiciones walrasianas de

“oferta=demanda”. Claramente, estos precios px, py, r y s y asignaciones k *,
l*, k*} 1 *, x*A, y x * B, se calculan utilizando las ecuaciones de optimalidad
(1), (2), (3), (4), (5) , (6) y (7) de arriba.
40 Recordemos que al cociente del lado izquierdo de (6 ) se le llama tasa marginal de

sustitución técnica.
El problema general del equilibrio se escinde, en consecuencia, en

otros, tres que consisten: 1 ° En determinar el equilibrio en lo que
concierne a los gustos; 2o En determinar el equilibrio en lo que
concierne a los obstáculos o en lo que concierne a los productores;
30 En encontrar un punto común a esos dos equilibrios, que formará
un punto de equilibrio general (Manuel, § 90, Cap. III).
il) La c a ja de E d g ew o rth : típ ic a h e rra m ie n ta p a re tia n a
Como dijimos antes, fue Pareto quien primero utilizó efectivamente el instru
mento gráfico conocido como la caja de Edgeworth para mostrar la relación
que existe entre los equilibrios competitivos (o walrasianos) y las asignaciones
óptimas. Sin embargo, este formidable instrumento tiene hoy dos versiones:
una, para describir la interrelación entre los dos consumidores y, otra, para
describir la interrelación entre los dos productores.
a) En el caso de los dos consumidores, las dimensiones de la caja están deter
minadas por las cantidades totales de las dos mercancías que ellos ofrecen
en la economía: el lado de la caja mide f x (kx ilx), y la altura mide f y(kyi ly)
donde kx 4- ky = k¿ + k s y lx + ly = Lt + ¿I?- El consumidor A mide sus
consumos desde la esquina inferior izquierda de la caja, y el consumidor D
mide sus consumos desde la esquina superior derecha. Así, un punto de la
caja de Edgeworth nos da completa información sobre la cantidad de cada
una de las mercancías que demanda cada consumidor: la cantidad del bien
x que demanda el consumidor A se mide desde la esquina inferior-izquierda
hacia la derecha, y la cantidad del bien y se mide desde la esquina inferior-
izquierda hacia arriba. La cantidad del bien x que demanda el consumidor
B se mide desde la esquina superior-derecha hacia la izquierda, y la can
tidad del bien y se mide desde esa misma esquina pero hacia abajo. Así,
todo punto dentro de la caja identifica ambas demandas por parte de los
consumidores.
En la figura 42, las intersecciones tangenciales de las curvas de nivel de las
funciones de utilidad de A y B dan origen a una curva muy importante,
que en adelante llamaremos "curva de contrato” (Edgeworth (1881)) de la
economía. Y su importancia radica en que estos puntos de la curva son
precisamente aquellos pares (xA>yÁ)Ax B>yB) Que satisfacen la condición
(3) de optimalidad para los consumidores A y B, respectivamente.
b) En el caso de la interrelación entre los dos productores, la caja de Edgeworth

tendrá medidas (lado) y Ia +I b (altura). En la figura 43 aparece una
curva conformada por todas las intersecciones tangenciales de las curvas de
nivel de las funciones de producción. A esta curva se le llama “frontera de
consumidor B
consumidor A _____________ _
Figura 42. Caja de Edgeworth.
posibilidades de producción” (Lerner (1932)41). También en este caso, esta

curva está conformada por todos los pares (kx,lx ) y (ky,ly) que satisfacen
la ecuación (6) de optimalidad en la producción.
ky
----------- productor y
productor x _____________ _ kx
Figura 43
iii) La ley de Walras (1874)

Notemos que en el modelo paretiano se tiene que
(px x A + P yV A) + (P xX B + P yV B ) = (r lA + s k A ) + (riß + s k B )
y, por lo tanto,
fe r, Py) ' i? A + VA + Vb ) = (^, s) • (7 , 4 + lD, kA + k B )
A esta igualdad, que Oskar Lange (1942) denominó ley de Walras, el propio
fundador de la Escuela de Laussane le dio mucha importancia (Éléments, §
41 Lerner, óp. cit.
206) pues la colocaba como una de las condiciones de equilibrio. Nótese que
esta “restricción presupuestal” afirma que, en el agregado, la valoración de la
demanda iguala a la valoración de la oferta en término de los precios vigentes.
Y, quizás la observación más importante: de ella se deduce que si los merca
dos de todas, menos una, las mercancías están en equilibrio, entonces también
lo estará el otro mercado. Esta anotación aparentemente inocua, tendría im
plicaciones profundas en teoría monetaria pues algunos creyeron que haría las
veces de vínculo con la entonces naciente teoría keynesiana del dinero (Patinkin
(1956)42).
iv ) Econom ías paretianas de intercambio puro

Un caso particular muy importante del modelo paretiano son las economías de
intercambio puro. Estas son economías en las que no existe sector productivo
alguno (por lo tanto, la mano de obra no juega ningún papel), y de lo que
se trata es de que cada consumidor intercambie las mercancías que son de su
propiedad, con los otros consumidores, dadas sus preferencias sobre ellas, y sus
respectivos presupuestos. La razón por la cual este tipo de economía es funda
mental en el modelo paretiano, es que allí se pueden ilustrar magníficamente
los principales resultados asociados con el modelo general, mediante cajas de
Edgeworth-Pareto.
Ejemplo 49. (U na econom ía de intercambio puro)
Consideremos una economía de intercambio puro (es decir, sin sector produc
tivo) conformada por dos mercancías x y y , y dos consumidores A y D donde
las preferencias están representadas por las funciones de utilidad
u a {xa , y a ) = xa i! a , u d { x d , yn) = x d yo
y las dotaciones de los consumidores son
wA = (1,2) wb = (2,2)
Aquí, el problema del consumidor A sería entonces
Maximizar u A (x¿, ya ) =xa Va
sujeto a p x XA + PyyA = Px + ^Py

xa, V A > 0
De las condiciones de primer orden se obtiene que
V A = Px
XA Py
42 Patinkin, D. (1956): Money, Interest and Prices, Evanston, 111: Row, Peterson.
PxXA + PyVA = Px + 2py

Resolviendo estas dos ecuaciones se obtienen las funciones de demanda del
consumidor A:
1 p
XA(Px,Py) = X +
¿ Px
VA(Px,Py) = 1 + ~ ~
2py
El problema del consumidor B es similar, y se obtienen sus funciones de de
manda:
XBÍPx,Py) = 1 + —^
VB {PxiPy) = 1 + —
Py
Las funciones de exceso de demanda serán, entonces,
Zx(Px,Py) = XA (px ,Py) + XBÍPx,Py) ~ (“ i + W?) = — - ^

Px ¿
3d
Zy{Px,Py) = VA{Px,Py) + íIB(Px,Py) ~ (Wy + ™y) = XT' “ 2
¿Py
Observemos que las funciones de demanda y de exceso de demanda dependen
únicamente de los precios relativos: si los precios se multiplicaran por un escalar
positivo í, las demandas no se modificarían.
Las últimas dos ecuaciones satisfacen la correspondiente ley de Walras; es decir,
para cualquier par de precios positivos px,p y, se tiene que
PxZx(Px,Py) + PyZy(Px,Py) = 2Py ~ |p * + ^Px ~ 2py = 0
Por tanto, es suficiente igualar a cero una de las funciones de exceso de demanda
para determinar los precios relativos de equilibrio. Por ejemplo,
Zy(Px,Py) = - 2= 0
¿Py
Esta implica que la relación de precios de equilibrio es
ú =t
p; 3
Reemplazando estos precios en las funciones de demanda que encontramos más
arriba, Xi(px ,p y), 2/¿(px,Py) para i = A , B } llegamos a que el único equilibrio
walrasiano de esta economía competitiva es (tomando como numerario p* = 1):
* 4 * * 5 * 5 * 7 * 7
Px = 3 > Py = !» XA = 4 > Va = 3 ’ 2/b = 3
Figura 6
N ota 8.
En general, el modelo paretiano de intercambio puro permite las siguientes
observaciones:
1. Únicamente si el mercado coloca los precios de equilibrio (o un múltiplo

escalar de ellos), podrán los dos consumidores tener satisfechas sus de
mandas de bienes. Cualquier otro precio los obligaría a tomar decisiones
subóptimas.
2. Los precios de equilibrio son una consecuencia de la riqueza y los gustos

de los agentes. Más precisamente, de las dotaciones iniciales y de las
utilidades marginales de los agentes.
3. En general, las mercancías más escasas tienen precios de equilibrio más

altos.
4. En general, en un equilibrio walrasiano el “más rico” toma ventaja de su

posición con respecto al menos favorecido.
(...) la sociedad no es homogénea, y los que no cierren volun

tariamente los ojos, deben reconocer que los hombres difieren
mucho los unos de los otros desde el punto de vista físico, mo
ral e intelectual.
A estas desigualdades propias del ser humano corresponden las
desigualdades económicas y sociales, que se observan en todos
los pueblos, desde los tiempos más antiguos hasta los tiempos
más modernos, y sobre todos los puntos del globo, de tal suerte
que estando siempre presente ese carácter, se puede definir a
la sociedad humana como una colectividad jerárquica. (Manuel,
§2, Cap. VII).
v) Ó ptim os de W alras-E dgew orth-Pareto (1 8 7 4 ,1 8 8 1 ,1 9 0 6 )

Desde su primer libro sobre economía ( L ’économie Politique et la Justice) pu
blicado en 1860, hasta su muerte en 1910, la preocupación fundamental de
Walras fue el problema de la justicia social De hecho, su división entre “eco
nomía pura” (positiva) y “economía social” (normativa) muestra bien esto, y,
cabe notarlo, el propósito central de sus Éléments fue más el de mostrar la
posibilidad de formular un sistema económico racionalmente consistente que
cumpliera las demandas de justicia social.
En Théorie de la Proprieté de 1896, Walras definió la justicia en el intercambio
de bienes, en términos de dos condiciones: primero, la total libertad de cada
individuo para buscar su propia ventaja en el mercado; y segundo, la completa
eliminación de cualquier oportunidad para que un individuo se beneficie en
el intercambio a expensas de su contraparte o de cualquier otro. Sin duda,
bajo esta mirada, el sistema de equilibrio general walrasiano es profundamente
moralista.
De hecho, Walras no creía que la competencia perfecta en un mercado fuera
la mejor manera de generar la máxima suma de la satisfacción total para la
sociedad, sino que era un sistema diseñado para eliminar beneficio alguno del
intercambio y de la producción. Por ello, en equilibrio, nadie se hace más rico
ni más pobre; allí, la única forma en que un individuo se hace más rico es
mediante la formación de capital a través del ahorro, y la única forma en que
se hace más pobre es consumiendo más allá de sus ingresos: el sólo intercambio
bajo competencia perfecta nunca tiene efectos de distribución. Y esto no era por
condenar la natural búsqueda de beneficio en las actividades económicas, sino
para realizar la función moral de no dar algo por nada. Precisamente a este
problema se refería Walras cuando, en lo que se ha dado en llamar el Teorema
de la máxima satisfacción social, afirmaba que
El intercambio de dos mercancías en un mercado regido por la li

bre competencia es una operación por medio de la cual todos los
poseedores, tanto de una como de dos mercancías, pueden lograr la
mayor satisfacción postble de sus necesidades, con la condición de
entregar la mercancía que venden y recibir la mercancía que com
pran en una proporción común e idéntica.43 (Éléments, § 99)
La historia del pensamiento económico no reconoce totalmente este aspecto

social del pensamiento walrasiano, y tampoco ve en este teorema el zumo de
una condición de optimalidad social inherente al equilibrio competitivo. En su
lugar, y con la confirmación gráfica de las cajas de Edgeworth, han establecido
este mismo concepto alrededor de la siguiente definición de Pareto (1906):
43 Esta proporción es la tasa marginal de sustitución.
Diremos que los miembros de una colectividad gozan, en cierta posi

ción, del máximum de ophelimite,44 cuando es imposible encontrar
un medio de alejarse muy poco de esta posición, de tal suerte que
la ophelimite de que goza cada uno de los individuos de esta co
lectividad, aumenta o disminuye. Es decir que cualquier pequeño
desplazamiento a partir de esta posición tiene necesariamente por
efecto aumentar la ophelimite de que gozan ciertos individuos, y
disminuir aquella déla cual gozan otros; de ser agradable a unos y
desagradable a otros. (Manuel, § 33, Cap. VI)
Esto se escribe, ahora, así:
Definición 6. (Ó ptim o de W alras-Pareto)

Una asignación factible [(xa, y a), (x b,Vb)\ de una economía competitiva es
un óptimo de Walras-Pareto (conocido comúnmente como óptimo Pareto) si, y
solo si, no existe otra asignación factible [{x'A, y'A), (x'D, y'D)\ tal que u*(a;J, j/J) >
u1 (xí, yi) para i = A ,B , pero ifr*(x'-, y ') > u ^(xj,yj) para j = A ó j = B.
Es decir, un óptimo de Pareto es una asignación factible en la que ningún

agente puede mejorar sin que el otro agente pierda. Y una típica caracteriza
ción marginalista de estos óptimos se encuentra en el siguiente teorema, que,
también hoy, escribimos así:
Teorema 23. (C aracteriza ció n de los ó p tim o s de P areto (W alras (1874)>

E dgeworth (1881), P a reto (1 9 0 6 )))
Supongamos que las funciones de utilidad
uA : R+ -> R u D : R+ -> R
son cuasicóncavas estrictas, estrictamente crecientes en cada uno de sus argu

mentos, y doblemente diferenciables con continuidad. Entonces, una asignación
[(xÍ>tó)» (x *A'Va )] en Ia caÍ a de Edgeworth es óptima de Walras-Pareto (inte
rior) si, y solo si, las tasas marginales de sustitución coinciden allí; es decir,
en este punto se tiene que
duA duB
d x A __ 9 x b
duA duB
dyA dyB
44 “Ophelimite” es el término de Pareto para lo que hoy llamamos “utilidad”.
D em ostración.
Al resolver en la caja de Edgeworth-Pareto (es decir, con xa + x b = x \ +x*B y
2M+2/B = ¡Ja +V b ) problema que caracteriza a los óptimos de Walras-Pareto
Maximizar u A (xa , Va )
sujeta a ^ ( x b ^v b ) = U
xa ^ 0, x b ^ 0
donde U es un nivel de utilidad fijo para el agente £ , 45 obtenemos que su
lagrangiano es
C = u a ( x a , V a ) ~~ A (u b ( x b , Vb) - U)
Y las condiciones de primer orden nos conducen a condiciones suficientes y
necesarias para el óptimo:46
duA _ duB duA _
8 xa dxA dyA dyB
El paso hacia la conclusión del teorema es inmediato. ■
Es conveniente destacar que las asignaciones paretianas, aunque óptimas en un

sentido muy particular, no son necesariamente “justas” o equitativas, y esto lo
veremos muy claramente en el siguiente ejemplo, en donde, típicamente, existen
infinitas de ellas, unas que favorecen a un agente, y otras que favorecen al otro.
Aquí se resalta nítidamente que eficiencia y equidad tienen dos direcciones
normativas no necesariamente compatibles.
Ejem plo 50.
Consideremos la economía de intercambio puro de dos consumidores A y J9,
con funciones de utilidad
ua (x a , v a ) = xa va, uB(xB ,yB) = x B yB

y dotaciones iniciales agregadas (3,4).
Escribiendo la correspondiente condición de eficiencia paredaña, obtenemos

que
duA duB
3xa _ UA _ dxB _ VB
duA xa duB xb
dyA dyB
45 ¿Por qué es esto equivalente a la definición 6 de óptimo de Walras-Pareto?
46 ¿Qué teoremas de esta lección aplicamos para hacer tal afirmación?
Y, de aquí, arribamos a la curva de óptimos de Walras-Pareto para esta eco

nomía:
y* = ^ Y - o < i a <3 a
Figura 44. Curva (recta) de contrato
Cabe advertirse que, además de Walras, también Edgeworth (1881) se adelantó

a Pareto en la noción de optimalidad que lleva su nombre:
Se requiere encontrar un punto (xy) tal que, en cualquier dirección

en la que demos un paso infinitamente pequeño, P y II no aumenten
a la vez, sino que cuando uno aumente, el otro disminuya. Puede
demostrarse desde una diversidad de puntos de vista que el lugar
geométrico del punto deseado es
dPdn _ d P d n _o
dx dy dy dx
cuyo lugar geométrico aquí proponemos denominar curva de con
trato.47 (Mathematical Psychics, Parte Segunda)
Aún así, difícilmente el término “óptimo de Pareto” podría tener una posibi
lidad de hacer justicia con Walras y Edgeworth quienes, sin ninguna duda, lo
antecedieron. Por esto, en ocasiones seguiremos llamando “óptimo de Walras-
Pareto” al tradicional “óptimo de Pareto”, así como algunas veces hemos lla
mado “caja de Pareto-Edgeworth” a la conocida como “caja de Edgeworth”.
47 Pareto, en su lugar, la llamó “línea de los cambios” (Manuel, § 97, Cap. III).
v i) Los dos teorem as del bienestar

Existen dos relaciones muy importantes entre la optimalidad paretiana y el
equilibrio walrasiano. La primera formaliza, parcialmente, una creencia lar
gamente sostenida desde, por lo menos, el siglo XVIII de Adam Smith, que
afirmaba que la competencia perfecta “conducía” a un estado “óptimo” de la
economía. El problema aquí era que se creía que tal “óptimo” debería conte
ner criterios de justa distribución de la riqueza y del ingreso y, esa no es una
característica de los equilibrios competitivos. Por lo tanto, esta conexión entre
equilibrio competitivo y óptimo se aplazó hasta la aparición de la noción de
óptimo de Pareto. Esta, que fue claramente visualizada por el mismo Walras,
y explicitada por Pareto utilizando la caja de Edgeworth, asegura que, bajo
las hipótesis del modelo paretiano, el mecanismo de precios asigna los bienes
eficientemente (en el sentido de Pareto). Veamos este resultado en notación
actual.
Teorema 24. (P rim e r teorem a de la econom ía del b ien esta r (W alras
(1874), E dgew orth (1 881), P a reto (1 9 0 6 )))
Sean
tí* : R+ —>• M
(z¿,2/¿) ux(xi,yi)
para i = A, B , funciones de utilidad estrictamente crecientes. Si
V = (p lY y )
es un equilibrio walrasiano, entonces x* = [(a^, y¿), (x*B , y*B)\ es una asigna
ción óptima de Pareto.
D em ostración.
Supongamos que el equilibrio walrasiano no es óptimo de Pareto y obtengamos
una contradicción. Sea l ( x ^ y ^ ) i {xByyB)y(p*,Py)] un equilibrio walrasiano y
supongamos que existe una asignación [(x.4 , y a ), (x b , Vb )\ en la caja de Pareto-
Edgeworth tal que
uÁ (xA ,yA ) > uÁ (xA ,yA ) y u b {x b ,Vb ) > u D (x'D ,y*D )
Entonces, dado que [ ( ^ , 2/^), (x ¿,y ¿)], (p*,pj)) es un equilibrio walrasiano,

satisface que
P'X*A + P'yVA > VxWX + PyWy . P'xXB + P'yVB > P>f + P'yWy
Sumando estas dos desigualdades se obtiene
P 'J x A + XB ) + p ’y iyA + Vb ) > Px(Wx + w x ) + p ’y (w y + wy)

Y como [{xA,yA),{x B,yB)\ está en la caja de Pareto-Edgeworth, entonces
P l(wi + Wx ) + Py(wy + V y ) > P't (™x + W°) + p j ( + W°)
lo cual es una contradicción. ■
Ejemplo 51.
Consideremos la economía de intercambio puro del ejemplo 50, en el que dos
consumidores, A y B, tienen funciones de utilidad
u a ( x a ,V a ) = xa Va , u d (x b ,V b ) = x b Vb
y dotaciones iniciales agregadas (3,4). Allí encontramos que la curva de óptimos

de Pareto para esta economía es
VA = 0 < xA < 3
Para ilustrar el primer teorema del bienestar, basta darnos cuenta de que la
asignación de equilibrio walrasiano (x a , y a ) = (f>§) cstá cn esta curva de
contrato. ▲
El teorema anterior nos muestra la calidad normativa que tiene un equilibrio

walrasiano: no es, necesariamente, una asignación ni equitativa ni “justa”, pero
satisface cierto criterio de eficiencia.
Pero este equilibrio no tendría la importancia que se le ha dado, si no fuera
porque también aparece conectado con los problemas de la descentralización.
El problema de asignar recursos óptimamente mediante el vehículo de los pre
cios, ha estado en el corazón de los estudios sobre la descentralización de una
economía. La sola hipótesis de que si los consumidores y los productores re
suelven sus problemas independientemente, sin saber nada uno del otro, sino
a través del mecanismo de información que son los precios, asegura una im-
plementación efectiva del óptimo previamente establecido por las autoridades
económicas, era y continúa siendo, uno de los más importantes problemas que
enfrenta la economía política. Un resultado así permitía entrever la posibilidad
de descentralizar las decisiones de los agentes de una economía centralizada a
través de los precios.
El segundo teorema de la economía del bienestar que asegura que, bajo cier
ta redistribución de los recursos, podemos hacer, de un óptimo de Pareto, un
equilibrio walrasiano, no parece haber sido detectado por Walras, ni por Ed-
geworth. Quizás Pareto lo vislumbró, pero lo que sí es cierto es que nunca lo
estableció con claridad:
Para los fenómenos del tipo (I)4g, cuando el equilibrio tiene lugar
en un punto donde son tangentes las curvas de indiferencia de los
contratantes, los miembros de la colectividad considerada gozan del
máximo de ophelimite. (Manuel, § 34, Cap. VI).
De hecho, al parecer las primeras veces que se tiene registro explícito de este
teorema es en los textos clásicos de Lange (1942)49 y Aliáis (1943)50.
Teorema 25. (Segundo teorem a de la econom ía del b ien esta r (P are-

to (1906), Lange (1942), A liá is (1 9 4 3 )))
Sean
u* i —y K
(z»,2/¿) -> ul(xi,yi)
para i — A ,B , funciones de utilidad continuas, estrictamente crecientes y cua-

sicóncavas. Sea [(xA , y A ) , ( x B , y B )] una asignación óptima de Pareto en la que
cada agente tiene una cantidad positiva de cada mercancía. Entonces exis
ten unos precios px y py no negativos tales que [(x ^ , y ¿ ), ( x B ,y*B ), (PxiVy)] es
un equilibrio walrasiano para las dotaciones iniciales = x \ , Wy = y*A ,
™x = Xg, = y’D .51
D em ostración.
Debemos encontrar un vector de precios no negativos (px>Py) que soporte la
asignación óptima de Pareto como un equilibrio walrasiano. Sean
M a = {(x a , y a ) € R2 | u a ( x a ,V a ) > u Á { x ’A , y ’A )}
M b = {( x B ,VB ) e R+ | u B (xB ,VB) > u B (x b ,Vb )}
es decir, M a es el conjunto de planes de consumo que el consumidor A prefiere

a (^ ,2 /^ ), y M b es el conjunto de planes de consumo que el consumidor B
prefiere a (xB ,y B). Ya que las funciones de utilidad son estrictamente cuasi-
cóncavas, entonces M a y M b son conjuntos convexos.
Definamos ahora M = M a + M b \ es decir, M es el conjunto de todas las com
binaciones agregadas que pueden ser distribuidas entre los dos consumidores de
48 Es decir, en condiciones de competencia perfecta.
49 Lange, óp. cit.
50 Aliáis, óp. cit.
51 Pareto, al parecer no inuy claro del resultado que tenía a la mano, afirmó sobre esto:
Para los fenómenos (I) si existe un punto donde el sendero recorrido por
los individuos que contratan es tangente a las curvas de indiferencia de
esos individuos, ese es un punto de equilibrio. (Manuel, § 112, Cap. III).
tal forma que ambos mejoren su utilidad con respecto a la asignación óptima
de Pareto.. Observemos que M es un conjunto convexo, ya que es la suma de
dos conjuntos convexos.
Sea w = (wXlwy) = (x A + x*B,y A + yB). Como, por hipótesis, [(x*A,y A),
[x*B,y*B)\ es un óptimo de Pareto, entonces w £ M porque no existe una
redistribución de [(x*A,y A), {x*B,y*B)\ que mejore la utilidad de ambos consu
midores. Luego por el teorema de separación de Minkowski (teorema 10), existe
(Px, Py ) í 0 tal que pxx + pyy > pxwx + pywy = px(x*A + x'B) + py(y*A + y*B),
para todo (x, y) 6 M . Por lo tanto,
Px{x - (x*A + x*B )) + py{y - (yA + yB )) > 0
para todo (x , y) € M.
Queremos ver que {px,py) es un vector de precios de equilibrio:
i) Veamos primero que (px,py) es no negativo: sea e\ = (1,0). Ya que las

funciones de utilidad son monótonas crecientes estrictamente, entonces
(w + e i) € M . Así, px( 1 + wx - (x*A + x"B)) + pv(wy - (y \ + ifD)) > 0,
es decir, p x > 0. Tomando e2 = (0,1) podemos mostrar que también
Py > 0.
ii) Veamos que, a estos precios, el consumidor A maximiza su utilidad

en (xA,y A), y el consumidor B maximiza su utilidad en (xB,y B). Es
suficiente ver que si ux(xi,yi) > u*(a:¿ ,$/,*), para i = A, B, entonces
PxXi + p yyi > pxx * + p yy*. Veamos primero que si ux(xi,yi) > ul(x*,?/*),
para i = A ,B , entonces pxX{ + pyyi > pxx \ + pyy* (es decir, con desigual
dad no estricta): si ux(xi,yi) > ul(x*,y¡ ), entonces sean
(®í.y¡) = 8(x¡,y,); (x'py'j) = (x j,yj) + (i - 6)(x í , v í )
donde 6 es un número suficientemente pequeño. Ya que las funciones de

utilidad de los consumidores son monótonas crecientes estrictamente y
continuas, entonces [(x¡,2/-), (x'-,y')] domina en el sentido de Pareto a
[(x h V i)Á x *jiy))\- Por lo tant0>{x'i + x^y'i + y'j) e M . Así, px ( { l - 0 ) x i +
x J + Oxí) + py((l - 6 )yi + y¿ + Byi) > px (x¡ + x)) + py(y¡ + yj), es decir,
PxXi + pyyi > pxx* + pyy*.
iii) Debemos ver ahora que si u l(xi,yi) > u t(x ¡,y ¡)1 entonces pxX{ + p yyi >
pxx* + p yy* . Ya vimos que pxXi + p yyi > pxx\ +Pyy* y debemos eliminar
la posibilidad de la igualdad: supongamos que p x X{ + p yyi = pxx* + p yy*
para poder obtener una contradicción. Entonces
0pxXi + QpyVi < pxx\ + pyy¡

para todo 9 € (0,1). Ya que las funciones de utilidad son continuas,

entonces existe 0' e (0,1) tal que ul(0'x¿, O'yi) > ul(x*, y*); y así, 0'pxXi+
0'pyyi > Pxtf+Pyy*, lo cual implica que O'pxXi + 0'pyyi < 6fpxXi + 0'pyyi,
y esto es una contradicción. ■
E jem p lo 52.
Para la economía de intercambio puro entre los agentes A y B , donde
u A (x a , Va ) = In X A + 2 ln yA, «M = (3,4)
ub {x b ,v b ) = 21nx¿j + lnj/B, wB = {4,3)
la curva de contrato es
28x¿
donde 0 < xa < 7
VA 7 + 3x a
Si tomamos una asignación Pareto-óptima fija cualquiera
donde 0 < xa < 7 52
podemos hacer de este un equilibrio walrasiano encontrando un par de precios
respectivas restricciones presupuéstales
que, obviamente, se van a satisfacer en el óptimo de Pareto escogido (aquí

es donde se efectúa la anunciada redistribución de la riqueza entre A y B).
Escribiendo la relación de optimalidad “tasa marginal de sustitución = relación
de precios”, llegamos a que
28x^4
7 + 3x A = Px
-— = — que es equivalente a
2x>l Py 2XA Py
o, lo que es igual,
14 Px _
Py 7 4" 3 l/l
que es la relación de precios de equilibrio que ilustra el segundo teorema del
bienestar.
52 Observe que hacemos i a / 0 (¿por qué?).
v il) Equilibrio com petitivo y negociación: el concepto de núcleo de

una econom ía
Uno de los elementos menos creíbles del modelo paredaño es que solo si los
precios que rigen en el mercado son los de equilibrio, tendremos a los agentes
satisfaciendo sus objetivos de manera óptima y, por tanto, alcanzando el óptimo
(en el sentido paretiano). Sobre cómo alcanzar este equilibrio si los precios
originales son diferentes fue una de las más celebradas (y criticadas) do las ideas
de Walras. El proceso de tâtonnement (tanteo) fue creado por el propio Walras
en Éléments, tratando de mostrar cómo era que se llegaba a la situación de
equilibrio sólo por movimientos de la oferta y demanda al ritmo de movimientos
de los precios:
Si la demanda es superior a la oferta, el precio de dicha mercancía

en términos del numerario subirá; si es la oferta la que supera a
la demanda, bajará. ¿Qué debemos hacer para probar que la solu
ción teórica y la solución del mercado son idénticas? Simplemente
comprobar que el alza y la baja [[de los precios]] son una forma de
resolución por tâtonnement del sistema de igualdades de las ofertas
y las demandas. (Eléments, §125)
Esta es, en esencia, la conocida ley de la oferta y la demanda. Pero no es claro
que todos los demás parámetros (gustos, tecnología, etc.) se puedan suponer
constantes, mientras el sistema de precios hace su tránsito hacia el equilibrio.
Por ello, y con justa razón, el proceso de tâtonnement no es un argumento
poderoso para creer en economías competitivas convergiendo al equilibrio.53
Otra vertiente de este problema provino del mismo Edgeworth (1881). Fue él
quien introdujo la noción de curva de contrato que tiene más importancia que
la de una simple curva conformada por óptimos de Pareto. Un subconjunto
de esta curva, después llamada el núcleo (core) de la economía (M. Shubik
(1959),54 comenzó a ser estudiada por Edgeworth para economías de inter
cambio con dos mercancías y dos tipos de agentes,55 en donde éstos podían
negociar y recontratar. Aunque de manera un tanto confusa, allí mismo mostró
un resultado extraordinariamente sorprendente e iluminador: Bajo competen
cia perfecta, típicamente el núcleo se “contrae” hacia el equilibrio competitivo,
a medida que el número de agentes (no de tipos) crece indefinidamente.
Este resultado y otros similares abrieron un caudal de pensamiento sobre los
problemas de formación de precios para “economías grandes”, completamente
53 Sobre el mecanismo del tâtonnement discutiremos nuevamente en el “contexto
económico” de la lección 3.
54 Shubik, Martin J. (1959), Edgeworth Market Games. En Luce y Tuckcr (eds.),
Contribution to the Theory of Games IV, Princeton University Press.
55 Muchos agentes, pero solo de dos tipos, digamos, trabajadores y empresarios.
distinta a aquella de la igualdad entre oferta y demanda. Planteaba que cierto

tipo de negociación con posibilidades de recontratación permitía la emergencia
de los precios y, por tanto, de los mercados. No necesitaban asumir, a priori,
la existencia de ellos: éstos surgían de forma endógena del modelo.
Sobre esta otra aproximación a los problemas del equilibrio general que nace a
partir de la teoría de la “curva de contrato” de Edgeworth (1881), discutiremos
un poco más en la lección 3.
v iii) D ificultades con el m odelo paretiano

En la caracterización de sus óptimos, el modelo paretiano está profundamente
enraizado en el uso de tasas marginales de sustitución estrictamente positivas.
Por lo tanto, podría creerse que tendríamos problemas con los teoremas del
bienestar cuando las funciones de utilidad o de producción no sean diferencia-
bles, o se anulen cuando el agente no tiene cantidad alguna de esa mercancía.
Sin embargo, veremos que esto no es necesariamente cierto. Ilustramos esto
parcialmente en el siguiente ejemplo.
Ejem plo 53. (D ificultades con el m odelo paretiano)
En la economía de intercambio puro
u a (x A i v a ) = 3xj4 + 21n y a va = (2,1)
u b (x b , 2/b) = m ín{xB, yB } wA = (0,1)
tenemos que:
a) Las funciones de demanda respectivas de los agentes A y B son
4 Py 2px
3 p^’ = 3Py
X B — y B — — — ----
+ Py Px
Obviamente, en el cálculo de estas últimas no podíamos utilizar las técnicas
de optimización de Lagrange, ni tampoco relaciones de tasas marginales de
sustitución. En su lugar, tuvimos que recurrir al siguiente argumento: si
xa > y A en el óptimo, entonces, dejando fijo y a, podemos reducir un poco
xa de tal forma que aún estemos en la misma curva de nivel de A que pasa
por (x,i,2m), y esto necesariamente conduciría a un aumento en el nivel de
utilidad de B pues x B = 2 —xa- El caso x a < Va es similar.
b) Así, de la condición de equilibrio x a + x b = 2, tendremos que
y, de aquí, los precios de equilibrio emergen:
p j _ V lÓ - 2
P l~ 3
y también las asignaciones de equilibrio:
x *A = y*A = 1.72 XB = yb = 0.279
Note que, en equilibrio, la mercancía x es más costosa que la mercancía

y; y que, como debería esperarse, ambos agentes salieron beneficiados del
intercambio pues
uA(1.72,0.279) > uA(2,1) y u fl(1.72,0.279) > uB(0,1)
c) La curva de contrato de este intercambio es yA = x A.
d) El primer teorema del bienestar lo ilustramos notando que el equilibrio

competitivo yA = 1.72 = x \ está en la curva de contrato.
e) A su vez, el segundo teorema del bienestar lo ilustramos haciendo, para el

agente A,
duA
dxA _ Px
duA Py
OtJA
en un punto cualquiera (xA,y A) de la curva de contrato, es decir, donde
xa = Va para 0 < x A < 2. Por tanto, llegamos a que la relación de precios
de equilibrio estará dada por
p 3
Por ejemplo, la asignación paretiana equitativa (1,1) tendría a = -
Py *
como precios de equilibrio. ▲
Hacia finales de la década de los años de 1940, las deficiencias analíticas del
modelo paretiano abrieron un compás de posibilidades para entender, con toda
precisión, cuáles podrían ser las condiciones mínimas bajo las cuales existía un
equilibrio walrasiano, y en qué casos se podrían también tener los dos teoremas
del bienestar económico. Esta síntesis sería alcanzada por Koopmans (1951)50
56 Koopmans, T. (1951), Activity Analysis of Production and Allocation. New York:
John Wiley & Sons.
(volumen 1 (Álgebra lineal)) en el caso lineal, Mckenzie (1954)57 en un caso

específico del comercio internacional, Arrow y Debreu (1954)58 y, fundamental
mente, Debreu (1959)59 que, en su momento, fue la más compacta, coherente
y sistemática presentación de las posibilidades y limitaciones del modelo de
equilibrio general walrasiano. Sobre el modelo Arrow-Debreu discutiremos en
el contexto económico de la lección 3.
d) C o m p o r ta m ie n to e c o n ó m ic o r a cio n a l co n in ter a cc io n e s: la
te o r ía de ju e g o s clá sic a
En su ahora clásico Recherches sur les Principes Mathémathiques de la Théorie
des Richesses de 1838, Coumot construyó una teoría de las firmas oligopolís-
ticas que incluía la competencia perfecta y el monopolio como casos extremos.
Al estudiar, en particular, el problema del duopolio, Coumot mostraba que
la producción óptima de una firma dependía de la producción de la otra, y
que, al hacerlo, el administrador de cada firma asumía que la producción de
la otra permanecería fija si él cambiaba la producción de su firma. Críticos
desde las más diversas vertientes atacaron esta hipótesis: la metodología utili
zada por Cournot en su análisis no tenía, en ese entonces, la suficiente claridad
conceptual.
El primer paso en el sentido de entender cómo formalizar los problemas de
interacciones entre diferentes agentes provino de John von Neumann en su pri
mera gran contribución a la teoría de juegos. En su artículo de 192860 sobre
el tema, desarrolló el teorema minimax para juegos de suma cero (donde lo
que obtiene un jugador, lo pierde el otro), en los que los jugadores se mue
ven secuencialmente en el tiempo sin que necesariamente sepan cuáles fueron
los movimientos previos de los otros jugadores. Esta independencia de movi
mientos hubiera sido difícil de modelar, sin la noción de estrategia que von
Neumann definiera, para cada jugador, como un plan completo que especifi
ca sus movimientos como consecuencia de la información alcanzada hasta allí.
Así, un jugador puede escoger su estrategia antes de que el juego comience, si
conocemos las consecuencias de los otros jugadores. Esta noción de estrategia
es lo que nos permite aceptar hoy la hipótesis básica de Cournot de que los
productores en oligopolio toman sus decisiones independientemente.
57 Mckenzie, L. (1954), On Equilibrium in Graham’s Model of World Trade and Other

Competitive Systems, Econometrica.
58 Arrow, Kenneth y Debreu, G. (1954), Existence of an Equilibrium for a Competitive
Economy, Econometrica.
59 Debreu, G. (1959a), Theory of Value, An Axiomatic Analysis of Economic Equili
brium, New Heaven and London: Yale University Press.
60 Von Neumann, J. (1928), Zur Theorie der Gessellshaftspiele, Mathematische Annalen.
Pero, más allá, von Neumann afirmaba que cualquier juego podía modelarse,
matemáticamente, con la siguiente estructura: un conjunto de jugadores; un
conjunto de estrategias para cada jugador; y una función real de pagos para
cada jugador dependiendo de las estrategias escogidas por los otros jugadores.
Esta es la que llamó la forma normal del juego.
Además de esto, von Neumann agregó dos restricciones a su estructura de
juego que limitaron severamente cualquier posibilidad de hacer su teoría la base
para el estudio de interacciones generales en las ciencias sociales y económicas:
asumió que los pagos eran transferibles entre los jugadores y que todos los
juegos eran de suma cero (lo que ganaba un jugador, lo perdía otro), pues estas
hipótesis se adaptaban bien al tipo de solución minimax que había propuesto
(volumen 1, lección 8).
A pesar de esto, en la segunda edición (1947) de Theory of Games and Eco-
nomic Behavior, von Neumann y Oskar Morgenstern publicarían una de las
máximas contribuciones a la teoría de juegos. Reconociendo la necesidad de
estrategias aleatorias para poder probar la existencia de soluciones minimax
en juegos de suma cero, von Neumann (1928)61 utilizó la tradicional hipótesis
(desde, por lo menos, el siglo XVIII de los Bemoulli) de la toma de decisiones
maximizando el valor esperado de los pagos. Y fue la derivación axiomática del
comportamiento de los agentes que se comportan como si hicieran máxima la
utilidad esperada, lo que permitiría extender sus resultados en juegos de suma
cero a otro tipo de estructuras.
A la luz de los trabajos de von Neuman y Morgenstern, el premio Nobel en
Economía de 1994, John Nash (también en Princeton), inclusive antes de los
años de 1950 vio, casi inmediatamente, que toda la estructura de la teoría de
juegos permitía una nueva dimensión: la de suma no cero. En una breve nota
enviada en 1944 a los Proceedings de la Academia Nacional de Ciencias de los
Estados Unidos, y que fuera publicada en 1950, Nash daba la definición general
de equilibrio para un juego en forma normal y probaba, con un argumento de
piínto fijo (como von Neumann) que para cualquier juego con finitos jugadores
y estrategias, siempre debía existir al menos un equilibrio en estrategias alea
torias. Posteriormente, en 1951 (y como resultado de su tesis doctoral), Nash
dio una descripción más completa de su idea de equilibrio, e inclusive incluyó
una versión del famoso juego el dilema del prisionero (Tucker (1947)62). Pero,
por encima de todo, fue allí que Nash mostró que la teoría de juegos era una
estructura analítica unificada que daba camino a toda clase de estudios sobre
conflicto, negociación y cooperación.
Ahora entendemos que el comportamiento estratégico de dos o más agentes
61 Ibíd.
62 Este juego surgió en una clase ordinaria de Tucker en Stanford. No apareció en ningún
joumal, originalmente.
podría surgir cuando los pagos que estos obtienen y, más aún, la decisión de
cada uno de ellos, depende de lo que estos esperan que sean las decisiones de los
demás. Después de von Neumann y Morgenstern (e inspirados en su trabajo)
la teoría de juegos modela esta situación por medio del concepto de juego en
forma estratégica (o forma normal).
Un juego en forma estratégica está conformado básicamente por tres elemen
tos: a) Los jugadores (agentes); b) Las estrategias disponibles; y, finalmente,
c) El pago que cada jugador recibe por cada posible combinación de estrate
gias. Identificar a los jugadores y las estrategias disponibles para cada jugador
(también llamadas estrategias puras) es el paso clave en la construcción del mo
delo. Para seleccionar la estructura de pagos (o función de utilidad) se deben
examinar cada una de las posibles combinaciones de estrategias disponibles
para los jugadores, y determinar lo que recibe cada jugador en cada caso, asig
nándole cierto valor. Esta valoración numérica se refiere (dentro de la tradición
von Neumann-Morgenstern-Savage) a la representación numérica de un orde
namiento previo de las preferencias con respecto a las posibles combinaciones
de estrategias en el juego.
Con base en las nociones de jugadores, espacios de estrategias y funciones
de pago, podemos entonces definir formalmente lo que es un juego en forma
estratégica:
D efinición 7. (Juego finito en forma estratégica (B orel (1921)63, von

N eum ann (1928)))
i) Un juego finito en forma estratégica (o normal) es una 3n-tupla
r = (iV,( C i ) i € N , (Uí)íe n )
donde:
a) N = { 1 ,..., n} es el conjunto de jugadores;

b) Ci es el conjunto finito de estrategias puras para el jugador i € N (de
allí la condición de finitud del juego).
c) U{ : njL jC j -> R es la función de pagos (utilidad) para el jugador i €
N que asigna un pago (número real) a cada combinación de estrategias
(c i,. . . , Cn), donde el producto cartesiano np=1Ct = C\ x C2 x ... x Cn
es el conjunto de estrategias conjuntas.64
63 Borel, E. (1921), La théorie du jeux et las equations intégrales á noyau symétrique,
París: Comptes rendus hebdomadaires des séances de l ’Académie des sciences, vol.
173, 1304-1308.
64 Observemos cómo la función de utilidad captura la noción de “interacción estratégica”;
es decir, el pago que un agente recibe al realizar su propia acción depende también
de las acciones de los demás.
ii) Un juego finito en forma estratégica T = (AT, (C¿)¿eAr, (ut-)¿e;v) es un juego

con información simétrica,65o completa,66 si T es conocimiento común;
es decir, todos los jugadores conocen T, cada uno sabe que los demás
conocen T, cada uno sabe que los demás saben que ella conoce T, etc.
La representación más típica de un juego es aquella que comprende sólo dos

jugadores que escogen entre un número pequeño de estrategias diferentes des
critas mediante una bimatriz. En la bimatriz, las celdas contienen los pagos de
cada jugador para las posibles combinaciones de estrategias.
Ejemplo 54. (El dilem a del prision ero)

Uno de los juegos más importantes de la teoría de juegos clásica es El dilema
del prisionero. El juego consiste, en su versión estándar, en lo siguiente: Dos
sospechosos de un delito son detenidos y ubicados en celdas diferentes de tal
manera que no puedan comunicarse. La pena para el delito son cinco años de
prisión. La única forma en que las autoridades pueden condenar a los sospe
chosos es haciendo que al menos uno de ellos confiese. La descripción del juego
es la siguiente: si ambos sospechosos confiesan, la sentencia será de cuatro años
de cárcel para cada uno. Si ninguno de los dos confiesa, la sentencia será de tan
sólo un año en la cárcel para cada uno, dada la falta de pruebas para realizar
una condena. Y si uno confiesa y el otro no, el que confiesa será puesto en
libertad por colaborar con la justicia, mientras el otro será sentenciado a los
cinco años de prisión. El juego en su forma estratégica es como aparece en la
siguiente bimatriz:
sospechoso 2
C NC
sospechoso 1
c -4,-4 0,-5
NC -5,0 -1,-1
C = confesar; N C = no confesar
Todo juego en bimatriz es, a menos que allí mismo se especifique algo distin
to, un juego con información completa pero imperfecta. La imperfección en la
información proviene de la hipótesis implícita de que los agentes toman sus
decisiones, o bien simultáneamente, o sin que ninguno conozca la decisión del
65 Una interpretación estándar subyacente a la definición de un juego finito en forma
estratégica con información completa, es la de que el grupo de jugadores elija sus
estrategias simultáneamente, o secuencialmente, pero sin que ninguno de los jugadores
sepa qué estrategia eligieron los adversarios, en el momento de hacer sus escogencias.
66 Término acuñado por Duncan Luce y Howard Raiffa (1957)
otro, hasta tanto ambas decisiones hayan sido tomadas. La completitud en

la información proviene de la hipótesis de conocimiento común del juego por
parte de los jugadores.
Según la teoría de Nash, una forma con la que podemos resolver este tipo de
juegos está fundamentada en el siguiente principio:
La combinación de estrategias que los jugadores predeciblemente

escogerán es aquélla en la cual ningún jugador podría mejorar su
pago escogiendo unilateralmente una estrategia diferente, si supone
que los otros siguen eligiendo la estrategia previamente escogida.
Este es el principio del concepto-solución que se conoce como equilibrio de Nash

de un juego no cooperativo, y que podemos presentar más formalmente como
sigue:
D efinición 8. (Equilibrio de N ash (1950))

Sea T = (N , (C¿)¿6n , (í¿i)zeiv) un juego finito en forma estratégica, donde N es
el conjunto de jugadores, Ci es el conjunto de estrategias puras de cada jugador
y Ui(') su función de pagos. Una combinación de estrategias puras c* = (c*)¿G^
es un equilibrio de Nash en estrategias puras para el juego T si y solo si
M ci , c-i) > “ ¡(c i.c lj)
para todo c¿ € Ci y para todo i 6 N .
Ejem plo 55.

Resolviendo el dilema del prisionero (ejemplo 54) por equilibrios de Nash,
encontramos que si el sospechoso 1 cree que el sospechoso 2 va a confesar (C),
la mejor decisión que él puede tomar es también confesar (C), con lo que se
quedaría con un pago de —4. Si a su vez, el sospechoso 2 cree que el sospechoso 1
va a elegir su estrategia confesar, lo mejor que puede hacer es confesar y recibir
un pago de -4 . De manera que el par de estrategias (confesar, confesar) es un
equilibrio de Nash en estrategias puras del juego y entrega a los jugadores un
pago de —4 a cada uno.
Es importante destacar aquí que en este juego es imposible alcanzar, a tra
vés de estos principios de solución, la asignación cooperativa resultante de la
combinación de estrategias (no confesar (N C ), no confesar (N C )), ya que los
jugadores no tienen incentivos para mantenerse en esta elección. Cada uno de
ellos hace lo mejor que puede independientemente de lo que el otro jugador
haga. Haría falta, en este caso, algún mecanismo externo que hiciera a los ju
gadores jugar cooperativamente, haciendo de esta elección lo mejor para ellos.
La moraleja es importante: el concepto de equilibrio de Nash muestra que una
sociedad podría, solo a través de incentivos individuales (es decir, de manera

inteligente pero egoísta), llegar a estados que no son óptimos socialmente67.
Ejemplo 56. (Juego de coordinación)

Consideremos el juego cuyos pagos vienen dados por
jugador 2
D I
jugador 1
D 10,10 0,0
I 0,0 1,1
El juego tiene dos equilibrios de Nash en estrategias puras: (D ,D ) e ( / ,/ ) . Si

el jugador 1 cree que el jugador 2 escogerá su estrategia D, su mejor-respuesta
a esta elección es la estrategia D. De igual forma, si el jugador 2 cree que el
jugador 1 escogerá su estrategia D , la mejor respuesta a esta elección es su
estrategia D. Por lo tanto, (D , D) es un equilibrio de Nash del juego que deja
a cada uno de los jugadores con un pago de 10. Ahora: si el jugador 1 cree que
el jugador 2 elegirá la estrategia /, su mejor-respuesta es la estrategia /, y si
el jugador 2 cree que el jugador 1 escogerá la estrategia /, su mejor-respuesta
es también escoger I. Entonces (/, I) es otro equilibrio de Nash del juego que
deja a cada uno de los jugadores con un pago de 1. Obsérvese que para los dos
jugadores es mejor jugar el primer equilibrio porque los deja con un pago más
alto.
Ejemplo 57. (T ira r la m oneda)

Ya sabíamos que en el juego tirar la moneda (matching pennies), dos agentes
lanzan cada uno una moneda; si en ambas monedas aparece cara o sello, el
jugador 1 gana la moneda del otro; si difieren, es el jugador 2 el que la gana.
Los pagos se ilustran en la bimatriz de la figura 45.
Para intentar solucionar este juego, tomemos, por ejemplo, el par de estrategias
(C, C ); dado que el jugador 2 cree que el jugador 1 escogerá su estrategia C, lo
mejor que ella puede hacer es escoger su estrategia 5, lo que muestra que (C, C )
no puede ser un equilibrio de Nash. De forma similar, el par de estrategias
(C, S) tampoco puede ser un equilibrio de Nash ya que si el jugador 1 espera
que 2 juegue S , lo mejor que éste puede hacer es desviarse y jugar S. Por
un argumento similar, se puede mostrar que en las demás combinaciones de
estrategias puras también existen incentivos para desviarse unilateralmente
67 Este es un ejemplo de cómo las interacciones directas pueden llevar a situaciones

sub óptimas en el sentido de Pareto, que no es lo que ocurre cuando los agentes, sin
interactuar unos con otros, solo responden a señales de precios, como vimos en la
sección anterior (primer teorema del bienestar).
jugador 2
C S
jugador 1 ----------------------
C 1,-1 -1,1
S -1,1 1,-1
C = cara S = sello
Figura 45. Juego de Tirar la moneda.
por parte de algún jugador. Esto indica que no existe un equilibrio de Nash en
estrategias puras para este juego.
Sin embargo, como nos lo enseñaron von Neumann y Morgenstern, sí existe
un equilibrio de otro tipo, conocido como “equilibrio en estrategias mixtas”, en
el que cada jugador adopta una estrategia asignándole cierta probabilidad a
cada una de las estrategias puras de los demás jugadores; es decir, cada jugador
asume ciertas probabilidades sobre las estrategias puras que los otros jugadores
escogerán.
D efinición 9. (E stra te g ia m ix ta )
i) En un juego finito en forma estratégica T = (JV, (C¿)¿e;v, (ui)ieAr), una
estrategia mixta del jugador i es una distribución de probabilidad sobre
el conjunto de estrategias puras C¿. Al conjunto de todas las estrategias
mixtas del jugador i lo denotamos por A¿. Para <t¿ G y c¿ G Ci, a¿(c¿)
es la probabilidad que la distribución le asigna a la estrategia c¿. El
soporte de una estrategia mixta crj es el conjunto de estrategias puras a
las cuales cr¿ le asigna una probabilidad estrictamente positiva.
Ii) Una estrategia mixta del juego T es una combinación de distribuciones
<7 = (¿Ti, (72, • • • j 0"n)
donde a¿ G A¿ para todo i; es decir,

n
< 7 € J I A<
1=1
De acuerdo con la definición anterior, es claro que el conjunto de las estrategias

mixtas contiene al de las estrategias puras. En este caso, cada cr¿ le asigna
probabilidad 1 a cierta estrategia pura y probabilidad 0 a las demás estrategias.
Ejemplo 58. (Estrategias m ixtas de tira r la m oneda)

En el juego de tirar la moneda, una estrategia mixta para el jugador 1 se puede
describir como la asignación de una probabilidad (p ) a su estrategia C , y de una
probabilidad (1 —p) a su estrategia S. Esta estrategia mixta para el jugador 1
se acostumbra escribir
p [C ] + ( 1 - p )[S ]
Notemos que si p es igual a 1 se tiene la estrategia pura en la que se juega

C con certeza (figura 46). De forma similar, para el jugador 2 una estrategia
mixta puede describirse (como se muestra en la figura 46) como la asignación
de probabilidades (q) y (1 —q) para las estrategias C y S respectivamente. Se
acostumbra escribir esta estrategia como
ff[C] + (l-9)[S]
jugador 2
(q) (1-q)
jugador 1 C S
(p) C 1 ,-1 -1 ,1
(1-p) 5 -1 ,1 1 ,-1
Figura 46
Definición 10. (U tilidad esperada)

Sea T = (N, (C í )í£n , (ui)iex ) un juego finito en forma estratégica. Dado un
perfil de distribuciones
n
(T=(<Ti,...,<Tn) e
i=l
la utilidad esperada del jugador i asociada a este perfil corresponde a la si
guiente expresión:
n
cdC [j=l
De esta forma, la utilidad esperada de un jugador tiene la misma naturaleza que
un valor esperado (matemático); es decir, corresponde a una suma ponderada
de todas las utilidades que puede alcanzar el jugador, donde la ponderación
de cada una de éstas es la probabilidad de ocurrencia del resultado que genera
tales pagos.
Ejem plo 59. (U tilidades esperadas de tira r la m oneda)

Consideremos el juego de Tirar la moneda, tal como se establece en la figura
45. En este juego, las utilidades esperadas de los jugadores 1 y 2 para cada una
de sus estrategias son:
U lE (C) = 2 q - l , U1E(S) = l - 2 q, U & C) = l - 2 p , U%(S) = 2 p - l .
Con esto, las utilidades esperadas por participar en el juego son:
U¡¡ = 2p(2q - 1) - 2 q + 1 U% = 2q(l - 2p) + 2p - 1
Definición 11. (Equilibrio de N ash m ixto)

En un juego finito en forma estratégica T = (N, {Cí)í£n, [uí)í£n ), el perfil de
estrategias mixtas a* = (a*)¿eAr € FKLi A» es un equilibrio de Nash si, para
cada i € N , la estrategia mixta cr* del jugador i es una mejor-respuesta a las
estrategias mixtas de los demás jugadores. Esto es, a* es un equilibrio de Nash
en estrategias mixtas para el juego T si, y solo si,
u¿(o-*,cr!_¿) > u¿(crj,<j*¿) V<r¿ € A¿. Vi € N
donde
(o-i.ffV) = (a l,* 2 , . . . , a * .!,0 i,
Como hemos visto, una estrategia mixta es una distribución de probabilidad

sobre las estrategias puras de un jugador. De esta forma, un equilibrio de Nash
en estrategias mixtas corresponde a una situación en la que al menos uno de
los jugadores 110 se ve beneficiado por “desviarse unilateralmente” a jugar una
estrategia pura u otra estrategia mixta.
Cuando un jugador sigue una estrategia mixta en un equilibrio de Nash, debe
ser indiferente entre las estrategias puras a las cuales les asigna probabilidad
positiva: si no lo fuera, entonces aquella estrategia pura que obtiene mayor
utilidad esperada dominaría a la estrategia mixta. El siguiente teorema ilustra
esta idea y nos permite, efectivamente, calcular equilibrios de Nash mixtos.
Teorema 26.
Si un jugador utiliza una estrategia mixta no degenerada (es decir, que asigna
una probabilidad positiva a más de una estrategia pura) en un equilibrio de Nash
mixto, entonces es indiferente entre todas las estrategias puras a las cuales les
ha asignado probabilidad positiva. La afirmación recíproca no es cierta.
D em ostración.
Ver Monsalve y Arévalo (eds.) (2005).68 ■
68 Monsalve, Sergio y Arévalo, J. (2005), Un curso de teoría de juegos clásica. Bogotá:
Universidad Externado de Colombia.
E jem plo 60. (E l juego de coordinación, otra vez)

Consideremos, nuevamente, el juego de coordinación del ejemplo 56 que otra
vez presentamos en la figura 47, y encontremos su equilibrio de Nash mixto.
(q) (1-q)
D I
(P) D 10,10 0,0
(1-p) I 0,0 1,1
D = derecha, 1= izquierda
Figura 47. El Juego de coordinación.
Solución.
Para comenzar, encontremos las utilidades esperadas de cada uno de los juga
dores para cada una de sus estrategias. Si el jugador 1 cree que el jugador 2
va a jugar su estrategia pura Derecha (D) con probabilidad q e Izquierda (I)
con probabilidad 1 —q, sus pagos esperados por jugar sus estrategias Derecha
e Izquierda son, respectivamente,
U lE (D) = 10g + 0(l —g) = 10?

U e (I) = 0<j+ 1(1 - 9) = 1 - g
De forma análoga, si el jugador 2 cree que el jugador 1 va a jugar su estrategia
Derecha con una probabilidad p, y su estrategia Izquierda con una probabili
dad 1 —p, sus pagos esperados por jugar las estrategias Derecha e Izquierda,
respectivamente, son:
tfj|(2?) = 10p + 0 ( l - p ) = 10p

t/j|(/) = op + i ( i - p ) = i - p
Como se establece en el teorema 26, cada jugador escogerá la probabilidad con
la que juega cada una de sus estrategias puras de tal forma que su oponente
sea indiferente al momento de elegir entre estas; es decir, la utilidad esperada
de cada una de sus estrategias puras debe ser igual para cada jugador. Así,
tenemos que
jugador 1 jugador 2
10g = 1 —q lOp = 1 —p
q* = i / n p * = í/u
De esta forma, la solución del juego indica que cada uno de los jugadores
escogerá su estrategia Derecha con probabilidad 1/11 y su estrategia Izquierda
con probabilidad 10/11. El equilibrio de Nash en estrategias mixtas es
<7* = f o V S ) = [ ( 1 / 1 1 , 1 0 / 1 1 ) , ( 1 / 1 1 ,1 0 /1 1 ) ]
el cual ofrece a los jugadores pagos esperados, en equilibrio, de (0.9,0.9), que

es inferior al pago en los equilibrios de Nash en estrategias puras (10,10) y
(1,1). Nótese, sin embargo, que una vez han sido elegidas las probabilidades
con las que cada uno de los jugadores elige su posible acción, cada uno de ellos
es indiferente entre jugar su estrategia mixta, y jugar una estrategia pura; esto
es, los valores esperados de sus utilidades son siempre 0.9.
Estos resultados tienen un sentido profundo: los dos equilibrios puros los perci
bimos en la vida cotidiana de la calle cuando notamos que “todos manejan por
la derecha” y “todos manejan por la izquierda” son equilibrios que vemos, entre
otros lugares, en la Europa continental y en Gran Bretaña, respectivamente.
Son acuerdos tácitamente encontrados, es decir, convenciones alcanzadas a
través del tiempo. Aún así el equilibrio “a veces por la derecha, y a veces por
la izquierda” no tiene un referente claro en la realidad, y esto se destacará
cuando veamos, en el “contexto económico” de la lección 3, que las sociedades
van excluyéndolo “evolutivamente” como posibilidad de acuerdo, a medida que
transcurre el tiempo. ▲
Ejem plo 61. ( T irar la m oneda, otra vez)

En el ejemplo 59 habíamos visto que las utilidades esperadas de los jugadores
en el juego de tirar la moneda vienen dadas por las siguientes expresiones:
Í/¿(C) = 2 (7 -1 , Ug(S) = 1 —2q

U2E(C) = 1 - 2p, U%(S) = 2p - 1
De acuerdo al teorema 26, se tiene que U ^(C) = Ug(S) y que Ug(C) = t/jr(¿>)
y, por tanto p — - y q = - . Así, el equilibrio de Nash mixto de este juego es
[(1/2,1/2) ,(1/2,1/2)], y los pagos esperados, en equilibrio, son de cero para
cada jugador.
Este resultado permite entender un poco mejor el significado del concepto de
equilibrio de Nash: [(1 /2 ,1 /2 ), (1/2,1/2)] podría interpretarse no como que
esta estrategia vaya a ser realmente jugada, sino como una amenaza de jugar,
con igual probabilidad, cualquiera de las dos estrategias: No solo jugar efec
tivamente una estrategia, sino “amenazar” con jugarla, es el comportamiento
que da mejores pagos dadas las amenazas del otro jugador.69 A
69 Un arquero de fútbol, al momento de ser pateado un penalti, sabe muy bien lo que
debe hacer: para él, la mejor estrategia es amenazar con jugar, con igual probabilidad,
a un lado o al otro.
El siguiente es uno de los resultados centrales de la teoría de juegos clásica. De

hecho, las técnicas utilizadas por Nash en este teorema inspiraron a K. Arrow
y G. Debreu para alcanzar la correspondiente demostración de la existencia de
un equilibrio competitivo bajo condiciones muy generales.
T eorem a 27. (Teorem a de existen cia de equilibrios de N ash (1950))

Todo juego finito en forma estratégica tiene al menos un equilibrio de Nash (en
estrategias puras o mixtas).
D em ostració n.
Sea T = (N , (Cí)¿6 at, (uí)íz n ) un juego finito en forma estratégica, y sea A =
f ]”=1 A¿. Entonces probemos los siguientes puntos:
1. A es convexo: Sean o = (<Ji),a' = (a[) G A; es claro que para A G [0,1],

se tiene que Acr + (1 —\)cr' = (A<7¿-f (1 —A)<r¿). Aquí podemos asumir que
0 » = [V c j)^ v ôncê Pcj es Ia probabilidad asociada a la estrategia pura
iip / \ JJCt
Cj con i Pcj = 1 » y Pcj > 0 ; de manera similar, para o\ = [Pcj) •
Entonces tendremos que:
a) A<r¡ + (1 - = (ApCj + (1 - A)p'Cj) f j x

b) AvCj + (1 - A)p'c. > 0 y
c) E ^ Í A p c , + (1 - A)p'.) = A E$='i Pc, + (1 - A) E5=', Pe, = 1
y esto prueba la convexidad del conjunto A.
2. El conjunto A es compacto ya que A¿ es compacto (simplex unitario)

para todo i € N .
3. Ahora: sea : A —> A t-, definida, para a G A, por
7 ¿(a) = {cr{ 6 Aj / u¿(crt-, cr_¿) > u¿(cr¿,<r_¿) para todo Gí G A¿}
y sea 7 : A -> A definida por 7 (cr) = (71 (cr),7 2 (cr),. . . , 7 n(¿r)). Si proba
mos que 7 i es semicontinua superiormente y que para todo a G A , 7 ¿(a)
es no vacío y convexo, entonces 7 tiene un punto fijo (teorema de punto fi
jo de Kakutani (teorema 17)); es decir, existe a* G A tal que <j * G 7 (cr*);
esto es, G 7¿(<r*), y ^
U { ( c para todo a i G A¿;
es decir, o * es un equilibrio de Nash.

a ) P r o b a r q u e 7 ¿(<r) es n o v a cío , e s d e c ir, q u e el p r o b le m a
m á x U i(cTi,cr-i) p a r a a - i fijo
tr¿€Ai
tie n e s o lu c ió n , es in m e d ia to p o r el te o r e m a d e W e ie r s tr a s s .
b ) D e m o s tr e m o s q u e 7 i(a) es c o n v ex o . Si te n e m o s a\,a" G 7¿(<r), e n to n
ces
u í ( ctí,<t L í ) > Ui(<Ti,cr-i) p a r a to d o G Ai

Ui((7 i , a f_ i) > U i(< J i,a -i) p a r a to d o G A¿
A sí, Ui(\a[ -f (1 - \ ) a " ya -i) > Uí {(Jí , ( J - í ), p a r a to d o Oí G A ¿.

c) P r o b e m o s q u e el g rá fic o d e 7
W ( 7) = { (° V )I e 1 (0 )}
es c e r ra d o . S e a (an ,a'n) G g r a f( 7 ) y (an ,a'n) -> (<j, a ') , d o n d e a,a' G

A , y d e b e m o s p r o b a r q u e (<7,cr') G <7ra/(7 ) . P e ro e s to es in m e d ia to ,
y a q u e si <j’n i -+ e n to n c e s , d e
Ui(a'n ,(T -i) > U i((T i,(T -i) Oi G A i

Ui(a'n , a - i ) > Uí (<Tí ,<j - í ) G A ¿,
te n d re m o s q u e cr¡ G 7 z(<j ), y e s to c o m p le ta la d e m o s tra c ió n . ■
O b s e rv e m o s q u e e s te te o r e m a g a r a n tiz a , p a r a ju e g o s c o n u n n ú m e ro fin ito d e

ju g a d o r e s , la e x is te n c ia d e , al m e n o s, u n a c o m b in a c ió n d e e s tr a te g ia s t a l q u e
n in g u n o d e ello s te n g a in c e n tiv o s u n ila te r a le s p a r a c a m b ia r s u p r o p ia e s t r a t e
g ia . E s d e c ir, d e q u e cada c o n flic to tie n e , e n p r in c ip io , u n a “s o lu c ió n ” a u n q u e
e sta p u e d a im p lic a r c o m p o r ta m ie n to s a le a to r io s a p r io r i.
E l le c to r p o d r ía p r e g u n ta r s e a q u í p o r q u é si el te o r e m a d e N a s h q u e a c a b a m o s
d e p r e s e n ta r es a p lic a b le p a r a c u a lq u ie r c o n ju n to fin ito d e ju g a d o r e s , los e je m
p lo s y a p lic a c io n e s p r e s e n ta d o s ú n ic a m e n te h a n in v o lu c ra d o a d o s ju g a d o r e s .
V011 N e u m a n n y M o rg e n s te rn re c o n o c ía n q u e p a r a t r a t a r c o n ju e g o s d e m á s
d e d o s ju g a d o r e s d e b e r ía re c u r r ir s e a u n a m e to d o lo g ía d ife re n te a la u tiliz a d a
e n ju e g o s d e d o s ju g a d o r e s y a q u e , e n a q u e llo s c a s o s , a lg u n o s ju g a d o r e s p o
d r ía n f o r m a r a lia n z a s q u e lo s b e n e f ic ia r a n f r e n te a te rc e ro s ju g a d o r e s . E s t a es
la te o r ía d e ju e g o s c o a lic ió n a le s (o c o o p e r a tiv o s ) q u e , p a ra le lo a la te o r ía d e
ju e g o s 110 c o o p e r a tiv o s , h a te n id o u n d e s a rr o llo p ro p io m u y fr u c tífe ro e n e l q u e
se h a m o s tr a d o , in c lu s iv e , q u e s u s c o n e x io n e s c o n la te o r ía n o c o o p e r a tiv a son
c o m p le ta m e n te n a tu r a le s c u a n d o d e ju e g o s c o n “m u c h o s” a g e n te s se t r a t a . 70
70 Para el estudiante interesado en una buena introducción a la teoría de juegos coa

liciónales, recomendamos Osborne, M. y Rubinstein, A. (1994), A Course in Game
Theoryy MIT Press.
A pesar de su aspecto prometedor en los primeros años de 1950, el impacto de

la teoría del equilibrio de Nash se dispersó muy lentamente. Al principio, casi
toda la atención se centró en el análisis de los juegos coaliciónales que tanto
habían apoyado von Neumann y Morgenstern desde su particular y estrecha
perspectiva de las interacciones. La literatura de los años de 1950 y los de
19G0 así lo atestigua. Posteriormente, al rescatar la importancia del trabajo de
Nash, se fue entendiendo que la mirada tradicional walrasiana de la economía
(desde la teoría de precios y mercados competitivos) tenía serias limitaciones.
Por ejemplo, problemas de interacción económica donde los individuos tienen
diferente información, no caen con facilidad dentro de los argumentos típicos de
precios; la organización interna de una firma tampoco está claramente abarcada
en el esquema de precios y competencia perfecta; el problema del surgimiento
del dinero como instrumento financiero y de intercambio ha estado por fuera
de las aproximaciones clásicas de los modelos de equilibrio general. Inclusive
en las épocas de los grandes debates acerca del socialismo, pudo verse cómo
los modelos basados en precios podían ser inútiles para probar los defectos y
virtudes de una economía centralizada. También la creación y operación de las
instituciones, que son un factor esencial en el funcionamiento de los mercados
económicos, cae, regularmente, por fuera de los esquemas de la teoría de pre
cios, etc. La teoría de juegos (y, en general, la teoría de interacciones) muestra
un camino más allá de esta mirada. Hoy, la visión de la teoría económica, a la
luz de estos avances, comienza a cambiar.
1. En la sección de optimización no lineal de la presente lección se han estu
diado problemas de optimización de dos variables y una sola restricción.
A continuación, se pide generalizar los resultados presentados:
a) Escriba las condiciones de primer orden para el problema de Kuhn-
Tucker:
Maximizar /( x , y)
sujeta a 9 i( x ,y ) > 0
92(x,y) > 0
x> 0
y > 0
b) Escriba los correspondientes resultados de Lagrange y Kuhn-Tucker

para el problema anterior.
c) Similar al literal b), cuando hay 3 restricciones.
d) Similar al literal b), cuando las funciones dependen de 3 variables
x ,y ,z .
e) Generalice a m (> 3) restricciones y n (> 3) variables.
2. Halle los máximos y mínimos de la función definida sobre el conjunto de

restricción S en cada uno de los siguientes casos:
a) f { x , y) = x 3 + y 3 - 9xy -f 27; S = [0,4] x [0,4]

b) f ( x ,y ) = x 2 + 2 y3 - x\ S = {(x, y) G R2 | x 2 + y2 < 1}
c) f { x , y) = 3 4- x3 - x 2 - y2; S = {(x, y) 6 R2 | x2 + y2 < 1 x > 0}
3. Resuelva analíticamente (utilizando los teoremas apropiados y encon

trando las soluciones explícitamente) e ilustre gráficamente los siguientes
problemas:
a)
Maximizar 2x2 + 2xy - 2y2
sujeta a 3x + Ay < 6
Ay2 —x < 6
x > 0
y >0
b) Minimizar Axy—3x2 -f y
sujeta a x < 4
y< 5
x > 0
y> 0
c) Maximizar
sujeta a ax + by < M
x < mi
y> m 2
x > 0
(Aquí, a ,/? ,a , 6 , A /,m i,m 2 son todos positivos).
4. Determine el punto sobre el plano x -I- 2 y *f 3z = 13 más cercano al punto
5. Halle tres números reales cuya suma sea 9, y la suma de sus cuadrados
sea lo más pequeña posible.
6 . En el problema
Maximizar - 8x 2 —10y2 +12xy - 50x + 80y

sujeta a x + y < 1
8x2 + y2 < 2
x >0
y> o
a) Resuelva geométricamente.
b) ¿Por qué el método de Lagrange no funciona aquí?
c) Determine los valores óptimos de x y y utilizando el método de Kuhn-
Tucker.
7. ¿Para qué valores de a , /?, 7 , el problema
Maximizar a x 2 +(3xy
x > 0
y > o
tiene solución? En tal caso, ¿cuál es la solución? ¿Cuándo es única?
8. Un grupo de 3 personas es propietario de un lote cuadrado, y planean

construir sus casas en él. Buscando privacidad, tratarán de que la dis
tancia entre los centros de las casas sea lo más grande posible. ¿Dónde
deberían construir sus casas?
9. Un vendedor debe comenzar su ruta de viaje en una ciudad, visitar otras

3 ciudades, y regresar a la ciudad de la que partió de tal forma que
la distancia total recorrida se minimice. ¿Puede usted hacerle, a este
respecto, alguna recomendación al vendedor?
10. Calcule el máximo producto posible de tres números positivos x, y, z, si

x + y + z2 — 16.
11. Encuentre (si existe) el punto de la región de los (x , y , z ) con x > 0,

y > 0, 2 > 0; x 2 — x y + y 2 —z 2 < 1, x 2 + y 2 + z 2 = 1 más cercano al
origen (0,0,0).
12. Halle los valores máximo y mínimo de f ( x , y , z ) = x —2y + 7z sobre la

esfera x 2 + y2 + z 2 < 30, si x > 0, y > 0.
13. Pareto en su Manuel de 1906 (§ 3, Cap. II) afirma que:
Se sabe, por ejemplo, que los alveolos de las abejas se terminan

en pirámide, y que con el mínimo de superficie, es decir con
el más pequeño gasto de cera, hacen el máximum de volumen,
es decir que pueden contener la más grande cantidad de m iel
Nadie supone, sin embargo, que es así porque las abejas han
resuelto por el empleo de un silogismo y de las matemáticas un
problema de máximum.
Discuta matemáticamente la primera afirmación, y reflexione sobre la

segunda.
14. [Un problema geométrico (J.J. Sylvester (1857))] Este problema consiste,
en palabras del propio Sylvester, en “encontrar el más pequeño círculo
que contenga un conjunto dado de puntos en el plano”. Supongamos que
los puntos dados son a i , a 2 , . . . , a m G IR2, y que buscamos un círculo
de centro desconocido x € R2 y radio r > 0, también desconocido. Se
requiere que los puntos a¿ satisfagan ||a¿ —x|| < r para i = 1,. .. , m, y
queremos escoger x y r tales que r sea mínimo.
Para resolverlo podemos reemplazar las m desigualdades cuadráticas por
desigualdades lineales como sigue. Introduzcamos la incógnita
*0 = ¿ ( r 2 - IM I2);
entonces las m desigualdades son ahora
xo -f a,iX > bi (i = 1, . . . , m)
donde = ^H«*!!2, y el problema es
Minimizar r2
sujeta a xq-\-clíX\ + 2<
o, en otra forma,
Minimizar 2x0 + x j + x\
sujeta a Xo 4* CLiX 1 - f Ü{X2 < bi
Resuelva este problema, por el método de Kuhn-Tucker, sólo para el caso

m —2 .
15. Una empresa tiene n productos que vende en el mercado a precios p i, ... ,p n.
Para la producción de esos productos utiliza m insuinos diferentes, de los
cuales tiene un inventario Ai de cada uno; para producir una unidad del
producto j requiere de unidades del insumo i. El objetivo de la em
presa es maximizar sus ingresos por venta.
a) Plantee el problema de la empresa en términos del método simplex.

b) Suponga que n = 4 y m = 6 y que
Pi = 2, P2 = 4, P3 = 1, P\ = 8;
A i = 150, A 2 = 170, A 3 = 70, A i = 95;
A 5 = 200, ¿ c = 90
y que la matriz de coeficientes de producción es
1 10 2 14
3 6 7 3
1 1 1 1
2 4 2 3
5 7 1 2
1 3 3 9
Encuentre los niveles óptimos de producción de cada producto.

c) Determine cuánto se demanda de cada insumo, y para cuáles insumos

existen sobrantes en el inventario.
d) Determine cuál insumo tendría mayores efectos sobre el nivel de ventas
si se cambiara su nivel de inventarios.
16. Una empresa tiene a su disposición dos tecnologías para producir 2 bie
nes. La tecnología 1 requiere 10 unidades del insumo 1, y 6 del insumo
2 para producir conjuntamente 15 y 20 unidades de los productos 1 y
2, respectivamente. De otro lado, la tecnología 2 requiere 5 unidades del
insumo 1, y 9 del insumo 2 para producir conjuntamente 12 y 8 unidades
de los productos 1 y 2, respectivamente. Si los precios de los produc
tos 1 y 2 son 10 y 7 respectivamente; y de los insumos 1 y 2 son 1 y
3, respectivamente, determine los niveles de utilización de las diferentes
actividades, de tal forma que la empresa maximice sus beneficios.
17. Dé dos ejemplos económicos reales de tecnologías con rendimientos cre

cientes a escala.
18. ¿Cuáles son las condiciones de primer orden de Kuhn-Tucker para el

problema de distribución de recursos
Maximizar / (x) + g(y) + h(z)

sujeta a x + y + z < b,
x > 0'
y> 0
z >0
donde b > 0, /(•), #(•), /i(-) son funciones cóncavas estrictas y diferen-
ciables con continuidad en R+?
19. [Dixit (1990)¡.71 Cierta suma de dinero C está disponible para invertir
en dos proyectos de inversión. Si x \ , x 2 > 0 son las cantidades invertidas
en los proyectos 1 y 2, respectivamente, el rendimiento esperado de este
portafolio de proyectos es
[<*ixi - + [a2 x 2 - ^ 2X2]
para ciertos c*i, £ 1, 0 :2 »/fe > 0.

El inversionista busca maximizar este último valor. Utilizando el método
Kuhn-Tucker, pruebe que:
71 Dixit, Avinash K. (1990), Optimization in Economic Theory. Oxford University Press.
-x- + , una parte de C no se invierte.

Pi P2
b) Si
Q1 Q2
C*!» <*2 >
A + A.
entonces todo proyecto recibirá alguna inversión,
c) Interprete estos resultados.
20. [Un consumidor racionado] Para Pi,P2 ,M ,k > 0, 0 < < 1, resuelva el
problema del consumidor
Maximizar ln x + 0 ln y
sujeta a p \x + p2y < M
x <k
x >0
y> 0
21. Para p i,p 2 ,M ,a > 0 , 0 < (5 < 1, resuelva el problema del consumidor
Maximizar x a + (3 \n y
x >0
y> 0
22. Compare los resultados de los ejercicios 20 y 21.

23. Para < 7 < 1, 0 < 0 < 1, resuelva el problema de un
consumidor con función de utilidad tipo CRRA
Maximizar
sujeta a P\x + P2y < M

x > 0
V> 0
24. Para p i,p 2 , A/ , 7 > 0, 0 < /3 < 1, resuelva el problema de un consumidor

con función de utilidad tipo CARA
Maximizar ---- e 7X ——e 7y

7 7
x >0
y> 0
25. Para a ,/ ? ,7 > O, px ,p y,p ZlM > O, resuelva el problema del consumidor
Maximizar x°y ^z'y

sujeta a pxx + pyy + pzz = M
x > 0
y > 0
2: > 0
26. Resuelva el problema de un consumidor con función de utilidad separable

y cuadrática; es decir,
Maximizar u(x) + (3 u(y)

sujeta a p \x H- p^y < M
x > 0
y >0
donde w(-) es una función cuadrática del tipo u(z) = 2:—z 2; y p i,p 2 »M >
0 , 0 < p < 1.
27. [Precios sombra] En ocasiones, y para evocar cierta conexión con los pre
cios del mercado, a los multiplicadores de Lagrange de un problema de
optimización (de consumidores de productores) se les denomina precios
sombra. Note que, por el teorema de la envolvente expuesto en esta lec
ción, el parámetro A coincide con el valor marginal de los recursos. Para
ilustrar el papel que pueden jugar los precios sombra en problemas de
distribución eficiente de recursos escasos, considere el siguiente ejemplo
de Dixit (1990):72 supongamos que una economía tiene 300 unidades de
mano de obra, y 450 unidades de tierra, para producir trigo y carne.
Cada unidad de trigo requiere de 2 unidades de mano de obra y de una
de tierra; cada unidad de carne requiere de 1 unidad de mano de obra
y 2 de tierra. Por lo tanto, si x, y son el número de unidades de trigo y
carne que puede producir la economía, debemos tener que
2x + y < 300
x + 2y < 450
a) Dibuje el conjunto de planes (x, y) posibles para esta economía.

b) ¿Será que la solución tendrá que ser x = 50, y = 200 (empleo total
de los recursos)? ¿Por qué?
72 Ibíd.
Suponga ahora que la sociedad tiene un objetivo (o “función de bie

nestar social”) definido por:
ir(.T, y) = a ln x + ¡3 ln y
donde a, /? > 0, a + (3 = 1, son constantes conocidas y que trata de

maximizar esta función.
c) Escriba el problema de optimización de esta sociedad.
d) Escriba el correspondiente lagrangiano.
e) Escriba las CPO de Kuhn-Tuckcr para este problema.
f) Pruebe que, en un óptimo, no es posible mantener ambos factores
subutilizados.
g) Pruebe que si (3 > 8/9 entonces x = 450a, y = 225P es una solución.
h) Pruebe que si P < 2/3 entonces x = 150a, y = 300/? es una solución.
i) Pruebe que si | < P < 8/9, se obtiene la solución de utilización total
de factores: x — 50, y = 200.
j) ¿Cuáles son las soluciones óptimas?
k) Confirme que cada precio sombra (multiplicador de Lagrange) en este
problema es el efecto sobre el bienestar social de tener una unidad
adicional de ese factor.
1) Muestre que si un factor no está totalmente utilizado en un óptimo,
entonces su precio sombra es cero.
iii) Confirme que un precio sombra positivo significa que un incremen
to marginal en disponibilidad del recurso afectará positivamente la
producción.
28. [Un problema del análisis de actividades (Koopmans (1951))] En el “con

texto económico” de la lección 8 del volumen 1 (Álgebra lineal), discu
tíamos el modelo de Koopmans de la existencia de un equilibrio compe
titivo y sus características de bienestar. El presente ejercicio plantea un
problema concreto y simple del “análisis de actividades” que Koopmans
generalizó en su modelo pionero de 1951:
Existen n actividades, A i, A 2 , • • • , A n a las que cierta firma puede recu
rrir, utilizando la oferta disponible de m recursos (insumos), 7?i, # 2 , **• ,
Rm . Supongamos que es la oferta disponible del recurso que es
la cantidad del recurso utilizado en la actividad A j en cada unidad
producida; y que cj es el valor neto de una unidad producida bajo la
actividad A j . El objetivo de la empresa es escoger adecuadamente los
niveles de utilización de las diferentes actividades de tal manera que se
maximice el valor de la producción sujeto a los recursos dados. Es decir,

la empresa necesita encontrar las intensidades x j > 0 a que debe operar
las respectivas actividades A j, de tal forma que maximice el valor total
de la producción i cj xj sujeto a la condición de que las cantidades
de recursos utilizados en esta operación no puede sobrepasar la oferta,
es decir, aijxj < Para 2 = 1,2, El ejercicio aquí consiste
en que el lector construya y resuelva un ejemplo concreto de análisis de
actividades con ra = 3 y n = 2 .,e interprete el resultado adecuadamente.
29. [Prueba de existencia de equilibrios en el modelo de von Neumann (1932)j

Utilizando el teorema minimax, podemos probar el teorema de existencia
de solución única del modelo de von Neumann que estudiamos en el vo
lumen 1 (Álgebra lineal), y que reproducimos a continuación. El ejercicio
consiste en que el lector siga cuidadosamente la prueba del teorema.
Consideremos una economía donde hay n bienes G \, G2, ..., Gn que pue
den producirse mediante m procesos Pi, P2 l..., Pm- En cada proceso P¿ (i =
1,2, ...,m ) se utilizan cantidades conocidas a^- (expresadas en unidades
convenientes) y se producen las cantidades conocidas 6^-, de los respec
tivos bienes G j(j = 1,2, ...,n). El proceso, entonces, puede simbolizarse
de la siguiente forma:
n n
Pi — ^ 2 atjG j ->■ ^ 2 h jG j
j =1 j=1
Estos procesos P¿(¿ = 1,2, ...,m ) serán utilizados con ciertas intensida
des Xi(i = 1,2, ...,m ), lo que significa que, para la producción total, las
cantidades de la ecuación (5) deben multiplicarse por Xj. Aquí, = 0
significa que el proceso Pi 110 será utilizado.
Luego se pregunta por aquellos estados en donde la economía se expande
sin cambio de estructura; es decir, donde las proporciones de las intensi
dades — , — , ..., igualan un factor común a:
X 2 X 3 x m
X1 _ x2 _ _ Xm—1 _^
X 2 X3 Xm
A este, von Neumann lo llama el coeficiente de expansión de la economía.

Las incógnitas del modelo son, entonces,
i) Las intensidades i i , . . . , i m de los procesos P i,...,P m;

ii) El coeficiente de expansión (o tasa de crecimiento), a , de la econo
mía;
iii) Los precios 7/ 1,..., yn de los bienes G 1,..., G„;
iv) El factor de interés ¡3, donde asume que

P _ ¡n _ V2 _ _ U n- 1
y2 y3 yn
Las ecuaciones económicas son:
a A TX B Y (2)

donde Y = [yi, ...,2/n]r *
Si tenemos en cuenta la condición — = ... = X- n~- = a y la condición

x2 xm
— = ... = entonces (1) y (2) conforman un sistema de m + n
2/2 Vn
desigualdades con m + n incógnitas. Pero como estas no son ecuaciones
sino desigualdades, el hecho de que el número de ellas iguale el número
de incógnitas, no constituye ninguna garantía de que el sistema pueda
resolverse.
T eo rem a 28. (M in im a x => Von N e u m a n n )

Si aij + bij > 0 el modelo de von Neumann tiene una única solución
D em o stració n .
Consideremos la función
j* mtn I 77i,n
u (y ,y T ) = ~ r -¡r = Y l, bií yiyj / £ a ‘}m yj (3)
¿,.7=1 / i¿=1
Observemos que la condición +bij > 0 garantiza que esta función está
bien definida: Si el denominador es cero, el numerador es positivo, y en
tonces podríamos redefinir la función u(-, •) mediante la función recíproca.
Utilizando (1) y (2) se tiene que
máx mín u (y, yT ) = a , mín máx ií(y, yT) = ¡

y yT yT y
y, por el teorema minimax, a = /?.73 ■
30. Para a,/3 > 0, suponga que un productor tiene una tecnología Leontief
definida por
f( x ,y ) = mín {ax,¡3y}
Encuentre la función de costos y las demandas de factores en este caso.

Note que esta función no es derivable, por lo cual, aparentemente, no
podría utilizar los métodos presentados en la presente lección.
31. ¿Podría
ln(l + p)
Yl(p,wuw2) =
W\W2
ser una función de beneficios que proviene del comportamiento racional

estándar?
32. ¿Podría
I 2
C (w i,w 2, yo) = {d\W\ -f a2 W2 + bw?w£)yo
ser una función de costos que proviene del comportamiento racional es
tándar? En caso afirmativo especifique cuáles pueden ser las condiciones
sobre los valores de a i,a 2 ,b.
33. ¿Podrían
x(P i,P y,M ) = ~ + 1

Py
y(P x,P v , M ) = ^ + 1
Px
ser funciones de demanda para un consumidor racional estándar?
34. [Demostración del teorema 19 (función de beneficio)¡ Seguir cuidado

samente la siguiente prueba: Supongamos que IT(p, w \, W2 ) resuelve el
problema del productor.
a) Si /(0 ,0 ) > 0, entonces el máximo del problema del productor debe

satisfacer n (p ,w \,w 2) > IT(p,0,0) > 0, ya que el productor puede
elegir no producir.
Sin embargo, paradójicamente, Von Neumann recurrió, con la misma forma funcional
u(y, yT) al teorema de punto fijo de Bromver para probar este teorema, y no al teorema
del minimax del que él mismo ya tenía una prueba desde 1928.
b) Sean x', yf los valores de x , y que resuelven el problema al precio p', y

sean x n, y" los que lo hacen al precio p". Entonces, por la definición
de U (p,w \,w 2), tenemos que
p 'f(x ', y’) - w ix f - w2y' > p'/(x " , y") - w ix " - w2 y",
p"J{x", yn) — w \x n —w2y" > p " f(x ', y') —2V\x' —w2y'.
Supongamos que pn > p'; entonces tenemos que
n(p", w \,w 2) = p”f{ x " , y") - w \x" - w2y"

> p " f(x ', y') - w \x f - w2yf
> p 'f(x ', y') - w ix' - w2\j
= n(p', ^1,^ 2)
De manera similar, si x', xj son los valores de x ,y que resuelven el
problema al precio w[ \ y x", y" los que lo hacen al precio w'{, entonces
p f(x ', yf) - w \x ' - w2y' > p f(x " , y") - w \x" - w2 y",
p f(x " , y") - w"x" - w2 y" > p f(x ', y') - w "x' - w2 y'
Supongamos que > w[ ; entonces
n (p\ w \, w2) = p j{ x ‘, y1) — w[x' — w2yf

> p f ( x " , y " ) - w \ x " - w 2 y"
> p f(x " , y") - w"x" - w2 y"
= Xl{p",u/{iW2)
Y de forma similar para w2.

c) Sean x', y' los valores de x, y que resuelven el problema de optimiza
ción a los precios pf,w [,w 2, y sea t > 0; entonces
II(tp \ tw [,tw 2) = tp 'f( x f, y') — tw^x' — tw 2y'

- t (p 'f(x ', y') - w[x' - w2y')
= tll(p' ,w \,w 2)
d) Sean x', y' los valores de x, y que resuelven el problema del productor
para p ',w [,w 2; x", y" los correspondientes a p",w ",w 2-, y x m,y m los
valores de x, y que resuelven el problema del productor para Ap' +
(1 —A)p", Aw[ + (1 —A) tu", Xw2 + (1 —A)w2. Entonces,
n(Ap' + (1 - A )/, Aw\ + (1 - A)w'{, X w 2 + (1 - A)v/¿)

= (Apf + (1 - A)p ")f(x "f,y f") - (Xw[ + (1 - A)w'{)x'"
- (A«4 + (1 - AKV"
+ (1 - A) (p "/(x '", j/'") - w'{x'" ~ w W ")

< A (p’f ( x ’, y') - w[x‘ - w'2y')
+ (1 - A) (p " f(x \ y1) - w "x - w'íy')
= \ n ( p \ w \ , w 2’ ) + (1 - \)U{p",w'iw'Í).
35. [Demostración del teorema 20 (función de costos)¡ Seguir cuidadosa

mente la siguiente prueba: Supongamos que C(u)i,W2 ,yo) resuelve el
problema de optimización del productor.
a) Sean x', yf son los valores de x, y que resuelven el problema al precio

w[ ; y x n,y n los que lo hacen al precio w"; entonces
w [xr + W2y* < vJ\x” + W2y",

w \x " + W2 y" < w "x' + W2y'.
Supongamos que w" > w[. Entonces
C (w [,w 2 ,yo) = w'ix’ + w2y' < w[x" + W2y" < vJ[xn + W2 y ”

< w"x' + w2 yf = C (w i', w2 ,yo)
Y de forma similar para W2 -

b) Si x', y' son los valores de x, y que resuelven el problema a los precios
w [,w 2 y t > 0, entonces
C(tw[, tw'2, yo) — tw [x' + tw 2y' = t (w[xf + W2 yf)

= tG(wi)W 2 ,yo)
c) Dado que C (w \, W2 ,yo) es lineal en W\,W2 , entonces es cóncava.
36. [Demostración del teorema 21 (funciones de demanda)] Seguir ciudado-

samente la siguiente prueba: Supongamos que (x(pi,p2> M ) y (pi,p2> Af))
resuelven el problema del consumidor.
a) Sea 5 = {(x,y) G R+ \ p \x + P2 y < M}, si S t = {{x,y) G R+ |

tp ix + tp2 y < tM , t > 0}, de ii) tenemos que S = S t. Sea p" > p[, y
definamos tf = t" = j^, S t>= {(x,t/) G R+ \ t'p ix + t'p2y < t'M }
y St" = {(a:, y) G R+ | t”p \x + tnp2y < £"M}, entonces tenemos
que S¿// C Por lo tanto, dado que U (x,y) es creciente en sus
argumentos, x{p",p2 ,M ) < x(p/1,p 2,M ), y(p”,P2 ,M ) < y{p\,P2 ,M ).
La prueba para P2 y M es similar.
b) Dado que la restricción p \x -f p2y < M, es igual a la restricción

tp ix + tp2y < tM para t > 0, el problema del consumidor se man
tiene inalterado, si multiplicamos (p i,p 2 ,M ) por de forma que
x (tp i,tp 2 i tM ) = x (p i,p 2 ,M ), y (tp i,tp 2 ,tM ) = y(p i,p 2 ,M ).
c) Sean M ', M " > 0, y supongamos que x (p i,p 2, M ), y{pi,p2, M ) no son
cóncavas. Entonces
Pix(Pi,P2 ,M ') + p 2y(p i,p 2 ,M ') < M '

Pix(Pi,P2 ,M ") + p 2y (p u p 2 i M ") < M ",
de lo cual,
P ix(pi,p2 , XM1 + (1 - X )M ")+ p 2y(pu p2 ,X M ' + (1 - X)M")

< A [pM pi ,p2,M') +p2y(pi,p2, M')\
+ (1 - A) [pix(pi,p2 ,M ") + p 2 y(pu p2 ,M ")]
< XM ' + (1 - X)M"
Por lo tanto, en (x{pi,p2 ,X M ' + (1 - X )M "),y(p¡,p2 ,X M ' + (1 -

X)M ")) la restricción no se cumple con igualdad. Así, deben existir
** > x(p u P2 ,X M ' + (1 - X)M") y y* > y(pu p2 ,X M ' + (1 - X)M")
tales que p¡x‘ +p2 y ' < X M '+(1 —X)M". Dado que U(•, •) es creciente
en sus argumentos,
U (x \y * ) > U (x(pu p2 ,X M f^ - ^ M ,,h y (p l ,p 2 ,X M ,+ ( l - X ) M ,%
de tal forma que (x*,y*) también debe ser solución al problema del
consumidor. Sin embargo, como £/(*,*) es cuasicóncava estricta, la
solución del problema es única, y, por lo tanto, (x*,y*) es la única
solución, lo cual contradice nuestra hipótesis de partida,
d) Sea S = R++, T = M+, / : S x T —> R y y? : S T tal que a cada
(pi,p2 ,M ) se le asigna el conjunto {(x,y) € R+ | p \x + p2y < M } y
/(* ,(x , 2/)) = U (x,y). Vemos que tanto /(•) como </?(•) son continuas,
y así, por el teorema 15 (teorema del máximo), las correspondencias
x(p u p2, M ) y y(pi,p 2 , M ) son semicontinuas superiormente. Es claro,
que si estas correspondencias de demanda tienen un único elemento
para cada (pi,p 2 yM )y es decir, son funciones de demanda, entonces
son continuas.
37. IDemostración del teorema 19 (función de utilidad indirecta)] Seguir cui
dadosamente la siguiente prueba: Supongamos que
v(puP 2 ,M ) = U (x(pu p2 l M ), y (p i,p 2 ,M ))
resuelve el problema de optimización del consumidor

a) Esta propiedad se sigue del hecho de que £/(-,*) es creciente, y de

que x(p i,p 2 , M ), y (p \,p 2 , M ) son no crecientes en p i,p 2 y no decre
cientes en M.
b) Se tiene por la homogeneidad de grado 0 de x (p i,p 2 , M ) y (p i, 7?2, A/).
c) Primero, si p'[ > p[ y p2 > p'2, entonces v(p",p2, M ) < v(p[,p2, M ).
Y, como Ap[ -f (1 —\)p i > p[ y Xp'2 + (1 —X)p2 > P2i entonces
v{Xp[ + (1 - A)p'/, \p '2 + (1 - A)pt¡) < v(p[,p'2 ,M ).
d) Se sigue inmediatamente a partir de la continuidad de las funciones
x (p i,p 2 ,M ) y y (p u p 2 i M ).
38. Considere la siguiente economía de intercambio puro de dos mercancías

y dos consumidores, A y B , cuyas funciones de utilidad son:
u a (x a ,Va ) = (x a ) 5 (v a )*
UB(xB,yB) = (x b )* (yo)^
a) Encuentre el equilibrio si wa = (1/3,2/3) y wb = (2/3,1/3).

b) Corrobore los dos teoremas del bienestar económico.
39. Suponga que existen únicamente dos mercancías en una economía de

intercambio puro y que la función de exceso de demanda de la mercancía
/ , íoopj + 200py in;

Zx{Px,Py) = --------z-------- - ~ 100
¿Px
a) Encuentre la función de exceso de demanda de la mercancía y , zy(px ,p y).

b) Calcule los precios de equilibrio.
40. Suponga que existen únicamente tres mercancías en una economía y que
las funciones de exceso de demanda de las mercancías x y h son:
Z y(Px,P y,Ph) = 2ph - 1
Zh(pI ,Py,PH) = APy~ 2Ph - 2

Px
a) Muestre que estas funciones son homogéneas de grado cero en pxy py, p/t.
b) ¿Puede utilizarse la ley de Walras para calcular la función de exceso
de demanda de la mercancía x, z x ( P x , P y , P h ) ‘■
c) Calcule los precios relativos de equilibrio, suponiendo que el precio de
la mercancía x es el numerario.
41. Considere la siguiente economía compuesta por dos mercancías y tres

consumidores, A y B, cuyas funciones de utilidad y dotaciones iniciales
son:
u ,\(x A, Va ) = x \ y \ w A = (1,2)
I 1
^ d Í^d ^J d ) = x 2Dy ¿D wD = (3,4)
a) Encuentre las funciones de demanda individual y las funciones de
demanda agregada.
b) Verifique la ley de Walras.
c) Suponga que el vector de precios de equilibrio pertenece al simplex
unitario, y encuentre este vector.
d) Corrobore los dos teoremas del bienestar económico.
42. Como dijimos antes, la tradición paredaña nunca se preocupó por el

problema de la existencia del equilibrio competitivo, a pesar de que esto
concepto fue el centro de atención con respecto a su propiedades e im
plicaciones. Aun así, en seguida mostraremos una de las pruebas típicas
de existencia en el caso de economías de intercambio puro, y le pedimos
al lector seguirla con cuidado. Esta prueba ya tiene los elementos (teore
ma de punto fijo de Brouwer, formas funcionales convenientes, etc.) que
serían esenciales en la prueba general de; existencia del modelo Arrow-
Debreu que veremos en la lección 3. Cabe, en cualquier caso, advertir cine
estos elementos provinieron, paradójicamente, de la prueba de existencia
de equilibrios de Nash que fuera publicada por el mismo John Nash en
1950. Es decir, la teoría de existencia de equilibrios walrasianos le debe
mucho a la teoría de existencia de equilibrios de Nash.
Teorema 29. (Existencia de equilibrios walrasianos)
Sean U { : R^. -> R
{x í , V í ) - * U ' ( x i , y i )
para i = A ,B , funciones de utilidad continuas, monótonas crecientes

estrictamente y cuasicóncavas estrictas y (xu^W y) y ,w jj) las do-
taciones iniciales de los consumidores A y B , respectivamente. Además,
supongamos que si pj = 0, entonces Zj(pXypv) > 0 para j = x, y. Enton
ces existe algún par de precios positivos (px ,p*j) tales que zx (p*,p*) = 0 y
zy(px ,Py) = 0 ; es decir, existe un equilibrio walrasiano para la economía
descrita por estas funciones de utilidad y dotaciones iniciales.
En efecto, habíamos mostrado en el teorema 21 que las funciones de

demanda de los agentes son continuas, de tal forma que también las
funciones de exceso de demanda son continuas. Sea P = { ( p x , Py) G

[0,1 ]2 / p x + P y = 1} y sea la función g : P -» P definida por
/ v _____________ Px + máx{0,zx(px,p y)}________

y 1 + máx{0,zx(px,p y)} -f máx{0, zy(px,p y)}
, ) = ________ Py + máx{0,¿y(px,p y)}________

y x’ y 1 + máx{0,zx(px,p y)} + máx{0,zy(px,p y)}
Vemos que (gx,gy) G P , ya que
„ , \ i / „ x ___________ Px - i - máx{0, zx(px,p y)}___________

y y xi y 1 + máx{0, Zx (p x , p y ) } + máx{0, Zy (p x , p y ) }
+ _________ py + máx{0, ¿y(px,p y)}________

1 + máx{0,zx(px,p y)} + máx{0,zy(px,p y)}
P x + P y -1- máx{0, ^j(px,p y)} + máx{0, zy (px ,py)}

1 + máx{0, zx (pxypy)} + máx{0,Zy(Px,Py)}
= 1
Como P es un conjunto no vacío, convexo y compacto, y g(-) es una

función continua, por el teorema del punto fijo de Drouwer (teorema 16),
existe al menos un punto fijo de <?(•), (p j,p j) € P . Veamos que (px,p j)
es un equilibrio walrasiano. Tenemos que el punto satisface
. _____________ P x + máx{0, zx (p*x ,py)}________

P z ~ 1 + máx{0, Z x ( p J ,p ¿ ) } + máx{0, z y ( p j , p ¿ ) }
. _____________ P y + máx{0,z¡,(p*,p*)}________
Py 1 + máx{0, Z i(pî,pJ)} + máx{0, zy(p i,p j)} '
de lo cual,
p* (máx{0, zx (px ,py)} + máx{0, zy(pÍ,pJ)}) = máxfO.ZxÍp^pJ)}
p’y (máxfO.ZxÍpJ.pJ)} + máx{0, z¡,(p",p*)}) = máx{0,zy(p*,p¿)}.
Multipliquemos ambas ecuaciones por zx (p*,p*) y zy(p*,p*) respectiva

mente, obtenemos entonces
P ÍM p J.p J) (máx{0, zx (p¿,p¿)} + máx{0, zy(p'x,p ’y )}) =
= Z xtó.pJ) m áx{0,2x(pi,pj)}.
P'yZy(Px,P'y) (máx{0, 2i(pí,pJ)} + máx{0, zv(p i,p j)} ) =
ZyiPx’P'y) máx{0, z„(p;,p¡)}.
Sumando ambas igualdades obtenemos
(píz*(pj,pj) + p'yzy(p'np'y)) (máx{0,2i(p j,p J)} + máx{0, Zyíp^pj)})
= Zi (p Í . p J) máx{0, Zi (p Í , p J)} + zy(p i,p j) máx{0, zy(p j,p ')} ,
que por la ley de Walras es equivalente a
z*(pj,pj) máx{0, zx (p I , p I ) } + zy(p*,p¿) máx{0, zv(pj,pj)} = 0.
Si zx (pl,p*) > 0 o Zy(p*,p*) > 0 se tiene que
Zx(p*x ,p*y)m á x{0 ,z x (p*x,p'y)} + zy(p*x ,p*y)m á x{0 ,Zy(p*x ,p*y)} > 0;
por lo tanto, debe ser zx {px ,py) < 0 o zy(px ,p y) < 0. Ahora, si Zi(px , p y ) <
0 para algún i = x, y, tendríamos que pj > 0. Pero entonces,
PÍ2x(pJ,pJ) +PjZy(PÍ-Pj) < 0

contradiciendo la ley de Walras. Así, debe ser zx (px ,py) = 0 y zy(px1 py) =
0. ■
43. ¡Equivalencia entre equilibrios walrasianos y puntos fijos]. Ya sabemos

(teorema 29) que el teorema de punto fijo de Brouwer garantiza la exis
tencia de un equilibrio walrasiano. Pero lo que podría sorprendernos aho
ra es que la afirmación recíproca también es cierta. Veamos esto:
Consideremos la siguiente versión del teorema de existencia de equilibrios
walrasianos, y que, aquí, llamaremos EEW:
T eorem a 30. (E E W (N ika id o (1956)74))

Sea A n = {p = (pj) € R" / Pj = 1} (simplex unitario en Rnj, y
sea T un subconjunto compacto y convexo de Rn. Supongamos, además,
que ip : A n —> -P(r) es una correspondencia semicontinua superiormente
(cort'espondencia de exceso de demanda) que envía cada punto de A n en
74 Nikaido, H. óp. cit.
un subconjunto convexo no vacío de T, y que, también p -x > O para todo

x G ip(p) (Ley Walras). Entonces existe p* G A n tal que
■<p(p*) > O
Uzawa (19G2)75 ha probado que también es cierto el teorema recíproco:
T eo rem a 31. (W alras => B ro u w er)

El teorema E EW implica el teorema de punto fijo de Brouwer.
En efecto: sea / : A n —> A n una función que satisface las hipótesis del
teorema de Brouwer (teorema 16). Para p G A„ definamos \ '• A n —>A n
mediante la fórmula
x(p) = Zñ ^ p-/(p)
Dadas las hipótesis sobre /(•), esta función x (m) satisface las condicio
nes del teorema EEW, como el lector puede fácilmente comprobar. En
particular, note que la ley de Walras se satisface inmediatamente, dado
que p • x(p) = 0 para todo p G A n. Por lo tanto, existe p* G A n tal que
x(p*) ^ 0» (lue cs
/(p*) - p * .
Up*ii2 p - í ( p )
Pero, de hecho, por la ley de Walras, tenemos qué
/(P * ) P *„. ,,_.N

t t í t "
Y si en esta igualdad vectorial sumamos sus componentes, y recordamos

que p* y f(p*) están en A n, entonces llegamos a que
/(p*) p* .
IIp 'II2
por lo que, entonces,
/(p* )= p*
y esto demuestra el teorema de Brouwer. ■
44. Calcule todos los equilibrios de Nash (puros y mixtos) de los siguientes
juegos en forma estratégica:
75 Uzawa, H. (1962b), Walras Existence Theorem and Brouwer’s Fixed Point Theorem,
vol. 13, Economics Studios Quarterly.
C D C D
a) A 1,1 2,0 b) A 3,2 1,7
B 0,2 4,4 B 1,1 4,1
45. ¡Teorema de Frobenius (Parte II)] Existen varios resultados complemen

tarios al teorema de Frobenius (teorema 18). Son los siguientes:
a) Pruebe que si A > B > 0 entonces A(i4) > A(B). Aquí, A > B
significa que si A = [a{j] y B — [6¿j] entonces aij > bij.
b) Pruebe que p ln — A tiene inversa no negativa si, y sólo si, p > A(/l).
En particular, una matriz insumo-producto I n —A tendrá inversa no
negativa si, y sólo si, el máximo autovalor de A es menor que 1 . Esta
condición es, entonces, equivalente a las condiciones Hawkins-Simon
(volumen 1 (Álgebra lineal)).
c) Pruebe, finalmente, que A(j4) = A(AT ).
**46. Nótese la validez de los siguientes esquemas:
teorema de =>■ teorema de => teorema de von Neumann

Minkowski minimax (crecimiento)
teorema de & teorema de teorema de

Brouwer Kakutani minimax
¿Podría el lector ampliar este esquema utilizando los resultados de la

presente lección? ¿Qué posibles conexiones entre resultados sugeriría este
esquema?
47. Reflexione y critique cuidadosamente la siguiente afirmación tentativa

del editor:
Es bien sabido que los tres teoremas: el de punto fijo de Brou

wer, el de punto fijo de Kakutani, y el de existencia de equi
librios competitivos, son equivalentes. Además, el teorema de
punto fijo de Kakutani implica el teorema de existencia de equi
librios de Nash. De esta manera, si supiéramos que este últi
mo implica el teorema de punto fijo de Kakutani, podríamos
entonces afirmar que los teoremas de existencia de equilibrios
competitivos y de equilibrios de Nash, son equivalentes, y así la
teoría de juegos clásica no nos llevaría más allá de donde nos
ha llevado la teoría del equilibrio general competitivo.
Lección 3
Sistemas dinámicos
Introducción
La gran importancia de las ecuaciones diferenciales (es decir, de las ecuaciones
que involucran derivadas) en el análisis matemático, se debe principalmente al
hecho de que la investigación de muchos problemas concretos en la física, en
la tecnología, en la biología, y, en general, en las ciencias, pueden entenderse
mediante la solución de tales ecuaciones. Numerosos cálculos implicados en la
construcción de maquinaria eléctrica, cómputos de trayectorias de proyectiles,
estudios de la estabilidad de aeronaves en vuelo, procesos de una reacción
química, diseño de artefactos electrónicos, evolución de poblaciones, etc., se
asimilan a la solución de ecuaciones diferenciales.
Esta teoría comenzó a desarrollarse a finales del siglo XVII, casi simultánea
mente con la aparición del cálculo diferencial e integral de Newton y Leibniz.
Por ejemplo, del estudio de las ecuaciones diferenciales del movimiento de
los cuerpos celestes, Newton dedujo las leyes del movimiento planetario pre
viamente descubiertas por Kepler de forma empírica. Pero, a pesar de que
herramientas como el cálculo de antiderivadas ofrecían cierta ayuda directa,
pronto se reconoció que el problema de encontrar soluciones a estas ecuaciones
con derivadas no era fácil. En particular, se encontró que las manipulaciones
y simplificaciones algebraicas apenas si servían en casos muy especiales. Por
esta razón, pioneros del siglo XVII como Fermat, Newton y Leibniz tuvieron
que centrarse en casos concretos, y dejaron al siglo posterior el desarrollo de
técnicas y teorías más generales.
A comienzos del siglo XVIII, Jacob Bernoulli escribía ecuaciones diferenciales

basadas en los principios newtonianos para estudiar el movimiento planetario.
También su hermano, Johann Bernoulli, modelaba fenómenos físicos utilizando
ecuaciones diferenciales y las resolvía. A su vez, Jacopo Riccati (1752) estu
diaba un tipo de ecuación muy particular que hoy lleva su nombre. Y así, a
principios de ese siglo, aunque se había logrado reunir una cierta cantidad de
227
técnicas de solución de clases específicas de ecuaciones, todavía no se tenía una

teoría general.
Consolidar, generalizar y crear métodos nuevos y más poderosos para atacar los
problemas planteados en la solución de ecuaciones diferenciales fue el trabajo
de Leonhard Euler. Y una de las claves de su éxito fue el que Euler entendió
el papel que podría jugar el concepto de función. Utilizando sus conocimientos
sobre estas, desarrolló diversos procedimientos generales para la solución de
muchas clases de ecuaciones diferenciales. Su trabajo también incluyó el uso
de métodos numéricos para hallar soluciones aproximadas a casi todo tipo de
ecuaciones. Fue, en definitiva, el maestro constructor de la futura teoría de las
ecuaciones diferenciales.
Posteriormente vendrían otros matemáticos a retinar y extender las ideas de
Euler. En 1728, Daniel Bernoulli utilizaba los métodos de Euler para estudiar
oscilaciones mecánicas. También D’Aleinbert estudiaba y resolvía ecuaciones
diferenciales parciales a lo largo de la línea de Euler. Pero además, Lagrange,
Laplace y Fourier (entre muchos) reconocieron que, en esta área, Euler era el
maestro de todos.
A comienzos del siglo XIX, Gauss y Cauchy, basados en teoría y conceptos de
funciones con variable compleja, utilizaban las ecuaciones diferenciales como
palanca de entendimiento de la teoría de las órbitas planetarias, de la teoría
de la gravitación, y de la propagación de ondas sobre una superficie líquida.
También fue Cauchy quien, como consecuencia de los fundamentos lógicos del
Cálculo, daría bases matemáticas sólidas a la teoría dtí las ecuaciones diferen
ciales. Sobre los fundamentos aportados por Gauss y Cauchy, discurrieron los
trabajos de muchos matemáticos del siglo XIX.
Precisamente hacia mediados del siglo XIX aparecerían los problemas de siste
mas de ecuaciones diferenciales. El matemático alemán Cari G. Jacobi [1804-
1851] convirtió la teoría de determinantes y transformaciones lineales en una
herramienta poderosa para resolver estos sistemas. También A. Cayley, J.J.
Sylvester y J. W. Gibbs, pioneros en el desarrollo de lo que hoy llamamos álge
bra lineal, propusieron (desde una perspectiva similar a la de Jacobi) diversos
métodos lineales para la solución de problemas concretos en termodinámica,
electromagnetismo, mecánica y astronomía, que involucraban ecuaciones dife
renciales.
Para finales del siglo XIX, se encontraron abundantes aplicaciones y desarro
llos adaptados a estas, que requerían de avances teóricos más profundos. Entre
otros, en 1876, el matemático alemán Rudolf Lipschitz (1876) estableció algu
nos teoremas de existencia para soluciones de ecuaciones diferenciales (lección
4), que le darían un aire de solidez teórica a esta importante área del análisis
matemático. De esta época data, precisamente, el origen de la teoría de los
Lección 3: Sistemas dinámicos 229
sistemas dinámicos atribuida a Henri Poincaré [1854-1912], y que George D.

Birkhoíf [1884-1944], en la primera mitad del siglo XX, establecería como área
específica de la teoría de las ecuaciones diferenciales.
Hoy en día, la teoría de las ecuaciones diferenciales y la teoría de los sistemas

dinámicos están en plena expansión y evolución.
1. Sistemas dinámicos (continuos) en una dimensión

Debido a la novedad, variedad de herramientas, conceptos, y métodos, no hay
duda de que es precisamente la obra de Poincaré el punto de origen de la teo
ría de los sistemas dinámicos. Desde el comienzo, Poincaré concibió la teoría
cualitativa y la estabilidad de las ecuaciones diferenciales con un ojo puesto en
la mecánica celestial y, en particular, en la estabilidad del sistema solar (enten
dida como la estabilidad de trayectorias planetarias). En su trabajo, Poincaré
articuló temas centrales que ahora son de nuestro interés aquí: la teoría cua
litativa de las ecuaciones diferenciales (diagramas de fase); y el estudio de la
estabilidad global o local de las soluciones a través de la noción de equilibrio.
Comenzamos entonces nuestra lección, definiendo los sistemas dinámicos (con

tinuos) más elementales posibles: los sistemas en una dimensión.
Definición 1. (Sistema dinámico continuo en una dimensión)

Un sistema dinámico continuo en una dimensión es una ecuación diferencial
de la forma
x(t) = f( x ( t) ,t) (CID)
donde t es la variable tiempo; x(t) : I -> A es una trayectoria; x(t) =

f : A x I —>R es una función diferenciable con continuidad; el conjunto A C K
es abierto, no-vacío; y / es un intervalo abierto de la forma (a, +oo), donde
a € R U {—oo}, o de la forma (—oo,a) donde a € R U {oo}.
Definición 2 . (¿Qué es resolver este sistema dinámico?)

Resolver un sistema dinámico continuo x(t) = f( x ( t) ,t) es encontrar todas las
posibles trayectorias x(t) que satisfagan esta ecuación. A cada una de tales
trayectorias x(t) se le conoce como una solución al sistema dinámico.
Ejemplo 1. (Sistema dinámico lineal fundamental)

El sistema
x(t) = c x(t) (es decir, /( x , t) = ex, con c constante para todo t)

lo podemos resolver fácilmente mediante antiderivación1, encontrando que to

das las soluciones x(t) tienen la forma
x(t) = kect para alguna constante k € R
De hecho, observemos que k = x(0). A esta, por razones evidentes, se le llama

la condición inicial del sistema dinámico. De manera que todas las soluciones
al sistema dinámico lineal, tienen la forma (figura 1)
x(t) = x(0) ect t e (—oo, oo)
Claramente,
lím x(t) = 0 si c< 0; x(t) = x(0) si c= 0
lím x(t) = +oo si c> 0 y x(0) > 0

<->oo
lím x(t) — —oo si c> 0 y x(0) < 0

í —►oo
caso c > 0 caso c < 0

Figura 1. Soluciones al sistema x(t) = cx(t) para x(0) > 0.
Ejem plo 2. (U n sistem a dinám ico no lineal)

El sistema
x(¿) = x (t)2 (es decir, f ( x , t ) = x 2 para todo t)

dx
también es fácil de resolver mediante la antiderivación: Puesto que, aquí, — =
d d
x 2 entonces, si x / 0, = dt, y así, / —^ ~ f dt, y, por lo tanto, —x ~ l = t+ k
para algún k € R. Luego, todas las soluciones x(t) (figura 2) tienen la forma
x(t) = — Para algún k € R; ó x(t) = 0 para todo t
1 Volumen 2 (Cálculo), lección 4.

donde la condición inicial, para las soluciones del primer tipo, es x(0) = ——si
k / 0. En-cualquier caso, notemos que x(í) = 0.
Figura 2. Soluciones al sistema x(t) = x (t)2.
E jem plo 3.
Es fácil observar, mediante una aplicación directa de antiderivación, que el
sistema
x(t) = t (es decir, / (x, t) = t para todo x)
tiene como soluciones
¿2
x(t) = — + k para alguna constante k € R
donde la condición inicial es x(0) = k. Notemos que siempre se tiene que

límôo x(t) = +oo (figura 3).
Ahora: Al estudiar un sistema dinámico, podrían aparecer ciertas soluciones

muy particulares que ayudan a entender este movimiento. A estas, la Física
siempre las ha llamado “equilibrios”, y la teoría de las ecuaciones diferenciales y,
en particular, la de los sistemas dinámicos, también ha adoptado este nombre.
D efinición 3. (P unto de equilibrio)

Un punto x* G A es un punto de equilibrio (o estacionario) 2 del sistema diná
mico continuo x(t) = f( x ( t) ,t) si, y sólo si, f( x * ,t) = 0 para todo t.
Es decir, x(t) = x* para todo t e l e s una solución que, al satisfacer x(t) = 0

para todo t , el sistema dinámico, una vez alcanzado el punto x *, permanecerá
allí por siempre.
Ejem plo 4.
a) Para el sistema dinámico x(t) — c x(t), el único punto de equilibrio, si c ^ 0,

es x* = 0.
b) Para el sistema dinámico x(t) = x(¿)2, el único punto de equilibrio es tam

bién x* = 0.
c) Para el sistema dinámico x(t) = c x(t) + 6, el único punto de equilibrio, con

c 0, es x* = —b /c .
d) El sistema dinámico x(t) = x ( t)2 -f 1 no tiene equilibrios. De hecho, me

diante antiderivación es fácil mostrar que la solución general es de la forma
x(t) = tan (t 4- k) para k € R.
e) Para el sistema dinámico x(t) — x ( t)2 — 1, los equilibrios son x* = 1,

x* = —1 (múltiples equilibrios). Mediante antiderivación se puede mostrar
que, además de x* = 1 y x* = —1, todas las soluciones están dadas por las
funciones
l + e2t+k
~ l _ e2t+k
para algún k 6 R. Note que
lím x(t) = —1, lím x ( t) = 1

t— ►oo t—►—oo
Á
El siguiente teorema afirma que, en general, todo sistema dinámico en una

dimensión (bajo las condiciones de la definición 1 ) tiene solución tínica, aunque
sólo sea “local”, es decir, en un intervalo alrededor de un “tiempo” ¿o £
Teorema 1. (Existencia y unicidad local de soluciones (R. Lipschitz

(1 87 6 )))
Si xo E A y ¿o € I> entonces existe una tínica solución x(t) al sistema dinámico
x(t) = /( x , t), definida en un intervalo abierto alrededor de to donde x(to) =
Xo.
2 También llamado punto fijo.
D em ostración.
Ver teorema 13 (teorema de Picard), lección 4 (optimización dinámica). ■
E jem plo 5.
Por ejemplo, la solución local de x(t) = x (t)2 para t = 0 con xo = 1 es
x(t) — — -— -. Esta solución no es global, es decir, no está definida en todo
(-00,00), pero sí en (— 1,1) que es un intervalo abierto alrededor de t = 0.
a) D ia g ra m a s d e fase u n id im e n sio n a le s
Por definición, resolver 1111 sistema dinámico x(t) = /(x(¿),¿) es encontrar sus
soluciones x(t). El primer método para lograr esto es el analítico: encontrar
soluciones explícitas al sistema como hemos hecho en todos los ejemplos hasta
ahora propuestos. La dificultad es que esto no siempre es posible, pues depende
de qué tan simple sea la función /(x(£),¿). El segundo método es el cualita
tivo: trazar descripciones de las soluciones sin tener expresiones explícitas de
estas. Este método se conoce como el de diagramas de fase del sistema diná
mico. Desafortunadamente, sólo es posible aplicarlo convenientemente cuando
el sistema es “autónomo” .
D efinición 4. (S istem a din ám ico au tó n o m o )

Un sistema dinámico x(t) = f(x (t), t) es autónomo si, y sólo si,
/(x(¿),¿) = f(x (t)) para todo t €I
Es decir, /(•, •) no depende explícitamente de £; en otro caso, lo llamaremos no

autónomo.
Notemos que los sistemas dinámicos de los ejemplos 1 y 2 son autónomos,

mientras que el del ejemplo 3 es no autónomo.
Para describir gráficamente el sistema autónomo x(t) = f(x (t)) mediante un
diagrama de fase, simplemente dibujamos la función /(•) en un diagrama x vs
f( x ) (= x). Así, valores positivos de /(•) corresponden a valores positivos de x,
y esto significa que x(-) es una función creciente. Para indicarlo en la gráfica,
dibujamos flechas en el sentido de t creciente. De la misma forma, valores
negativos de /(•) corresponden a valores negativos de x y, por tanto, x(-) es
una función decreciente de £; y para indicarlo, dibujamos flechas en el sentido
de t decreciente. Claramente, los puntos de equilibrio serán las intersecciones
de /(•) con el eje X , es decir, cuando / = 0. Así, encontramos que las flechas
señalan la dirección en que x(t) se mueve en el tiempo, y esto nos da una
solución cualitativa del sistema dinámico.
Ejem plo 6.
Al tratar de construir el diagrama de fase del sistema dinámico del ejemplo 1,
x(t) = cx(t), c / 0, distinguimos dos casos: (a) c > 0, (b) c < 0. Notamos
entonces (bajo la condición k / 0) que si c > 0 tendremos x(t) -> oo cuando
t —> oo (caso a)); y que si c < 0, entonces x(t) —> 0 cuando t —> oo (caso b))
(figura 4). Recordemos que, en este ejemplo, las soluciones explícitas son de la
forma x(t) = kect para k e R.
Figura 4. Diagramas de fase del sistema dinámico x(t) = cx(t),

con c / 0 .
Pero también podemos describir un sistema dinámico con un diagrama de fase

unidimensional que es, sin duda, más sencillo. La técnica consiste aquí en que
si x — x * es un equilibrio del sistema dinámico autónomo x(t) = f{ x ), entonces
se estudian los signos de } (x) cuando x es un poco mayor que x*, y cuando
es un poco menor que x*. Si el signo es positivo, entonces x > 0, es decir, x
crece, y las flechas irán hacia la derecha; y si es negativo, entonces x < 0, es
decir, x decrece, y las flechas irán hacia la izquierda.
Por ejemplo, en lugar de las gráficas bidimensionales de la figura 4, podríamos
dibujar, respectivamente, los diagramas unidimensionales de la figura 5, que
son equivalentes y más simples.
< ------ r*------ r<------ r<------ r*------ 1< t ------>t------ >i------ >t------ --------->t------ >r
0
--------> > > - > i------- >i------- ------------- r*------- 1<------- 1< < -------- <--------
Figura 5. Diagramas de fase unidimensionales para ¿(£) =

cx(t), c 0.
Ejemplo 7.
Para construir los diagramas de fase del sistema dinámico definido por x(t) =
x(t)2 - 1, ‘p rimero escribamos el sistema así: x = x 2 - 1 = (x - l)(x -f 1). Por
lo tanto, los puntos de equilibrio son x* = 1 y x* = - 1. El diagrama de fase
correspondiente es el de la figura 6: si x > 1 entonces x 2 - 1 > 0 y las flechas
se dirigen hacia la derecha; si - 1 < x < 1 entonces x 2 - 1 < 0 y las flechas se
dirigen a la izquierda; y si x < 1 entonces x 2 - 1 > 0 y las flechas se dirigen
hacia la derecha.
Figura 6. Diagramas de fase del sistema x(t) = x (t)2 —1.
b) E sta b ilid a d u n id im en sio n a l

Uno de los principales objetivos de los sistemas dinámicos es estudiar el com
portamiento de sus soluciones cerca de un punto de equilibrio. Esto constituye
la llamada teoría de la estabilidad. Quizás no sobre resaltar aquí que la impor
tancia del concepto de estabilidad para sistemas dinámicos radica en el hecho
de que en los cálculos implicados en la construcción de una máquina eléctrica,
o en el estudio del vuelo de aeronaves, o de un proceso químico, etc., la diná^
mica sea o no estable determina en gran parte el éxito o fracaso del proceso
analizado. La definición básica de estabilidad para sistemas dinámicos en una
dimensión es la siguiente:
Definición 5. (Estabilidad)
i) Diremos que el punto de equilibrio x* del sistema dinámico x(t) =
f( x ( t) ,t) es estable si dado e > 0 existen ó > 0 y to > 0 tales que
|x(í0) - x*\ < 5 implica |x(¿) - x*\ < e para todo t > t0. En otro caso,
diremos que x* es inestable (o no estable) (figura 7).
ii) Diremos que el punto de equilibrio x* del sistema dinámico x(t) =

/(x (¿ ),í) es asintóticamente estable (o atractor) si es estable, y si
límt-Kjo x(t) = x* (figura 7).
equilibrio estable equilibrio asintótico estable equilibrio inestable

Figura 7. Equilibrios estables e inestables.
Es decir, un equilibrio es estable si cuando una solución comienza cerca de

este equilibrio, permanecerá siempre cerca de él. Y, de la misma forma, este
equilibrio es asintóticamente estable si cuando una solución comienza cerca de
este, entonces convergerá allí.3
Determinar la estabilidad de un equilibrio mediante esta definición puede ser

complicado. Por ejemplo, puede ser que no sea posible encontrar las soluciones
explícitamente. En el caso de los sistemas de una dimensión no es, sin embargo,
muy complicado establecerlo utilizando los diagramas de fase; el siguiente teo
rema confirma nuestra intuición dentro del gráfico cualitativo de los sistemas
autónomos.
Teorema 2. (C riterio de estabilidad para sistem as autónom os)

Sea x* un punto de equilibrio del sistema dinámico autónomo x(t) = f(x (t)).
Entonces (figura 8):
i) Si f'(x* ) < 0, entonces x* es asintóticamente estable.
ii) Si f'(x* ) > 0, entonces x* es inestable.
iii) Si f'(x* ) = 0, el criterio no permite decidir.
D em ostración.
i) Si f'{x*) < 0, entonces /(•) es positiva para x < x* pero suficientemente
cercano a i * , y negativa para x > x* pero suficientemente cercano a x*\ luego,
un poco a la izquierda de x* , x crece; y un poco a la derecha de x*, decrece.
Esto es suficiente para garantizar que x * es asintóticamente estable.
ii) Garantizar que si f'(x * ) > 0, entonces x* es inestable, es similar a lo que
hicimos en i).
3 Existe también la noción de estabilidad asintótica global, significando esto que la
condición de estabilidad asintótica lím*-».» x(t) = x* se cumple, independientemente
de la condición inicial x(¿o). A la condición ii) de arriba, se le acostumbra entonces
llamar estabilidad asintótica local.
Los puntos de equilibrio x \ y £5 son asintóticamente estables y se

tiene /'( x 1) = 0 y f \ x ¿ ) < 0. Los puntos de equilibrio X2,X3 ,X4
son inestables con /'(a ^ ) = /'(x ^ ) = 0 y /'(a ^ ) > 0 .
iii) Que si f'(x* ) = 0 el criterio no permite decidir, lo vemos en los casos

f( x ) — x 2 y f( x ) = x 3 en x* = 0 . ■
E jem plo 8.
a) En el ejemplo G, tenemos que f( x ) = ex; luego f'( x ) = c y así:
i) Si c < 0, entonces x* = 0 es asintóticamente estable.

ii) Si c > 0, entonces x* — 0 es inestable (figura 4).
b) En el ejemplo 1 , tenemos que f( x ) = x 2 —1; luego /'( x ) = 2x y el compor

tamiento de los equilibrios, x* = 1, x* = —1 , es
i) Como / ' ( —1) = 2(~1) < 0, entonces x* = - 1 es asintóticamente

estable.
ii) Como / ' ( 1) = 2(1) > 0, entonces x* = 1 es inestable (figura 6).
E jem plo 9.
Determinemos los puntos de equilibrio de x(¿) = x (x —1)(2 —3x), y apliquemos
el teorema 2 para establecer su estabilidad (figura 9). En primer lugar, tenemos
que los puntos de equilibrio son x* = 0 , x* = 1 y x* = jj. Además,
f'( x ) = (x - 1)(2 - 3x) + x(2 - 3x) - 3x(x - 1)
a) Como /'(0 ) = —2 < 0 , entonces x* = 0 es asintóticamente estable.
b) Como / ' ( |) = \ > 0 , entonces x* = \ es inestable.
c) Como / ' ( 1) = —1 < 0, entonces x* = 1 es asintóticamente estable.
Los diagramas de fase de la figura 9 corroboran a), b) y c).

---- 2 ^ l^ N ^ X 0 2 1
3
Figura 9. Diagramas de fase del sistema x(t) = x (x —1)(2 —Sx)
E jem plo 10. (D esintegración radiactiva)

La ley de la desintegración radiactiva del elemento químico radio afirma que la
tasa de desintegración es proporcional a la cantidad inicial de radio presente.
Para averiguar la cantidad de radio presente en cualquier tiempo t posterior,
notamos primero que si R(t) es la cantidad de radio no desintegrado en el
tiempo ¿, entonces —R es la tasa de desintegración, y como esta es proporcional
a i?, entonces la ecuación de desintegración es
—R = cR donde c > 0 es una constante conocida.
y ya sabemos que la solución a este sistema dinámico en una dimensión es
R (t) = R{ 0) e-c¿
donde R (0) es la cantidad presente de la sustancia química al comienzo del

proceso.
N ota 1.
Esta ley de la desintegración no sólo la satisfacen los fenómenos radiactivos. Por
ejemplo, se encuentra la misma ley en el estudio del enfriamiento, donde la tasa
de decrecimiento del calor de un objeto físico es proporcional a la diferencia
entre la tem peratura del cuerpo y la tem peratura del medio que lo rodea.
Ejem plo 11. (D atación por carbono radiactivo (Libby (1949)))

Si un hueso fósil tiene el 30% de la cantidad original de carbono 14 (eC'14),
¿cuál es su antigüedad?
En la atmósfera, la proporción del carbono radiactivo qCu y el carbón común

es constante, lo cual se cumple también para los organismos vivos. Cuando
un organismo muere, cesa la absorción de qC14 al respirar y al alimentarse.
Por tanto, la edad de un fósil puede estimarse comparando la proporción de
carbono presente en el fósil con el de la atmósfera. Esta es la idea de Datación
por carbono radiactivo de W. Libby (premio Nobel en Química en 1910).
La vida media del carbono 14 es de 5,730 años4 y el modelo que rige la cantidad
de carbono 14 en un fósil es y(t) = cy(t) para todo tiempo t. Sabemos que la
solución a esta ecuación es
y(t) = 2/(0 ) ect
donde y(0 ) > 0 es la cantidad original de 6C14- Puesto que, por definición de
vida media,
y(0)e<5,73#>c = | j/(0)
entonces c = — 0.000121. Finalmente, el tiempo después del cual el 30% de la

cantidad original de &CU sigue presente, se calcula así:
y(0)e(-oooom )t = ^ l / (0)
y, de allí,
t = 9,950 años
que es la antigüedad del hueso, según este modelo.
Ejemplo 12. (Ley de Torricelli)

Los experimentos de Evangelista Torricelli [1608-1647] (un discípulo de Galileo)
indican que el agua sale por el orificio inferior de un tanque cilindrico (como
el de la figura 10) con una velocidad
h = -26M ^Vh (*)

13
donde h(t) es al altura del agua arriba de orificio en el tiempo í, B es el área de
la base circular del tanque, y A es el área del orificio. El coeficiente que aparece
en la ecuación es igual a 0.6 y/2 g, donde 0.6 es un “factor de contracción” debido
a que el flujo tiene una sección transversal menor que el orificio y g = 980 cm /s2
es la aceleración de la gravedad en la superficie terrestre. Para calcular la altura
del agua h(t) en cualquier momento ¿, notemos que este sistema dinámico tiene
como único equilibrio h* = 0 (tanque vacío) y, mediante antiderivación, se
encuentra que su solución es
h(t) = h(0) - 13.284 t
donde h(0) es la altura inicial del nivel del agua. ¿Será h* = 0 asintóticamente
estable? Es decir, ¿Si el tanque está vacío y lo llenamos con un poco de agua,
se vaciará de nuevo eventualmente? Bastaría que el lector se convenciera de
su respuesta observando el diagrama de la figura 10. Pero podemos también
4 La vida media es el tiempo después del cual la sustancia radiactiva 6 C14 ha disminuido
a la mitad su valor original.
aplicar el teorema 2 y, derivando el lado derecho de la ecuación (*) con respecto

a / i y evaluando en valores positivos cercanos a h* = 0, obtendremos siempre
valores negativos, mostrando que este equilibrio es, en efecto, asintóticamente
estable.
Figura 10. Ley de Torricelli.
Ejercicios 1
1. Tomando los sistemas dinámicos de los ejemplos 6 y 7, compare el com

portamiento de sus soluciones explícitas que aparecen en un gráfico t v s. x(t),
con el el correspondiente diagrama de fase unidimensional del sistema di
námico; es decir, justifique la descripción de cada diagrama, en términos
del otro.
2. Compruebe, mediante antidiferenciación, que todas las soluciones del sis

tema dinámico
¿(£) = cx(t) + 6, c 0
tienen la forma x(t) = kect —(b/c).
3. a) Compruebe, mediante antidiferenciación, que todas las soluciones del

sistema dinámico
x(t) = c(t)x(t) + b(t)
tienen la forma
b) Con la fórmula anterior, calcule las soluciones generales del sistema

dinámico
¿(£) = —j x ( t ) 4- 5t2
c) Calcule también las soluciones del sistema dinámico
x ( t) = j x ( t ) — t
4. Para los sistemas dinámicos b) y c) del ejercicio anterior, encuentre, si

existe, la solución que satisfaga x (l) = 5. ¿Es esta una solución global o
local?
5. Dibuje los diagramas de fase unidimensionales de los siguientes sistemas

dinámicos autónomos:
a) x = fj,x (l — x) con fi > 0 (ecuación logística)

b) x = ax& + bx 0 0
c) x = ax3; oÔ d) x = ln(x —1)
e) x = 2 -f sen x f) x — x i
6. Estudie el comportamiento de estabilidad de los equilibrios (si existen)

de los sistemas dinámicos autónomos del ejercicio anterior.
7. Resuelva explícitamente mediante antidiferenciación, encuentre los equi

librios y analice la estabilidad con su correspondiente diagrama de fase,
en cada uno de los siguientes casos:
a) x + (t + l)x 3 = 0 b) x = —y/ 1 — x
c) x = x 2 sen t d) x = e2t eos x
l i X
e) x = 3 x 2 — \ x f) x — -
8. Suponga que la población de la Tierra cambia a una rapidez proporcional

a la población actual, y asuma que en cierto instante t = 0 de la historia,
la población era de 600 millones; y que 300 años después la población era
de 2,800 millones. Encuentre la población de la Tierra para el año 2020.
Si se supone que la Tierra puede sostenerse a sí misma con 2.5 x 1010
habitantes, ¿cuándo alcanzaría este límite?
2. Sistemas dinámicos (continuos) en dos

dimensiones
En esta sección ampliamos la discusión a los sistemas dinámicos continuos
planares; es decir, en dos dimensiones. Y aunque las técnicas de análisis varían,
los conceptos centrales se mantienen. Veamos esto.
D efinición 6. (Sistem a dinám ico continuo en dos dim ensiones)

Un sistema dinámico continuo en dos dimensiones es un par de ecuaciones
diferenciales de la forma
x(t) = f ( x ( t ) , y { t ) , t )
y(t) = g ( x ( t ) ,y ( t ) , t )
dx dv
donde t es la variable tiempo, x(t) = — , y(t) = — , / : A x / — > R,
dt dt
g : A x I — > R son funciones diferenciables con continuidad, A C R2 abierto
no vacío, e l un intervalo abierto de la forma (a,+oo) con a € R U {—oo}, o
de la forma (—oo, a) con a 6 R U {oo}.
D efinición 7. (¿Qué es resolver este sistem a dinám ico?)

Resolver el sistema dinámico en dos dimensiones (C2D) es encontrar todas
las trayectorias posibles (x(¿),í/(¿)) que satisfagan, simultáneamente, las dos
ecuaciones diferenciales. A cada una de estas trayectorias (x (t),y (t)) se le
conoce como una solución del sistema dinámico.
Ejem plo 13. (Sistem a dinám ico lineal fundam ental)

El sistema lineal, para 011 , 012 , 021,^22 £ R,
x — o>\\x "4* Q>\,¿y

y = Ü2\X + Ü22y
(es decir, f ( x ,y ) = a \\x + a \2y, g (x ,y ) = a2 \x + 022y son funciones lineales)

será estudiado en detalle más adelante. Por ahora, sin embargo, y a guisa de
ejemplo, el lector podría mostrar que las trayectorias
x(t) = ae~ 2t + (3e~4t

y(t) = ae~ 2t — (3e~4t
(donde x(0) = a + /3, y(0) = a — (3 son las condiciones iniciales del sistema
dinámico), son soluciones al sistema
x = — 3x + y
y = x - 3y
Ejemplo 14. (U n sistem a dinám ico no lineal)

El sistema dinámico no lineal
x = x y 2, y= - y 2
(es decir, donde f ( x ,y ) = x y 2, g(x, y) = y2 son funciones no lineales) tiene
como soluciones a
x(t) = k e 't+ z, k € R
«<‘1-171 i ’10
donde x(0) = A;e“ ¿ , y(0) = ¿ son las condiciones iniciales del sistema diná-
Ejemplo 15.
El sistema dinámico
x. = j1+ y , y. = ~ y 2
tiene entre sus soluciones a

1
x(t) = \n[t(t 4- ki)] + k2i y(t)=
t + k\
Definición 8. (P unto de equilibrio)
Un punto (x*,y*) es un punto de equilibrio (o estacionario) 5 del sistema diná
mico
¿ (0 = f(x (t) , y (t), í), ¿ ( 0 = 9(x(t), y (t), t)

si, y solo si,
f(x * ,y * ,t) = 0, g (x*,y*,t)= 0
para todo t É I.
Observemos que, en este caso, x(t) = x*, y(t) = y* para todo t € I es una
solución tal que ¿(£) = 0 y y(t) — 0; por tanto, si el sistema dinámico alcanza
el equilibrio, permanecerá allí por siempre.
Ejemplo 16. (Equilibrio único)
Para el sistema dinámico
x = 2 x + y, y = x - 2y
el único punto de equilibrio es (x*,y*) = (0,0) que es donde 2 x + y = 0,
x - 2 y = 0.
5 También llamado punto fijo, aunque Poincaré los llamaba puntos singulares.
E jem p lo 17. (E q u ilib rio s m ú ltip les)

x = x 2 + y2 — 1, y= 3 x (y — 1)
los puntos de equilibrio son (x*,y*) = (0,1) y (x*,y*) = (0, —1) que es donde
x 2 + y 2 — 1 = 0, 3x (y — 1) = 0.
x = x —í/, y= x 2 —y 2
tiene múltiples equilibrios: todos los puntos (x*,y*) con x* = y* satisfacen las
dos ecuaciones x —y = 0, x 2 —y 2 — 0.
tiene múltiples equilibrios: todos los puntos (x*,y*) ^ (0,0) con x* = -y*
2x 3 3y
satisfacen las ecuaciones------ -- = 0, ------2 = 0.
y 2 2x
Al igual que en el caso de sistemas unidimensionales, en el caso de sistemas
bidimensionales, tal y como los establecimos en la definición 6, también ten
dremos un teorema de existencia y unicidad:
T eo rem a 3. (E x iste n c ia y u n icid a d local de so lu cio n es (L ip sc h itz
(1 8 7 6 )))
Si (zoj2/o) € í4, ¿o € I , entonces existe una única solución (x(t),y(t)) al siste
ma dinámico
x(t) = f ( x , y , t )
y(t) = g (x ,y , t)
definida en un intervalo abierto alrededor de to donde x(ío) — x o V y(to) = yo-

D em o stració n .
Ver teorema 14, lección 4 (Optimización dinámica). ■
Para terminar esta sección establecemos la noción de sistema dinámico autó

nomo en dos dimensiones. Estos tendrán la virtud de permitir claras descrip
ciones de la dinámica mediante sus correspondientes “diagramas de fase”, como
veremos en la próxima sección.
D efinición 9. (Sistem a autónom o)

El sistema, dinámico en dos dimensiones
x(t) = f( x ( t) ,y ( t) ,t)
y(t) = g (x (t),y (t),t)
es autónomo si, y solo si, f( x ( t) ,y ( t) ,t) = f(x (t),y (t)) y g (x (t),y (t),t) =
g(x(t),y(t)) para todo t. Es decir, /(•, •) y g(•, •) no dependen (explícitamente)
de t; en otro caso, lo llamaremos no autónomo.
Observemos que los sistemas dinámicos de los ejemplos 13, 14, 16, 17, 18 y 19,
son autónomos, mientras que el sistema del ejemplo 15 es no autónomo.
a) D ia g ra m a s d e fase en d o s d im e n sio n e s
Un diagrama de fase en dos dimensiones es una herramienta gráfica que, similar
a la utilizada en el caso unidimensional, nos permite visualizar y tener una
descripción cualitativa de la dinámica de un sistema bidimensional autónomo
en su totalidad. En un plano cartesiano x vs. y , cada punto representará la
posición del sistema (x, y) en un momento dado del tiempo. Además de esto,
dibujaremos flechas en el sentido de t creciente: una flecha hacia el noreste
indica que tanto x como y están creciendo en el tiempo; una flecha hacia el sur
indicará que y está decreciendo, pero que x se mantiene constante; una flecha
hacia el noroeste indicará que y está creciendo, pero que x está decreciendo;
etc.
Ahora, dibujamos en el plano cartesiano x vs. y , las curvas f( x ,y ) = 0 y
g(x,y) = 0, y encontramos los puntos de equilibrio como sus intersecciones.
Con esto se ha dividido entonces el plano en varias regiones que deberán ser
estudiadas de acuerdo al signo que allí tengan /( x , y) y g (x, y). De esta manera,
por ejemplo, si en una región /( x , y) > 0 y g (x, y) < 0, entonces la flecha para
x estará en dirección este y la flecha para y estará en dirección sur, dando
como resultado que la dirección de las flechas en tal región será sureste, etc.
(figura 11). Veamos algunos ejemplos que aclaren este método.
Ejem plo 20.

El diagrama de fase del sistema dinámico
x = 2x + y ( = f ( x ,y ) )
y = x - 2y (= g (x ,y ))
lo construimos, sin hacer explícitas sus soluciones, de la siguiente forma:

= f(x, y) = o
= 9 (x ,y ) = o
Figura 11. Diagrama de fase en dos dimensiones.
a) Primero, dibujamos en el plano los puntos (x,y) tales que f( x ,y ) = 0, es

decir, 2 x -f y = 0; y después los puntos (x, y) tales que g (x , y) = 0, es decir,
x — 2 y — 0; siendo su punto de intersección el único equilibrio del sistema:
(x*,y*) = (0,0) (figura 12).
b) Luego observamos que se ha dividido el plano en cuatro regiones: región I

(primer cuadrante), región II (segundo cuadrante), región III (tercer cua
drante), y región IV (cuarto cuadrante), (figura 12).
i) En la región I se tiene que
/( x , y) =2x + y > 0 y g (x ,y )= x — 2 y < 0
ii) En la región II se tiene que
f( x ,y ) - 2 x + y < 0 y g (x ,y )= x - 2 y < 0
iii) En la región III se tiene que
f( x ,y ) = 2 x + y < 0 y g (x ,y )= x - 2 y > 0
iv) En la región IV se tiene que
f( x ,y ) = 2 x + y > 0 y g{x,y)= x - 2 y > 0
c) En tercer lugar, dibujamos la flechas:
i) En la región I, puesto que / > 0 y x — / , entonces x crece, y esto lo

dibujamos con una flecha hacia el este. De manera similar, puesto que
g < 0 y y = g, entonces y decrece, y esto lo dibujamos con una flecha
hacia el sur. La dirección de la dinámica en la región I será entonces
en la dirección sureste.
ii) En la región II, puesto que / < 0 y g < 0, entonces x decrece, y esto lo
dibujamos con una flecha hacia al oeste, y y también decrece (y esto
lo dibujamos con una flecha hacia el sur). La dirección de la dinámica
en la región II será, entonces, en la dirección suroeste.
Los casos iii) y iv) son similares.
Ya con esta información, el diagrama de fase del sistema dinámico aparecerá

como en la figura 12.
Figura 12. Construcción del diagrama de fase del sistema x =

2 x + y, y = x - 2 y.
E jem plo 21. (E cuación de L otka-V o lterra)

Estimulado por el Essay on the Principie of Population (1798) de Thomas
Malthus, quien afirmaba que las necesidades de población en expansión de
bían exceder la oferta de recursos naturales en algún punto del tiempo, Pierre
Verhulst (1838) publicó lo que él llamó la ecuación logistica para describir el
crecimiento de la densidad poblacional. Esta ecuación, redescubierta en 1920,
fue reescrita y ampliada dentro del esquema predador-presa por el biofisico
norteamericano Alfred Lotka (1925)6 y el matemático italiano Vito Volterra
(1926)7. Este modelo se conoce hoy como el modelo Lotka-Volterra.
La versión continua del modelo logistico de Verhulst es la ecuación diferencial
dN r(k - N )N
dt k ( '
donde r es la tasa máxima de crecimiento poblacional (o parámetro m a ltu

siano), A; es la máxima población sostenible, y N (t) es la cantidad de población
6 Lotka, A. (1925), Elements of Physical Biology, Baltimore: Williams and Wilkins.

7 Volterra, V. (1926), Variazioni e fluttuazioni del numero d’individui in specie animali
conviventi, Mem. R. Acad. Naz. del Lincei, voi. 2, 31-113.
N
en el tiempo t. Si hacemos x — entonces la ecuación diferencial (*) es
K
dx
— = r x (l — xX (ecuación logística)
dt
cuyas soluciones son de la forma
x{t) =
1 +
U t 1) * - " '
Sin embargo, observe que este modelo logístico es para una sola especie, y las
más interesantes dinámicas en el mundo biológico tienen que ver con inter
acciones entre especies. El modelo Lotka-Volterra, precisamente, describe las
interacciones de un predador y una presa en un ecosistema. Como solo con
sideramos dos especies, el modelo sólo involucrará dos ecuaciones: una que
describe cómo cambia la población-presa, y otra que describe cómo cambia la
población-predador. El modelo es
R = aR — bRF = R(a —bF)
F = ebRF — cF = F(ebR —c)
donde R (t) y F (t) son las cantidades de presas y de predadores vivos en el
periodo t, respectivamente; a es la tasa natural de crecimiento de las presas en
ausencia de predadores; c es la tasa natural de crecimiento de los predadores
en ausencia de alimento (presas); b es la tasa de mortalidad de presas por
encuentro con predadores; e es la tasa con que este proceso da origen a nuevos
predadores.
Analicemos entonces el sistema dinámico
R = R(a - bF), F = F(ebR - c)
a • c
En este caso, R — 0 si F = - , y F = 0 s i ü = —; es decir, el equilibrio
c a a a
es ( - 7 , 7 ). Así, sobre la recta F = - , R (t) no varía, y si F < - , entonces
eb b b a
R > 0; es decir, R(t) aumenta; mientras que si F > - , entonces R < 0; es
b
decir R(t) disminuye. Esto lo dibujamos utilizando flechas que señalan al oeste
para F > - y al este para F < - (figura ??). De forma similar, si R = —,
b c b eb
F (t) no varía; pero si R > — , entonces F > 0; es decir, F (t) aumenta; y si
eb
c *
R < —, entonces F < 0, y así F (t) disminuye. Esto lo dibujamos con flechas
c c
que apuntan al norte cuando R > — y al sur cuando R < Claramente, el
eb eb
C CL
equilibrio (—, —) es inestable.
eb b
•FM -— j
a
R= O
r L_
c
m
Figura 13. Diagrama de fase del sistema de Lotka-Volterra.
El modelo Lotka-Volterra es la base de muchos de los modelos que hoy en día

se utilizan en biología matemática para el análisis de dinámicas de población.
Desafortunadamente, en esta forma el modelo presenta algunos “problemas”
importantes: ningún equilibrio es “estable” y, en su lugar, los predadores y
las presas crecen y decrecen cíclicamente sin afianzarse alrededor de ningún
equilibrio. Y aunque esta ciclicidad sí se observa en la naturaleza, no es abru
madoramente común. Al parecer, el modelo Lotka-Volterra no es suficiente
para describir el fenómeno adecuadamente. Quizás falta más información de
contexto. Para averiguar más sobre este tipo de modelos de evolución de es
pecies y otros de la biología matemática, invitamos al lector al excelente texto
de J. D. Murray (2002), Mathematical Biology: I. An Introduction (Springer).
b) E sta b ilid a d e n d o s d im e n sio n e s

De forma similar a los conceptos de estabilidad y estabilidad asintótica desa
rrollados para sistemas unidimensionales, en el caso de los sistemas bidimen-
sionales tenemos la siguiente definición:
D efinición 10. (Estabilidad bidim ensional local)

i) Diremos que el punto de equilibrio (x*,y*) del sistema bidimensional
¿(i) = f ( x ( t) ,y (t) ,t)

y(t) = g(x (t),y(t),t)
es estable si dado e > 0 existen S > 0 y ¿o > 0 tales que ||(x(£o),2/(ío)) —

(x*,y*)|| < S implica ||(z(¿), */(£)) — (rc*,y*)|| < c para todo t > to. En
otro caso, se dirá que (x*,y*) es inestable (figura 14).
ii) Diremos que el punto de equilibrio (x*,y*) del sistema dinámico bidi-
mensional
x(t) = f ( x ( t) ,y (t) ,t)
Figura 14. Ejemplos de estabilidad e inestabilidad local.
y(t) = g (x(t),y (t),t)
es asintóticamente estable (o atractor) (figura 14) si es estable con
lím ( x ( t ) , y ( t ) ) = {x',y’)
t—too
N ota 2.
Obsérvese que ambas definiciones de estabilidad son locales: describen el com
portamiento del sistema cerca de un punto de equilibrio. Si un equilibrio (x*,y*)
es estable para todas las condiciones iniciales x(to), entonces diremos que es
globalmente estable. En general, aunque deseable, la condición de estabilidad
global es difícil de alcanzar.
c) S is te m a s lin e a le s (c o n tin u o s) en d o s d im e n sio n e s

Como es ya costumbre, al intentar describir un fenómeno, inicialmente busca
mos su descripción formal más simple posible, es decir, su estructura lineal.
D efinición 11. (Sistem a dinám ico lineal)
i) Un sistema dinámico lineal homogéneo(SDL) es un sistema de la forma
x = a u x + atíy
y = a2\x + a22y
o, en forma más compacta,
z = A z, donde z = (x, y), A = [a n 012 (*)

|a 2i a22.
ii) Un sistema dinámico lineal es no homogéneo si es de la forma
x = an x + a n y + 6i
y = a2\x 4- CL22V 4* &2
o, en forma compacta,
z = A z -f b, b=
Buscando resolver el SDL, recordemos que la solución a la ecuación z = az

es de la forma z ( t) = zoeat. Podríamos intentar una solución de este tipo
asumiendo en el (SDL) que z = zoeXt con zq = (xo>2/o) como condición inicial.
Reemplazando esto en (*), tenemos
z = A z — A(zoext) y z= Xzoext = (XI)zoext
Si igualamos ambas expresiones y dividimos a ambos lados por eXt encontramos

que
(A - X I)z0 = 0
Por tanto, podemos encontrar soluciones del SLD de la forma z = zoext, si
A es un valor propio (o espectro) de la matriz A y zq es un vector propio
correspondiente al valor propio A. De hecho, podemos decir aún más:
Teorema 4. (Soluciones del sistem a lineal (Poincaré (1886)))
i) El conjunto de soluciones del sistema dinámico lineal SDL es un espacio
vectorial;8 es decir, la combinación lineal de cualquier par de soluciones
del SDL también es una solución del SD L.9
ii) Si la matriz A del sistema SDL tiene dos valores propios Ai,A2 distin
tos y no es una matriz diagonal, 10 entonces la solución general es una
combinación lineal de las funciones eXlt y ex<2t y tiene la forma
x = a c \\eXlt + 0 c\2 eX2t

y = ac2ieAlí + /5c22 eX2Í
donde el vector columna (on,C 2i)T es un vector propio asociado a Ai, y

el vector columna (ci2 ,c22 )T es un vector propio asociado a X2 ; y donde
a ,P e R .n
Subespacio del conjunto J r de todas las funciones h : R R.
9 A esta característica de los sistemas dinámicos lineales se le conoce como principio
de superposición.
10 Si A es una matriz diagonal, entonces el SDL en dos dimensiones se transforma
en dos SDL en una dimensión, y se pueden solucionar directamente aplicando los
métodos ya estudiados.
11 Aquí asumimos que si A = a + ib (a, 6 € R, i2 = —1 ) es un número complejo,
entonces ext se calculará utilizando la fórmula Euler exbt = eos(bt) + zsen(bí) y así,
e(*+ií>)í = e°teibt (volumen 2 (Cálculo)).
iii) Si la matriz A del sistema SDL solo tiene un valor propio X y no es una
matriz diagonal, entonces la solución general es una combinación lineal
de las funciones ext y teXi, y tiene la forma
x = (a c n + fici2 )ext -I- ¡3cn text

V = (ac2i + Pc22)ext + fic2 \te Xi
donde a, ¡3 € R y
(A -X I) (A - XI) C12" Cll

fcH C22. .C21.
(*)
D em ostración.
i) Supongamos que
'xi(í) x 2 (t)
¿i(t) = z2 (t) =
M * ).
son soluciones al SDL. Veamos que, entonces, a z \(t) + bz2 (t) también es
solución al sistema, para todo a, b G R. Pero esto es inmediato, ya que
d{az\(t) + bz2 {t))

= a¿\(t) + b¿2 (t) = a A zi(t) -I- bAz2 (t)
dt
= A (az\ (t) + bz2 (t))
pues z\(t) y Z2 (í) satisfacen SDL.
ii) Utilizaremos el hecho de que A es una matriz diagonalizable y, por tanto

(volumen 1 (Álgebra lineal), lección 7), puede ser descompuesta como
A = C D C ~ \ donde C = Cn °12 es la matriz generada por los vec-
[C21 C22J
tores propios (columna) correspondientes a los valores propios distintos
Ai, A2 , y
Ai 0 '
D =
0 A2
Definamos z' — C 1 z. Entonces
¿' = C _1z = C _1A z = D z'
cuya solución es
aeXlt
z\t) =
t3eX2t
Como z(t) = C z'(t), se obtiene el resultado buscado.
iii) Si A sólo tiene un valor propio, entonces por el teorema de descomposición

de Jordán (volumen 1 (Álgebra lineal); lección 7), existe una matriz C
A 1'
tal que C lA C = J , donde J = y C es la matriz de vectores
0 A
propios que satisface el sistema (*) en el teorema. De forma similar a ii),
definimos z’ = C ~l z , de lo cual obtenemos
aeXt + fiteXt
A t) = ¡3ext
Ejem plo 22. (N odo)

Para encontrar la solución general a
x = —3x + y '- 3 1 X
ó (¿, y) =
y = x-3 y 1 “3 y.
vemos que:
a) El único equilibrio del sistema dinámico x = 0, y = 0 es x* = y* = 0.
b) De acuerdo con el teorema 4, debemos encontrar primero los valores propios

de la matriz
[—3 ll
A =
1 -3
o, equivalentemente, resolver
det(>l —A7) = 0
que es
- 3 - A 1
det = 0
1 -3-A
es decir,
(3 + A)2 —1 = 0
y así, Ai = - 2 , A2 = - 4 .
c) Luego calculamos los vectores propios correspondientes a cada valor propio:
i) Para Ai = - 2 tenemos que (c n ,c 2i) es un vector propio asociado con

Ai si, y solo si,
-i i' en 0
i - i .C21. 0
y como solo necesitamos un (c n ,c 2i) ^ (0,0), entonces vemos que
cu = C21 = 1 satisfacen bien el requerimiento.
ii) Para A2 = —4, tenemos que (012, 022) es un vector asociado con A2 si,
y solo si,
^ ii [ci2] = roí
1 íj M
' [oj
y vemos que C12 = 1, C22 = —1 satisfacen esta condición.
d) Por tanto, de acuerdo con la parte a) del teorema 4, la solución general,
para a,/? G IR, tiene la forma
x = ae~ 2t + 0 e~4t
y = ae~ 2t — fie~4t
Figura 15. El nodo del ejemplo 22.
e) Es siempre conveniente, de ser posible elaborar una representación gráfica

de las soluciones mediante un diagrama de fase. Aquí, este se obtiene si, en
primer lugar, hacemos j3 = 0 y a ^ 0 e s cualquiera. Así encontramos que
y = x es una solución. La dirección de las flechas hacia cero sobre la recta
y = x de la figura 15, la determina el hecho de que lím x(t) = lím ae~2t = 0.
í->o t-*o
De la misma manera, s i a = 0 y / ? 7¿ 0 es cualquiera, encontramos que
y = —x es también una solución, y la dirección de las flechas hacia cero la
determina el hecho de que lím x(t) = lím Be~4t = 0 = lím = —0 e~4t =
t—>00 Í-KX> t —>00
lím y(t). Las curvas cuadráticas que aparecen en la figura 15 surgen del
t-HX)
hecho de que12
0 (x + y )2 = 2 a 2(x - y)
y las flechas en dirección al origen surgen de que, en general, lím x(t) =

00
i —►
lím y(t) = 0 para todo q , |0 € 1 . Al punto de equilibrio (0,0) lo llamaremos,
¿->00
en este caso, un nodo y es asintóticamente estable.
12 Para obtener esta ecuación, escriba X = e~2t y Y = e~4t en el sistema original; luego
resuelva para X y Y , y note que Y — X 2.
Ejem plo 23. (P unto de silla)

Para encontrar la solución general de
x = 2 x — 4y
CN
X
1
o =
y = x — 3y ! -3 y.
vemos que:
a) En este problema el único equilibrio del sistema dinámico es (0,0).
b) Los valores propios de la matriz
2 -4
1 -3
satisfacen la ecuación característica
(A - 2)(A + 3) + 4 = 0
cuyas soluciones son Ai = l y A 2 = —2.
c) Determinemos los vectores propios de cada valor propio:
i) Para Ai = 1 el vector propio (c n ,c 2i) debe satisfacer la condición
1 -4
1 -4 -Gl
lo cual se satisface en (c n ,c 2i) = (4,1).
ii) Para A2 = - 2 el vector propio (012, 022) debe satisfacer la condición
4 —4 C12 0
1 -1 .022. 0
lo cual se satisface en (012, 022) = (1,1).
d) Por tanto, por el teorema 4, la solución general del sistema dinámico es
x = 4ote1 + pé~2t
y — d é + ¡3e~2t
para a,/? € R. La complicada dinámica de la figura 16, surge del hecho de

que las soluciones x y y satisfacen la ecuación
27a20 = (x - y)2 (4y - x)

Ejem plo 24. (C entro)

x = y 0 i X
( i ,y ) =
1
y = —4x y.
.O
observamos que:
0 f
-4 0
A2 + 4 = 0
cuyas soluciones son Ai = 2 i y A2 = —2i.
c) Determinemos los vectores propios de cada valor propio:
i) Para Ai = 2i el vector propio (cn,C 2i) debe satisfacer la condición
-2 i 1 ' cu 0"
-4 -2 i .C21_ 0
lo cual se satisface en (c n ,c 2i) = (1,2i).

11) Para A2 = —2i el vector propio (012, 022) debe satisfacer la condición
[2 i 1 C12* 0
-4 2i C22. 0
lo cual se satisface en (012, 022) = (1, —2t).

d) Por el teorema 4, la solución general es de la forma
x = 71 e 2it +, 72e - 2it

y = 271 ie2lt - 272 ie~2lt
para 71,7 2 G C. Esto es equivalente a
x = 7 i(cos 2 ¿ + ¿sen2¿) + 72 (cos(—2¿) + zsen(—2 t))

y — 2 7 i¿(cos 2 í + isen2¿) —272 Í(cos(—21 ) + isen (—2 t))
que es, a su vez. equivalente a
x = ( 7 1 + 7 2 ) eos 2 1 + ( 7 1 - 7 2 )* sen 2 1
y = —2(71 + 72 )¿sen 2 ¿ + 2(71 —72)2 eos 2 1
y(í) *2/ = 0 r-
1
Figura 17. El centro del ejemplo 24.
Tomemos 71 = \( a + i(3) y 72 = \( a —iP) con a,/3 € M; entonces podemos

escribir las soluciones como
x = a eos 2 t + /? sen 2 t
y = —2 a sen 2 t + 2/5 eos 2¿
Notemos que estas soluciones satisfacen (2 x )2 + y 2 = (2a)2 + (2/3)2 que

corresponden, para diferentes valores de a y j3, a figuras elípticas (figura
17).
Ejemplo 25. (Espiral)
x = -x + y
y= -x - y
notemos que:

-1 í
-1 -1
(1 + A)2 + 1 = 0
cuyas soluciones son Ai = —1 + i y A2 = —1 —i.
c) Ahora determinemos los vectores propios de cada valor propio:
i) Para Ai = —1+¿, el vector propio (cu, C21) debe satisfacer la condición
lo cual se satisface en (c n ,c 2i) = ( 1 , i),

ii) Para A2 = —1 —i, el vector propio (012, 022) debe satisfacer la condición
lo cual se satisface en (ci2 , C22 ) = (1, —¿)-

d) Por el teorema 4, la solución general es de la forma
x = 7ie(“ 1+t)í + 72e^-1 “ ^ í
y = 7 i¿e^” 1+^ í - 72
para 7 1 ,7 2 € C. Esto es equivalente a
x = 7 ie-t(cos¿ + ¿sení) + 72 e_í(cos(— t) + isen(-t))
y — 71 ic_f (cosí + ¿sení) — 72 ¿e-í(cos(— t) + ¿sen(-í))
que, a su vez, es lo mismo que
2 = (7 1 + 7 2 )0 1 eos t + (7 1 —7 2 )¿e 1 sen t
V = “ (7 i + 7 2 ) e _ í sen t + (7 1 —7 2 )¿e- í eos t
Si tomamos 71 = ^(a+z/3) y 72 = \(oL—ip) con a ^ e R , entonces podemos
escribir las soluciones como
x = a e _í cos(í) —/?e_í sen(¿)
y = —ae~l sen(¿) —pe~l eos(t)
para a,/? € R (figura 18).
i) Clasificación de los tipos de equilibrio

Ya hemos visto el comportamiento de varios sistemas particulares del (SDL).
A continuación presentamos la definición formal de estos tipos de comporta
miento.
Definición 12. (T ipos de equilibrios de sistem as dinám icos lineales)
Sea
a n ai2
A =
021 «22
la matriz del sistema (SDL) y Ai, A2 sus valores propios.
i) Si Ai < O < A2 , entonces el sistema es un punto de silla.
ii) Si ambos valores propios tienen partes reales negativas, el sistema es un

valle:
a) Si Ai = A2 = A < O y A = A/, el sistema es un foco convergente.

b) Si Ai < A2 < O, entonces el sistema es un nodo convergente.
c) Si Ai = A2 < O, entonces el sistema es un nodo impropio convergente.
d) Si Ai = a + ib, X2 = a —ib, a < O, entonces el sistema es una espiral
convergente.
iii) Si ambos valores propios tienen partes reales positivas, el sistema es una
fuente.
a) Si Ai = A2 > O y A = A/, el sistema es un foco divergente.

b) Si Ai > A2 > O, entonces el sistema es un nodo divergente.
c) Si Ai = A2 > O, entonces el sistema es un nodo impropio divergente.
d) Si Ai = a + ib, A2 = a — ib, a > O, entonces el sistema es una espiral
divergente.
iv) Si los valores propios son imaginarios puros, Ai = ib, X2 = —ib, entonces
el sistema es un centro (o vórtice).
260 M atem áticas básicas para econom istas 3: O ptim ización y dinámica
A partir de los ejemplos anteriores, es claro que un sistema lineal puede tener
diferentes tipos de comportamiento en las vecindades de un equilibrio, depen
diendo de sus valores propios. Para determinar bajo qué condiciones estamos
en presencia de uno o de otro tipo, podemos también utilizar un criterio que
no exige nuestro conocimiento explícito de los valores propios. Para este efecto,
consideremos de nuevo el sistema dinámico lineal homogéneo (SDL)
x = a n x + ai2y
y = a 2i x + 0222/
Aquí, la ecuación característica de la matriz de coeficientes
an au
A = (*)
021 «22
es det(>l — X I) = O, donde A G R. Específicamente,
On - A 012
det(.4 - X I) = — A2 — (on + 022)A + det A — O (*
021 022 — A
Ahora: si p = on + 022 = Traza(>l), q = det.4 , A = p 2 — 4 q tendremos la

igualdad
(A - Ai)(A - A2) = A2 - (Ai + A2)A + AjA2
Al comparar esta con (**), observamos que p = Ai + A2 es la s u m a de los
valo res p r o p i o s de A , y q = A1A2 su producto.
De acuerdo a lo anterior, es inmediato el siguiente teorema de clasificación de
los tipos de equilibrio:
Teorem a 5. (Clasificación de cuatro tipos de equilibrio)

S i en la m a t r i z de coeficientes
ra n oi2
a 2i 022.
del s i s t e m a d i n á m ic o lineal x = A x , d e fin im o s p = Traza(yl) = on + 022»

q = det A ; A = p 2 — Aq, e n to n c es
\) S i q > O y A > O, e n to n c e s ( 0 , 0 ) es un nodo.
II,) S i q < 0 , e n to n c e s (0 , 0 ) es un p u n t o de silla.
n i ) S i q > O y p = O, e n to n c e s ( 0 , 0 ) es un centro.
IV) S i p O y A < O, e n to n c e s (0 , 0 ) es un a espiral.

¿ -n A= O
A > O A > O
P
punto de silla
Figura 19. Diagrama de tipos de equilibrio.
Ejemplo 26.
a) En el sistema del ejemplo 22,
así, p — aii + «22 = —6, q = detyl = 9 — 1 = 8, A = p2 —4q = 4. Por el

teorema 5, el equilibrio (0,0) es un nodo.
b) En el sistema del ejemplo 23,
y así, p = a u + a 22 = —1, q = det A = - 2 , A = p2 - 4q = 9. Por el teorema

5, el equilibrio (0,0) es un punto de silla.
c) En el sistema del ejemplo 24,
y por tanto, p = a \\ + <122 = 0, q = det A = 4, A = p2 — 4q = —16. Por el

teorema 5, el equilibrio (0,0) es un centro.
d) En el sistema del ejemplo 25,
U y así, p = a u + a 22 = - 2 , q = det A = 2, A = p2 - 4q = - 4 < 0. Por el

teorema 5, el equilibrio (0,0) es una espiral.
Pero, además de esta clasificación general de los tipos de equilibrio, existe un

criterio menos específico pero también muy útil para determinar su estabilidad:
T eo rem a 6. (C rite rio de esta b ilid a d para siste m a s lineales)
Si en la matriz de coeficientes
¿ _ \a n a 12
[<*21 a22.
del sistema dinámico lineal x = A x, definimos p = Traza(A) y q = det(yl),
entonces:
\) Si p < 0 y q > 0, el equilibrio (0,0) es asintóticamente estable,
u) Si p < 0, y q > 0, el equilibrio (0,0) es estable.
III,) Si p > 0 ó q < 0, el equilibrio (0,0) es inestable.
D em o stració n .
Este teorema es conclusión inmediata de la definición 12 y del teorema 5. ■
Q
asintóticamente
inestable
estable
1 ----------- r
inestable
Figura 20. Diagrama de criterios de estabilidad.
E jem p lo 27.
a) En el sistema del ejemplo 22,
así, p = a\\ + a22 = —6 y q = det j4 = 8. Por el teorema 6, el equilibrio

(0,0) es asintóticamente estable.
b) En el sistema del ejemplo 23,
así que p = o n + 022 = —1 y q = det^4 = —2, y, por el teorema 6, el

equilibrio (0,0) es inestable.
c) En el sistema del ejemplo 24,
así, p = d\\ 4- ü22 = 0 y q = det A = 4. Por el teorema 6, el equilibrio (0,0)

es estable.
d) En el sistema del ejemplo 25,
así, p — a n + a,22 = —■2 y q = det A = 2. Por el teorema 6, el equilibrio

(0,0) es asintóticamente estable.
N ota 3. (Ecuación diferencial ordinaria com o un sistem a dinám ico)

Observemos que una ecuación diferencial ordinaria de segundo orden de la
forma
c¡?z » ,d z
d ¡? + b d i + c z = 0
es equivalente al sistema dinámico lineal
x = —bx + cz
z= x
donde x = ^ = z. Observemos que los valores propios de este sistema se

dt
encuentran resolviendo la ecuación característica A2 + b \ + c = 0 del sistema
dinámico y, luego, se aplica el teorema 4 para encontrar las soluciones a la
ecuación diferencial ordinaria. Así, t oda la teoría de los sistemas dinámicos
lineales con coeficientes constantes abarca la teoría de ecuaciones diferenciales
ordinarias de segundo orden con coeficientes constantes. Sobre esto volveremos
más adelante.
Ejemplo 28. (U n ejem plo clásico: la dinám ica del resorte)

Consideremos un punto material de masa m moviéndose a lo largo del eje ho
rizontal x en un medio resistente (por ejemplo, en un líquido o en un gas)
bajo la influencia de la fuerza elástica de un resorte actuando bajo la ley de
Hooke\ es decir, la fuerza elástica del resorte actúa hacia la posición de equili
brio y es proporcional a la desviación con respecto de ésta, donde la posición
de equilibrio ocurre en el punto x = 0. Así, la fuerza elástica es igual a —bx con
b > 0 (a b se la conoce como coeficiente de restitución). Asumamos también
que la resistencia al medio es proporcional a la velocidad del movimiento; es
dx
decir, igual a —a— donde a > 0, y el signo menos señala que el medio resis-
at
tente actúa en contra del movimiento. De la ley de Newton, que afirma que el
producto de la masa de un punto material y su aceleración es igual a la suma
de las fuerzas que actúan sobre este, tenemos que
d?x dx
ml * = - bx- aTt ()
es la ecuación que describe el movimiento x(í) del punto material en cualquier
instante del tiempo.
La ecuación diferencial ordinaria de segundo orden con coeficientes constantes

dada por (*) puede reducirse a un sistema dinámico lineal bidimensional así:
Sea z = — ; entonces (*) es equivalente a m — = —bx — az\ y, por tanto, el
at dt
sistema lineal es
b a
x = z, z = -----x ------z
m m
Es fácil mostrar que los valores propios de la matriz de coeficientes
■ 0 1‘
b a
- 771 771-
son Ait2 = —2m \J 4m^ ~ ^ y deberemos estudiar tres casos:
C aso 1 (a2 > 4mb).

En este caso, Ai, A2 < 0, Ai ^ A2 , por el teorema 6, todas las soluciones tende
rán al punto de equilibrio x = 0 que es asintóticamente estable. Físicamente,
este caso ocurre cuando la resistencia al medio es suficientemente grande pa
ra poder evitar oscilaciones. El punto material no puede pasar a través de la
posición de equilibrio x = 0 más de una vez. Después, luego de alcanzar la
distancia máxima desde el punto x = 0, comenzará una lenta aproximación a
este punto de equilibrio, pero nunca pasará de nuevo a través de él.
C aso 2 (a2 = 4mb).

En este caso, Ai = A2 , ambas reales negativas. Nuevamente, por el teorema
6, todas las soluciones, tenderán al punto de equilibrio x = 0 que es asintóti
camente estable. El movimiento del punto material será similar al del primer
caso.
C aso 3 (a2 < 4m6).

En este caso, Aj = i y A2 = - ^ - £ 7 i son
números complejos. El punto material llevará a cabo oscilaciones a lo largo del

eje x (más específicamente, alrededor del punto de equilibrio): como a > 0, es
decir, como el medio sí ofrece resistencia al movimiento (aunque esta resistencia
es pequeña (a2 < 4bm), entonces la amplitud de la oscilación tenderá a cero y
las oscilaciones desaparecerán.
Figura 21. Dinámica de un resorte.
d) S o lu c ió n g en e ra l p ara siste m a s n o h o m o g é n e o s
Hasta ahora hemos estudiado sistemas homogéneos del tipo
x{t) = an x(t) + aí2 y(t)
y{t) = a2 í x(t) + a22y(t)
(1 )

an a 12
z = Az, donde ¿r = (x ,t/), A
<*21 a 22
Sin embargo, en muchos casos nos interesa encontrar soluciones a sistemas no

homogéneos de la forma
x(t) = a \\x (t) + a\2 y(t) -f w \(t)
(2)
2/(0 = an x(t) + a22 y(t) + w2(t)
donde iüi(-) y w2(-) son diferenciables funciones arbitrarias. En forma más
compacta, esto se puede escribir como
z = A z + w, donde zT = (rr, y), wT = (w \,w 2)
Teorema 7. (Solución general a sistem a s no homogéneos)

La solución general al sistema
z(t) = Az{t) + w (t) (*)
es de la forma
z(t) = 2?{t) + zp(t)
donde zg(t) es la solución general al sistema dinámico homogéneo, y zp(t) es
una solución particular de (*).
D em ostración.
Veamos, primero, que z(t) = z9 {t) + zp(t) es solución al sistema (*). En efecto:
z(t) = Â z* (t) + z”(t)) = Az»(t) + A zp(t) + w(t)

dt
= A (z9 (t) + zp(t)) + w(t) = A z(t) + tu(£)
ya que z9 (t) es solución al sistema homogéneo y zp(t) es solución particular a

(*). Ahora: para ver que toda solución al sistema (*) es de la forma z9 (t)-{-zp(t))
supongamos que z\(t) y z2(¿) son soluciones al sistema, entonces tenemos que
- (ziit)dt 22(~ ~'= 2i(i) - ¿2(<) = A{zi{t) ~ 22(í))
de forma que z\(t) — z2 (t) es una solución z9 (t) al problema homogéneo. Así,
zi(t) = z9 (t) + z2 (t), que es equivalente a lo que buscábamos.13 ■
Ejem plo 29.

Para encontrar la solución generad a
x = 2x + y + t \2 ll [VI Til
í-vM ° “ ' [ o 2 j y + [l]
con condiciones iniciales x(0) = 1 y y(0) = 0, comenzamos escribiendo la
solución general al sistema homogéneo
x9 (t) = ae2t + p te2í

yg(t) = /Je2í
Para encontrar una solución particular al sistema, es casi siempre conveniente

buscarla similar a la función w(t); es decir, en este caso, debe tener la forma
x p(t) = m o + m \t
yp(t) = m 2 + m 3t
donde ra o ,m i,m 2,m s se pueden determinar así: colocando la solución-parti

cular xp(t), yp(t) dentro del sistema original x = 2 x + y + t, y = 2 y + 1 ,
obtendremos que
raí = 2(rao + m \t) + (m 2 + m ^t) + í, = 2 (m 2 + m ^t) + 1

13 ¿Acaso este teorema no le recuerda al lector la estructura de las soluciones a un
sistema no homogéneo de ecuaciones lineales? (volumen 1 (Álgebra lineal)). ¿Por qué
cree el lector que surge esta similitud?
y así
7711 = 2771o+ m 2, mi + 7773+ 1= 0
7723 = 2 772 2 + 1 » 27713 = 0
Por lo tanto,
Y así,
de lo cual, la solución del sistema no homogéneo es
x(t) = ae2t + (3te21 — t — ^
V « = /Je* - 5
Además, de las condiciones iniciales tenemos que
x(0) = a - i = 1
y(í) = ^ - I = 0
Así, a = | , 0 = \ . Luego la solución del sistema no homogéneo es
x(t) = ^ e 2t + i í e 2í - í - i
e) S is te m a s (co n tin u o s) n o lin e a le s e n d o s d im e n sio n e s

Consideremos nuevamente el sistema dinámico autónomo en dos dimensiones
x(t) = f (x (t),y(t))
y(t) = g(x(t),y(t)) ( 1
dado en la definición 6, donde ahora asumiremos que /(•, •) y <;(•, •) no son ne
cesariamente lineales. Sabemos, por el teorema 3, que el SDNL tiene soluciones
locales únicas. Sin embargo, no es mucho más lo que podemos decir: encontrar
soluciones analíticas explícitas es un objetivo muy difícil o imposible. Quizás
lo primero que podríamos hacer es encontrar los equilibrios (x*, y*) del sistema
resolviendo, simultáneamente, = 0, g{x*,y*) = 0. Esto, en sí mismo,
puede ser un objetivo complicado, pero no lo será en los casos aquí presentados.
Ahora, al encontrar un equilibrio (x * ,y *), es fundamental analizar la dinámica

del sistema en cercanías a él, y esto lo haremos con una técnica típica: apro
ximar un sistema no lineal mediante uno lineal, en la vecindad del equilibrio.
Este es el intento por reducir un problema complicado a uno simple y maneja
ble como es el de los sistemas lineales. Para justificar el proceso, comencemos
recordando la matriz jacobiana de / y g en (x * ,y *) (volumen 2 (Cálculo)):
■d¿ ■
±
d
dx dy (**.!/*)
dg_ dg
dx dy
formada por las primeras derivadas parciales de /(♦, •) y p(-, •) evaluadas en el

punto (x * ,y *), y recordemos también la expansión en series de Taylor
/( * .» ) = § £ (y - y ’ ) + R i ( x - x ') + R [(y - y ')
» ( * .» ) = § ! (y - y ’ ) + R ï(x - x*) + R¡¡(y - y *)
Con estos dos conceptos, construimos uno nuevo muy importante en la teoría
de los sistemas dinámicos no lineales:
D efinición 13. (Linealización de un SD N L )
Si {x*,y*) es un equilibrio del SDNL, entonces su linealización alrededor de
(x*,y*) es
x = a \\x + a \2 y
y = a2ix + a22 y
donde
» =
an - df «12 = 7T-
ox
(**.»•)
dg
an 21 =
- d9 a 22 =
OX dy
(*MT)
es decir, x = A x, donde
Pero la cuestión realmente importante es: ¿qué se puede decir acerca del com
portamiento dinámico local del SDNL alrededor de basados en el com
portamiento de su linealización? El siguiente teorema es una de las respuestas
básicas a esta pregunta.
T eorem a 8. ( Teorem a de linealización (H a rtm a n (1 9 6 3 )u y Grob-

m a n (1 9 5 9 )15))
Supongamos que (x* ,y*) es un equilibrio del SDNL tal que la matriz jacobia-
na */(/, <?)|(x*)y.) no tenga ningún valor propio con parte real nula (es decir,
ningún valor propio de la jacobiana es de la forma \ = ib). Entonces tenemos:
a) Si (x*,y*) es un equilibrio asintóticamente estable de la linealización del
SDNL, entonces también es un equilibrio asintóticamente estable del SDNL.
b) Si (x*,y*) es inestable para la linealización del SDNL, entonces también es
inestable para el SDNL.
D em o stració n .
Ver P. Hartman (1963).16 ■
El teorema de linealización afirma que si ninguno de los valores propios de

la matriz jacobiana en equilibrio es un número imaginario puro, entonces los
sistemas lineal y no lineal son equivalentes en términos cualitativos; es decir,
los nodos, puntos de silla, espirales, etc., en el sistema lineal siguen teniendo
un comportamiento respectivo, similar en el modelo no lineal.
Veamos algunas aplicaciones de este teorema:
E jem plo 30.
Consideremos el SDNL del ejemplo 17:
x = x 2 + y 2 - 1 (= f ( x , y)), y = Zx(y - 1) (= g(x, y))
cuyos puntos de equilibrio son (x*,y*) = (0,1) y (x*,y*) = (0, —1). Las matri
ces jacobianas en estos puntos son, respectivamente,
2x 2y
3(y — 1) Sx
2x 2y 0 -2
3(t/ - 1) 3x -6 0
14 Hartman, P. (1963), On the Local Linearization of Differential Equations, Procee

dings of the American Mathematical Society.
15 Grobman, D. (1959), Homeomorphisms of Systems of Differential Equations, Dokl.
Akad. Nauk.
16 Hartman, P. Op. cit.
Los respectivos valores propios son, para J ( f , g ) |(0(i) : A - 0 (multiplicidad

2); y para J ( f ,g ) |(o,-i) : A = ± y /l2 . Luego el teorema de linealización nos
da información local en el punto de equilibrio (0 ,-1 ), mas no en el punto de
equilibrio (0,1). Para el punto (0, —1), la aproximación local es
x = —2y, y= —6x
Así, por el teorema 5, el punto (0, —1) es un equilibrio inestable de este sistema
lineal y, por tanto, también del SDNL original.
Ejem plo 31. (E jem plo clásico: dinám ica del péndulo)
Un péndulo matemático es un punto material de masa m, suspendido de una
cuerda de longitud l. Asumamos que todos los estados del péndulo permanecen
en un plano. En la figura 22, la fuerza tendiente a recuperar el péndulo a la
posición O A es la fuerza de gravedad mg actuando sobre el punto material.
La posición del péndulo en cualquier tiempo t está dado por el ángulo <j>.
Supongamos que la dirección positiva de <f> es en el sentido contrario a las
manecillas del reloj. El arco A A! = l<¡> es la distancia movida por el punto
d(AA')
material de la posición de equilibrio A. La velocidad de movimiento v =
dt
estará dirigida a lo largo de la tangente al círculo y será
v = l- f-
dt
O O
Figura 22. Dinámica del péndulo.
Para establecer la ecuación de movimiento, descompongamos la fuerza de gra

vedad m g en dos componentes y la primera de las cuales está dirigida a
lo largo del radio O A! y la segunda a lo largo de la tangente al círculo. La com
ponente no puede afectar el valor numérico de la tasa v , ya que claramente
está balanceada por la resistencia de la suspensión A!. Solo la componente
puede afectar el valor de la velocidad v. Esta componente siempre actúa ha

cia la posición de equilibrio A; es decir, hacia un decrecimiento de </>, si <t>es
positivo, y un crecimiento si es negativo. El valor de ~P es —mg sen (f), y así
la ecuación de movimiento del péndulo es, de acuerdo a la ley newtoniana de
movimiento,
dv d?<t>
m — = —mg sen (p (*)
at d t* ~ l SQn<¡
Esta ecuación diferencial ordinaria de segundo orden puede reducirse al si
guiente sistema dinámico (definiendo x =
dt
>= x, x = —y sen <¡ (**)
Para (f> pequeño, el único punto de equilibrio es (0,0). Haciendo lineal (**)
alrededor de (0,0) obtenemos el sistema dinámico lineal
0 l' V
0. X
r
Aquí, los valores propios de la matriz
0 1
¥ 0
son Ait2 = y así las soluciones oscilarán alrededor del punto de equili
brio estable (0,0) que representan el movimiento pendular que conocemos.
f) E l m é to d o d e L yap u n ov
Otro de los teoremas básicos para el análisis local alrededor de equilibrios de un
sistema dinámico no lineal fue establecido por el matemático ruso Aleksandr M.
Lyapunov [1857-1918] en 1892 en The General Problem of Stability of Motion.
Veamos en qué consiste.
Teorema 9. (M étodo de Lyapunov (1892))

Supongamos que (x * ,y *) es un equilibrio del SDNL, y asumamos también que,
para cierto e > 0, existe una función continua y diferenciable17
V : B e( x * y )
tal que
r Recordemos que B6(x*,y*) es la bola abierta de centro en (x*,y*) y radio e.
i) V ( x \ y ') = O
ii) V (x ,y ) > O para todo (x,y) ^ (x*,?/*)
iii) < O para toda solución local (x(£), ?/(£)) ^ (x*,y*) del
sistema no lineal SDNL.
Entonces (x*,y*) es estable. Si, además, la desigualdad iii) es estricta, entonces
(x * ,y *) es asintóticamente estable.
A la Junción V(-, •) se le conoce como fu n c ió n de L yapunov.
D em o stració n .
Hirsch y Smale (1971).18 ■
N o ta 4.
Si la vecindad mencionada en el teorema de Lyapunov es todo el plano R2,
entonces diremos que (x * ,y *) es global y asintóticamente estable y, así, todas
las soluciones se aproximan a (x*,y*) cuando t —> oo. Por lo tanto, sabre
mos que las soluciones son asintóticamente estables, aún sin saber cuáles son.
El problema aquí es que no existe un método directo de obtener funciones
de Lyapunov para un sistema dinámico específico, aunque algunos problemas
particulares podrían sugerirla, como veremos en los siguientes ejemplos.
E jem p lo 32.
Veamos si el sistema
x = —2y, y- x
tiene una función de Lyapunov en el equilibrio (0,0) de la forma
V (x ,y ) = ax2 + by2
Para ello, habría que encontrar los valores de a y b que harían que, en efecto,
esta fuera una función de Lyapunov:
i) K ( 0 ,0 ) = 0
ii) V (x, y) > 0 para todo (x, y) ^ (0,0) si a, 6 > 0
iii) Además, si (x,y) ^ (0,0), entonces

dV
V = — = 2axx + 2byy — 2ax(—2y) + 2 by(x)
lo cual satisface V — 0 cuando a — 1 y b = 2; y, así, (0,0) es estable.

18 Hirsch, M. y Smale, S. (1974), Differential Equations, Dynamical Systems, and Linear
Algebra, New York: Academic Press.
Ejemplo 33. (Otro ejem plo clásico: dinám ica de un resorte rígido)
Consideremos un punto material de masa m atado a un resorte que se mueve
en el eje x horizontal sin ninguna resistencia, y que actúa bajo la ley de Hooke
ampliada, es decir, la fuerza elástica es igual a —6(x + x 3), 6 > 0. En este caso,
la ecuación que describe el movimiento x(t) del punto material es
m x = —b(x 4- x3) —ax, a> 0
Nuevamente, reducimos esta ecuación diferencial ordinaria de segundo orden

a un sistema dinámico haciendo y = x:
x = y, / + x ó)
y ~ -----(x 3\- a y
m
Este problema tiene una función de Lyapunov para el equilibrio (0,0) dada por
V (x ,y ) = + + x ) + ,19 ^ > ° “Pequeño”
En efecto,
i) 7(0,0) = 0
ii) V (x , y) > 0 para (x, y) ± (0,0)
iii) Además, si (x,y) ^ (0,0), entonces
V = m yy + b(x + x3)x 4- P (xy 4- x y 4- axx)
= (m y 4- px) + x3) ay^j + K x + x *)v + Py2 + a0 x y
= - f i — (x2 4- x4) - (am - (3)y2

m
< 0 para ¡3 suficientemente pequeño
Por el teorema de Lyapunov, el equilibrio (0,0) es asintóticamente estable; es

decir, la masa, eventualmente, retornará al estado de reposo. (¿Será posible
resolver este problema mediante linealización?)
N ota 5. (Sobre los valores propios en los sistem as dinám icos)

La aparición de valores propios de cierta matriz en las soluciones de los siste
mas dinámicos que hemos estudiado formalmente, ha estado, tácita o explíci
tamente, en el fondo de muchos problemas prácticos de la física y las ciencias
naturales desde por lo menos dos mil años atrás. Por ejemplo, los pitagóricos
19 Esta es una “función de energía” del sistema.
(siglo VI a.C.) estudiaban las vibraciones de una cuerda, encontrando que so
nidos armónicamente consonantes son producidos cuando la cuerda se divide
en ciertas proporciones numéricas simples que, se puede mostrar, están direc
tamente relacionadas con los valores propios de cierta ecuación asociada a la
ecuación diferencial de propagación de onda. Y este problema de proporciones
numéricas lo extendían también a los metales y a otros materiales.
Pero a pesar de estas búsquedas de armonía en la naturaleza, solo hasta el siglo
XVIII fue posible escribir la primera ecuación diferencial de onda (en derivadas
parciales) por parte de d ’Alembert (TYaité de Dynamique (1743)), y comenzar
a entender la importancia de los valores propios.
Ejercicios 2
1. Compruebe que para cualquier a , G K,
x(í) = 4ae1 + (3e 2t, y(t)= ael + pe 2t
satisfacen el sistema dinámico
x = 2x — 4y, y= x — 3y
2. Compruebe que para cualquier a , G M,
x(t) = ae~l eos(t) + (3e~l sen(¿), y(t) = —ae.~* sen(í) + /? e _ í cos(í)
satisfacen el sistema dinámico
x = - x 4- y, ÿ= - x — y
3. Utilizando la ecuación característica, resuelva las siguientes ecuaciones

diferenciales ordinarias:
a) y" + 3y' + 5y = 0 b) y n —4t/ + 2y = 5
4. Resuelva explícitamente el sistema dinámico (¿, y)T = A[x, y]T +b, donde
a)
c)
5. Aplicando los teoremas 5 y 6, clasifique el tipo de equilibrio que es (0,0)

y su estabilidad en cada uno de los cuatro casos del ejercicio anterior.
6. Dibuje el diagrama de fase del sistema
x = y, y - ~ (x 4- x 3)
calculando inicialmente sus puntos de equilibrio.
7. Supongamos que un paracaidista cae desde un avión hacia la Tierra y

el paracaídas se abre en el instante t = 0, cuando la velocidad del para
caidista es v q . Encuentre la velocidad v(t) del paracaidista en cualquier
tiempo t posterior, si este se rige por la ecuación
mi) ~ m g — bv2
donde m es la masa del hombre más el equipo; g = 9.8 m /s2 es la

aceleración de la gravedad; y el término bv2 (con b > 0) es la fuerza de
resistencia del aire que actúa en contra del movimiento del paracaidista.
8. Para el sistema dinámico x = Ax, y = /i?/, dibuje el diagrama de fase,

escriba la solución general y determine el tipo de equilibrio que es (0,0)
y su estabilidad cuando:
a) A, /i > 0 c) A < 0 < fi

b) // < 0 < A d) A, y, < 0
9. Encuentre y clasifique los puntos de equilibrio de las siguientes ecuaciones

utilizando técnicas de linealización:
a) x 4- 6 (x2 - l) x 4- x = 0 (casos: ó > 0, <5 <

b) x 4- x 4- sen(x) = 0
c) x 4- cos(x) = 0
d) x 4- x 4-x = 0
e) x 4- x 4- x = —x 3
f) X = X
10. (Oscilación lineal de una partícula bajo la acción de un resorte, de la re

sistencia de un medio y de una fuerza periódica). Describa la dinámica de
la partícula de masa m cuyo movimiento x(t) está regido por la ecuación
m — r 4- m w 2x = A cos(wt) w > 0, A¿ 0
11. (Hirsch y Smale (1974)20) Encuentre la función de Lyapunov para el

equilibrio (0,0) en el sistema dinámico
x = —2 x — y 2
y = -y - x 2
y concluya sobre la estabilidad del equilibrio.
12. (S o lu ció n general a u n s iste m a lineal de ord en n )
a) Muestre que las soluciones al sistema dinámico lineal
x = Ax
donde A es una matriz n x n d e coeficientes constantes y b es un vector

de dimensión n, dependen de los valores propios de A , y, siguiendo lo
estudiado en esta sección para el caso n = 2, describa las soluciones
específicas en cada uno de los siguientes casos:
i) Cuando todos los valores propios son reales y distintos.
ii) Cuando todos los valores propios son reales pero algunos se re
piten.
iii) Cuando algunos de los valores propios son complejos,
b) Resuelva explícitamente el sistema x = A x cuando
'3 1 4 '
A = 5 2 2
2 3 -2
c) Considere la ecuación diferencial ordinaria de orden n,
2/(n) + oí 4- • • • + an y = 0 (*)
y escríbala como un sistema dinámico de la forma x = A x haciendo
xi = y, x2 = y = x \ , x 3 = y = x 2 , ...
Señale la forma que deben tener las soluciones de esta ecuación dife
renciad. Después, encuentre la ecuación auxiliar de la ecuación dife
rencial (similar a lo que hicimos en el caso n = 2), cuyas soluciones
serían los valores propios de A.
d) Defina las nociones de estabilidad y estabilidad asintótica para siste
mas lineales de orden n.
20 Hirsch, M. y Smale, S. (1974), óp.cit
e) (Criterio de Routh-Hurwicz) Muestre que en el sistema dinámico de

orden n, x = A x, la ecuación característica
det(i4 —AIn) ~ An *+- aiAn 1 + 0,2An 2 *+■• • • + an = 0
tiene todas sus raíces con parte real negativa si, y sólo si, todas las
siguientes matrices tienen determinantes positivos:
ai 1 0 0
<13 a 2 ai 1
A i = [ai], A2 A„ = a5 a.4 03 0*2
-E a? ÜQ as a4
f) Utilice el criterio de Routh-Hurwicz para establecer una condición de

estabilidad asintótica para x = A x.
g) Sin calcular explícitamente los valores propios del sistema dinámico
x = A x y decida si la solución x = 0 es asintóticamente estable o no,
cuando
3 1 4
^ = 5 2 2
2 3 -2
h) Decida sobre la verdad o falsedad de las siguientes afirmaciones con
respecto a la estabilidad del equilibrio x = 0 en el sistema x = Ax:
i) x = 0 es globalmente estable si A es semidefinida negativa.
ii) x = 0 es globalmente estable si A tiene todas sus entradas en la
diagonal principal, negativas; y todo el resto de entradas, positi
vas.
iii) x = 0 es globalmente estable si A tiene sus menores principales
de orden impar, negativos; y los de orden par, positivos.
[Indicación: solo considere los casos n — 2 y n = 3, si el problema
inicialmente le parece complicado].
i) Siguiendo las pautas de esta sección, extienda los resultados de siste
mas no lineales de dimensión 2, a sistemas no lineales de dimensión
n.
3. Sistem as dinámicos (discretos) en una dimensión

A diferencia de los sistemas dinámicos continuos, los sistemas dinámicos dis
cretos describen la evolución de eventos a medida que pasa el tiempo en forma
discreta, es decir, comenzando en un punto xo, el sistema genera la sucesión
zo, f(x0), / ( / ( * o))» /(/(/(* o ))),

donde /(•) es una función determinada. En notación conveniente, esto se escribe
*0. /( * o), f2(xo), f3(xo), •••

donde /^ x o ), Para ¿ = 0 ,1 ,2 ,---- , se llama la t-ésima iteración de xq bajo /(•).
Al conjunto {/*(xo) | t = 0 ,1 ,2 ,...} se le conoce como la órbita (positiva) de
xo. Este proceso iterativo es el que define, en esta situación, el sistema dinámico
discreto: Si llamamos xt = / ¿(xo) para t = 0 , 1 , 2 , . . entonces
xt+i = / t+1(*o) = / ( / ‘Oro)) = f(xt)
D efinición 14. (Sistem a dinám ico discreto)

Un sistema dinámico discreto es una ecuación en diferencias de la forma
xt+i = f ( x t, t) para t = 0 ,1 ,2 ,...
donde xq es dado, y / : A x (NU {0}) —> R, con A C R no vacío, es una función

continua.21 dada.
D efinición 15. (¿Qué es resolver un sistem a dinám ico discreto?)

Dado xq G R, resolver un sistema dinámico discreto xt+i = f ( x t ,t ) es en
contrar todas las posibles trayectorias que satisfacen esta ecuación. A
cada una de las trayectorias se le conoce como una solución al sistema.
Ejem plo 34. (Sistem a dinám ico lineal fundam ental)

El sistema dinámico, con xo dado,
x t+i = c x t (i.e. f ( x h t) = c x t)
puede resolverse fácilmente: observe que
X t + i = c x t = c ( c x t ~ i) = c2 X t - l
= c 2 ( c x t - 2 ) = C3 X t —2 = . . .
= Ct + 1 X 0
Es decir, la solución general es
Xt = Xq c*
21 Más adelante se entenderá que los sistemas dinámicos discretos pueden ser extrema
damente complejos, y que esta hipótesis de continuidad nos mantiene atados a cierta
“regularidad” que, así, logra que no sea aun más complicado el comportamiento de
estas dinámicas.
Si, por simplicidad, asumimos xo = 1, entonces (figura 23):

a) Si c > 1, x t -» oo cuando t oo
b) Si c = 1, x t = 1 para todo ¿ = 1 ,2 ,...
c) Si c < 1, x t —>O cuando t ->> oo
Xt
M -
J * ' -
j v "
^ ja r
4+ X 0 ^
caso c > 1 caso c = 1 caso c < 1
Figura 23. Trayectorias del ejemplo 34.
Ejemplo 35. (Sistem a dinám ico lineal fundam ental)

El sistema
x t+i = c x t + b b O, c 1
con xo dado, puede resolverse, por recursión, de manera similar: Observe que
x t+i = cxt + b = c (cxt~ i + b) + b = <?xt- \ + be + 6

= c2 (cx t- 2 + b) + be + b = c3xt _2 + be2 + be + b = ...
= ct+1xo + bé + b é~ l + • • • + be + b
Es decir, la solución general del sistema es

t- i 1 _ t
x t = éxQ + b ^ c k = é x o + b( ° )
k=o °
Ejemplo 36. (U n sistem a dinám ico no lineal)
El sistema
x t+i = x \
con xo dado, también es fácil de resolver de manera recursiva:
Xt = ( Z f - i ) 2 = (( s í-2 )2) 2 = (z t-2 )4
= ((x í-3 )2) 4 = (z t-3)8
= (xo)2'
Así, la solución general (figura 24) es x t = (xo)2 >Para t = l , 2 , —

xt Xt
f
/
i -
/
1y *"M xq-«
i*—1
§
caso |xo| > 1 caso |xo| = 1 caso |xo| < 1
Figura 24. Trayectorias del ejemplo 36.
Ejem plo 37.

El sistema
x t+ 1 = (t + l)x t
con xo dado, tiene como soluciones
X¿ — t x ¿—i — —2
= t ( í - l ) ( t - 2 )a* - 3 = ...
- ti X o
donde ti = 1 • 2 • 3 • • • ( t — 1) • t 22 Es decir, la solución general es
x t = t !x 0
Ejem plo 38. (O tro sistem a dinám ico “lineal”)

Generalizando el ejemplo anterior, encontramos que el sistema dinámico de la
forma
x t +1 = c(t)xty xo dado
donde c(t) es una función cualquiera del parámetro de tiempo í, tiene como
soluciones
x t = M I c(*J ] x 0
■ (íH
donde
<-1
JJ c (¿ ) = c ( 0 ) c ( l ) - - - c ( í - l )
t= 0
El lector puede, fácilmente, comprobar esto por inducción matemática (volu

men 0 (Fundamentos)).
22 Recuerde que t\ se lee factorial”.
Ejemplo 39. (Sistem a dinám ico “lineal” general)

Un sistema dinámico que generaliza el del ejemplo anterior es
xt+i = c(t)xt + b(t), xq dado
donde c(-), &(•) son funciones cualesquiera. Este tiene como soluciones
como el lector puede comprobar mediante inducción matemática y un poco de

paciencia.
Ejemplo 40.
De acuerdo con el ejemplo 39, el sistema dinámico “lineal”
7
x t+ 1 = 2xt + 3l,
tiene entonces como solución general,
Ejemplo 41. (D esintegración radioactiva (de nuevo))

La ley de desintegración de un elemento químico radioactivo afirma que la tasa
de desintegración es proporcional a la cantidad inicial presente. Averigüemos
la cantidad del químico en cualquier tiempo t posterior. Para ello, sea R t la
cantidad de radio no desintegrado en el tiempo t. La tasa de desintegración
estará dada por el valor —(Rt+i —Rt)- Como esta es proporcional a entonces
donde Ro es la cantidad presente del químico al comienzo del proceso. Por

ejemplo, en el caso del carbono 14 ($ClA), estudiado en el ejemplo 10, pre
guntábamos por la antigüedad de un hueso fósil que tiene 30 % de la cantidad
original de carbono 14, y obteníamos el cálculo de 9,950 años de antigüedad. Si
el análisis lo hacemos desde los sistemas dinámicos discretos, encontramos lo

siguiente: puesto que la vida media del carbono 14 es de 5,730 años, entonces
( l - c ) 8'73° i? o = ¿ ñ o
y así, c = 0.000121. Por tanto, la antigüedad t, del hueso, según este modelo,
está dada mediante la ecuación
QH
(1 -0 .0 0 0 1 2 1 )% = — Ro
de donde se deduce que t = 9,950 años, que coincide con el tiempo previsto en
el modelo continuo (ejemplo l l ) . 23
Ejem plo 42. (Interés sim ple, com p u esto y am ortización)
a) Si una suma inicial de dinero So recibe interés simple a la tasa r por periodo
de pago, la cantidad de dinero en cualquier tiempo t (en años, meses, etc.),
£t, estará regida por el sistema dinámico discreto
St+i = St + rSo t — 0 ,1 ,2 ...
cuya solución es (figura 25a)
S t = S 0{l + r t) * = 0 ,1 ,2 ...
En este caso, los intereses no generan nuevos intereses.
b) La situación es diferente cuando la suma de dinero inicial recibe interés

compuesto a la tasa i por periodo de pago. En tal caso, la cantidad de
dinero en cualquier tiempo í, S t, estará regida por el sistema dinámico
discreto
St+i = iSt-h iSt t = 0 ,1 ,2 ...
cuya solución es (figura 25b)
S t+i = (1 + if S o t = 0 , 1, 2 . . .
Ahora los intereses s í generan nuevos intereses.
c) La amortización es el proceso mediante el cual un préstamo se paga-a través

de una sucesión de pagos periódicos, cada uno de los cuales se compone
de una parte que es pago de intereses y de otra parte que es el pago del
préstamo inicial (o capital principal).
Supongamos que St representa el capital principal después del pago P* en
el tiempo f, y asumamos también que la tasa de interés compuesto es i por
23 Adelante veremos que estos valores no siempre coinciden.
St St
So S o -"
a) b)
Figura 25. En el panel a), la trayectoria de una cantidad de dinero

bajo interés simple. En el panel b), la trayectoria de una cantidad
de dinero bajo interés compuesto.
periodo de pago. Aquí, el capital principal St+i (después del pago j*+i)
es igual al capital principal St (después del pago P¿) más el interés iSt
incurrido durante el periodo t + 1, menos el pago P*+i. Es decir,
St+i = St 4- iSt — Pt+1
o, lo que es igual,
St+i = (1 + i)St — Pt+i
Esta ecuación se puede resolver como
t
S t = ( l + i)iS o - ' £ { l + i)t~ kPk
k= 0
donde So es la cantidad de dinero inicial (préstamo), y Pq = 0.

Si el pago se hace en cuotas fijas Pt = T para todo í, entonces el capital
principal en el tiempo t es
5t= (l+ í)‘

50+[(l + ¿)í+1-l]7
Y si fuéramos a pagar el préstamo en, exactamente, N pago iguales, ¿cuál
sería el pago en cada periodo? En este caso, hacemos S n = 0, y utilizando
la ecuación anterior, obtenemos que los pagos deben ser
T =
z(l+ ¿)N So
1 - ( 1 + * )* + !
D efinición 16. (P u n to de equilibrio o estacionario)

Un punto x* € R es un equilibrio24 del sistema xt+i = /(x¿, t) si, y solo si,
/(x*, t) = x* para todo t = 1 ,2 ,...
Así, x* es una solución constante del sistema, pues si x t• = x* para algún £*,
entonces X r+i = f ( x t*) = /(a;*) = x* y también x ¿*+2 = / ( x t*+i) = f ( x t*) =
/(x*) = x*, etc. En otras p ala b ra, una vez alcanzado el punto de equilibrio,
el sistema permanecerá allí, por siempre. Gráficamente, un punto de equilibrio
es aquel donde la gráfica de /(•) se intersecta con la recta y = x.
E jem plo 43.
a) El sistema dinámico x ¿+1 = cx¿, c ^ 0, del ejemplo 34, solo tiene un equi
librio x* = 0, pues /( x ) = ex solo se intersecta con la recta y = x en ese
punto.
b) El sistema dinámico xt+\ — (x¿)2 del ejemplo 36 tiene como únicos equili
brios x* = 0 y x* = 1 pues /( x ) = x2 solo se intersecta con la recta y = x
en estos dos puntos.
Ejem plo 44. (La función carpa (te n t m a p ))

En el sistema dinámico
xt +1 = T(xt)
donde
existen dos equilibrios x* = 0 y x* = | (figura 26).
x*
Figura 26. Función carpa.
24 También llamado punto estacionario o punto fijo.

D efinición 17. (Sistem a autónom o)

El sistema dinámico discreto xt+i = f ( x t, t) es autónomo si, y solo si, f( x t, t) =
f( x t) para todo t ; es decir, /(•, •) no depende explícitamente de t. En otro caso,
lo llamaremos no autónomo.
Vemos que los ejemplos 34, 35 y 36 son autónomos, mientras que el ejemplo
37 es no autónomo.
a) D ia g ra m a s d e fase p ara siste m a s d isc r e to s a u tó n o m o s u n i

d im e n sio n a le s
Ahora presentamos el método cualitativo estándar de análisis de un sistema

dinámico discreto autónomo: los diagramas de fase. Ya en los modelos conti
nuos hemos mostrado su poder como herramientas de análisis para ayudarnos
a entender el comportamiento de las soluciones en las cercanías de un punto
de equilibrio. Aquí, a través de los ejemplos, ilustramos la técnica de estos dia
gramas. En primer lugar, localizamos los puntos de equilibrio en un diagrama
con abscisa x y ordenada /(x ) como los puntos de intersección de f( x ) con la
recta y — x. Después, ubicamos el punto de condición inicial (xo, f ( x o)), el cual
conectamos con el punto (x i,/(x o )), donde x \ = /(x o ) (es decir, conectamos
con la recta y = x), y este lo conectamos ahora con el punto ( x i,/(x i)) en
la gráfica de /(x ), y así sucesivamente. Las flechas de la dinámica del sistema
estarán en la dirección de la trayectoria antes descrita (figura 27).
Figura 27. Diagrama de fase para dos condiciones iniciales distin

tas.
Ejemplo 45.
El diagrama de fase del sistema, para xo dado,
x t+i = cxt Cí 0,1

se debe estudiar en cuatro casos:

c > 1, c < -1 , 0 < c < 1, -l<c<0
y esto queda como ejercicio para el lector. De hecho, en la figura 28 se ilustran
dos de esos casos. ¿Cuáles son?
Figura 28. Dos diagramas de fase del ejemplo 45.
Ejem plo 46. Ecuación logística (versión discreta)

Sea xt la medida de una población en el tiempo t. Si /i es la tasa de crecimiento
de la población de una generación a otra, entonces
x t+i = fixt /x > 0 (ley de Malthus)
Si la población inicial es x(0) = xo, entonces, por iteración simple, sabemos
que
Xt-\-\ — Xq
es su solución. Si > 1, entonces xt —> oo cuando t -» oo; si n = 1, entonces
Xt = x0 para todo £; y si /i < 1, entonces x¿ —» 0 cuando t —> oo, y la
población se extinguirá eventualmente. Sin embargo, para la mayoría de las
especies biológicas ninguno de estos casos es válido: realmente, las poblaciones
crecen hasta que alcanzan un cierto límite debido a la escasez de recursos y a la
competencia por los mismos. Esta competencia se acostumbra modelar como
proporcional a 1 —x t. Así, se obtiene la ecuación logística discreta (figura 29)
#í+i = f i x t( l — x t) /x > 0 (ecuación logística)
donde fí está relacionada con la tasa de fertilidad. A diferencia de la ecuación
logística continua estudiada anteriormente, x = A x (l — x), cuyas soluciones
explícitas están dadas por
= T
1+ ce* 1
l\ „ A t c 6 R
la ecuación logística discreta no tiene una solución explícita, excepto para al
gunos valores particulares de f.i. Más aun, esta ecuación discreta muestra una
rica y complicada dinámica, que contrasta dramáticamente con su homóloga
continua, como veremos adelante. Es claro que los puntos de equilibrio de la
ecuación logística discreta son x* = 0 y x* = - -----.
Figura 29. Diagrama de fase de la función logística discreta con

H = 2.5.
Ejemplo 47. (Telaraña)

El diagrama de fase del sistema Xt+\ = —axt + b donde 6 > 0, 0 < a < 1,
y xo dado, es el de la figura 30. Observe allí cómo, comenzando en x q , vamos
primero a la recta y = —ax + b, luego a la recta y — x, y de nuevo a la
recta y = —ax + 6, etc. Este procedimiento nos va llevando, en el tiempo, al
punto de equilibrio del sistema dinámico, que es aquel en el que las dos rectas,
y = —ax + b y y = x, se encuentran.
b) E sta b ilid a d en siste m a s a u tó n o m o s

Ahora establecemos los correspondientes conceptos de estabilidad para siste
mas dinámicos autónomos discretos en una dimensión.
D efinición 18. (E stabilidad)

i) Diremos que el punto de equilibrio x* del sistema dinámico autónomo
xt+i = f( x t) es estable si dado € > 0, existen 5 > 0 y ¿o > 0 tales que
\x tQ— x *\ < ti implica | / ¿(xí0) — x*\ < e para todo t > ¿o (figura 31). En
otro caso, diremos que x * es inestable.
ii) Diremos que el punto de equilibrio x* del sistema dinámico ajf+i = f ( x t)

es asintóticamente estable (o que es un atractor), si es estable, y si
límt-ôorTí = x* figura 32). Además, si la condición de estabilidad asin-
tótica no depende del punto de partida xt0, entonces diremos que x* es
global y asintóticamente estable.
Regularmente, probar mediante la definición que determinado sistema es (o no)

estable, es realmente difícil (si no imposible) debido a que encontrar soluciones
explícitas no siempre es fácil (o posible). Por ello existen algunos criterios que
nos ayudan en el propósito de determinar la estabilidad de un equilibrio. El
más típico de ellos es el siguiente:
Teorem a 10. (C rite rio de estabilidad)

Sea x* un punto de equilibrio del sistema dinámico autónomo xt+i = }(x t)
donde /(•) es continuamente diferenciable en una vecindad de x*;
i) Si | f'{x*)\ < 1 entonces x* es asintóticamente estable.
ii) Si |/'(x*)l > 1 entonces x* es inestable.

iii) De otro lado, si \f'(x*)\ = 1 necesitamos más información para decidir

sobre la estabilidad del punto de equilibrio x* (como veremos más adelante
con los teoremas 1 1 y 1 2 , y el ejemplo 49).
D em o stració n .
[Solo probaremos i); la parte ii) queda como ejercicio al lector].
En primer lugar, si \f'(x*)\ < M < 1 para cierto M > 0, entonces, por la
continuidad de / ', existe un intervalo I que contiene a x * tal que \f'(x)\ <
M < 1 para todo x G I. Por el teorema del valor medio (volumen 2, lección 3)
existe £ entre cualquier xt0 € / y x* tal que
|x to + i - x ' | = | / ( x , 0) - / ( x * ) | = |/ '( £ ) I |x í o - X*| < M \ x h - x * |
Por inducción se tendrá entonces que
fato+t I — M \xto x |
y, de allí, como |xt0 — x*| = rj entonces se tendrá que límf-ôoXt = x*. ■
E jem plo 48.

Analicemos la estabilidad de los sistemas de los ejemplos 45-46:
a) En el sistema xt+i = cxt, f( x ) = ex y f ( x ) = c. Si c ^ 0, el único equilibrio

es x* = 0. Si c > 1, entonces este equilibrio es inestable; y si c < 1 entonces
es asintóticamente estable.
b) En el sistema x t+\ = (xt)2, f( x ) = x 2 y f'( x ) = 2 x. El equilibrio x* = 0

es asintóticamente estable, puesto que f'(x * ) = 0 < 1. Pero el equilibrio
x* = 1 es inestable, puesto que /'(1 ) = 2 > 1.
c) En el sistema x t+i = —axt + 6, donde 0 < a < l , 6 > 0 , f( x ) = —ax + 6 y

f'( x ) = —a. El único equilibrio es x* = Así, el equilibrio es asintótica
mente estable, ya que \f'(x*)\ — a < 1.
d) En el sistema x t+\ = fixt ( 1 —x t) con // > 0, f( x ) = /zx( 1 —x) y f'( x ) =

/z( 1 — 2x). Los equilibrios de la ecuación logística discreta son x* — 0 y
x* = Vemos que /'(O) = / í y / ' = —2 —/x. Es decir, x* = 0 es
asintóticamente estable si fj, < 1, e inestable en otro caso; y x* = : es
asintóticamente estable si 1 < /x < 3, e inestable en otro caso. ▲
Los siguientes teoremas nos ayudan en el caso en que \f(x * )\ = 1

Teorema 11. (Estabilidad si f'(x*) — \)

Sea x* un punto de equilibrio del sistema dinámico autónomo Xt+\ = f( x t)
donde /(•) es tres veces diferenciable con continuidad en una vecindad de x* y
/'(* * ) = 1:
i) Si f"{x*) 0, entonces x* es inestable.
ii) Si f"(x* ) = 0 y f n(x *) > 0, entonces x* es inestable.
iii) Si f ,f(x*) = 0 y f m{x*) < 0, entonces x* es asintóticamente estable.
D em ostración.
[Solo probaremos i); Iels partes ii) y iii) quedan como ejercicio al lector.]
Si f f,( x * ) 0 entonces la curva es cóncava ( f ' ( x ) < 0) o convexa ( f " ( x ) > 0)
en una vecindad de x * . Por ejemplo, si f " ( x * ) > 0, entonces f ' ( x ) > 1 en un
intervalo de la forma ( x * yx * + e). Por un argumento similar al del teorema 10,
es fácil probar que x * es inestable. Y si f " ( x * ) < 0, entonces f ' ( x ) > 1 en
un intervalo de la forma ( x * , x * — e) y, nuevamente, un argumento como el del
teorema 10 nos lleva a que x * es inestable. ■
Teorema 12. (Estabilidad si f'(x*) = —1)

Sea x* un punto de equilibrio del sistema dinámico xt+i = f( x t) donde /(•) es
tres veces diferenciable con continuidad*5en una vecindad de x* y f f(x*) = —1:
i) Si —2 f m(x*) < 3 (f"(x* ))2, entonces x* es asintóticamente estable.
ii) Si —2f n,(x*) > 3 ( f ”{x*))2, entonces x* es inestable.
D em ostración.
Consideremos inicialmente la condición
Vt+i = 9(yi) donde g(y) = f 2 (y) (*)

Observemos que el punto de equilibrio x* del sistema original x t+\ = /( ^ t) es
también un equilibrio del sistema (*); y que si x* es asintóticamente estable
(o inestable) con respecto al sistema (*), entonces también lo es con respecto
al sistema original. Ahora: notemos que g'(y) = f ( f ( y ) ) f '( y ) y así g'(x*) =
( f '( x * ) ) 2 = 1. Luego aplicamos el teorema 11 y, al mostrar que
9"(v) = (/(/(»)))"= {f(y))2f"(í(y)) + /'(/(y))/"(y)

entonces gn(x*) = 0. De esta manera, el signo de gm(x*) determinará la esta
bilidad asintótica o la inestabilidad de x*. Pero
S"'(x*) = - 2 / " V ) - 3 ( / ' V ))2
25 Es decir, su tercera derivada es continua.

y esto finaliza la demostración. ■
Ilustremos lo anterior mediante el siguiente ejemplo:
Ejem plo 49.

Para encontrar los puntos de equilibrio y su estabilidad en el sistema
x t+i = x] -1- x t (= f ( x t))
notamos primero que el único equilibrio es x* = 0; además f'(x ) = 3x2 + 1,

luego /'(O) = 1 y también /"(O) = 0; pero /"'(O) = 6. Luego, por el teorema 11,
x* = 0 es inestable. ¿Podría el lector comprobar esto con un sencillo diagrama
de fase, comenzando por dibujar la curva f ( x ) = x 3 -f x y la recta y = x?
Ejercicios 3
1. Muestre que xt = 3¿ —2Í_3, t — 0 ,1 ,2 ,..., satisface el sistema dinámico
discreto
Xt+i = 2Xt -h 3*
2. Muestre que xt — t\ 2*, t = 0 , 1 , 2 , . . satisface el sistema dinámico dis

creto
xt+\ = (t + 1)xt ■+■{t + 1)! 2 t
3. Resuelva, por recurrencia, el sistema dinámico discreto
xt+\ = 2 + — xq dado
4. Encuentre la solución de cada uno de los sistemas dinámicos discretos:
a) x¿+i = 5txt\ xq = 2
b) Xt-f-l = —1
c) Xt+ 1 = 4 + Xt\ XQ = 3
5. Judith pide un préstamo de 50 millones al Banco PrestaCasa a una tasa

de interés del 10% anual. El Banco le propone a Judith los siguientes
sistemas de pago:
a) Pagar en 15 años con cuotas fijas.

b) Pagar la mitad del préstamo en 5 años con cuotas fijas, y la otra mitad
en otros 10 años con cuotas fijas.
c) Tomar 5 años de gracia (esto es, no pagar ninguna cuota por 5 años
dejando acumular intereses, y después del periodo de gracia, pagar en
5 años con cuotas fijas).
¿Cuál es la cuota anual en cada sistema? ¿Cuánto debe Judith en el

tercer año? ¿Y en el séptimo?
6. En los siguientes sistemas dinámicos, determine (si existen) los puntos de

equilibrio, analice (si es posible, a través de los teoremas de la presente
sección) su estabilidad y dibuje las trayectorias y los diagramas de fase:
a) Xt+l = x2 - 4xt + 4 b) Xt+l = x] - x t

2x t
c) Xt+l = y/xt + 1 d) Xt+l 1+ xt
e) Xt+1 = ln(xt + 1) f) Xt+l = tan -1 xt
4. Sistemas dinámicos (discretos) en dos dimensiones

Si hemos comprendido lo que es un sistema dinámico continuo en dos dimen
siones, la siguiente definición podría ser natural.
D efinición 19. (Sistem a dinám ico discreto)

Dadas las condiciones iniciales £o,2/o> un sistema dinámico (discreto) en dos
dimensiones es un par de ecuaciones en diferencias de la forma
x t+i = f ( x t,y t,t) (*)

Vt+i = 9 ( x t,y t,t)
donde t es la variable tiempo, las funciones / : A x {N U {0}} —> R, g :

B x {N U {0}} -> R son continuas, y A, B C R2.
D efinición 20. (¿Qué es resolver este sistem a dinám ico discreto?)

Dadas las condiciones iniciales (xo,2/o)> resolver el sistema dinámico (*) es en
contrar todas las trayectorias posibles (xt,yt) que satisfagan simultáneamente
las dos ecuaciones en diferencias. A cada una de estas trayectorias (x£,y¿) se
le conoce como una solución al sistema dinámico.
Ejem plo 50. (S istem a dinám ico lineal)

El sistema dinámico discreto lineal, para aii,ai2>fl2i,a 22 € R,
x t+i = o n ^ í + a \2yt
yt+i = G2i£t + 022yt

donde } { x i,y t,t) - <*11x t + a i 2í/t, y g {x t,y t,t) = a2ix t + a22 yt, será estudiado
más adelante.
D efinición 21. (S istem a au tó n o m o )
El sistema dinámico discreto
x t+i = i ( x t,y t,t)

Vt+i = 9 {xt,y t,t)
es autónomo si, y solo si, f ( x t,y t,t) = f ( x t,yt), g {xt,yt,t) = g(xt,yt) para
todo ¿ = 1 ,2 __ Es decir, /(•, •) y g(-,*) no dependen explícitamente de t.
Observamos que el sistema dinámico lineal es autónomo.
D efinición 22. (P u n to d e eq u ilib rio (o esta c io n a rio ))
Un punto (x*,y*) es un punto de equilibrio (o estacionario) del sistema diná
mico
Xí+i = f( x t,y t,t)

2/í+i = g { x t ,y t,t)
si, y solo si,
X* = y* = g(x*, y* ,t)
para todo t = 1 ,2 ,3 ,...,
Observemos que, en este caso, xt = £*, yt = y* para t = 1,2,3,••• es una
solución al sistema que, si este la alcanza, permanecerá allí por siempre.
E jem plo 51. (E q u ilib rio único)
x t+i = 2 x t + yt
y t+1 = x t - 2 yt
el único punto de equilibrio es (x*,y*) = (0,0) (que es donde 2 x + y = x,

x - 2 y = y).
E jem p lo 52. (M ú ltip le s eq u ilib rio s)
x t+i = x t(yt - 1)
yt+1 = Vt - xt
los puntos de equilibrio son (x*,y*) = (0,0) y (x*,y*) = (0,1) (que es donde
x(y - 1 ) = x , y2, —x — y).
a) E sta b ilid a d y d ia g r a m a s d e fase

Nuevamente arribamos a la noción de estabilidad, ahora en el contexto de los
sistemas dinámicos discretos en dos dimensiones. Debe advertirse, sin embargo,
que, aquí, los diagramas de fase no tienen la connotación descriptiva del caso
continuo; aquí serán diagramas simples del desplazamiento de x t versus el
desplazamiento de yt.
D efinición 23. (Estabilidad)
i) Diremos que el equilibrio (x * ,y *) del sistema dinámico
xt+i = / (xt^ytjt)
2/f+i =g( x t , yt , t )
es estable si dado e > 0, existen 5 > 0 y to > 0 tales que si \\(xt0 ,yt0) —
(rr*,?/*)|| < S, entonces \\(xt,yt) - (x*, 2/*)|| < c para todo t > to. En caso
contrario diremos que es inestable o no estable.
ii) Diremos que el equilibrio (x*,y*) es asintóticamente estable si es estable,

y si lím£_>c)o(^í,2/í) = (%*>y*)' Si la estabilidad asintótica no depende
de ninguna condición inicial (a?f0,?/¿0), entonces diremos que (x*,y*) es
global y asintóticamente estable.
La figura 33 ilustra i) y ii).
estable
Figura 33. Ejemplos de estabilidad (páneles izquierdo y central); e-
inestabilidad (panel derecho).
b) S is te m a s lin e a le s (d isc r e to s ) en d o s d im e n sio n e s

Comenzamos nuestro análisis fundamental de los sistemas discretos en dos
dimensiones con los sistemas más simples posibles: los sistemas lineales.
D efinición 24. (S istem a lineal d isc re to )

i) Un sistema discreto lineal y homogéneo (SDisL) es un sistema de la forma
xt+i = a u x t 4- a\2 yt (SDisL)
Vt+i = o>2iXt + d22 yt
zt+i = A zt
aii a\2
donde zt = (xt,yt)T , A —
021 «22
ii) Un sistema discreto lineal no homogéneo es un sistema de la forma
^t+i = a u x t 4- ai2yt 4- &i
Vt+i = «21 Xt 4- 022 yt 4- b2
zt+i = A zt 4- b
a ii o i 2
donde zt = {xt,y t)T , A = , b = ( b u b2)T .
«21 0.22
De manera similar a lo que teníamos para el caso continuo, podemos escribir
el siguiente teorema:
T eo rem a 13. (C a ra cteriza ció n de so lu cio n es)
i) Si la matriz A del sistema (SDisL) tiene dos valores propios reales y
distintos, entonces la solución general tiene la forma
x t = a c n \[ + @0 12 X2
yt = OtC2 iX\ + Pc22 A2
donde (c n ,c 2i) es un vector propio asociado a Ai; y (012, 022) es un vector
propio asociado a A2 ; a, ¡3 6 R.
ii) Si la matriz A del sistema (SDisL) tiene un valor propio real repetido (es
decir, de multiplicidad 2 ), entonces la solución general tiene la forma
x t = (acii + ¡3 c\2 ) A* + /?cn¿Aí_1
yt = (ac2i 4- 0c22)A/ 4- pC2 \ t \ t~ 1
donde
(A -X I) = 0 (A-XI) (*)
y a, f i e R.
iii) Si la matriz A del sistema (SDisL) tiene dos valores propios complejos
Ai = r(cos O-f- i sen 6 ), A2 = r (eos 9 —i sen 0)
entonces la solución general tiene la forma
xt = acn r* cos(6 t) + P c ^ r 1 sen(0¿)

yt = OLC2\r l cos{6 t) + sen(0¿)
donde (cn,C 2i) es un vector propio asociado o Ai; y (012, 022) es un vector
propio asociado a A2 .
D em o stració n .
i) Utilizaremos el hecho de que si A es una matriz no singular, entonces
puede ser descompuesta como A = C D C ~l , donde
Cll C12
C21 C22
es la matriz generada por los vectores propios (columna) correspondientes
a los valores propios Ai, A2 , y
Ai 0
D =
0 A2
Aplicando esto, tenemos que
zt = A zt- i = . . . = A lz0 = C D 1C ~ 1zq
Si c“ 1 es la entrada i j de la matriz C -1 , entonces
x t = acnA i + @0 12 X2
yt = QC21A1 + PC22X2
donde a = c ^ x 0 + c ^ y o , P = ¿21 x o + c ^ y 0.
ii) Si A tiene un solo valor propio (que tiene que ser real), entonces, por
el teorema de descomposición de Jordán, existe una matriz C tal que
C ~ lA C = «7, donde
TA 11
J =
0 A
y C es la matriz de vectores propios que satisface el sistema (*) en el
teorema (volumen 1 (Álgebra lineal), lección 7). Aplicando esto, tenemos
que
A* ÍA'” 1
zt = A z t - i = . . . = A 1zq = C J lC *20 - C [o Zo
A‘
Si c^1 es el elemento ij de la matriz C *, entonces
x t = (a cn 4- /?ci2)Af 4- ^cn¿Aí_1
Vt = (ac2\ 4- Pc22) \ l 4- pc2 i t \ l~l
donde a = c ^ x 0 4- c^12/o, P = 4- c^í/o-

iii) La demostración es similar a la realizada en i); solo se reemplaza Ai =
r(cos0 4- i sen 0), X2 = r(cos0 —¿sen0), y se aplican las reglas de expo
nentes de complejos bajo la fórmula de Euler
ex6t = (eos 0 4-2 sen O)1 = cos(0¿) 4- i sen(Ot) u
E jem plo 53. (Foco in estab le)

Resolvamos y hallemos el diagrama de fase del sistema
1 3
x t+i = x t 4- 3yt zt+i =
-1 1
y t+1 = - x t 4- yt
Solución
a) El único equilibrio del sistema es x* = y* = 0.
b) Los valores propios de la matriz A son Ai = 1 4- \/3¿, A2 = 1 — Vsi; o, lo
que es equivalente (volumen 0 (Fundamentos)),
Ai = 2 (eos f 4- ¿ sen g ) , A2 = 2 (eos § —i sen J )
c) Las soluciones (figura 34) son, entonces, de la forma
x t = V S a 2 l eos(^-t) — V s p 2 l se n (^t)
O o
yt = - a 2 ‘ s e n ( |í) - /32‘ co s(|¿ )
Ejem plo 54. (Silla)

Para construir el diagrama de fase del sistema
1 1
x t+i = x t + yt ó Z t+ i =
0.25 1 zt
y t+ 1 = 0.25xí + yt
Figura 35. Silla del ejemplo 54.
notamos que:
a) El único equilibrio del sistema es x* = y* = 0.
b) Los valores propios de la matriz A son Ai = 1.5, A2 = 0.5, y sus vectores

propios respectivos son (2,1) y (2, —1).
c) Las soluciones (figura 35) son de la forma
xt = 2 a (1.5)4 + 2/? (0.5)*

Ift = a (1 .5 )‘ -/3 (0 .5 )‘
con a , ¡3 € R. ▲
El siguiente criterio nos será de ayuda cuando busquemos establecer la estabi

lidad del equilibrio (0,0) de un sistema lineal homogéneo:
T eo rem a 14. (C rite rio de estabilidad)

En el sistema dinámico lineal discreto
£¿+i = a n x t + a i2yt
Vt+i = «21x t + 022yt
a n a \2
la ecuación característica de la matriz de coeficientes A =
021 <*22
det(i4 —AI) = O donde X € R. Específicamente,
an - A ai2
det(A - XI) = — X —(&ii + o>22)X + det(A) = O
a2l Q22 — X
Sea p = máx{|Ai|, IA2 I} donde Ai, A2 son los valores propios de A, y |A| es el
valor absoluto de X si éste es un número real, y su módulo (longitud) si es un
número complejo. Entonces:
i) (0,0) es un equilibrio asintoticamente estable si, y solo si, p < 1
ii) (0,0) es un equilibrio inestable si, y solo si, p > 1
ni) Si p = 1 el criterio no permite decidir sobre la estabilidad de (0,0).
D em o stració n .
El teorema es consecuencia directa del teorema 13 de caracterización de las
soluciones. La figura 36 ilustra casos particulares. ■
Vt
Figura 36. Panel a): nodo asintóticamente estable (Ai = A2 < 1).
Panel b): nodo degenerado (Ai < A2 = 1).
Ejem plo 55.

a) En el sistema discreto
x t+ 1 = x t + 3yt
yt+i = - x t + yt
los valores propios son Ai = 1 + i\J3 y A2 = 1 —W 3; así p = 2 y, por tanto,

el equilibrio (0,0) es inestable.
b) En el sistema discreto
xt+i = xt + yt
yt+1 = 0.25xt + yt
los valores propios son Ai = 1.5 y A2 = 0.5; así, p = 1.5 y, por tanto, el
equilibrio (0,0) es inestable.
c) S o lu ció n g en er a l p ara s iste m a s n o h o m o g é n eo s

Al igual que en el caso continuo, queremos conocer la solución a un sistema di
námico (discreto) lineal no homogéneo que, en este caso, también será resuelto
por medio de la suma de una solución particular del sistema no homogéneo y
la solución general del sistema homogéneo, tal como se explica a continuación.
Teorema 15. (Solución general a una ecuación no hom ogénea)
Si A(t) es una matriz 2 x 2 , y B (t) es una matriz 2 x 1 , entonces, la solución
al sistema
z t+ 1 = A(t)zt + B(t) (*)
es de la forma
■z f + z f
donde
4 =i n ^ o , z% = i
t= 0
es la solución al sistema dinámico homogéneo (es decir, con B (t) = 0), y
r=0 t=0
es una solución particular de (*).

D em ostración. /
Queda como ejercicio para el lector. [Indicación: utilice recursión (y paciencia)]
Ejemplo 56.
Para resolver el sistema
^t+i — 2a?f -f yt + 1 xo = l
yt+i = 2 yt + 1 yo = 1
comenzamos escribiendo A (t) = q 2 ’ = [l] ’ Sabemos, seSÚn el teo

rema 13, que la solución general al sistema homogéneo es
a f = a 2í + / ? í2 í"\ yf = /32e
Ahora: en general, no es práctico utilizar la fórmula para z f del teorema 15

anterior. Pero sí notamos de esta fórmula que la solución particular tiene la
misma forma funcional que B (t); es decir,
— 777o I 77í»it
y¿ = 7712+ m3¿
y se trataría de hallar los coeficientes desconocidos mo, m i, 7712, y 7713. Por
tanto, al satisfacer estos el sistema dinámico, debe tenerse que
mo + m i(í + 1) = 2(mo + m \t) +7712 + m ^t + 1

m 2 4- m z { t + 1) = 2(m2+ 7713Í) + 1
lo cual implica que
mo = 0 , mi = - 1 , 7712 = —1 , 7713 = 0
Y así, la solución particular es
Por las condiciones iniciales, tenemos que a = 1 y /? = 2; con lo cual,
x t = (1 + t)2 l - t
yt = 2Í+1 - 1
El lector puede comprobar que estas soluciones satisfacen el sistema dinámico

dado.
N o ta 6. (E cu ació n en d iferen cias com o siste m a d in ám ico )

Observe que una ecuación en diferencias de orden 2 de la forma
Xt+2 +PlXt+l +Poxt = 0
se puede escribir como el sistema planar de ecuaciones en diferencias
xt+i = Vt
yt+i = -p m - poxt
y que, por tanto, puede resolverse encontrando las soluciones a la ecuación

auxiliar
A2 + p\ \ -f Po = 0
que serán exactamente los valores propios del sistema planar asociado.
E jem p lo 57.
Resolvamos las siguientes ecuaciones en diferencias:
a) x t+2 + 8a?t+i -f 12xt = 0. b) x t+2 + 5xí+i + 4x í = 0.
con condiciones iniciales xo = 1 y x \ = 3.
Solución
a) La ecuación en diferencias x t + 2 -f Sxt+i + 1 2 xt = 0 e6 equivalente al sistema
lineal
xt +1 = yt
y t+1= - 8yt - 12x t
que tiene valores propios Ai = —6 y A2 = —2, y así la solución a la ecuación

en diferencias es de la forma
xt = a(-6 )' + p { -2f
que bajo las condiciones iniciales xq = 1 y x \ = 3 nos lleva a
b) De forma similar, podemos probar que la solución general a la ecuación en

diferencias x t+2 —3x¿+i + 2xt = 0 con condiciones iniciales xq = 1 y x \ = 3
está dada por
Xt = - 1 + (2)t+1
Ejem plo 58. (U n problem a de transm isión de información)
Imaginemos que un sistema de señales solo tiene dos señales, Si y 52 , diferentes

(como por ejemplo, puntos y rayas en la telegrafía). Los mensajes son enviados
a través de un canal después de haber sido codificados en secuencias de esta
señal. Supongamos que Si requiere ti unidades de tiempo para ser transmitido,
y que S 2 requiere ¿2 unidades. Sea N t el número de posibles secuencias de
mensajes de duración t.
Consideremos primero aquellos mensajes de duración t que terminan con un
S i. Dado que Si toma ¿1 unidades de tiempo para ser transmitido, esta última
señal debe ser enviada a partir de t — ti. Pero, entonces, hasta el momento
t — ti hay N t-h posibles mensajes a los cuales les podemos agregar la señal
S i. Por tanto, el número total de mensajes de duración t que terminan con Si
es N t- ti. Pero, como un mensaje debe terminar en S i o S 2 , tenemos que
Nt = N t-n + N t-t2
Consideremos el caso particular cuando ti = 1 y ¿2 = 2; es decir, cuando una

señal toma el doble en ser transmitida que la otra. Entonces
N t = N t - 1 -4- N t - 2
que podemos reescribir en la forma estándar
N t - N t- 1 - N t- 2 = 0
para t = 0 ,1 ,__ Esta es una ecuación homogénea en diferencias con ecuación

auxiliar
A2 - A - 1 = 0
cuyas rafees son Ai = 5 + ^ y A 2 = | — Por tanto, la solución general es

de la forma
Dada la interpretación de Nt, es usual suponer que No = 0 y N i = 1, con lo

cual el número de posibles secuencias de mensajes de duración t es
d) S is te m a s (d isc r e to s ) n o lin e a le s e n d o s d im e n sio n e s

Como ya podíamos preverlo, resolver (o simplemente analizar la estabilidad
de) sistemas dinámicos discretos no lineales es realmente un propósito difícil.
Por esto, el método de linealización es frecuentemente utilizado como forma
de análisis de la estabilidad de un sistema dinámico (no lineal). Fueron Lya-
punov y Perron quienes originaron este mecanismo al aplicarlo al estudio de la
estabilidad de soluciones de ecuaciones diferenciales.
Consideremos de nuevo el sistema dinámico discreto homogéneo
xt+i = } { x t, yt)
yt+1 = 9 (x t,y t)
donde /(*,*) y #(•, •) no son necesariamente lineales. Por el teorema de Taylor

(volumen 2 (Cálculo)), podemos escribir
f( x t,y t) = f( x * ,y ’ ) + V / | ( i . (S. ) ( x í - x * ,yt - y*) + R f( x t,y t,x*,y*)

9 (xt,yt) = g(x*, y *) + Vg\{x",v-)(xt - yt - y *) + R g(xt, V u x * ,y * )
donde V/|(x*,¡/*) y V^|(x*>y*) son los gradientes de /(•, •) y <?(-, •) evaluados en
(x*,y*) respectivamente. Todo esto puede escribirse aún más sintéticamente
así:
( f( x ,y ),g ( x ,y )) =
(/(^*,2/’ ),9 (^ ‘ ,y*)) + J(f> 9 )\(x\y')(xt - x ',y t - y*) + (R f ,R g)
A la componente
(f( x * ,y " ) ,9 (x% y*)) + - x \ y t - y")
la llamaremos la linealización del sistema no lineal alrededor de (x* ,y*).
Teorem a 16. (Teorem a de linealización (O. P erron (1929))),)

Sea A = J (f,g )\(x*,y*); si p(A) = máx{|Ai|, IA2 I} < 1 donde Ai,A 2 son los
valores propios de A, entonces
Rf Rn
lim —— ^—-57 = 0 y lim rr-.— = 0
yt-)-0 j/t—
>0
Y, por tanto,
i) Si (x*,y*) es un equilibrio asintóticamente estable de la linealización del

sistema no lineal, entonces también es un equilibrio asintóticamente es
table del sistema no lineal.
ii) Si (x*,y*) es inestable para la linealización del sistema no lineal, entonces

también es un equilibrio inestable del sistema no lineal.
D em ostración.
Ver O. Perron (1929)26. ■
Ilustremos el teorema de linealización con un par de ejemplos:

Ejem plo 59.
¿Qué tipo de estabilidad tendrá el equilibrio (0,0) en el sistema no lineal
x <+i = t1t+^x2; (= f ( x t,y t))
s/í+1 = T T ^ 2 (= 9 (x t,y t))

1 + Vt
donde a,b > 0 ? Para responderlo, notemos primero que la matriz jacobiana
l(o,o) = ^ a tiene valores propios Ai = Va6, A2 = -y/ab. Luego:
b 0
a) Si \ab\ < 1 entonces (0,0) es asintóticamente estable para el sistema no
lineal.
b) Si \ab\ > 1 entonces (0,0) es inestable para el sistema no lineal.
¿Puede el lector intuir qué sucederá si \ab\ = 1 ?
Ejemplo 60. (E cuación logística de P ielou (1977))27

a —1
Analicemos la estabilidad del equilibrio x* = y* = -- del sistema dinámico
no lineal
axt ayt
It+ 1 ~ 1 + / 3 V Vt+1~ 1 + p y t- !
donde a > 1, /? > O.28 Obsérvese que aquí se asume, en la segunda ecuación,
un rezago de un tiempo.
Inicialmente debemos reducir el sistema a uno planar (es decir, en las variables
xt+i1yt+i,xt,yt)- Para esto, sean
a —1 _ a —1
x t = x t ------— , yt = y t ------
26 Perron, O. (1929), Über Stabilität und asymptotisches Verhalten der Integrale von
Differential gleichungs systemen, Mathematische Zeitschrift.
27 Pielou, Evelyn C. (1977), Introduction to Mathematical Ecology, New York: Wiley.
28 Un ejemplo de crecimiento de una población que puede modelarse mediante estas
ecuaciones es la de cierto tipo de mariposas (Lucila Zuprina).
Entonces nuestro sistema no lineal es ahora

Qxt — (a — l) x t~i
xt+1 =
a + Pxt-\ Vt+1 a + fiyt-i
( a - l a - 1\
El equilibrio I ——— , ——— J corresponde al nuevo equilibrio (0,0). Y cam
biando este a un sistema planar mediante xt = fjt-u Vt = Vt, obtendremos
x t = yt
otyt - (a - l) x t
yt+1
Ot + Xt
Ahora linealizamos este sistema no lineal alrededor de (0,0) mediante la matriz
' 0 1'
jacobiana en (0,0) que es A = 1 =2 . i , y cuyos valores propios son
1 /4 - Sa . 1 -3 a
Al = 2 + V A2 = 2 “ V~
a) Si 4 - 3a < 0 entonces
1 1 / 3 - 4 a .--------r f ^
P(A) = (Ail = - + — \l---- 1 = \f1 -- <1
2 2V a V a
a —1
Luego, x* = y* = también es asintóticamente estable si a >
b) Si 4 —3a > 0, también p(A) < 1 y, por tanto, x* = y* = es asintótica

mente estable cuando a < | .
( a - l a - 1\
Así, el equilibrio I ———, ——— 1 siempre es asintóticamente estable, y esta
será la predicción de la población en el largo plazo para esta clase de mariposas.
e) E l m é to d o de L yapunov p a ra siste m a s d is c r e to s
trid im en sio n a le s
Ya sabemos, por lo realizado con los sistemas dinámicos continuos, que el mé
todo de Lyapunov es una técnica para investigar la naturaleza cualitativa de las
soluciones sin calcular estas explícitamente. Es una de las herramientas prin
cipales de la teoría de la estabilidad, y se trata de encontrar cierta función que
satisfaga particulares condiciones alrededor de un equilibrio, y esto conducirá
a determinar las características de estabilidad de este último, a pesar de no
tener información alguna sobre las soluciones explícitas del sistema dinámico
original.
Teorema 17. (M étodo de Lyapunov)

Supongamos que (x*,y*) es un equilibrio del sistema dinámico no lineal
x t+i = f ( x t t yt)
Vt+1 = 9 { x t ,y t )
y asumamos también que existe una función Lyapunov V : R2 —>• R tal que
i) V ( x \y * ) = 0
ii) V (x ,y ) > 0 para todo (x,y) en una vecindad de (x * ,y*) con (x,y)
V*)’
iii) A V ( x ,y ) = V (f(x ,y ),g (x ,y ) ) — V (x ,y ) < 0 para todo (x ,y) en una

vecindad de (x*,y*) con (x,y) / (x*,y*).
Entonces (x*,y*) es estable; más aún: si la desigualdad en iii) es estricta,

entonces (x* ,y *) es asintóticamente estable.
D em ostración.
Ver ejercicio complementario 23 al final de la presente lección. ■
Ejem plo 61.

Consideremos el sistema dinámico
OLXt
* * + != » , 2"+l = T ^ 2
con a , P > 0. Para estudiar la estabilidad de su equilibrio (0,0), sea V (x ,y ) =

x 2 + y2. Claramente ^ (0 ,0 ) = 0, V (x ,y ) > 0 si (x,y) (0,0) y además,
A V ( x (,yt) = Xt+i + Vt+i ~ xt ~Vt
Luego, si a < 1,entonces A V (xt,y t) < 0 y, por tanto, (0,0) es estable. In
fortunadamente, debido a que el término (a 2 — l)x 2 es igual a cero también
cuando = 0 (eje y), el método de Lyapunov nada nos dice acerca de la
estabilidad asintótica de (0,0), y esta situación es típica en la mayoría de los
problemas encontrados en aplicaciones en ciencias e ingeniería. Existen, por
supuesto, métodos alternativos, pero las técnicas necesarias para comprender
las a cabalidad están fuera del alcance de este texto. Esto, dicho sea de paso,
es el primer encuentro con un problema dinámico para el que las herramientas
aprendidas aquí son insuficientes. Pero, debemos decirlo, en el estudio de los
sistemas dinámicos, que esto suceda es más la norma que la excepción, algo
que comenzaremos a entender en la próxima sección.29
Ejem plo 62.

Consideremos el sistema
x t+i = 2yt - 2ytx 2t, y t+ 1 = ^ x t + x ty 2
cuyos tres equilibrios son
i'^,^
2 ’ 2 y
t -n
\
-n
2 ’ 2
y estudiemos la estabilidad en (0,0). Para ello, tomemos la función V (x ,y ) =

x 2 + % 2. Entonces V(0,0) = 0, V (x ,y ) > 0 si (x,y) ± (0,0) y
A K (xt, yt) = 4y(2 - 8j/,2 x ? + 4y \x \ + x f + 4x?s/¡2 + 4xfy? - x? - 4j/(2
= 4x2j/2(x2 + y2 - 1) < 0
si x 2 + y 2 < 1. Luego V es una función de Lyapunov alrededor de (0,0) y, por

tanto, es un equilibrio estable. ¿Qué sucede con los otros dos equilibrios?
Ejem plo 63.

Consideremos el sistema
X t + 1 = x t - x 3t y ¡ , y t+ i = y t
cuyo único equilibrio es (0,0). Tomando la función de Lyupanov V (x ,y ) =

x 2 + y2, obtenemos que
A V (x t , yt) = x f y¡ (x? y¡ - 2)
y así, A V (x t,y t) < 0 si x 2 y2 < 2. Por el teorema 17, (0,0) es un equilibrio

estable.
Ejercicios 4
1. Calcule los equilibrios de los siguientes sistemas dinámicos discretos:
29 El lector interesado puede consultar el magnífico texto Guckenheimer, J. y Holmes, P.

(1983), Nonlinear Oscillations, Dynamical Systems and Bifurcations of Vector Fields,
New York: Springer, Verlag.
x t+i = 3x t + 2yt xt
a) b) x t+i =
Vt+1 = - x t + 5yt 1 - yt
«« =
2/í+i - ----- —
1- xt
c) Xt+l = V x Í - V y i d) Xf+l _ x 2 y 2
2/Í+1 = x t - y t y t+ 1 _ 3Xí _|_ 2yt
2. Determine la estabilidad del equilibrio (0,0) en los siguientes sistemas

dinámicos:
\ i\ CLOC^
x t+i = sen yt - - x t x t+1 =
2 l + yt
^ __ byt - x t
V+ i4+a: #i 2/í+i1+
= X“íTT--
3. Encuentre todos los equilibrios del sistema

x t+1 = eos xí - yt
2/í+i =
y evalúe, si es posible, con las herramientas estudiadas, la estabilidad de

los mismos.
4. Determine la estabilidad de la solución (0,0) en la ecuación
x í+ 2 - \ x M + 2 xt+ \xt + 0 .bxt = 0
[Indicación: Haga yt = x¿+i y analice el sistema dinámico resultante].
5. Pruebe que el equilibrio (0,0) del sistema dinámico
x t+i = x t - x] y\
2/í+i = x t
es (por lo menos) estable, utilizando la función de Lyapunov V (x ,y ) =

x 2 + y 2. También compruebe el resultado mediante linealización.
6. Pruebe que el equilibrio (0,0) del sistema dinámico
x t+1 = yt - yt (*? + yh
yt+i = x t - x t (x2 + y 2)
es asintóticamente estable.
7. Encuentre (mediante la ecuación auxiliar) la solución general en cada

una de las siguientes ecuaciones lineales en diferencias:
a) 2 x t+ 2 - 5xí+i + 2 x t = 0
b) x t+ 2 + 6rrí+i + 2 bxt = 0
c) Sxt+ 2 - 6xt+i + 4xt = 3
d) x t+ 2 — 3xí+i + 2 x t = 1
8. Teniendo en cuenta el teorema 15 y la nota 6, escriba la forma general

explícita de las soluciones a la ecuación (no homogénea) en diferencias
Xt+ 2 +Pi%t+i + PoXt — B (t)
9. Para el sistema
yt Xf
xt+i = yt+i =
1 + xV i+ y?
encuentre los puntos de equilibrio y determine su estabilidad. [Indicación:
use V (x , y) = x 2 + y2]
10. (Ecuación en diferencias com o sistem a dinám ico)
a) Muestre que las soluciones de un sistema dinámico discreto zt+i =

Azt + h(t) dependen de los valores propios de la matriz n x n, A.
b) Escriba las formas generales explícitas de estas soluciones.
c) Pruebe que una ecuación en diferencias de orden fc,
Xt+k + P i(t)x t+k-i + • • • + P k ( t ) x t = B (t) (*)
siempre se puede reducir a un sistema dinámico de la forma
*t+i = A (t)zt + h(t)
donde
o
o
0
A(t) =
0 0 0 1
-Pk(t) -Pk-l(t) -Pk-2{t) -P l(í).
O
O
h(t) =
L*w J
Zl(t) = X U z 2 (t) = x t+ 1 , Zk(t) = X t +k - l
d) Si p j ( t ) = p j para j = 1,2,..., k , encuentre las soluciones explícitas de
la ecuación en diferencias (*).
e) Escriba las correspondientes definiciones de estabilidad y estabilidad
asintótica para el sistema dinámico discreto lineal.
f) Escriba condiciones sobre los valores propios para la estabilidad asin
tótica.
g) Escriba condiciones de Lyapunov para la estabilidad asintótica.
5. Breve sobre ciclos lím ite, puntos periódicos,

bifurcaciones y caos
Una diferencia esencial entre los sistemas dinámicos lineales y los no lineales,
es que cualesquiera dos soluciones de una ecuación lineal pueden sumarse y,
de nuevo, se obtiene una solución; este es el principio de superposición de los
sistemas lineales, que hace del análisis de lo lineal algo sistemático y sin com
plejidades. En contraste, dos soluciones de una ecuación no lineal no pueden
sumarse y obtener otra solución; ni siquiera es posible dividir el problema en
subproblemas, resolver estos últimos, y luego pegar las soluciones de algún
modo específico.
Entonces no es sorpresa que no exista una técnica analítica general para re
solverlas. La Física tiene ejemplos que ilustran esta diferencia esencial. Por
ejemplo, cuando el agua fluye a través de un tubo a baja velocidad, su movi
miento es laminar y su descripción matemática es regular, predecible y simple,
en términos analíticos. Sin embargo, cuando la velocidad excede un valor crí
tico, el movimiento se hace turbulento, complicado, irregular y errático, que es
lo que caracteriza el comportamiento no lineal.
Es posible aislar al menos tres características que distinguen los fenómenos
lineales de los no lineales:
a) En primer lugar, el movimiento mismo es diferente desde un punto de vista

cualitativo; un sistema lineal muestra, típicamente, un movimiento suave y
regular en el espacio, y el tiempo puede describirse en términos de funciones

que se “comportan bien”. Los sistemas no lineales, sin embargo, a menudo
muestran transiciones de un movimiento suave a uno caótico, errático o,
también, a uno aparentemente aleatorio.
b) En segundo lugar, la respuesta de un sistema lineal a pequeños cambios

en sus parámetros o a un estímulo externo es generalmente suave y en
proporción directa al estímulo; para los sistemas no lineales, sin embargo, un
pequeño cambio en los parámetros puede producir una diferencia cualitativa
enorme en el movimiento.
c) Y, en tercer lugar, si se perturba un sistema lineal, este normalmente de

caerá; este fenómeno, conocido como dispersión, hace que las ondas en los
sistemas laminares amplios tiendan a desaparecer a medida que se alejan
del punto de perturbación. En contraste, los sistemas no lineales perturba
dos pueden mantener esta estructura con alta perturbación por un largo
tiempo, o aun (teóricamente) por siempre.
a) C iclo s lím ite s y K -c ic lo s

Para los sistemas dinámicos lineales, los puntos de equilibrio son los únicos
atractores. Sin embargo, los sistemas dinámicos no lineales tienen muchas más
posibilidades: por ejemplo, su comportamiento asintótico puede ubicarse sobre
un estado oscilante. Una ilustración de esto es el péndulo de un metrónomo que,
independiente de sus condiciones iniciales, finaliza siguiendo un movimiento
periódico con la frecuencia escogida. A tales atractores se les conoce como
ciclos limites (en el caso continuo) y K-ciclos (en el caso discreto). Veremos
en seguida ejemplos de esto.
Mucho más exóticos son los atractores extraños, llamados así precisamente de
bido a sus propiedades raras y no anticipadas. El movimiento sobre un atractor
extraño muestra la mayoría de las propiedades asociadas con comportamien
tos aleatorios, aunque las ecuaciones de movimiento sean completamente de-
terminísticas: el comportamiento “aleatorio” surge de forma intrínseca de la
dinámica del sistema. Por ejemplo, aunque en periodos cortos es posible seguir
la trayectoria exacta de cada punto inicial, en periodos largos, las pequeñas
diferencias en la posición original se amplifican enormemente, y, por tanto, son
muy difíciles las predicciones de su comportamiento de largo plazo.
E jem plo 64. (C iclos lím ites en sistem as continuos)

Existen sistemas físicos tales que, para oscilaciones pequeñas, introducen ener
gía al sistema, en tanto que, para oscilaciones grandes, extraen energía del
mismo. En otras palabras, las oscilaciones grandes serán amortiguadas, mien
tras que las oscilaciones pequeñas serán amplificadas. La intuición, a partir
de esto, es que el sistema debería tender a cierto comportamiento periódico.

Una ecuación que revela esta situación se presenta en el estudio de circuitos
eléctricos en el vacío: es la famosa ecuación de van der Pol (1927):
y - /¿(l - y 2)y + y = 0 (*)
con n > 0 constante, que corresponde al sistema dinámico
x = n (l - y2)x - y
y cuyo único punto de equilibrio es x* = y* = 0. Su linealización alrededor

[-1 0 '
de (0,0) tiene matriz jacobiana , cuyos valores propios son Ai = 1
V -lj
y A2 = —1, así que ninguno de los criterios básicos que hemos estudiado nos
permite decidir sobre el comportamiento alrededor del equilibrio (0,0).
Afortunadamente, en este caso podemos, con un poco de manipulación alge
braica en (*), mostrar que
._ y
V /x ( l- y 2) + K
para alguna K € R, y, por tanto, el diagrama de fase del sistema lucirá como
en la figura 37. De allí, claramente vemos que el equilibrio (0,0) es inestable, y
que aparece un ciclo límite con forma casi circular para ¡i — 0.1. Para /z > 0.1,
el ciclo límite dejará de parecerse a un círculo.
k= - 1
Figura 37. Diagrama de fase de la ecuación de Van der Pol.
E jem plo 65. (K -ciclos en sistem as d isc re to s)

Otro ejemplo de “extraños” comportamientos dinámicos se encuentra en el
clásico sistema dinámico discreto xt+i = T (x i) (conocido como función carpa)
donde
para 0 < x < \
T(x) _ í 2x
- x) para \ < x < 1
cuyos puntos de equilibrio son x* — 0 y x* = Ahora: es fácil verificar que

T 2(-) = T o T está dada por
4x para 0 < x < \

2(1 - 2 x) para \ < x < \
T 2 (x) =
4(x - \ ) para \ < x < |
4(1 —x) para | < x < 1
Los puntos de equilibrio de T 2(-) son x* = 0, x* = §, x* = §, y x* = dos

de los cuales (x* = 0, x* = | ) son también equilibrios de T(-). Observe que
T ( |) = | y T 2 ( |) = T ( |) = es decir, {§, |} es lo que se llama 2-ciclo
para T(-) (figura 38), y x* = | es lo que se llama un punto periódico de T(-),
con periodo 2. Observe que x* = | es un equilibrio para T 2(-), mas no para
T (-) .
a) b)
Figura 38. En el panel a) el diagrama de fase de la función carpa;
y en el panel b) el de su cuadrado.
También se puede observar que es un 3-ciclo; es decir, T ( | ) =

T 2 ( |) = T (! ) = | y T 3 (! ) = T ( | ) = Más aún, utilizando una buena
calculadora de bolsillo se puede mostrar que T(-) ¡tiene ciclos de todo ordenl
E sta es una característica compartida por todos los sistemas dinámicos discre
tos que tienen un 3-ciclo (T.Y. Li and J.A. Yorke (1975)30). Se ilustra con esto
que la dinámica de largo plazo no necesariamente conduce a uno de los puntos
de equilibrio: puede resultar en un K -ciclo.
30 Li, T.Y. y Yorke, J.A. (1975), Period Three implies Chaos, American Mathematical
Monthly.
b) B ifu rca ció n y caos
“ Caos determinístico” es un término aplicado a todo comportamiento aperió

dico, irregular, impredecible y “aleatorio” en el desarrollo temporal de ciertos
sistemas no lineales. En las últimas cuatro décadas este “ caos” ha sido obser
vado en una increíble variedad de modelos matemáticos no lineales y en fenó
menos naturales. De hecho, y esto es muy sorprendente, aunque los procesos
son estrictamente determinísticos y todas las fuerzas son conocidas, pareciera
como si su comportamiento fuera aleatorio.
Que un sistema gobernado por leyes determinísticas pueda exhibir comporta
miento “ aleatorio”, va contra toda intuición normal. Quizá sea porque nuestra
intuición es “inherentemente linear; de hecho, el caos determinístico no pue
de ocurrir en sistemas lineales. Más probablemente, esto es debido a nuestra
visión de un universo mecánico newtoniano: si uno conoce las posiciones y ve
locidades de todas las partículas en el universo y la naturaleza de las fuerzas
entre ellas, entonces podríamos construir la carta de viaje del universo, para
siempre.
Sin embargo, en el mundo real, el conocimiento exacto del estado inicial casi
nunca es posible. No importa qué tan exacta sea medida la velocidad de una
partícula, siempre puede buscarse una medida aún mejor. Y aunque somos
conscientes de esto, en general asumimos que si las condiciones iniciales de un
mismo experimento realizado en dos sitios distintos son casi iguales, entonces
las condiciones finales serán casi las mismas. Para sistemas lineales esta hi
pótesis puede ser correcta. Pero para sistemas no lineales esto es falso, y el
resultado es, precisamente, el caos determinístico.
Figura 39. Un 3-ciclo de la función carpa.

A pesar de que a principios del siglo XX, Poincaré (1952)31 comprendió esta
posibilidad con toda precisión, el caos determinístico permaneció virtualmente
inexplorado y desconocido hasta los años de 1960: las semillas sembradas por
Poincaré sólo podían germinar con los avances de la matemática experimental
a través de computadores. En efecto: los movimientos complicados y erráticos
de los sistemas caóticos determinísticos solo comenzaron a entenderse mejor a
través de las complejas figuras geométricas de computador asociadas con estos
movimientos: los fractales.
El término fm etal fue introducido por Benoit Mandelbrot en 1975 para descri
bir ciertas formas fragmentadas irregulares con intrincadas estructuras en toda
escala.32 El estudio de los fractales se incorporó al cuerpo principal de investi
gación de los sistemas caóticos cuando se hizo claro que estos exóticos objetos
geométricos aparecían muy comúnmente en muchos contextos naturales y, en
particular, en sistemas dinámicos no lineales con caos determinístico.
La idea esencial de los fractales es la existencia de estructuras similares y no
triviales a toda escala, así que los pequeños detalles están referidos directamente
al objeto entero. Técnicamente, esta propiedad se conoce como escalonamiento
(scaling) y conduce a una aproximación teórica que permite la construcción
de detalles finos del objeto a partir de crudas descripciones generales. Una
consecuencia de esta invarianza de escala es que los objetos fractales tienen
dimensiones fraccionarias en lugar de dimensiones enteras; es decir, en lugar
de ser líneas, áreas o volúmenes, los fractales se encuentran en alguna parte
entre ellos. En el mundo real, este escalonamiento sólo ocurre dentro de algún
rango finito de medidas. Por ejemplo, los copos de nieve vistos al microscopio
son, sólo aproximadamente, fractales. Aún así, el concepto de fractal juega un
papel central en esta teoría.
Ejem plo 66. (Caos determ inístico en la ecuación logística)

Un prototipo notable del caos determinístico y de las complicaciones que puede
presentar un sistema dinámico está dado por la ecuación logística
X t + 1 — f i Xt ( l 3J¿)
con /i > 0 (figura 40). Esta ecuación, aparentemente simple, es suficientemente

sutil para capturar la esencia de una clase completa de fenómenos reales que van
desde el análisis de poblaciones biológicas hasta el estudio de las transiciones
a turbulencia en gases y líquidos (por ejemplo, el helio líquido). Sin duda, es
el modelo más simple que muestra caos determinístico.
31 Poincaré, H. (1952), Science and Method, New York: Dover Publications.

32 Mandelbrot, B. (1983), The Fractal Geometry of Nature, New York: W.H. Freeman
and Company.
El comportamiento de este sistema no lineal depende críticamente del paráme

tro de control fi y exhibe en ciertas regiones repentinos y dramáticos cambios en
respuesta a pequeñas variaciones de éste. Estos cambios, técnicamente llamados
bifurcaciones, muestran un ejemplo concreto de la característica ya mencionada
sobre el comportamiento de los sistemas no lineales: pequeños cambios pueden
producir enormes diferencias cualitativas en el movimiento.
Figura 40. Función logística para diferentes valores de /x.
Ya sabemos que el más simple comportamiento asintótico (es decir, cuando

t —> oo) lo señala el cálculo de los puntos de equilibrio. En este caso son x* = 0
y x* = 1 — El lector puede mostrar que x* = 0 es asintóticamente estable si,
y solo si, /i < 1 y, por supuesto, inestable si // > 1. Por el contrario, x* = 1 —
es asintóticamente estable si, y solo si, 1 < fi < 3, e inestable si fi < 1 o /z > 3.
Esto podría sugerir que algo interesante sucede cuando /¿ alcanza el valor 1.
De hecho, hay una bifurcación en el comportamiento asintótico de los equili
brios, ya que uno de ellos (x* = 0) pasa de estable a inestable, mientras el otro
(x* = 1 — pasa de inestable a estable. Esta bifurcación, que se conoce como
bifurcación transcrítica (figura 41), implica un intercambio de estabilidad entre
los dos puntos de equilibrio. En particular, si, digamos, /i = 0.99999, el equili
brio x* = 0 es estable y cualquier trayectoria que parta de un punto cercano a
él, tenderá, eventualmente, a ese equilibrio. Pero si, digamos, fi = 1.0000001, el
comportamiento es diferente, y la trayectoria, aún partiendo del mismo punto
inicial, se alejaría hacia el equilibrio x* — 1 —
Una bifurcación más interesante ocurre cuando ¡i = 3. Repentinamente, en
lugar de que la dinámica se aproxime al equilibrio x* = 1 — ^ | , la solución
de largo plazo oscila entre dos valores; es decir, ¡el modelo tiene un 2-ciclo! Esta
bifurcación se conoce como bifurcación tipo tenedor (figura 42). Para calcular
estos dos valores, iteramos la función f( x ) = fix( 1 —x) dos veces y buscamos
Figura 41. Bifurcación transcrítica en la ecuación logística. Las

líneas punteadas indican las regiones de inestabilidad y las líneas
sólidas indican las regiones de estabilidad: Si fi < 1, x* = 0 es
estable; si fi > 1, x* — 1 — ^ es estable.
sus puntos fijos; así, resulta la ecuación de grado cuarto
(/ ° f)(x) ~ — x)[l — fix (l — x )) = x
que se satisface cuando x* = 0 (equilibrio inestable), x* = 1 — ^ (equilibrio

inestable para fi > 1), y aparecen otras dos soluciones:
*¡ - ^
Observemos que esta expresión es real solo para fi> 3, que es cuando comien
zan a aparecer los dos 2-ciclos.
Es posible continuar de esta forma y buscar para qué valores del parámetro
fi podemos tener 3-ciclos. Sin embargo, algo de trabajo computacional con
la iteración f 3 (x) — x no nos arroja ningún resultado. Pero si buscamos 4-
ciclos mediante la iteración f A(x) = x , encontramos (mediante computador)
que aparecen cuando 1 + >/6 < < 3.544090...; y cuando 3.547090... <
H < 3.564407... aparece un 8-ciclo; este proceso de bifurcación continúa in
definidamente. Así se forma una sucesión {/in} donde fio = 3, fi\ = 3.449499,
¡i2 = 3.544090, fiz = 3.564407, ..., y se puede mostrar que esta sucesión con
verge al valor de Feigenbaum fi00 = 3.57. Es decir, notablemente, todos estos
ciclos de periodos 2 ,4 ,8 ,1 6 ,3 2 ,..., 2n , . . . , ocurren en la región finita de fi por
debajo del valor fi00 = 3.57 (figura 43).
Es todavía mucho lo que se puede aprender de este simple ejemplo. Aquí, el
mecanismo mediante el cual el sistema cambió de un movimiento regular a
2
3
/
/
/
Figura 42. Bifurcación tipo tenedor para /z > 3: un equilibrio es

table x* = | se bifurca en un 2-ciclo más un punto fijo estable
x*
uno caótico fue el de las bifurcaciones doblando el periodo (es decir, mediante
una sucesión de ciclos límites con periodos crecientes con 2n, también llamadas
bifurcaciones de cascada). Sin embargo, esta no es la única forma en que los
sistemas no lineales pasan del movimiento regular al movimiento caótico. Se
han identificado muchas otras rutas, tales como crecimiento intermitente o no
periodicidad en el crecimiento de los periodos de los ciclos.
1 3 1 + V 6 3.54409 V
Figura 43. Diagrama de bifurcación.
Ahora: ¿qué sucede cuando /z > /Zqq « 3.57? Por encima de /Zoo la dinámica
es turbulenta: la ecuación logística muestra conjuntos de atracción mucho más
complejos que los puntos fijos y los ciclos límite que aparecen por debajo de
Voo. Allí sí aparecen If-ciclos para cualquier orden K .
Cada uno de estos conjuntos de atracción es lo que hemos llamado un atractor
extraño. Más allá del valor crítico ¿zQQ, la ecuación logística ahora sí presen
ta caos deterministico. Y aunque este complicado comportamiento aperiódico
claramente motiva el nombre de caos, ¿realmente tiene la característica crucial
A 3.57
?
Figura 44. Regiones caóticas.
de sensible dependencia de las condiciones iniciales que hace que su compor

tamiento de largo plazo parezca aleatorio? Paira estudiar este problema, uno
debe observar cómo dos puntos, inicialmente cercanos, se separan, a medida
que se hacen iteraciones de la función del sistema dinámico. Técnicamente,
esto puede hacerse calculando el exponente Lyapunov A, definido por
donde /*(•) denota la í-ésima iteración de /(•). Se sabe que A siempre existe y
que es independiente de x para la mayoría de las condiciones iniciales. Un valor
A > 0 indica que puntos iniciales cercanos se separan exponencialmente a una
tasa A. Por ejemplo, el exponente Lyapunov de la ecuación logística aparece
en la figura 44. Las regiones caóticas son aquellas en las que A > 0. Observe
que solo aparecen regiones caóticas cuando fi > 3.57 « ¡iqq. Las regiones para
¡jl > 3.57 en las que A < 0 corresponden a las llamadas ventanas periódicas
que aparecen en la figura 44.

E jem p lo 67 (S olución a n a lític a p a ra = 4).
Para el valor particular ¡i = 4, hagamos, en la ecuación logística, xt = sen2
Entonces se obtiene
sen2 0 t+1 = 4 sen2 9t{1 —sen2 6t) = 4 sen2 Qt eos2 6t = sen2(20¿)

de donde
y su solución es = 6o2t. Notemos que su exponente de Lyapunov es fácilmente

calculable:
ln(fl02*) ln#o ¿ln2
A = lím = lím 0.693 > 0
t—►OO t t—ïoo
▲
El lector interesado en profundizar sobre la teoría del caos y, en general, en

problemas no lineales, podría comenzar con Lorenz (1993) y Gleick (1987).
Ejercicios 5
1. Pruebe que el exponente de Lyapunov de la función carpa es, también,
ln2.
2. Muestre que la ecuación yt+1 = (yt)2 4- c puede transformarse en la

IJL ÍJL^
ecuación logística xt+i = fixt( 1 —xt) con c = —— —. [Indicación: Tome
y= fix + \fi.\
3. En la ecuación logística, muestre que x* = 0 es un punto fijo inestable

para /i = 1.
*4. Sea b un punto de periodo K de /(•); entonces, pruebe que:
a) b es estable si es un punto fijo estable de f K {').

b) b es asintóticamente estable si es un punto fijo asintóticamente estable
de /* (•).
c) 6 es inestable si es un punto fijo inestable de
6. C ontexto económico
Solo hasta hace cinco décadas (o un poco más), los modelos dinámicos no
lineales no tenían mayor impacto en el desarrollo de la teoría económica. In
clusive estas herramientas eran desconocidas, o consideradas irrelevantes. Los
primeros sistemas dinámicos en economía aparecieron, en modelos bien desa
rrollados, durante los años de 1950 y 1960 con los trabajos de Richard Good-
win [1913-1996]. Allí, él estudiaba el problema de la existencia de oscilaciones
persistentes, determinísticas y endógenas en el ciclo económico dentro de la
tradición keynesiana y de Cambridge (UK). Sin embargo, estos trabajos no
tuvieron suficiente influencia, en su momento, para garantizar el despegue de
las teorías no lineales. Inclusive, casi cualquier esfuerzo en este sentido era con
ducido a la manera de un sistema dinámico lineal con, en el mejor de los casos,
alguna característica estocástica.
A pesar de esto, en los últimos treinta años, muchos economistas han veni
do mirando las distintas variables económicas bajo la hipótesis de que una
porción relevante de ellas podría explicarse como un fenómeno dinámico no
lineal, creado por la interacción de fuerzas de mercado, tecnologías, preferen
cias, etc. En los años de 1980 hubo una explosión de modelos con dinámicas
no lineales que intentaban explicar la evidente irregularidad de variables ma-
croeconómicas tales como el PIB, las tasas de interés, las tasas de desempleo,
etc., mirando la posibilidad de que la sola no linealidad pudiera dar origen a
estos comportamientos, sin que hubiera rastro alguno de aleatoriedad.
Quizá el primer artículo en este sentido fue el de Benhabib y Day (1981), quie
nes estudiaban consumo, intercambio y acumulación en modelos de genera
ciones traslapadas (Samuelson (1958)33, 34). Otro artículo pionero con aquella
orientación es el de Dana y Malgrange (1984)35, quienes estudiaban ciclos eco
nómicos; también Day(1982;1983)36, 37, quien encontraba ciclos irregulares en
modelos de crecimiento clásicos y neoclásicos; Grandmondt (1985)38, quien es
33 Samuelson, P. (1958), An Exact Consumption-Loan Model of Interest with or

without the Social Contrivance of Money, Journal of Political Economy, vol. 66(6),
467-482.
34 Los modelos de generaciones traslapadas son modelos competitivos de dos tipos de
agentes (jóvenes y viejos) en los que el comercio solo puede darse entre agentes de
distinto tipo.
35 Dana, R. . y P. Malgrange (1984), The Dynamics of a Discrete Versión of a Growth
Cycle Model, “Analizing the Structure of Econometric Models”, Ed. J.P. Ancot.
36 Day, Richard H. (1982), Irregular Growth Cycles, American Economic Review, vol.
72(3), 406-14.
37 Day, Richard H. (1983), The Emergency of Chaos from Classical Economic Growth,
Quarierly Journal of Economics, vol. 98 (2), 201-13.
38 Grandmont, Jean-Michel (1985), On Endogenous Competitive Business Cycles, Eco-
nometrica, vol. 53, 995-1045.
tudiaba “extrañas dinámicas” también en modelos de generaciones traslapadas;

y Pohjola (1981)39, que estudiaba ciclos económicos a la manera de Goodwin.
Desde aquella época ha habido un resurgimiento del interés en los modelos
dinámicos no lineales, aunque no existe un consenso general con respecto a
su utilidad en el estudio de lo que realmente sucede en una economía. En lo
que sigue, nos concentraremos en tres modelos básicos de la teoría económica
actual que ilustran esto: el modelo keynesiano IS-LM, el modelo Arrow-Debreu,
y los modelos de interacciones sociales y económicas; y en cada uno de ellos
analizaremos algunas estructuras dinámicas pertinentes.
a) El modelo IS-LM
John Maynard Keynes nació en Cambridge (Inglaterra) en 1883. Educado allí

mismo, tuvo una brillante carrera de pregrado en la que fue alumno de Alfred
Marshall. Luego de abandonar Cambridge, sirvió a su país en la India, don
de escribió su primer libro, Indian Currency and Finance (1913), que es un
trabajo en el que Keynes hace una aplicación práctica de los principios mars-
hallianos sobre el intercambio al mercado indio. A su regreso, en 1909, recibió
la membresía en el King’s College de Cambridge, la cual mantendría hasta su
muerte. De 1911 a 1937 fue profesor de economía allí mismo.
Mientras estuvo en India, Keynes comenzó su Treatise on Probability, que dura
ría escribiendo desde 1906 hasta 1912. Este fue un tema que siempre lo intrigó,
no solo en sus aplicaciones sino, también, en su teoría; de hecho, Keynes fue
un buen jugador de ruleta. De este libro escribiría el famoso lógico y mate
mático Bertrand Russel: “...es imposible alabarlo suficientemente...”. También
fue aprobado por Alfred Whitehead, aunque le había criticado severa, pero
constructivamente, su manuscrito. Allí, Keynes estaba a favor del viejo y casi
olvidado concepto de probabilidad inductiva propuesto por Bernoulli y Laplace,
según el cual el propósito de la teoría era juzgar hipótesis y guiar juicios sobre
la base de evidencia. Y aunque el Treatise no es un trabajo profundamente
original, amplió la erudición de Keynes, su potencial lógico y sus “métodos de
asalto” a problemas con herramientas tanto teóricas como prácticas.
Pero el libro que primero lo llevó a la fama fue The Economic Consequences of
the Peace, publicado en 1919, basado en sus experiencias como oficial británico.
Este trabajo levantaría gran polémica debido a su ácida crítica a la causa de
los Aliados en la Primera Guerra Mundial. Pero el hecho de que el mundo
oficial le diera entonces la espalda fue para él motivo de reto y de posibilidad
de emancipación. Sus mayores logros, que vendrían más adelante, fueron su
respuesta.
39 Pohjola, M.T. (1981), Stahle, Cyclic and Chaotic Growth: The Dynamics of a Discrete
Time Version of Goodwin’s Growth Cycle Model, Zeitschrift für Nationalökonomie.
El A Treatise on Money (1930), y su posterior clásico The General Theory of

Employment, Interest, and Money (1936), resumen sus máximas contribuciones
a la esfera del pensamiento económico como doctrina sistemática. En estos
trabajos, y en otros más populares como el How to Pay for the War (1940), se
encuentran ideas que han influido vastamente desde el estudiante más modesto
hasta los grandes teóricos y hacedores de política de gobiernos.
El m odelo IS-LM (H icks (1 9 3 7 )40)
Antes de la publicación, en 1936, de la General Theory of Employment, Interest,

and Money de John Maynard Keynes, los economistas habían desarrollado una
rica y penetrante visión microeconómica del comportamiento de los mercados
y de la asignación de recursos a través de ellos. Pero la visión macroeconómica,
es decir, el estudio de los acontecimientos agregados que afectan a toda la eco
nomía, como la inflación, las recesiones, el desempleo, etc., tenía un desarrollo
menos elaborado. La economía de entonces no tenía cómo explicar, por ejem
plo, la Gran Depresión de los años de 1930. Hasta entonces se afirmaba que las
economías tenían una tendencia a largo plazo a retornar al pleno empleo, y se
centraba en el estudio de ese largo plazo. Sus bases eran dos leyes económicas
que podían resumirse así: i) El nivel general de precios es proporcional a la
cantidad de dinero en circulación (teoría cuantitativa del dinero); ii) las tasas
de interés buscan equilibrar el ahorro y la inversión totales.
Por el contrario, en su General Theory, Keynes afirmaba que, en el corto plazo,
las tasas de interés no estaban determinadas por el equilibrio entre ahorro
e inversión en pleno empleo, sino por la preferencia por liquidez, que es el
deseo del público de mantener dinero en efectivo a menos que se le ofrezca
un incentivo suficiente para invertir en activos menos seguros y prácticos; y si
el ahorro deseado era mayor que la inversión deseada, lo que disminuiría no
serían entonces las tasas de interés, sino los niveles de empleo y producción.
Durante los años posteriores a la publicación del General Theory, muchos eco
nomistas teóricos quedaron fascinados por las implicaciones de aquella visión
sobre el funcionamiento de una economía. Uno de ellos fue el premio Nobel de
1972, John R. Hicks, quien en 1937 escribiera Mr. Keynes and the “Classics”:
A Suggested Interpretation. En este, Hicks buscaba
[...] construir una teoría “clásica” típica, sobre un modelo anterior

más crudo que el del profesor Pigou.41 Si podemos construir tal
40 Hicks, John R. (1937), Mr.Keynes and the “Classics”: A Suggested Interpretation,

Econometrica, vol. 5(2), 147-159.
41 Se refiere al Theory of Employment de Arthur C. Pigou [1877-1959] de 1933. Este
libro, conjuntamente con su Employment and Equilibrium de 1941, resume bien el
pensamiento clásico sobre empleo, ingreso, y otras variables macroeconómicas.
teoría, y mostrar que arroja resultados que, de hecho, han sido co
múnmente considerados como dados, pero que no coinciden con las
conclusiones de Mr. Keynes, entonces tendremos al fin una base de
comparación satisfactoria. Esperamos poder aislar las innovaciones
de Mr. Keynes, y así, descubrir cuáles son los problemas reales de
disputa.
Y agregaba:
Como nuestro propósito es la comparación, trataré de especificar

mi teoría clásica típica en una forma similar a la que Mr. Keynes
especifica la suya [...].
Hicks comienza presentando el modelo clásico en la siguiente forma:
i) Se asume que el periodo de estudio es suficientemente corto de tal forma

que la cantidad de equipo físico disponible de todas las clases pueda
considerarse fijo.
ii) Se asume que la mano de obra es homogénea.
iii) Se asume, además, que la depreciación es nula. Así, la producción de los

bienes de inversión corresponde a la inversión nueva.
iv) Si definimos x = producto de los bienes de inversión, y = producto

de los bienes de consumo, N x = número de hombres empleados en la
producción de bienes de inversión, N y = número de hombres empleados
en la producción de bienes de consumo; entonces, se asume que
* = /«(JV,), y =fy(Ny)
donde f x y f y son dos funciones conocidas.
v) Para determinar N x y N y se asume que:
a) El nivel de precios de los bienes de inversión es igual a su costo mar

ginal que viene dado por w » donde w = salario.
b) El nivel de precios de los bienes de consumo es igual a su costo mar-

• dado
gmal que viene j ; por w \f d N v\y
(d N x \
c) El valor de la inversión o, simplemente, la inversión, es w x I J =
d) El valor del consumo o, simplemente, el consumo, es wy ( j.

\ dV )
e) El ingreso total es
fd N x \ fd N y \
w x{ - i r ) + w y {-d ¿-)s Y
f) Si conocemos Y e Ix entonces N x y N y estarán determinados también.

1. Las tres ecuaciones fundamentales planteadas por la teoría clásica de
Hicks son:
y = kY (3)
Ix = C(i) (4)
I , = S ( i,Y ) (5)
en las que se determinan las tres incógnitas Y , Ix , i. Aquí:
a) La ecuación (3) es la ecuación cuantitativa (de Cambridge) que rela-
M
ciona el ingreso total Y, y la demanda de dinero — , a través de una
constante de proporcionalidad k.
b) La ecuación (4) afirma que la cantidad de inversión (o demanda por
capital nuevo) dépende de la tasa de interés i.
c) La ecuación (5) dice que el ahorro 5, depende de la tasa de interés y
del ingreso.
Para Hicks, este modelo es una “teoría muy razonablemente consistente, que
es también consistente con los pronunciamientos de un reconocible grupo de
economistas”, pero sabe que si se intenta estudiar fluctuaciones dentro de este
modelo, comienzan las dificultades:
Es evidente que el ingreso de dinero experimenta grandes variacio
nes en el curso de un ciclo económico (trade cycle), y que la teoría
clásica sólo puede explicar estas variaciones por medio de variacio
nes en yr o en k, o, como una tercera y última alternativa, por
cambios en la distribución.
“Contra” las tres ecuaciones de la teoría clásica,
~ = kY, Ix = C (i), Ix = S ( i,Y )
afirma que el General Theory de Keynes escribiría, en su lugar, las siguientes:
y = L ( i ,Y ), I x = C{i), Ix = S (Y )
y que estas difieren de las ecuaciones clásicas en dos formas:

i) En lugar de la ecuación cuantitativa, la primera ecuación ^ = L ( i ,Y ),

es una relación entre el ingreso Y y la tasa de interés i. Esto lo dibuja
Hicks, para ^ fijo, como una curva (LM) con pendiente hacia arriba, ya
que, en tal caso, un aumento en el ingreso Y tiende a aumentar la tasa
de interés.
ii) De forma similar, reemplaza la ecuación de comportamiento del ahorro,

de tal forma que ahora éste depende únicamente del ingreso y , y no de
la tasa de interés. Así, las dos ecuaciones Ix = C (i) y I x = 5 (y ) generan
una relación entre Y e la cual Hicks dibuja como una curva (IS) con
pendiente hacia abajo, mostrando la relación (inversa) entre el ingreso y
la tasa de interés, que se requiere para que la inversión coincida con el
ahorro.
En estas circunstancias, el ingreso y la tasa de interés estarían determinados

en el punto P de la intersección de las dos curvas (figura 45), “exactamente
como se determinan precio y producción en la moderna teoría de la demanda y
la oferta. De hecho, la innovación del señor Keynes es cercanamente similar,
en este aspecto, a la innovación de los marginalistas.,\
La figura 46 muestra lo que, según algunos economistas, es el hecho más im

portante de la General Theory de Keynes. No solo es posible mostrar que una
oferta monetaria dada determina cierta relación entre ingreso e interés (que es
la curva LM), sino que también puede decirse algo sobre la forma de la curva.
Según Hicks, la curva LM tendería a ser horizontal (i constante) a la izquier
da, y casi vertical a la derecha (Y constante). Esto porque: (1) habría cierto
mínimo por debajo del cual la tasa de interés no cambia y (aunque Keynes no
hace ningún énfasis en esto), (2) habría un máximo nivel de ingreso que puede
ser financiado con una cantidad de dinero (figura 46).
De esta manera, si la curva IS está bien a la derecha (sea porque hay un fuerte
incentivo a invertir o una alta propensión a consumir) el punto P se hallará en
la parte de la curva que es casi vertical (Y constante), y el modelo clásico sería
todavía una buena aproximación al modelo: un aumento fuerte en la inversión
aumentará la tasa de interés, pero también tendrá efectos en el empleo (figura
47).
Figura 47. P está a la derecha (modelo clásico).
Pero si el punto P se encuentra a la izquierda de la zona donde la curva

LM es vertical, entonces la teoría de Keynes de que un aumento en la curva
de inversión Ix — C (i), aunque aumenta el empleo, no da origen a ningún
aumento en la tasa de interés (figura 48).
Según Hicks, este mínimo de la tasa de interés se aplica no solo a una curva LM
particular sino que debe ser el mismo para todas las curvas de nivel cuando ^
cambia. Si la oferta ^ aumenta, la LM se desplaza a la derecha (figura 49),
pero las partes horizontales son casi las mismas, y esto incomoda a la teoría
clásica: Si P se encuentra a la izquierda, es posible aumentar el empleo con solo
aumentar la cantidad de dinero; pero si P está a la derecha, esto es imposible;

así, los mecanismos monetarios ya no podrán bajar la tasa de interés.
Figura 49. Dos curvas LM para diferentes ofertas monetarias.
Concluye entonces que, “la General Theory es la economía de la depresión”, y

continúa, para terminar su artículo:
Estas, entonces, son algunas de las cosas que podemos obtener de

nuestro aparato-esqueleto. Pero aún si puede considerársele como
una pequeña extensión del esqueleto similar del señor Keynes, to
davía parece terriblemente crudo y plano. [...] Más aún, no se han
tenido en cuenta los problemas de la depreciación; como tampoco
los del proceso temporal.
“La General Theory es un libro útil. Pero no es ni el comienzo ni el final de la

dinámica económica”, finalizaba Hicks.
U n m odelo lineal IS-LM con dinám ica estable

Dentro de las muchas posibles versiones dinámicas del modelo IS-LM, consi
deremos, inicialmente, la más simple: un modelo IS-LM lineal dinámico. Aquí,
Y = -(l-c )Y -0 R + F
~M (6)
R = k Y - hR + —
donde Y es el ingreso agregado; R es la tasa de interés; F es el gasto autónomo

(o índice de política fiscal); c es la propensión marginal a consumir (0 < c < 1);
P > 0 es la inversión marginal (con respecto a la tasa de interés); M son los
saldos monetarios nominales; P es el nivel de precios; k ,h > 0 representan
las demandas marginales de saldos reales con respecto al ingreso y al tipo de
interés, respectivamente. Asumimos, aquí, que ^ y F son constantes
Las soluciones al sistema (6) son de la forma
Y = F + K n ex,t + K 12 eMt
R = y + K 2i e Xtt + K 22ew
donde Ai, A2 son los valores propios de la matriz

-(1 -c ) -0
A =
k -h
y el punto de equilibrio es
hF + f i J k F -( l- c ) f
m + h { l-c Y pK + h (\-c )'
Resolviendo det(^4 —XI) = 0 se obtiene que
^ _ c - h - 1 ± y/[(l - c) + h]2 - 4[/i(l —c) + pk]
A“ 2
Luego,
i) Si A = [(1 - c) + h]2 - 4[/i(l - c) + pk) > 0 entonces ^ F , ^ es un nodo
asintóticamente estable.
ii) Si A = [(1 —c) -f h]2 —4[/i(l — c) + pk] < 0 entonces ^ es una
espiral estable.
De esta manera, este modelo IS-LM lineal dinámico, es siempre estable alre
dedor del equilibrio (F , = ) .
M ultiplicador-acelerador: un m odelo de inspiración keynesiana para

el estudio del ciclo económ ico
A comienzos de los años de 1930, aquellos que estudiaban el comportamiento
del ingreso real agregado (y ) de una economía, no tenían claro por qué esta
variable que tenía un comportamiento irregular (aunque recurrente) no crecía
o decrecía indefinidamente. La idea que subyacía era la de los “ciclos auto-
sostenidos”: cada tiempo de prosperidad económica contenía las semillas de la
siguiente depresión, y esta, a su vez, las semillas de la siguiente prosperidad.
En palabras del propio Keynes (1936):
Por movimiento cíclico queremos decir que, al progresar el sistema,

por ejemplo, en dirección ascendente, las fuerzas que lo empujan
hacia arriba al principio toman impulso y producen efectos acu
mulativos unas sobre otras, pero pierden gradualmente su potencia
hasta que, en cierto momento, tienden a ser reemplazadas por los
operantes en sentido opuesto; las cuales, a su vez, toman impul
so por cierto tiempo, y se fortalecen mutuamente hasta que ellas
también, habiendo alcanzado su desarrollo máximo, decaen y de
jan sitio a sus contrarias. Sin embargo, por movimiento cíclico no
queremos decir simplemente que esas tendencias ascendentes y des
cendentes no persistan indefinidamente en la misma dirección, una
vez iniciadas, sino que terminan por invertirse. También queremos
expresar que hay cierto grado de regularidad en la secuencia y du
ración de los movimientos ascendentes y descendentes.
Hasta los tiempos de la General Theory, la llamada “macroeconomía clásica”

afirmaba que la economía tenía una tendencia a largo plazo a regresar al pleno
empleo. Como afirmábamos antes, sus dos pilares fundamentales eran la "teoría
cuantitativa del dinero”, y la teoría del interés.
El modelo del multiplicador-acelerador (Samuelson (1939)42), que está par
cialmente inspirado en la General Theory de Keynes, es uno de los primeros
aportes a la teoría dinámica del ciclo económico. Consiste en determinar el
ingreso agregado de una economía cuando operan, conjuntamente, un “acelera
dor” y un “multiplicador” keynesiano. En una versión simple de éste, asumamos
que la economía es cerrada (es decir, los agentes no pueden comprar ni vender
bienes o activos en el exterior), y que no existe gasto público. Formalmente,
Yt = C t + R t
C t = ocYt-i
42 Samuelson, P. (1939), Interactions between the Multiplier Analysis and the Principle
of Acceleration, The Review of Economic Statistics.
Rt = p(Ct - Ct-\)
donde Ct es el consumo en el período t\ Rt es la tasa de interés en el período
t; y Yt es el ingreso en el período t. Aquí, a > 0 es el “acelerador” y p > 0 es
el “multiplicador”. La primera ecuación afirma que el ingreso agregado es igual
a la suma del consumo agregado y la inversión privada en cada periodo: es la
identidad macroeconómica básica. La segunda ecuación afirma que el consumo
es proporcional al ingreso del periodo anterior; a a también se le llama la
“propensión marginal a consumir”. La última ecuación afirma que la inversión
privada es proporcional al incremento en el consumo a través del tiempo; a
ésta se le conoce como el “principio de aceleración”.
De estas tres ecuaciones se obtiene, con un poco de manipulación algebraica,
que
YM - { a + aP)Yt- i + * P V t = 0
Es decir, el ingreso agregado de un periodo determinado es una ponderación
de los ingresos agregados de los dos periodos anteriores. Por lo estudiado en la
presente lección, la estabilidad de este sistema dinámico alrededor de Y = 0,
depende de las raíces de su ecuación característica
A2 — (a + ap) A + a p = 0
que son
A _ (a + ap) ± y/(a + aP) 2 - AaP
2
y que obliga a estudiar tres casos:
i) Si las dos raíces son reales y diferentes, es decir, si (a + a/3)2 > 4a/3,
entonces éstas serán menores que 1 si, y solo si, a < 1, como el lector
puede fácilmente comprobar. Por tanto Y = 0 es asintóticamente estable
si, y solo si, a < 1 (es decir, si el acelerador es “pequeño”).
ii) Si las dos raíces son reales e iguales, es decir, si (a + a p )2 = 4a/?, en
tonces estas serán iguales a >/afi. Por tanto, en este caso, Y = 0 será
asintóticamente estable, si, y solo si, a p < 1.
iii) Si las dos raíces son números complejos, es decir, si (a + a p )2 < 4ap,
entonces el módulo de ellas es igual a aP , por lo que la condición para
la estabilidad asintótica de Y = 0 es, también, a p < 1. Su convergencia,
sabemos por lo aprendido en esta lección, es a través de ciclos.
Note cómo este modelo, a través de lá interacción entre multiplicador y acelera
dor, puede generar fluctuaciones económicas endógenas; es decir, la economía
puede exhibir ciclos que no son producidos necesariamente por shocks aleato
rios exógenos. Sobre esta perspectiva de la teoría de los ciclos económicos ver
los artículos seminales de Kaldor (1940),43 Hicks (1950),44 Goodwin (1951),45

Day (1982),46 y Grandmont (1985).47
D os ejem plos de dinám icas “extrañas” en m odelos IS-LM

Dos ejemplos clásicos en los que aparecen complicados ciclos límites y caos
determinísticos para la variable “ingreso real agregado” (es decir, ciclos límites
y caos en el ciclo económico) dentro de una estructura IS-LM, son los de Boldrin
(1983),48 y Day y Shafer (1985).49
a) Boldrin (1983) estudió un sistema IS-LM no lineal en donde muestra la exis

tencia de ciclos límites para un amplio rango de valores de los parámetros
ol y 0 :
Y = a { /(y , i?, K ) - S (Y , R , K )}
R = 'y { L ( Y ,R ) - L s }
K = I(Y , R, K ) —p K
donde Y es el ingreso real, R es la tasa de interés, K es el stock de capital

agregado, I y S son la inversión y el ahorro, respectivamente, donde > 0,
§h < 0» § f > 0, y H > 0; L es la demanda de dinero donde > 0y
< 0; L s es la oferta monetaria fija; y, finalmente, a y (3 son parámetros
positivos.
b) Por su parte, Day y Shafer (1985) muestran la posibilidad de caos en un

modelo IS-LM donde la inversión depende del ingreso y de la tasa de interés.
El modelo consiste en las ecuaciones consumo-ingreso e inversión-ingreso
siguientes:
C = G{Y,, M ) = C (L(Y, M ), Y )
I = a H (Y , M ) = a I(L (Y , M ), Y )
43 Kaldor, N. (1940), A Model of the Trade Cycle, Economic Journal, vol. 50, 78-92.
44 Hicks, John R.(1950), A Contribution to the Theory of the Trade Cycle, London:
Clarendon Press.
45 Goodwin (1951), The Nonlinear Accelerator and the Persistence of Business Cycles,
46 Day, Richard H. (1982), Irregular Growth Cycles, American Economic Review, vol.
72(3), 406-14.
47 Grandmont, J. M. (1985), On Endogenous Competitive Business Cycles, Econome
trica, vol. 53, 995-1045.
48 Boldrin, M. (1983), Applying Bifurcation Theory: Some Simple Results on the
Keynesian Business Cycle, Note di Lavoro 8403, University di Venezia.
49 Day, R. H. y J. Shafer (1985), Keynesian Chaos, Journal of Macroeconomics, vol.7(2),
277-295.
donde M denota la cantidad de dinero, L ( Y t M ) es la función LM que

representa el valor de la tasa de interés i?, y a es un parámetro positivo. El
resto de la notación es como en el modelo de Boldrin (1983).
El modelo lo complementan con un comportamiento dinámico de Y dado
por
Y t+i = G{YU M ) + a H ( Y u M ) + A
donde A es una constante positiva que representa el gasto exógeno. Los

autores utilizan funciones G y H continuas a trozos.
Actualmente, es claro que los comportamientos de dinámicas caóticas no son

raros, al menos teóricamente. Inclusive aparecen en numerosas dinámicas apa
rentemente simples. Hasta ahora la teoría se ha venido moviendo a partir de
modelos muy cualitativos y abstractos, con predicciones un tanto vagas, que no
conllevan una inmediata implementación econométrica. Al parecer el camino
está abriéndose desde el otro extremo: el trabajo empírico de modelos complejos
mediante simulación computacional controlada, está dirigiendo la construcción
de modelos teóricos. Quizás así podamos entender mejor el comportamiento de
estas variables macroeconómicas.
b) E l m o d e lo A r r o w -D e b r e u : la e c o n o m ía co m o u n s iste m a
m ec á n ic o
La visión de una “economía en equilibrio” fue establecida por primera vez

por Walras en 1874, al parecer sugerida por su lectura del tratado Élements de
statique (1803) sobre el equilibrio de fuerzas mecánicas de Louis Poinsot [1777-
1859]. Esta era una particular elaboración de la idea simple (aunque todavía
no bien entendida) de que en un sistema económico todo afecta a todo: cada
cambio induce cambios y cada uno de estos, a su vez, induce otros cambios. La
lección económica que, según Walras, debía aprenderse, era que la demanda
de cualquier producto depende de los precios de todos los otros productos
(incluyendo entre los precios, los salarios y los precios de servicio de capital
(rentas)) y que estos, a su vez, dependían del precio del producto, y llamaba
“precios de equilibrio” a los precios que hacían que la demanda igualara a la
oferta en cada mercado.
El modelo de equilibrio general de Walras fue demasiado difícil para los econo
mistas con poco entrenamiento matemático. Implicaba encontrar los precios de
todas las mercancías como soluciones de un gran número de ecuaciones que es
tablecen la igualdad oferta-demanda en cada mercado.50 Pero ¿será que todas
50 Y prácticamente a esto se redujo inicialmente el pensamiento original de Walras, por

razones que ya la economía política nos ha permitido entender.
estas ecuaciones tienen solución? Walras (mostrando algo de ingenuidad ma

temática) aseguraba que sí, pues su sistema contenía tantas ecuaciones como
incógnitas.
La “tradición alemana” poswalrasiana notaría que el problema era difícil pe

ro central al desarrollo del problema. El economista alemán Gustav Cassel
(1918)51 fue el primero en sugerir la posibilidad de que las ecuaciones no ne
cesariamente tenían una solución no negativa. Por aquellos mismos años, Karl
Schlesinger retomó el problema original de Walras, consideró que las dificulta
des con el modelo radicaba en una (sutil) interpretación equivocada, y creyó
que la demostración de la existencia del equilibrio general estaba al alcance
de la mano. Para ello, contrató a un matemático joven, Abraham Wald, para
trabajar en el problema. Wald (1933, 1936)52 obtuvo una prueba de existencia
bajo ciertas condiciones no fáciles de interpretar y, de hecho, muy fuertes a la
luz de posteriores desarrollos. Wald lograría emigrar de la Alemania nazi a los
Estados Unidos donde su interés se volcó mucho más hacia la estadística mate
mática. En la Universidad de Columbia (Nueva York) fue uno de los profesores
del posterior premio Nobel en economía del año 1972: Kenneth J. Arrow.
Arrow comenzó a trabajar en el problema parcialmente resuelto de la existen
cia del equilibrio general sobre el cual lo único que Wald le decía era que se
enfrentaba a un difícil problema. Sin embargo, una ayuda inesperada provino
del teorema de existencia de equilibrios de la teoría de juegos (John F. Nash
(1950)53), mediante el teorema de punto fijo de Brouwer (1912), introducido
a la economía matemática por von Neumann en 1932, que es equivalente al
problema de existencia del equilibrio general (ejercicios complementarios de
la lección 2). Arrow tomó y adaptó las herramientas matemáticas del teore
ma de Nash y entonces pudo establecer, muy generalmente, condiciones bajo
las cuales las ecuaciones que definen el equilibrio general tenían al menos una
solución.
Pero Arrow no fue el único con acceso a esta información. El francés Ge
rard Debreu (premio Nobel en economía en 1983) había llegado simultánea e
independientemente a, esencialmente, los mismos resultados, y decidieron pu
blicar conjuntamente los resultados (Arrow y Debreu (1954)54). Además, un
poco antes de que este artículo apareciera, otros economistas, Lionel McKen-
51 Cassel, G. (1932), The Theory of Social Economy, New York: Harcourt Brace.
52 Publicado de manera pòstuma en “Wald, Abraham (1951), On Some Systems of
Equations of Mathematical Economics, Econometrica, voi. 19, 368-403”, pues Wald
murió en 1950 en un accidente aéreo.
53 Nash, J. F. (1950), Equilibrium Points in n-Person Games. Proceedings of the
National Academy of Sciences, voi. 36(1), 48-49.
54 Arrow, K. J. y Debreu, G. (1954), Existence of an Equilibrium for a Competitive
Economy, Econometrica, voi. 22, 265-290.
zie (1954)55 y Tjalling Koopmans (1951 )56, obtuvieron similares resultados con
herramientas un tanto distintas. Como en el caso de Newton y Leibniz en el
siglo X V II con la invención del Cálculo, o en la “revolución marginalista,>de
Menger, Walras y Jevons, la existencia de un equilibrio general competitivo fue
un descubrimiento múltiple e independiente.
La historia de Debreu comenzó en 1948 cuando el principal economista francés
de la época, Maurice Aliáis (premio Nobel en economía en 1988), lo propuso
para la beca Rockefeller para estudiar economía en los Estados Unidos. Debreu,
con formación en matemáticas y física, arribó con 28 años a la Universidad de
Harvard en 1949; luego pasó a Berkeley, Chicago, Oslo y, posteriormente, en
1955, a la Universidad de Yale, donde fue profesor asociado de economía. Su
más famosa monografía, Theory o f Valué, publicada en 1959, fue presentada
como tesis de doctorado en la Universidad de Paris en 1956.
Debreu se había iniciado en economía leyendo el libro de Aliáis, A la Recher-
che d ’une Discipline Economique (1943). En este, Aliáis buscaba presentar y
extender el pensamiento de Walras sobre el equilibrio general, y además lo re
lacionaba formalmente con la noción de optimalidad desarrollada por Pareto.
Sin embargo, las limitaciones de todas las contribuciones (incluida la de Aliáis)
antes de los primeros años de la década del cincuenta consistían en el hecho de
que utilizaban el método de multiplicadores de Lagrange y tasas marginales de
sustitución para caracterizar el óptimo; y ni la derivabilidad de las funciones
ni las tasas marginales de sustitución son conceptos primitivos de la teoría.
Esto último fue particularmente claro con el desarrollo del Análisis de activi
dades de Koopmans (1951) al aplicar la programación lineal y la teoría de la
dualidad al problema de la formulación de la teoría del equilibrio general, y ex
plícitamente corroborado por Arrow y Debreu en sus trabajos clásicos (Arrow
y Debreu (1954) y Debreu (1959)), en donde utilizaron teoremas de punto fijo,
estructuras convexas (conos, poliedros, conos asintóticos, etc.) y teoremas de
separación de Minkowski para conjuntos convexos, en lugar de las nociones
derivadas de la condición de diferenciabilidad.
Durante el establecimiento de lo que hoy se acostumbra a llamar “sistema
general walrasiano” (es decir, desde los Éléments de Walras (1874) hasta el
modelo de Arrow y Debreu (1954)57), el problema de existencia no fue ni
comentado ni reconocido por los economistas en general; solo por aquel pequeño
grupo de economistas de la “tradición alemana” que ya hemos mencionado y por
Koopmans. De hecho, ninguno de los textos clásicos tales como Foundations of
Economic Analysis de Samuelson (1947) y Valué and Capital de Hicks (1946)
55 Mckenzie, L. W. (1954), On Equilibrium of Graham’s Model of World Trade and
Other Competitive Systems, Econometrica, vol. 22, 147-161.
56 Lección 8, volumen 1 (Álgebra lineal).
57 Arrow, K. J. y Debreu. G. óp. cit.
centraban su atención en el problema de la existencia del equilibrio general:

por alguna razón lo daban por garantizado. En lugar de esto, dedicaron sus
páginas a la estática comparativa y a la estabilidad de los equilibrios.
Sin embargo, solo hasta la piedra angular del Existence of an Equilibrium for
a Competitive Economy (1954) de Arrow y Debreu, y la ampliación de la
Theory of Valué (1959) de Debreu, podemos decir que esta versión teórica del
pensamiento walrasiano (es decir, el “sistema general walrasiano de equilibrio
general”) había sido sólida y matemáticamente delimitada, y sus debilidades
completamente esclarecidas.
El m odelo Arrow-Debreu (Arrow y Debreu (1954), Debreu (1959))

Arrow y Debreu, respetando la tradición, también recurrieron a la división
característica del individualismo metodológico (consumidores y productores),
y desde allí buscaron desarrollar una estructura amplia y rigurosa que incor
porase todos los modelos de equilibrio general walrasianos (incluido el de los
Élements) conocidos hasta ese momento, y que también contuviera las co
rrespondientes relaciones entre equilibrio y optimalidad paretiana. Su esfuerzo
concluyó con el modelo Arrow-Debreu que ahora presentamos.
La noción de m ercancía
Para el modelo Arrow-Debreu, las mercancías son bienes o servicios con una
precisa especificación de sus características físicas, y del lugar y fecha en que se
consumen u ofrecen. Se asume que solo hay un número finito, /, de mercancías,
haciendo de R l el espacio de mercancías del modelo.
C om portam iento de los con su m id ores,
En principio, se define un consumidor como un individuo o un grupo de in

dividuos con propósito de consumo unificado (por ejemplo, una familia), que
puede elegir planes de consumo de las distintas mercancías disponibles. En este
modelo, un plan de consumo es una especificación de las cantidades de bienes
de consumo y de las cantidades de servicios a ofrecer, al comienzo del período
(y para todo el período en que se desarrolla el modelo, y que está previamente
identificado). Las cantidades de bienes de consumo se representan mediante
números positivos (o ceros), y las cantidades de las distintas clases de servicio
a ofrecer se representan mediante números negativos (o ceros), por razones que
adelante se entenderán. Al conjunto de todos los planes de consumo se le deno
mina su conjunto de consumo. Así, el conjunto de consumo de este consumidor
estará incluido en el espacio de mercancías, R*, del modelo.
Asumiremos que existe un número m de consumidores. Cada consumidor está

indicado por i = 1 ,... , ra. El í-ésimo consumidor elige un vector, su plan de
consumo Xi, en un subconjunto no vacío de R*, que es su conjunto de consumo
X{. Dado un consumo para cada consumidor, a la suma x = Y1T x i se
llama el consumo agregado (o total); y al conjunto X = Y^T X i se le llama el
conjunto de consumo agregado (o total). Supondremos aquí que para todo i:
a.l) X i es cerrado. Es decir, si existe una sucesión de planes posibles de con
sumo {x” }, que converge a algún vector x en el espacio de mercancías,
entonces este vector también es un plan de consumo posible.
a.2) X i es convexo. Esto implica, en particular, que las mercancías son divisi
bles en cualquier número de partes. Esto, por supuesto, obliga a interpre
taciones muy finas de las mercancías que vamos a considerar.
a.3) X i tiene una cota inferior para <. Es decir, existe un consumo mínimo de
“subsistencia”.
Sobre X i se define un preorden completo =^¿ tal que:
b .l) No existe consumo de saciedad en X i.
b.2) Para todo x\ G los conjuntos {xí 6 | x f{} y {xí 6 X i | Xi
x¿} son cerrados en X{.
b.3) Si x \ y x ¿ son dos puntos de X i, y si t € (0,1), entonces x \ y i x\ implica
tx f + (1 —t)x\ y i x\ (figura 50).
Figura 50. Preferencias modelo Arrow-Debreu.
c) Si Wi es el vector de dotaciones iniciales del i-ésimo consumidor, entonces

existe € X i tal que < < Wi. 58
58 Note que esto implica que ningún agente puede tener dotación inicial nula de alguna
mercancía. Sin embargo, Debreu, en New Concepts and Techniques for Equilibrium
Analysis (International Economic Review (1962)), relajaría esta hipótesis para per
mitir que esto último pudiera suceder, y que los teoremas centrales de existencia y
bienestar siguieran manteniéndose.
El lector podrá reconocer que las condiciones del literal b) están relacionadas
con la existencia, la monotonicidad, la continuidad y la cuasiconcavidad de
la función de utilidad subyacente a este comportamiento del consumidor (el
“contexto económico” de la lección 1).
C om portam iento de los productores
Por su parte, un productor es, de acuerdo a Debreu (1959), una abstracción,

tanto sobre las formas legales de organización (corporación, propietario inde
pendiente, etc.), como sobre los tipos de actividad (agricultura, manufactura,
construcción, servicios, etc.). Cada productor debe elegir un plan de produc
ción, es decir, una especificación de las cantidades de insumos necesarias para
producir unas determinadas cantidades de productos, para el período en el que
se desarrolla la actividad económica. Los insumos se representarán mediante
números negativos (o ceros), y los productos mediante números positivos (o
ceros). Al conjunto de todos los planes de producción se le denomina conjunto
de producción. Se asume que en la economía existe un número entero positivo
n de estos productores, y, así, cada productor estará indicado por j = 1 , . . . , n.
El j-ésimo productor tiene como función económica elegir un vector, su plan
de producción y j, en un subconjunto no vacío del espacio de mercancías R l: su
conjunto de producción Yj.
Dada una producción yj G Y j para cada productor, el vector y = YJj Vj se

llama la producción agregada (o total); el conjunto Y = ^ 2 j Y j se llama el
conjunto agregado (o total) de producción. Supondremos aquí que, para todo
.7'v
d.l) 0 G Y j (posibilidad de no acción). Es decir, existe la posibilidad de no

operar en el sistema productivo.
d.2) Y es cerrado. Es decir, si {yn } es una sucesión de posibles planes agregados

de producción que converge a un vector y en el espacio de mercancías,
entonces también y es un posible plan de producción.
d.3) Y es convexo. Esto implica (lección 1) que el productor no tiene rendi

mientos crecientes a escala (figura 51). Esta es, quizá, una de las mayores
limitaciones del modelo Arrow-Debreu.
d.4) Y fl (—Y ) = {0} (irreversibilidad). Es decir, los procesos agregados de

producción no son reversibles.59
59 Por ejemplo, de un pan no se puede obtener la misma energía eléctrica con la que se
horneó.
producto producto
Figura 51. Conjuntos de producción Arrow-Debreu
d.5) —R l+ C y , donde R+ = {x € R l \ x > 0} (libre disponibilidad de insu-

mos). Es decir, siempre es posible utilizar insumos y no producir ningún
producto.
Aunque ya Koopmans (1951) se había anticipado en la formulación axiomá

tica60 de la versión lineal del modelo walrasiano (“Análisis de actividades”),
fueron estas (las de Arrow y Debreu) las condiciones más generales y más cla
ras conocidas hasta entonces para que el sistema walrasiano tuviera un equili
brio. Posteriormente, el mismo Debreu y otros debilitarían un tanto más estas
hipótesis, aunque sin perder nunca de vista las que aún hoy utilizamos como
“condiciones mínimas” para que el mercado walrasiano “pueda funcionar”.
El concepto de econom ía y equilibrio w alrasiano

Al comienzo del período existen unas dotaciones de mercancías agregadas,
dadas de manera exógena. Podemos caracterizar en este momento lo que con
sideramos una economía. Esta se define por los conjuntos de consumo comple
tam ente preordenados por una relación de preferencia, los conjuntos de pro
ducción individuales y las dotaciones iniciales agregadas. Por su parte, en una
economía de propiedad privada los consumidores son los dueños de las firmas,
es decir poseen una participación en los beneficios de las mismas así como todas
las dotaciones iniciales. Luego, una economía de propiedad privada se define
por los conjuntos de consumo completamente preordenados por una relación
de preferencia, los conjuntos de producción individuales, las participaciones de
los consumidores en los beneficios de los productores y las dotaciones iniciales
60 Claramente influidos, tanto Koopmans como Arrow y Debreu, por la escuela mate
mática francesa Bourbaki que, a su vez se inspiraba en Euclides en la búsqueda de
una estructuración axiomática de todas las matemáticas conocidas hasta principios
del siglo XX (lección 4, volumen 0 (Fundamentos)).
de los consumidores, cuya suma son las dotaciones agregadas que menciona
mos antes. El teorema de existencia probado por Debreu (1959)61 se refiere a
una economía de propiedad privada, aunque la estructura del modelo Arrow-
Debreu también admite el estudio de economías centralizadas y sin propiedad
privada, para las cuales también existe un equilibrio, como probara Debreu en
la misma famosa monografía.
D efinición 25. (Econom ía A rrow-D ebreu)

Una economía Arrow-Debreu está definida por tres categorías:
i) Para cada consumidor i — 1 ,... ,ra, un subconjunto no vacío de R l

completamente preordenado por
ii) Para cada productor j = 1 ,... , n, un subconjunto no vacío Yj de R l.
iii) Para cada consumidor i = 1 ,2 ... ,ra, las dotaciones iniciales € R l.
Así, una economía Arrow-Debreu es una tupia de la forma
<B=((Xi,4 i) A Y j )Aw i))
D efinición 26. (Econom ía A rrow-D ebreu de propiedad privada)

Una economía Arrow-Debreu de propiedad privada es una economía de la forma
(S = ( ( x i, ^ ) , « ) , K ) , ( ^ ) )
donde para cada par % es un número no negativo tal que Oij — 1 Para
todo j, que representa la participación del ¿-ésimo consumidor en los beneficios
del j-ésimo productor.
Definición 27. (Equilibrio walrasiano)

Un equilibrio walrasiano de la economía Arrow-Debreu de propiedad privada
£, es una (m 4- n + l)-tupla ((xj), (yj),p*) de puntos de R l tal que:
i) x* es un mayor elemento de {x¿ G X{ \ p*X{ < p*Wi 4- Para

=î, para todo i;
ii) maximiza el beneficio relativo a p* sobre Y}, para todo j ,
iii) x* — y* = w (equilibrio de mercado).
El siguiente es uno de los principales aportes realizados por la economía ma

temática en los años de 1950, y la clave en su demostración es, de nuevo, el
teorema de punto fijo de Kakutani:
61 Debreu, G. The Theory of Valué... óp. cit.
T eorem a 18. (E x iste n c ia del equilibrio w alrasiano)

La economía de propiedad privada (B = ((A¿, =^¿), (Yj), (iy¿), (0{j)) tiene un equi
librio walrasiano si para todo i,
a) X i es cerrado, convexo y tiene una cota inferior para <.
b.l) No existe consumo de saciedad en X{.
b.2) Para todo x\ G X{, los conjuntos {x¿ | X{ y {xi € X i |

x[} son cerrados en X i.
b.3) Si x \ y x2 son dos puntos de X i, y si t € (0,1), entonces x2 y i x\ implica

tx \ + (1 - t)x\ >-i
c) Si Wi es el vector de dotaciones iniciales del i-ésimo consumidor, entonces

existe G X i tal que x^ « W i .
Además, para todo j,
d .l) 0 G Yj
d.2) Y es cerrado
d.3) Y es convexo
d.4) Y n ( - Y ) = {0}
d.5) Y D ( —R l+), donde R l+ = {x G R z | x > 0 }.
D em o stració n .
Ver Debreu (1959).62 ■
Este teorema fue un resultado tremendamente importante para la teoría econó

mica, pues mostraba condiciones matemáticas precisas bajo las cuales podría
existir solución al problema original de Walras. Que a pesar de ser una econo
mía estática, se entendiera que existían unos precios y unas asignaciones de tal
forma que los consumidores y los productores podían coordinar sus actividades
económicas de manera descentralizada, era un logro mayúsculo. Era, quizás,
comenzar a entender por qué los mercados reales en verdad podrían funcionar,
y que los precios que lo lograban, de hecho, existían. Sin embargo, mostrar que
este equilibrio Arrow-Debreu también gozaba de las ya previstas propiedades
paretianas de bienestar, era, obviamente, el siguiente paso.
62 Ibíd.
D efinición 28. (Ó ptim o de Pareto)
i) En una economía Arrow-Debreu, dados dos equilibrios de mercado ((ajj), (yj))

Y ((x i)> (Vj)) (definición 27), diremos que el segundo es al menos tan
deseado como el primero, y se escribe ((x¿), (yj)) •< ((x i)AVj))^ P31*3,
todo ¿, se tiene que X{ ■<x {.
ii) Un equilibrio de mercado ((x¿), (yj)) de una economía Arrow-Debreu es

un óptimo de Pareto si para todo otro equilibrio de mercado ((x¿), (y¿))
que satisfaga ((x¿), (?/j)) < ((z¿),(2/j)) no podrá darse que X{ -< x\ para
algún i.
Y con esta definición tenemos versiones muy generales de los teoremas del
bienestar económico, ya vistos en el “contexto económico” de la lección 2. Para
las demostraciones, remitimos nuevamente al lector a la citada monografía de
Debreu (1959), con el convencimiento de que el lector tiene, en este punto,
todos los requisitos matemáticos para comprenderlas cabalmente.
Teorema 19. (P rim e r teorem a de la econom ía del bien estar)

En una economía Arrow-Debreu, todo equilibrio walrasiano es un óptimo de
Pareto.
Y aplicando el teorema de separación de Minkowski (teorema 11, lección 3),

Debreu también demuestra que:
Teorema 20. (Segundo teorem a de la econom ía del bien estar)

En una economía Arrow-Debreu, dado un óptimo de Pareto ((xj), (y¿)) donde
algún x ? no es un consumo de saciedad, existe un sistema de precios p no todos
nulos tales que: i) x \ m inim izap-X i sobre el conjunto G X í / xí y x*} para
todo i; ii) y*- maximiza el beneficio p • yj sobre Yj, para todo j.
Ejemplos que ilustran los dos teoremas del bienestar económico, ya han sido
presentados en el “contexto económico” de la anterior lección 2.
El problem a de la unicidad del equilibrio walrasiano

En Theory of Valué, Debreu solo se refiere a los problemas de unicidad y
estabilidad en una nota marginal. Pero en 1970, en Economies with a Finite
Set of Equilibria, ya mostraba que la multiplicidad de equilibrios en economías
walrasianas, no son un caso atípico, pero que, en caso de multiplicidades, cada
equilibrio es localmente único, siempre que se dieran ciertas condiciones de
diferenciabilidad sobre las funciones de exceso de demanda. Más aun: este
comportamiento es cierto en “casi todas” las economías, donde el término “casi
todas” tiene un significado matemático preciso (artículo de Debreu (1976),
The Application to Economics of Differential Topology and Global Analysis:

Regular DifFerentiable Economies, American Economic Review).
Introducimos ahora el concepto más importante en el estudio de la unicidad
del equilibrio walrasiano en una economía Arrow-Debreu de intercambio puro.
D efinición 29. (Su stitu ción bruta entre m ercancías)

Una mercancía i es sustituía bruta de una mercancía j al vector de precios p
si pi = p\ para todo i ± j , y pj < p' implica entonces que z¿(p) < Zi(p') para
i j, donde p = ( p i,. . . ,p/) y p' = (p'1}. . . ,p¡), y z¿(-) es la función de exceso
de demanda del consumidor i.
Es decir, la mercancía i se dice sustituta bruta de la mercancía j al vector de

precios p, si al disminuir (aumentar) el precio de la mercancía j , disminuye
(aumenta) el exceso de demanda de la mercancía i. Si tuviéramos diferencia-
bilidad en las funciones de exceso de demanda, esto entonces significaría que,
para i ^ j ,
El siguiente teorema da condiciones suficientes para la unicidad del equilibrio

walrasiano en una economía de intercambio puro, excepto una multiplicación
escalar (ya que p* es un equilibrio walrasiano si, y sólo si, tp* es un equilibrio
walrasiano, para todo t > 0).
Teorem a 21. (U n icid a d del equilibrio w alrasian o)

En una economía Arrow-Debreu de intercambio puro, si las funciones de exceso
de demanda agregada son homogéneas de grado cero en los precios y satisfacen
la sustitución bruta de las mercancías, entonces el vector de precios de equilibrio
p* es único salvo por una multiplicación escalar.
D em ostración.
Ver Debreu (1970). ■
E jem plo 68. (E conom ía con infinitos equilibrios)

Aunque lo usual en los libros de texto es encontrar ejemplos de economías de
intercambio con un solo equilibrio (“contexto económico”, lección 2), ejemplos
con infinitos equilibrios abundan. De hecho, como lo mostrara Herbert Scarf
(1960)63 en su famoso contraejemplo, esto ocurre muy comúnmente en el caso
de sustitución no bruta entre mercancías. Por ejemplo, si la economía es
U a (x a , Va ) = minian, y A}, wA = (1,0)

63 Scarf, H. (1960), Some Examples of Global Instability of the Competitive Equilibrium,
International Economic Review, vol. 1.
Ub( xb, Vb) = m m { x B, y B}, w A = (0, 1)
sus equilibrios walrasianos son, todos, de la forma
P 1
Px = p > 0; Py - 1; xa = Y + p = XB = 1 + p = Vb
como el lector puede comprobar. ▲
Aun así, Dierker (1972)64 y Mas-Colell(1975)65 mostraron, utilizando el teore

ma de punto fijo de Brouwer, que inclusive bajo ciertas hipótesis de diferen-
ciabilidad sobre las funciones demanda de los individuos (que en los ejemplos
más ilustrativos se cumplen), podría contarse el número de equilibrios de una
economía Arrow-Debreu de intercambio puro. Allí, definieron el llamado índi
ce de un equilibrio, como el signo del determinante del negativo de la matriz
jacobiana de la función exceso de demanda evaluada en equilibrio, a la que se
le ha quitado la primera fila y la primera columna. Y luego prueban que la
sumatoria de los índices de todos los equilibrios es siempre + 1 ; que (cuando es
finito) el número de equilibrios de estas economías es siempre impar, y que un
equilibrio es único si, y solo si, el índice es + 1 en cada equilibrio potencial.
Posteriormente, Mas-Colell (1985)66 y Kehoe (1985)67 extendieron estos resul
tados a economías Arrow-Debreu con producción, obteniendo, prácticamente,
los mismos resultados “genéricos” de Debreu (1970). En el artículo de 1985,
Kehoe construye, sin embargo, una economía Arrow-Debreu (con producción)
que tiene tres equilibrios. Este ejemplo muestra una economía con “buenas” ca
racterísticas en la que, no obstante, surge la multiplicidad de equilibrios debido
a la inclusión de funciones de producción lineales en el sector productivo.
Ejemplo 69. (Econom ía de producción con tres equilibrios)

Kehoe (1985) estudia la economía con 4 mercancías, 4 consumidores y 4 produc
tores, en la que los consumidores tienen funciones de utilidad para i = 1 , 2 ,3,4,
de la forma
4
Ui = 5 > j l o g x)
j =1
donde las constantes 7 ] están dadas por los coeficientes de la matriz
64 Dierker, E. (1972), Two Remarks on the Number of Equilibria of an Economy,

Econometrica, vol. 40(5), 951-53
65 Mas-Collel, A. (1975), On the Equilibrium Price Set of an Exchange Economy,
Journal of Mathematical Economics.
66 Mas-Colell, A. (1985), The Theory of General Economic Equilibrium: A Differentiable
Approach. Cambridge University Press.
67 Kehoe, T. J. (1985), Multiplicity of Equilibria and Comparative Statics, Quarterly
0.52 0.860.5 0.06 '

0.4 0.10.2 0.25
0.04 0.02 0.2975 0.0025
0.04 0.02 0.0025 0.6875
y las dotaciones iniciales Wj están dadas por los coeficientes bji de la matriz
"50 0 0 0 ‘
0 50 0 0
0 0 400 0
0 0 0 400
Por su parte, el sector productivo de la economía está determinado por la
matriz 4 x 6
'- 1 0 0 0 6 - 1'
0 - 1 0 0 - 1 3
0 0 - 1 0 - 4 - 1
0 0 0 - 1 - 1 -1_
Después de algunos cálculos (con computador), Kehoe encuentra los siguien
tes tres equilibrios, en donde la entrada Cj¿ de las matrices corresponde a la
asignación Xj (consumidor i, mercancía j):
E quilibrio 1:
'26 43 200 2 4 '
20 5 80 100
2 1 119 1
2 1 1 275
Vector de precios:
P = (0.25, 0.25, 0.25, 0.25)
Equilibrio 2:
[26.00 67.43 48.49 83.09'
12.75 5 12.37 220.77
8.25 6.47 119 14.28
0.58 0.45 0.07 275 _
Vector de precios:
P = (0.15942, 0.25, 0.03865, 0.55193)
E quilibrio 3:
‘ 26 39.07 224.36 14.50'
22 5 98.77 66.49
1.78 0.81 119 0.54
3.31 1.50 1.86 275
Vector de precios:
P = (0.27514, 0.25, 0.30865, 0.16621)
¿Podría especificar este modelo y, desde allí, explicar con precisión por qué
la inclusión de funciones de producción lineal en esta economía, lleva a la
aparición de múltiples equilibrios?
El problem a de estabilidad del equilibrio walrasiano: el t â t o n n e m e n t

de Walras
Es claro que el hecho de que una economía competitiva tenga un equilibrio
walrasiano no lo hace estable automáticamente. Y esto último, cualquiera que
haya sido la razón, ha sido visto como condición necesaria para que una econo
mía competitiva pueda ser una buena herramienta para el análisis económico.
Y aunque, como afirmábamos en el “contexto económico” de la lección 2, para
Walras el equilibrio era alcanzado empíricamente mediante el mecanismo de
la competencia, es decir, del tâtonnement; este problema solo comenzó a ser
estudiado sistemáticamente y, con todo rigor, en 1958, por los premios Nobel,
Arrow y Hurwicz, en su “On thè Stability of thè Competitive Equilibrium”
(Econometrica); y en 1959 por Arrow, Block y Hurwicz en “On the Stability of
thè Competitive Equilibrium II” ( Econometrica). Allí prueban que el proceso
tâtonnement solo es estable bajo ciertas restricciones, tales como la sustitución
bruta (gross substitutability), y, como dijimos antes, Herbert Scarf (I960)68 ha
bía mostrado que existen casos en los que el equilibrio walrasiano no es estable
globalmente, precisamente cuando esta condición falla.
Esto llevó a pensar, en aquel tiempo, que quizá hubiera otro camino al equilibrio
distinto al, en ocasiones, inestable tâtonnement. De allí surgieron los conocidos
“procesos de ajuste no-tâtonnement”69 estudiados por Uzawa (1962),70 Hahn
(1962),71 Hahn y Negishi (1962),72 entre otros, y que, en general, mostraron
mejor estabilidad que el mismo proceso tâtonnement.
Definición 30. (D efinición de t â t o n n e m e n t )
La regla de ajuste de precios
= Zi(p(t)), para i = 1,... ,Z (*)
68 Scarf, H. Óp. cit.

69 Estos son procesos tâtonnement en los que es posible, en cada etapa, la re contrata-
7n ción.
Uzawa, H. (1962), On the Stability of Edgeworth's Barter Process, International
Economie Review, vol. 3, 218-32.
71 Hahn, F. H. (1962), On the Stability of Pure Exchange Equilibrium, International
Economie Review, vol. 3, 206-213.
72 Hahn, F. H. y T. Negishi (1962), A Theorem on Non-Tâtonnement Stability, Econo
metrica, vol. 30(3), 463-469.
es el tâtonnement (tanteo) lineal de una economía Arrow-Debreu de intercam

bio puro de l mercancías. Aquí las funciones de exceso de demanda Zi(-) están
definidas sobre el interior de R l+, donde se suponen continuamente diferencia-
bles; y p(t) = (pi(£)>. • • ,P /(0) es el vector de precios en el tiempo t.
Esta regla de ajuste de los precios asume que la economía es, en lo demás,
estacionaria; es decir, que los conjuntos de consumo, las preferencias de los
consumidores, los conjuntos de producción y las dotaciones iniciales no varían.
La regla de ajuste expresa en una forma dinámica la famosa “ley de la oferta y
la d e m a n d a en cada instante del tiempo, se incrementará el precio de aquellas
mercancías para las cuales exista un exceso de demanda, y se reducirá el precio
en las cuales se observe un exceso de oferta. Como se mostrará en seguida, esta
regla, por sí misma, no garantiza que, a partir de un vector de precios inicial,
la economía tienda, a través del tiempo, al equilibrio. Se requieren condiciones
adicionales muy fuertes sobre las funciones de exceso de demanda de cada
mercancía.
Teorema 22. (T eorem a A rrow -B lock-H u rw icz (1959))™

Sea p* un vector de precios de equilibrio. Si las funciones de exceso de demanda
agregada satisfacen la ley de Walras, la homogeneidad de grado cero en los
precios y la sustitución bruta, entonces p* es globalmente estable.74
D em ostración.
Derivando, con respecto a í, la función D (t) = ^2j(Pj(t) —Pj)2, obtenemos que
para p ^ p*,
D (t) = 2 J 2 p A p í - p ') = ~ P *)(zi(P)) = - 2 Y ^ P j zj(P) < 0

i j j
señalando que, partiendo del desequilibrio, D (t) decrece a medida que t crece.
■
El teorema anterior exige una condición bastante restrictiva: el equilibrio es
globalmente estable si todas las mercancías son sustituías brutas a todos los
niveles de precios.
E jem plo 70. (U n ejem plo sim p le de tâ to n n e m e n t)

Consideremos una economía de intercambio puro
UA {x A , v a ) = XA VA UB (x B,Vb ) = X B %IB
73 Leonid Hurwicz [1917-2008] recibió el premio Nobel en Economía en 2007 por sus
aportes a la teoría del diseño de mecanismos, un área de la teoría de juegos.
74 Este teorema, de hecho, también fue probado por Allais (1943) bajo las mismas hi
pótesis esencialmente, y utilizando el teorema de estabilidad de Lyapunov.
con dotaciones
wa = (1,2) wB = (2,2)
Aquí, las funciones de exceso de demanda son

2« ^
* x ( P x , P y ) = X A ( P x , P y ) + X B ( p x , P y ) ~ (™x + w x ) = ~ ~ 5
Px ¿
z y ( P x t P y ) S V A ( P x , P y ) + V b (P x , P V) ~ (™y + W y ) = ^ ~ 2
¿Py
El único equilibrio walrasiano de esta economía competitiva es (tomando como

numerario p * = 1):
* 4 * 5 * 5 * 7 * 7
Px Py “ XA — Va ~~ 3 ’ — ^5 yB — 3
La dinámica tâtonnement de este ejemplo la podemos escribir, con — = p,

así: Pÿ
^ ^
dt p 2 V'
cuyo equilibrio es p* = | , que es asintóticamente estable, pues la derivada de
(*) con respecto a p es menor que cero en p* = | . Pero también podríamos
haber utilizado el teorema 22 anterior, al darnos cuenta que las funciones de
exceso de demanda son homogéneas de grado cero, satisfacen la ley de Walras
y, además, cumplen con la condición de sustitución bruta entre las mercancías,
pues
^ > 0 y ^ > 0 A
Py Px
Han pasado más de 50 años desde que Arrow y Debreu establecieron las condi
ciones para la existencia de un equilibrio competitivo. Sin embargo, es muy poco
(y muy débil) lo que sabemos acerca de las dinámicas del modelo Arrow-Debreu.
Solo sabemos lo suficiente del tâtonnement, pero no mucho más. Cuando pen
samos en dinámicas walrasianas nos remitimos al ficticio “subastador” creado
por el propio Walras. Aquel que, de manera centralizada, señala precios guián
dose por los excesos de demanda de las mercancías, pero que, durante todo este
tiempo, asume el resto de la economía totalmente fija. Actualmente (ver, por
ejemplo, Gintis (2007))75 se intenta modelar estas economías como “sistemas
adaptativos complejos” que muestran mejor los comportamientos típicos de las
economías de mercado. El reto ahora es construir modelos analíticos formales,
y no solo computacionales controlados en laboratorio.
75 Gintis, H. (2005), The Dynamics of General Equilíbrium, The Economie Journal, vol.
117.
Equilibrio walrasiano y el núcleo de una econom ía
El modelo de equilibrio general Arrow-Debreu está basado en la hipótesis de

que los precios son “dictados por el subastador” y tomados paramétricamente
por todos los agentes económicos. Es evidentemente claro que esta hipótesis
es poco plausible para una economía con pocos agentes (pues alguno de ellos
podría tener influencia en los precios).
Francis Edgeworth, en su texto clásico, Mathematical Psychics de 1881, intro
dujo la curva de contrato (posteriormente conocida como el núcleo) en econo
mías de dos mercancías y dos tipos de agentes. Allí estudió lo que sucedía con
la curva de contrato cuando el número de agentes de cada tipo crece. Edge
worth encontró que la curva de contrato “se contrae” hacia los estados de la
competencia perfecta, cuando el número de agentes aumenta.76 Pero este re
sultado recibió poca atención durante más de 80 años, quizá debido a la forma
confusa en que Edgeworth presentó sus ideas.
En 1963, Debreu y Herbert Scarf publicaron A limit Theorem on the Core of
an Economy, una lúcida, elegante y breve demostración de las ideas de Ed
geworth. Pero, nuevamente, el punto decisivo lo dio la teoría de juegos. Desde
la aparición del clásico Theory of Games and Economic Behavior de John von
Neumann y Oskar Morgenstern en 1944, el análisis de juegos coaliciónales77
venía desarrollándose rápidamente. En 1953, L.S. Shapley y D.B. Gillies esta
blecieron un concepto-solución para estos juegos que dieron en llamar el núcleo
(core)7S. En 1959, M artin Shubik encontró la conexión entre la curva de contra
to de Edgeworth y el núcleo de un juego cooperativo, y Herbert Scarf, inspirado
en esto, presentó en 1962 un notable análisis de la relación núcleo-equilibrio
walrasiano en economías de intercambio para un número contable de agentes
de cada tipo. Debreu y Scarf dieron en 1963 una prueba mucho más simple
de este teorema de equivalencia entre el núcleo y los equilibrios walrasianos a
medida que el número de agentes de cada tipo, crece.
Fue precisamente aquí que Robert Aumann (1964)79 observó la posibilidad de
generalizar el modelo con un número contable de agentes a uno con un continuo
de agentes que es, desde el punto de vista económico, la representación ma
temática más adecuada de una economía perfectamente competitiva. Aumann
probó el teorema de equivalencia entre el núcleo y los equilibrios walrasianos
cuando la economía tiene un continuo de agentes. Hoy, los trabajos de Debreu,
Scarf y Aumann han desembocado en una enorme actividad de investigación,
76 “Contratos con competencia perfecta están perfectamente determinados”, decía

Edgeworth.
77 También llamados “cooperativos” (Monsalve y Arévalo (2005)).
78 Algunos también lo acostumbran a llamar el “corazón” de la economía.
79 Aumann, R. J. (1964), Markets with a Continuum of Traders, Econometrica, vol. 32.
particularmente en la teoría de juegos de mercado (Hart (1988))80.

Buscando ejemplificar las ideas esenciales sobre la relación núcleo-equilibrio
competitivo en una economía, aquí caracterizaremos únicamente el núcleo de
economías de intercambio puro con dos agentes. El lector interesado en ampliar
estos conceptos puede consultar la bibliografía citada.
D efinición 31. (N úcleo de u n a eco n o m ía de in te rc a m b io p u ro )

El núcleo de una economía de intercambio puro de dos agentes, es el conjunto
de todas las asignaciones Pareto-óptimas, x, tales que para todo consumidor i,
Ui(x) > Uí (wí)
donde es la función de utilidad del consumidor i , y su dotación inicial.
E jem plo 71.

Para la economía de intercambio puro
Ui(x\ ,x ¿) = x}x?, i = A ,B
con dotaciones iniciales wa = (4,1) y w b = (1,4), se tiene, igualando las tasas

marginales de sustitución, que el conjunto de asignaciones Pareto-óptimas es
{ \(x A i xA)i (x Bi x b )\ / XA = xAi XA + XB ~ 5, Xa + XB = 5 }
El núcleo de esta economía lo encontramos en el conjunto de asignaciones

Pareto-óptimas [(x a i x a ) i (xb>x b)1 ta ês Que
Ua (x a >x a ) > V a {4,1), Ub (x b , x b ) >
Por tanto, el núcleo está dado por las asignaciones [{x a^x \ ) A x 1b^x 2b )\ âês
que
XA = XA> XA + XB = xa + x%= xa x \ ^ 4, x lB x% > 4
Es decir, es el conjunto
{[( x A i x a ) A x b , x b ) \ / x a = xa , XA + XB = 5, x \ + x% = b, 2 < x \ < s } k
Es notable observar que, además, todo equilibrio walrasiano, x, está en el núcleo

de la economía, pues, si no fuera así, entonces Ui(x) < Uí (w í) para algún i ,
y esto sería una contradicción pues, en equilibrio, ningún agente puede recibir
menos utilidad que la que originalmente le da la dotación inicial de mercancías.
80 Hart, S. y A. Neyman (1988), Values of Non-Atomic Vector Measure Games, Journal
of Mathematical Economics, vol. 17(1), 31-40.
Esto se ilustra en el ejemplo 71 anterior, ya que el único equilibrio walrasiano

es
[ ( * i,X2
A), (*¿, 4 ) ] = [(2.5,2.5), (2.5,2.5)] p = (1,1)
que, claramente, está en el núcleo de la economía.

De otro lado, para comprender el resultado central de esta sección, requerimos
del concepto de r-réplica de una economía de intercambio. Esta consta de r
“copias” de cada uno de los consumidores originales (es decir, con las mismas
funciones de utilidad y las mismas dotaciones iniciales). Obviamente, a cada
una de estas economías se le puede calcular su respectivo núcleo.
Teorem a 23. (C on tra cció n del núcleo)

Si las funciones de utilidad de una economía de intercambio puro con dos agen
tes son estrictamente convexas y monótonas crecientes (estrictas) en cada uno
de sus argumentos, entonces, si el equilibrio walrasiano es único, este es el
límite, cuando r —>oo, de los respectivos núcleos de las r-réplicas de la econo
mía.
D em ostración.
Ver Debreu y Scarf (1963).81 ■
Este extraordinario resultado señala, entonces, la importancia, en economías de

muchos agentes, de las asignaciones de equilibrio walrasiano: podemos llegar
a él, bien mediante el mecanismo de precios, mercancías sustitutas brutas y
tâtonnement, o bien mediante negociaciones con asignaciones en el núcleo. Son
dos mecanismos diferentes con un mismo resultado. Además, es extraordinario
observar que este teorema también nos muestra que una institución, como el
mercado (precios), es un resultado de negociaciones.
81 Debreu, G. y Scarf, H. (1963), A Limit Theorem on the Core of an Economy, Inter

national Economie Review, vol. 4.
El m odelo Arrow-D ebreu bajo incertidum bre

La teoría del equilibrio general, como casi toda la teoría económica hasta 1950,
asumía que los agentes económicos operaban bajo certidumbre; es decir, que
los consumidores, las firmas, los inversionistas, etc., conocían correctamente
las consecuencias de sus acciones o que al menos actuaban como si así fuera.
De esta manera, los productores sabían qué productos podrían ofrecer a futuro
dados los insumos hoy; los inversionistas sabían qué precios prevalecerían en el
futuro para los bienes que planeaban vender desde hoy, etc.
Obviamente, los economistas y los agentes entendían que el mundo era incierto.
Y la literatura mostraba que el comportamiento económico sólo podía ser ex
plicado asumiendo que los agentes estaban advertidos de la incertidumbre. Aún
así, no existía ninguna formulación general que permitiera la integración de la
incertidumbre con la teoría económica estándar. Pero, en la teoría del equili
brio general, una simple reinterpretación del concepto de mercancía condujo a
la extensión de los dos teoremas del bienestar.
Hasta ese momento, una mercancía era un bien o servicio cuyas características
físicas, fecha y lugar de entrega, estaban bien especificadas previamente; bajo
incertidumbre, la definición de mercancía también especifica un evento exógeno
(que podría o no ocurrir para la fecha de entrega). Bajo acuerdo de las partes,
la fecha de entrega de la mercancía está condicionada a la ocurrencia de ese
evento. Esto es lo que ahora se conoce como mercancía Arrow-Debreu. Fue
Arrow, en 1953, con su artículo The Role of Securities in the Optimal Allocation
of Risk Bearing, quien permitiera una transposición inmediata de los resultados
en una economía bajo certidumbre a una bajo incertidumbre, con la ventaja de
que esta teoría no hace referencia alguna a la noción de probabilidad. La idea,
tomada, extendida y enriquecida por Debreu en su artículo Economics under
Uncertainty (1959), y por Roy Radner (1968)82 era, sin duda, simple (mas
totalmente nueva) y llegaría a ser (aún hoy lo es) una herramienta estándar
del análisis económico.
El teorem a de Sonnenschein-M antel-D ebreu (1972)

Debreu estaba convencido de que los fundamentos microeconómicos no impli
caban suficiente estructura para que los excesos de demanda totales permi
tieran un tratam iento adecuado de los problemas de estabilidad y de unici
dad. Hugo Sonnenschein (1972)83 fue más allá, y se preguntaba si los exce
sos de demanda de una economía tenían condiciones distintas a las que ya
se conocían: continuidad, homogeneidad de grado cero, y la ley de Walras.
82 Radner, R. (1968), Competitive Equilibrium under Uncertainty, Econometrica, vol.
36.
83 Sonnenschein, H. (1972), Market Excess Demand Functions, Econometrica, vol. 40.
Gerard Debreu (1974)84 y Rolf Mantel (1974)85 respondieron completamente

esta pregunta en el sentido negativo: estas condiciones no son solo necesarias,
sino que también son suficientes; es decir, cualquier función continua /(•) de
S = {p G Rn | p » 0, ||p|| = 1} en R n que satisfaga la ley de Walras
(p *f(p ) = 0 para todo p G S) es idéntica (exceptuando, tal vez, la frontera) a
la función de exceso de demanda de una economía de intercambio estándar.
Para presentar el teorema de Sonnenschein-Mantel-Debreu debemos definir
más formalmente qué es una función de exceso de demanda.
D efinición 32. (Función exceso de dem anda)

Una función Z{ : P -> R l, con P = {p G R l \ p » 0, ||p|| = 1}, es una función
de exceso de demanda del i-ésimo consumidor si, y solo si, para todo p E P se
satisface que + Z{(p) es un mayor elemento de {x¿ G | p x i R l una función continua de una economía de intercambio puro
tal que para todo p G P , pz(p) = 0 (donde z(') es llamada una función de
exceso de demanda agregada). Para todo e > 0, existen m consumidores cuyas
funciones de exceso de demanda individual suman ¿(*) sobre S € = {p € P \
para todo h,ph > e); es decir, para todo e > 0, z(p) = Para t°d°
p e S e.
Este resultado podría verse como negativo para la teoría del equilibrio general.
Existen muchas interpretaciones de las implicaciones de este (algunas de ellas
equivocadas). Nos adherimos a que el teorema desarrollado por Sonnenschein,
Mantel, Debreu y Mas-Collel muestra que una economía Arrow-Debreu no
puede ser un prototipo aceptable de una economía si queremos entenderla más
allá del problema de existencia y optimalidad. Más aún, esta indeterminación
de los comportamientos de equilibrio partiendo solo de excesos de demanda,
es una consecuencia de la falta de especificidad sobre cómo interactúan los
agentes unos con otros. Precisamente de esta falta de especificidad ha tratado
de encargarse la teoría de juegos y, en general, la teoría de las interacciones
económicas y sociales.
84 Debreu, G. (1974), Excess Demand Functions, Journal of Mathematical Economics,

vol. 1.
85 Mantel, R. (1974), On the Characterization of Aggregate Excess Demand, Journal of
Economic Theory, vol. 7.
c) La te o r ía d e in tera ccio n es: h a c ia u n a v is ió n d e la e c o n o m ía

co m o un siste m a o rg á n ico
Fundamentalmente, un modelo de mercado con competencia imperfecta es

aquel en el que no se tiene alguna de las conclusiones fundamentales del mo
delo Arrow-Debreu, incluyendo, obviamente, los dos teoremas del bienestar
económico. Esta definición incluye, entre muchos, problemas como monopolio,
oligopolio, competencia monopolística, bienes públicos y dinero.
Hace ya tiempo, Cournot (1838)86, Bertrand (1883)87 y Edgeworth (1897)88
presentaban tratamientos a problemas que hoy llamamos de competencia im
perfecta tales como el monopolio y el duopolio, con la idea de que, en general, la
competencia imperfecta surge porque hay interacciones de mercado fuertes entre
algunos (o todos) los agentes, que los conducen a comportarse estratégicamente
en pos de sus objetivos. Sin embargo, esta aproximación fue prácticamente ig
norada como línea de investigación dentro de la teoría económica formalizada
hasta hace un poco menos de 70 años atrás, y en su lugar se instalaron modelos
que no eran más que variaciones de la perspectiva walrasiana o marshalliana
aplicados a la competencia imperfecta.
En 1944, John von Neumann [1903-1957] y Oskar Morgenstern [1902-1977]
publicaron la primera investigación sistemática sobre el problema de modelar
interacciones económicas a través de lo que dieron en llamar teoría de jue
gos: fue el Theory of Games and Economic Behavior. Este trabajo mostró el
camino hacia el fortalecimiento de las ideas de Cournot-Bertrand-Edgeworth,
y construyó un lenguaje común y un tratamiento analítico adecuado a ellas.
Extensiones y reformulaciones posteriores moldearon lo que hoy se conoce co
mo teoría de juegos clásica, y este fue el trabajo pionero de Robert Aumann,
John Harsanyi, John Nash, Reinhard Selten y Lloyd Shapley durante los años
cincuenta, sesenta y setenta, principalmente (Ttes de ellos, Harsanyi, Nash y
Selten, recibieron el premio Nobel en economía en 1994, y Aumann lo recibió
en 2005); además de los más recientes desarrollos de otros premios Nobel, ta
les como Joseph Stiglitz (premio Nobel 2001), Daniel Kahnemann y Vernon
Smith (premio Nobel 2002), y Thomas Schelling (premio Nobel 2005), Leonid
Hurwicz, Eric Maskin y Roger Myerson (premio Nobel 2007).
La teoría de juegos clásica (cooperativa-coalicional y no cooperativa) logra
capturar, en su estructura y sus conceptos-solución, los modelos de Cournot,
Bertrand y Edgeworth. Pero esto es poco: en general, busca estudiar el com
86 Cournot, A. A. (1838), Investigaciones acerca de los Principios Matemáticos de la

Teoría de las riquezas. México: Fondo de Cultura Económica.
87 Bertrand, J. (1883a), Théorie des richesses: Revue de théories mathématiques de
la richesse sociale par Léon Walras et recherches sur les principes mathématiques
de la théorie des richesses par Augustin Cournot, Journal des Savants, vol 67, 499-508.
88 Edgeworth, Prancis Y. (1897), The Theory of International Valúes, Economic Journal.
portamiento estratégico de individuos en ambientes económicos tales como

la distribución de información (Harsanyi (1967,1968); Aumann (1976)89), la
influencia de las expectativas y creencias de los jugadores (Kreps y Wilson,
(1982)90), y la tensión entre equilibrio y eficiencia (Myerson y Satterthwaite
(1983)91), diseño de contratos y mecanismos de distribución (Hurwicz (1986)92,
Maskin (1990)93, Myerson (2007)94, que dan razón de no muy intuitivas formas
en las que los incentivos individuales operan en medio ambientes cuando hay
agentes que tienen diferentes información y objetivos.
La teoría de juegos clásica, como herramienta analítica, ha alcanzado un lugar
dentro de la teoría económica moderna. Su poder en el tratamiento de múl
tiples fallas del mercado a la luz de sus conceptos de equilibrio es la primera
aproximación formal a la comprensión sobre qué une y qué separa la teoría de
los mercados competitivos de la teoría de los mercados bajo competencia im
perfecta: la forma en que se ha desarrollado la teoría económica en los últimos
cien años nos ha abocado a estudiar esta dualidad.
Pero aunque el estudio de la teoría de juegos clásica nos ha dado un podero
so lenguaje que ayuda a examinar algunos de los problemas enfrentados por
agentes que optimizan conscientemente dentro de situaciones de competencia,
el éxito de estas aplicaciones ha mostrado también sus límites. La creciente
evidencia sobre cómo se comportan los individuos en juegos experimentales, y
el interés por comprender la competencia y la cooperación entre agentes eco
nómicos no necesariamente racionales, parece señalar la dirección del futuro
desarrollo de esta teoría. Es lo que hoy llamamos teoría de juegos no clásica.
Buscando ilustrar cómo se proyecta la teoría moderna de interacciones desde
los clásico a lo no clásico, se ha escogido convenientemente un problema de
selección de equilibrios en juegos de coordinación. Veamos esto en detalle.
Prim era aproxim ación al problem a de coordinación: la teoría de jue

gos clásica
El problema de coordinación de la teoría de juegos clásica se puede describir
mediante una bimatriz como en la figura 53. Aquí los agentes 1 y 2 tienen a
su disposición dos estrategias: D = derecha , / = izquierda. Ninguno de los
89 Aumann, R. J. (1976), Agreeing to Disagree, Annals of Statistics, vol 4.
90 Kreps, D. y Wilson, R. (1982), Reputation and Imperfect Information, Journal of
Economic Theory, vol. 27.
91 Myerson, Roger B. y Mark Satterthwaite (1983), Efficient Mechanisms for Bilateral
Trading, Journal of Economic Theory, vol. 29.
92 Hurwicz, Leonid (1986), On the Implementation of Social Choice Rules in Irrational
Societies, in Heller et ál (editors), Essays in Honor of Kenneth J. Arrow.
93 Maskin, Eric (1990), The Principal Agent Relationship with an Informed Principal,
(with J. Tiróle), Econometrica, vol. 58.
94 Myerson, Roger B. (2007), Mechanism Design. Mimeo, Northwestern University.
dos sabe lo que el otro escogerá y, por tanto, tiene que hacer hipótesis sobre
esto. Si-al final ambos escogen D, obtendrán 5 unidades monetarias de pago
cada uno; si el agente 1 escoge I y el agente 2 escoge D , el primero recibe 4
unidades monetarias de pago y el segundo no recibirá ninguna; si es el agente
2 el que escoge 7 y el agente 2 escoge D , entonces este último no recibirá nada,
mientras que el agente 2 recibirá 4 unidades; y si ambos agentes escogen 7,
cada uno obtendrá dos unidades monetarias de pago.
Lo que esta interdependencia estratégica implica respecto a un concepto de

racionalidad convincente es algo que la teoría de juegos clásica no ha alcanzado
a dilucidar del todo bien: quizá su programa de investigación era demasiado
ambicioso. La forma estándar de resolver este problema es acudiendo a un
concepto de equilibrio ex post desarrollado por John Nash (1950) (“contexto
económico” de la lección 2 ) y que es una extensión de la solución de Cournot
(1838) para el problema del oligopolio: un equilibrio de Nash es un par de
estrategias (una para cada agente) tal que ningún agente pueda mejorar sus
pagos sólo por cambiar, a discreción, su propia estrategia.
En el juego de coordinación de la figura 53, los dos primeros equilibrios de

Nash que se encuentran revisando las cuatro casillas de la bimatriz son (7,7) y
(7), D ).95 Estamos entonces en presencia de un juego con al menos dos equili
brios de Nash. Uno de ellos (D ,D ) con ganancias de 5 para cada uno; y el otro
(7,7) con ganancias de 2 para cada uno. El problema es cómo coordinar para
alcanzar, en el mejor de los casos, el 5 para cada uno. De otro lado, cuando
las estrategias se hacen aleatorias debido a la falta de información por parte
de cada agente sobre lo que el otro hará, los pagos numéricos de la bimatriz se
reemplazan por los valores esperados (estadísticos). Y ya sabemos, de la lección
anterior, que un equilibrio de Nash en estrategias mixtas se da cuando los va
lores esperados por parte de cada jugador, al ejecutar las distintas estrategias,
son iguales. En este caso, tenemos que el equilibrio de Nash es (§£>, j7 ) para
ambos jugadores. Desde el punto de vista racional y bajo solo estos parámetros
de interacción, no existe ninguna razón para seleccionar alguno de estos tres
equilibrios.
95 En efecto: En el equilibrio de Nash (D, D ), si el agente 1 decide cambiar su estrategia

D y juega la estrategia 7, entonces estarían jugando (/,£>), y el agente 1 pasaría
de recibir 5 a recibir 4; de la misma manera para el agente 2. Un análisis similar se
puede realizar para el equilibrio de Nash (7,7). No sobra agregar aquí el porqué. Por
ejemplo, la estrategia (D, 7) no es un equilibrio de Nash: observemos que el agente 2
recibe con (7), /) un pago de 4, pero si cambia de opinión y juega D } entonces ambos
agentes jugarían D y el agente 2 recibiría ahora un pago de 5, que mejora el 4 que
estaba recibiendo. Así, para este agente, existen incentivos para cambiar, a discreción,
de estrategia y por eso no es equilibrio de Nash. Igualmente, se puede mostrar que
(/, D) no es un equilibrio de Nash.
agente 2
D I
agente 1 D 5,5 0,4
I 4,0 2 ,2
Figura 53. Juego de coordinación.
Segunda aproxim ación al problem a de coordinación: m odelo de apren

dizaje bajo mejor respuesta (G intis (2000))
Supongamos ahora que el mismo juego de coordinación de la figura 53 se repite
una y otra vez, pero que los agentes sólo recuerdan lo sucedido en los dos
últimos juegos y, a partir de esto, toman la mejor respuesta (es decir, eligen
la estrategia que les dé mayores pagos) en el próximo juego. Así, tendremos el
siguiente esquema:
últimas dos
acciones del oponente mejor respuesta
DD D
II I
ID D
DI D
En cualquier tiempo T , los distintos “estados” del juego (después de eliminar

estados redundantes (en términos de pagos)) son los siguientes:
E i = (.D D , D D ), E 2 = (D D , D I), E 3 = (D D, ID ),
E 4 = (D D , II ) , E 5 = (D I, D I) E 6 = (D I, ID ),
E 7 = (D I, II ), E 8 = (ID , ID ), E 9 = (ID , I I ) , E l0 = (I I, I I )
donde (ab, cd) significa que
a = lo que juega el agente 1 en el tiempo T.

b = lo que juega el agente 1 en el tiempo T 4 - 1.
c = lo que juega el agente 2 en el tiempo T.
d = lo que juega el agente 2 en el tiempo T + 1.
No es difícil calcular las probabilidades de transición entre estos estados: por

ejemplo, en el paso del estado 3 (E3) al estado 1 (£1), la probabilidad de
transición es segura: P31 = 1. De forma similar se calculan las otras 99 proba

bilidades de transición y se obtiene la siguiente matriz de probabilidad:
1 0 0 0 0 0 0 0 0 0'
0 0 1 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 1 0 0
M =
0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 0 0 1.
A esta matriz M se le conoce como matriz de transición (Markov) y es el

vehículo para encontrar la distribución de los estados en el tiempo: si el sistema
está en un tiempo determinado en el estado i (i = 1,2 , ..., 10), entonces
e¿M = (0,0,..., 1,..., 0)(M)

es la distribución de probabilidades en las que e¿ aparecerá en el tiempo si
guiente. Por ejemplo,
e\M = e i; e^M — e^; e^M = e i; etc.
Así, si queremos conocer el comportamiento de largo plazo del estado e¿ es

suficiente calcular
e iM 00 donde M °° = lím M k
k-too
Con un buen programa matricial96 se puede calcular que
"1 0 0 0 0 0 0 0 0 0‘
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
M°° =
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1.
Y el resultado es claro: si el sistema comienza en cualquier estado (excepto el

estado 10 ( / / ; / / ) ) , finalizará con probabilidad 1 en el estado (D D ;I I). O, en
96 Por ejemplo, Matlab, Scilab o Mathematica.
otras palabras, el resultado final de este proceso adaptativo es que (a menos

que comience en el equilibrio de coordinación (1 ^1 )) siempre terminarán en el
equilibrio de coordinación (D ,D ).
Tercera aproxim ación al problem a de coordinación: teoría de juegos

evolutivos
A comienzos de los años de 1970, particularmente con los trabajos de May-
nard Smith y G.R. Price (1973)97, la teoría de juegos comienza a influir en
los modelos ecológicos, proveyendo de un sistema de referencia para el análi
sis de aquellas decisiones que ocurren en poblaciones animales y vegetales y
que conforman el proceso de evolución. A través de estos (y otros) avances,
comienza a aparecer un nuevo cuadro de relaciones: se encontró que las teorías
que caracterizan la toma de decisiones en economía y política eran, en mu
chas ocasiones, idénticas, desde el punto de vista cuantitativo, a trayectorias
observadas en el proceso natural de evolución. Este hallazgo probó ser el punto
de partida de un inmenso campo de investigaciones: en un amplio rango de
situaciones interactivas (aún aquellas no tocadas por la mano institucional) los
eventos parecen desarrollarse de acuerdo a un conjunto de reglas universales.
Las implicaciones de esto eran claras: si el teórico podía identificar el juego
jugado, entonces podía utilizar modelos de juegos ya existentes para estudiar
el comportamiento de los jugadores, y la retribución que estos recibirían por
jugarlo. De otro lado, en algunas situaciones, también la teoría de juegos ha
ofrecido el poder de hacer predicciones cuantitativas, aún cuando el proceso
que llevan a cabo los jugadores involucrados fuera desconocido.
En el juego evolutivo típico, una población grande de agentes (no necesaria
mente racionales) interactúa por parejas jugando un juego finito de matriz
(simétrica, por simplicidad) A = (aij)^=lj = l, donde a¿j es el pago por jugar la
estrategia i cuando el oponente juega la estrategia j . Ahora: si p — (p í )Z=i es
vector de proporciones de la población utilizando cada una de las estrategias,
entonces el pago esperado para aquel que juega la estrategia i es
7Ti = A i p donde A = , A i — fila i de la matriz A ;
n
Y si 7T = 2 Piî es el uPa&° esperado promedio” de jugar las n estrategias,
97 Maynard Smith, J. y Price, G. R. (1973), The Logic of Animal Conflict, Nature, vol.
246.
dinámica del replicador:
^ - 7 r), i = 1 ,2 ,..., n
Inmediatamente observamos lo siguiente:
i) La dinámica del replicador no es una dinámica de mejor respuesta.
ii) Los agentes tienen un conocimiento limitado y localizado respecto al sis

tema como un todo.
iii) Un replicador (estrategia de juego) puede llegar a extinguirse. Y un re

plicador que en un instante del tiempo no esté representado por una
población, nunca más lo estará: si p\ = 0^ p¿+1 = p > 0, entonces
pt+i _ pt = p t^ ^ implica p — 0 = 0(7tí — 7f) = 0 y así p = 0,
lo que es una contradicción. Luego la dinámica del replicador no pue
de estudiar mutación o innovación. Para esto son necesarios los juegos
evolutivos con componentes estocásticas.98
iv) Todo equilibrio de la dinámica del replicador es un equilibrio de Nash,

pues 7r¿ = 7r para i = l , . . . , n , es, precisamente, la condición para ser
equilibrio de Nash mixto.
Para el juego de coordinación antes estudiado especifiquemos la dinámica del

replicador:
7T£> = 5P d + 0(1 —P d ) =
tTl = 4P D + 2(1 - P D ) = 2Pd + 2
7f = P d ^ d + (1 —P d )k i = 3 P q + 2
PD = P d (5Pd - 3 P l - 2) = P d ( P d ~ l ) ( - 3 P d + 2)
2
Los puntos de equilibrio de esta dinámica son Pd = 0, Pd = 1, P d = ^ y
su estabilidad la ilustramos en el diagrama de fase de la figura 54. Observe
entonces cómo la teoría evolutiva ha eliminado la posibilidad del equilibrio
mixto, y sólo deja las alternativas de los equilibrios de Nash en estrategias
puras.99
98 Samuelson, L. (1998), Evolutionary Games and Equilibrium Selection, Massachusetts:

MIT Press.
99 Si el lector está interesado en profundizar un poco más sobre la teoría de juegos evo
lutivos, puede consultar el excelente texto de Samuelson (1998) (óp. cit.), o también
el texto de Jórgen Weibull (1995), Evolutionary Game Theory, MIT Press.
todos todos
izquierda derecha
I
•+ ♦
I
2
0 3 1 Pd
EE = equ. evolutivo EE = equ. evolutivo

Figura 54. Dinámica del replicador en el juego de coordinación.
C uarta aproxim ación al problem a de coordinación: m odelo de apren

dizaje con errores (K andori-M ailath-R ob (1 9 9 3 ))100
En el modelo Kandori-Mailath-Rob (KMR) (1993), el juego de coordinación

de la figura 55 se juega de manera evolutiva.
I D
I 5,5 0,0
D 0,0 2,2
Figura 55. Otro juego de coordinación.
En cada período, los jugadores se emparejan para jugar el juego, y además,

“aprenden”, en el sentido de que saben elegir, en cada etapa del juego, la mejor-
respuesta al estado de la población. Sin embargo, a pesar de este “aprendizaje
óptimo”, ocurren mutaciones, es decir, errores a la hora de elegir: cada juga
dor tiene una probabilidad A > 0 (tasa de mutación) de escoger la estrategia
equivocada con respecto a la que elegiría por mejor respuesta. De manera
sorprendente, KMR obtienen el siguiente resultado: Si A —> 0 (es decir, si la
posibilidad de equivocarse al tra ta r de elegir la mejor respuesta, es cada vez
más pequeña) la estrategia dominante bajo riesgo (risk dominant) (2,2) es ¡el
límite de la distribución! Y la justificación es que el equilibrio dominante bajo
riesgo siempre tiene la cuenca de atracción más grande (figura 56). Es decir,
se requieren más mutaciones para pasar de (2,2) a (5,5) que de (5,5) a (2,2).
Así, KMR nos afirman que si hay “errores pequeños” en la elección racional,
los agentes tenderán a coordinar en la estrategia de más bajos pagos.
100 Kandori, M., Mailath G.J. y Rob, R. (1991), Learning, Mutation, and Long Run
Equilibria in Games, Econometrica, vol. 61.
equilibrio mixto
•4—< « —« « t ----- ►
—► »♦
(2,2) (5,5)
(D ,D ) ( /,/)
Figura 56. Dinámicas en el juego de coordinación KMR.
Quinta aproxim ación al problem a de coordinación: ju egos de

interacciones sociales (m odelo B rock-D urlauf (1 9 9 6 ,2 001)101)
Aunque siempre existe el peligro de buscar que los problemas económicos “ra
cionalicen” el uso de las herramientas y no al contrario, se cree por parte de
algunos economistas (Instituto Santa Fe (New México, USA), entre muchos
otros), que los métodos basados en interacciones abarcan una perspectiva muy
amplia en economía, pues allí subyacen problemas aparentemente disímiles co
mo nacimientos por fuera del matrimonio, aglomeración de firmas en regiones,
difusión de tecnologías, etc. De hecho, se ha convertido en una herramienta
muy poderosa para comprender fenómenos de este y otros tipos.
Los modelos de interacciones sociales difieren de tratamientos anteriores en
que se centra en interdependencias directas de los agentes económicos y no
en las dependencias indirectas que surgen de la participación conjunta. Y una
clave se encuentra en que esta aproximación puede establecer caracterizacio
nes matemáticas precisas sobre cómo las distintas estructuras de interacción
se asocian con diferentes distribuciones de comportamiento para mostrar la
emergencia de fenómenos agregados. En lo que sigue, mostraremos el modelo
básico Brock-Durlauf (2001) de interacciones sociales, que es un paradigma de
esta nueva metodología.
Supongamos que tenemos una población homogénea en la que los agentes in-
teractúan simétricamente, en el sentido de que resuelven
máx uA w í )
«*€{1,-1}
con uí (w í ) = hwi + Jw iE i(m ) -1- £í (w í )
donde
i) hw{(h > 0) es el término de “utilidad privada”.
101 Durlauf, Steven N. y Brock, W. A. (2001), Discrete Choice with Social Interactions,
Review of Economic Studies, vol. 68
ii) Jw iE i(m ) es la utilidad que proviene de las interacciones con la vecindad;

i
aquí J > 0, m = Y l donde I es el número de individuos; E i(m ) es la
i= 1
expectativa del agente i con respecto a la media de elección de los otros
agentes en la población medida por m .
iii) £í (w í ) es un factor estocástico.
Observemos que u¿(l) > w¿(—1) si, y solo si,
—h — J E i(m ) + Si{—1) < h + JE i(m ) 4- £¿(1)
o si, y solo si,

ei( 1) - C i(-l) > -2 /i - 2JE i(m )
Y si se asume que
Prob(e:¿(l) —£»(—1) < 7 ) = - ^ ? P >0 (distribución logística)
(el grado de heterogeneidad no observada en los individuos está medido por /?),
entonces se puede probar fácilmente que el valor esperado por el agente i sobre
el comportamiento promedio de la población es
Ei (m) = tanh(2/?/i + 2(3Jm )
donde tanh(-) es la función tangente hiperbólica (volumen 2 (Cálculo))
ex — e~x
tan h <*) =
Pero como asumimos que todos los agentes son idénticos, podríamos indagar
por aquellas medidas de comportamiento en las que existe auto consistencia
en las creencias; es decir, donde
m = E i(m )
o, lo que es lo mismo,
m = tan h ( 2 (3h 4- 2 ¡3Jm)
y entonces obtenemos (figura 57) el siguiente resultado fundamental: si f3J > 1
y h 0 existe un H > 0 tal que:
i) Si \h\ < H existen tres soluciones.
ii) Si |/i| > H existe una única solución.

Figura 57. Soluciones de un juego de interacciones sociales: en el

panel a) tres soluciones de creencias autoconsistentes; en el panel
b) una única solución autoconsistente.
Observe cómo el comportamiento agregado de una población está determinado

aquí por una complicada interrelación entre los efectos de las interacciones
sociales (medido por J); los efectos de los incentivos privados (medidos por
h); y el grado de heterogeneidad no observada en los individuos (medido por
P). Más aún: Blume y Durlauf (2001)102 analizan la dinámica de este modelo
y muestran que, para horizontes largos, la elección promedio tenderá al mejor
equilibrio (en el sentido de mejorar el bienestar promedio) y esto coincide con
el resultado del modelo KRM.
Sexta aproxim ación al problem a de coordinación: com portam iento

de m anadas (h erdin g)
La noción de comportamiento de “manadas” sugiere que hay cierta tendencia
de los individuos a elegir lo que otros miembros de la población ya han elegido.
Puede ser que en este comportamiento no haya razón diferente a la de “moda”
o a la de pertenencia al grupo social; pero puede ser que los agentes crean que
las acciones de los otros son debidas a cierta información valiosa que los agentes
no poseen. Abhijit V. Banerjee (1992)103 muestra un modelo de manadas que,
adaptado a nuestro problema de coordinación, podría ser explicado como en
seguida lo hacemos.
Existen dos restaurantes I y D y supongamos que, por razones objetivas, D es
mejor. Una señal pública, que tiene 51 % de probabilidad de ser cierta y que es
observada por todos, dice que el restaurante I es mejor. Sin embargo, de 100
clientes potenciales, 99 reciben la señal de que D es mejor, y 1 que I es mejor.
Así, agregando la información dada por todas las señales privadas, si fuera
102 Blume, L. y Durlauf, S. N. (2001), Social Dynamics, en The Interactions-Based Ap-

proach to Socioeconomic Behavior, S. Durlauf y H. Peyton Young (eds.), New York.
103 Banerjee, A. V. (1992), A Simple Model of Herd Behavior, The Quarterly Journal of
Economics, vol. 107.
revelada, indicaría que D es prácticamente mejor que I. Sin embargo, veamos

que todos los clientes pueden ser llevados a elegir la peor opción: supongamos
que el agente que recibe la señal privada de que I es mejor, escoge primero.
Entonces él escoge / ya que su señal privada se ve reforzada por la señal pública.
El segundo agente observa la señal privada D. Como todas las señales privadas
son de igual calidad, y sabe que el primer agente recibió la señal J, las dos
señales privadas se anulan. Así que escoge / , ya que lo único que le queda es
la señal pública y, por tanto, escogerá el restaurante / . Un tercer agente es
dejado en una situación donde no puede inferir nada de la elección del segundo
agente y así, estará en la misma posición de este último y escogerá también I.
Mediante el mismo razonamiento, todos los clientes terminarán en el peor de
los dos restaurantes: todos coordinarán en (1 , 1 ).
Paradójicamente, se puede ver en este caso que reducir el nivel de interacción
entre los agentes (es decir, que solo utilicen su información privada y no la
pública) sería mejor para todos. Bickchandani et ál. (1992)104 muestran que si
una situación como la del modelo de Banerjee ocurre durante suficiente tiempo,
las acciones acumuladas de todos los actores contendrán tanta información que
el agente tendrá incentivos para ignorar su propia información y sucederá el
llamado fenómeno de cascada: a los agentes les será imposible elegir basados
en su propia información y, simplemente, seguirán a la multitud.
C om entario últim o
Ya.habíamos afirmado que en el modelo competitivo Arrow-Debreu no existen
interacciones entre agentes. Solo a través de la señal de precios es que los
agentes reaccionan. Pero lo hacen aisladamente. De hecho, la coordinación
entre agentes se logra sin que ninguno advierta directamente la existencia del
otro. El concepto de equilibrio walrasiano (y su eficiencia) es, a menudo, un
punto de referencia con respecto al cual se compara cualquier otro proceso
distributivo. Pero ¿cómo y quién decide sobre las señales del mercado? ¿cómo
se realizan efectivamente las transacciones que conducen a ese (o algún otro)
equilibrio? La primera pregunta la responde el modelo competitivo a través de
la figura ficticia del subastador walrasiano, y ya se conocen las dificultades con
esta hipótesis. Si se fuese a contestar la segunda pregunta, quizá estaría uno
inclinado a pensar en negociación multilateral, comunicación entre agentes,
etc. Y este ha sido el trabajo de muchos economistas durante buena parte de
la mitad del siglo pasado, casi todos enmarcados en el esquema walrasiano.
Precisamente, tratando de evitar dificultades con la segunda pregunta es que
surge la hipótesis de que en cada sector (consumidores, productores, etc.) solo
104 Bickchandani, S., Hirshleifer, D., y Wech, I. (1992), A Theory of Fads, Fashion, Cus-
tom, and Cultural Exhange as Information Cascades, Journal of Political Economy,
vol. 100.
existe un agente, de tal manera que el comportamiento agregado del sector es,
exactamente, el de ese agente representativo promedio; nuevamente el papel de
las interacciones se anula: pareciera que no es claro que los fenómenos econó
micos agregados requieren comprender el comportamiento individual y también
sus interacciones. Un ejemplo de esto aparece en los nuevos modelos de in
teracciones de la mecánica estadística aplicada a la socioeconomía (modelo
Brock-Durlauf, que vimos antes), en donde se tienen comportamientos ma-
croeconómicos regulares que no corresponden al comportamiento individual
promedio.
La teoría ahora se mueve alejándose cada vez más de aquella visión de la eco
nomía como modelo walrasiano.105 En un sistema donde hay interacciones, la
idea de solo una señal (los precios) que desata una serie de elecciones (deman
das y ofertas) que satisfacen una condición de consistencia (el equilibrio), debe
necesariamente modificarse. Una posibilidad inmediata es el modelo de inter
acciones de la teoría de juegos clásica alrededor de los conceptos de equilibrio
de Nash. Sin embargo, todos estos modelos comparten defectos fundamentales
con el modelo walrasiano. Ademáis del problema de la posible multiplicidad de
equilibrios, aparece el de las dinámicas (procesos de aprendizaje) conducentes
a ellos. Aun más, la complejidad del razonamiento implicado en la obtención
del equilibrio hace todavía menos tratables este tipo de modelos. Es muy ilu
minador de la conexión existente entre los mercados walrasianos y los juegos
clásicos el que sus soluciones todas coinciden cuando las interacciones entre
individuos prácticamente desaparecen en los juegos con continuos de agentes
(Aumann (1964),106 Hart (20 05)107).
Otros dos caminos fundamentales que siguen las investigaciones actuales están
entre los extremos de las estructuras competitivas y la teoría de juegos clásica:
1. Los modelos de interacción local, en los cuales existen “estructuras de
vecindad” bien definidas, los agentes interactúan, la mayoría de las veces,
solo con los que están en su “vecindad”. El análisis del comportamiento
agregado resultante de este proceso es el centro del problema. Ejemplos
de estos son alguna parte de la teoría de juegos evolutivos, y una parte
de lo que hoy se conoce como juegos de la nueva economía social basados
en el modelo Brock-Durlauf (1996, 2001).108
2. Los modelos de interacción global mantienen las estructuréis locales de

interacción, pero se interesan más particularmente por la dinámica de
105 Ver, por ejemplo, Glaeser, E. y Scheinkman, J. A. (2002), Non-Market Interactions,
Harvard University, Working Paper No. 8053.
106 Aumann, R. J. (1964), Markets with a Continuum of TVaders, Econometrica.
107 Hart, S. (2005), Valúes of Non-Atomic Vector Measure Games, International Journal
of Game Theory, vol. 33.
108 Durlauf, S. N. y Brock, W. A. (2001). Óp. cit.
los comportamientos agregados que resultan de la interacción individual.

Los resultados son, muy comúnmente, una complicada dinámica agregada
que, en algunos casos, converge al equilibrio (en el sentido de solución), y
allí se mantendrá por siempre; en otros casos, el estado cambia en el tiem
po y la noción de equilibrio apropiada será cierta distribución límite del
proceso mismo. La diferencia entre estos dos tipos de equilibrio se apoya
en pequeños cambios en la estructura del modelo. Ejemplos de esto son:
alguna parte de la teoría de los juegos evolutivos, los modelos de mana
das (herding), la adopción de nuevas tecnologías (Arthur (1989)109), la
teoría del path-dependence y también las versiones originales del modelo
Brock-Durlauf (1996, 2001).
Pero, en definitiva, la verdadera prueba del éxito de la teoría de interacciones

no será simplemente qué tan bien especificados estén los principios teóricos
que gobiernan las interacciones económicas y sociales, sino qué tan bien po
damos llevar ese conocimiento a cuestiones prácticas tales como el diseño de
mecanismos apropiados para la formación de precios (como en los diferentes
tipos de subastas), la resolución de disputas, los problemas de compensación,
la organización de mercados, etc.
d) N ota final: sobre la “mano invisible” de Adam Smith, el

m odelo Arrow-Debreu y los juegos poblacionales
Ya .habíamos afirmado que en 1776 apareció el primer conjunto de ideas en
la historia del pensamiento económico acerca del modo en que un sistema
de mercado puede combinar las acciones de los individuos para lograr sus
propios objetivos con la amplia cooperación y colaboración de la economía,
y así producir nuestros alimentos, ropas y viviendas. Clave en The Wealth of
Nations de Adam Smith, considerado el padre del liberalismo económico, es
su afirmación de que todo intercambio voluntario genera beneficios para las
dos partes y que, mientras la cooperación sea estrictamente voluntaria, ningún
intercambio se llevará a cabo, a menos que ambas partes obtengan con ello un
beneficio.
Esta es la razón por la que, como dice Smith, un individuo que “intenta sola
mente su propio beneficio es conducido por una mano invisible a alcanzar un
fin que no formaba parte de sus intenciones. Ni el hecho de que ese fin no for
mara parte de sus intenciones es siempre malo para la sociedad. Al perseguir
sus propios intereses, el individuo promueve a menudo los de la sociedad de un
modo más efectivo que cuando intenta directamente promoverlos. No he vis
109 Arthur, B. (1989), Competing Technologies, Increasing Returns, and Lockin by His-
torical Events, The Economic Journal, vol. 99, 116-131.
to nunca que quienes dicen comerciar para el bien común hayan hecho mucho
bien”.
Para Smith es el sistema de precios el mecanismo que desempeña la misión
de inducir a personas que viven en partes muy distantes a cooperar para pro
mover sus respectivos intereses. Este mecanismo desempeñaría esta misión sin
necesidad de una dirección centralizada, sin obligar a las personas a hablar
entre sí, etc. Así, como resultado, los individuos coordinarían sus actividades
a través del mercado libre, buscando cada uno su propio interés, de tal modo
que todos se beneficien. Fue una idea brillante para aquel tiempo el pensar en
un orden económico como consecuencia involuntaria de los actos de muchas
personas, cada una actuando por interés propio.
En sus Lectures in Political Economy (II) de 1901, Wicksell afirma que Wal-
ras buscaba, con su modelo de equilibrio general, encontrar un argumento a
favor del laissez faire y de la no intervención estatal de Smith. Sin embargo,
no existe referencia a esto en los Éléments de Walras. Claramente, el modelo
Arrow-Debreu es la solución general formalizada de un problema planteado
originalmente por Walras: determinación de precios que igualen oferta y de
manda en cada mercado. Pero en el camino de encontrar hipótesis significativas
desde el punto de vista económico que garantizaran la existencia del equilibrio
walrasiano, se encontraron los límites del modelo: el modelo es estático (a pe
sar del tâtonnement) con escasas posibilidades de permitir un análisis serio de
economías reales en funcionamiento.
Algunos de los economistas austriacos como Cari Menger y Friederich von
Hayek veían instituciones (tales como el mercado) como el resultado del flujo
de acciones individuales (individualismo metodológico). Menger aseguraba que
“lo que puede criticársele a Adam Smith, y aun a algunos de sus seguidores
(quienes han desarrollado más exitosamente la economía política) es su defec
tuosa comprensión de las instituciones sociales creadas no intencionalmente
y su importancia para la economía”. De hecho, hasta hoy no existe ningún
argumento sólido y formal que asegure que el orden espontáneo de Adam Smith
sea necesariamente benéfico.
Explicar la mano invisible como un proceso dinámico ha sugerido a algunos
economistas modernos una explicación evolutiva sobre cómo se desarrollan ins
tituciones tales como el mercado a partir de acciones individuales. La teoría
de juegos de población ha comenzado a clarificar cómo la evolución de acciones
espontáneas puede dar origen a una consecuencia social no buscada; y este
orden social resultante es frecuentemente consistente con ciertas formas de op
timización individual. Sin embargo, esta optimización no implica maximizar el
bienestar social en forma alguna. Fenómenos de mano invisible abundan en las
economías modernas, y aunque los juegos de población son una herramienta útil
para modelar la mano invisible, es necesaria todavía mucha más investigación.
1. (Un problema de evaporación). Experimentos indican que una prenda
porosa húmeda a la intemperie pierde su humedad a una tasa propor
cional a su contenido de humedad. Si una tela extendida en el exterior
pierde la mitad de su humedad durante la primera hora, ¿cuándo estará
prácticamente seca si las condiciones climáticas permanecen invariables?
2. ¿Cuál será el contenido de carbono 14 de un hueso fósil del que se afirma

tener 2,000 años de antigüedad?
3. (Ley de Boyle (1660)-Mariotte (1676) para gases ideales). Experimentos

indican que para un gas a baja presión P y tem peratura constante, la
razón de cambio del volumen v(p) es igual a —v(p). Resuelva el sistema
dinámico unidimensional que rige este fenómeno.
4. Suponga que I(t) es cierta inversión realizada por un agente económico

en el tiempo f, y que la variación de esta inversión, /(£), en ese instante,
es igual a la tasa de interés, r, multiplicada por el valor, en ese momento,
de la inversión. Es decir, la dinámica que rige el proceso de acumulación
es
Í = rl
Si la inversión inicial fue /(O) = /o, calcule el balance I(t) en cualquier
momento t.
5. (Ecuación de Bernoulli (Jacob Bernoulli (1692))) El sistema dinámico

(no autónomo) no lineal de la forma (conocido como ecuación de Ber
noulli)
x — p{t)x + q(t)xa
con a € R, donde p(-), q(-) son funciones continuas conocidas, puede
reducirse a uno lineal (no homogéneo) de la siguiente forma: sea y(t) =
[x(¿)]1~a ; entonces, reemplazando esto en la ecuación original, demuestre
que y(t) satisface el sistema lineal
y(t) + (1 - a)p(t)y(t) = (1 - a)q(t)
(¿Recuerda cómo se resuelve explícitamente este problema?) En particu

lar, resuelva las siguientes ecuaciones de Bernoulli:
a) x = Sx + 4x2 b) x = tx + t2 x 2
6. (Ecuación de Riccati (1752)). Pruebe que el sistema dinámico de la forma
x = p (t)x + q(t)x2 + r(¿)

donde p (t), q(t), r(t) son funciones continuas conocidas, puede reducirse
a uno tipo Bernoulli mediante la sustitución y = x —y \(í), donde y\ es
una solución particular de la ecuación de Riccati. En particular, resuelva
las ecuaciones de Riccati:
a) x = t3(x —t)2 + j b) x — x + tx 2 + t
7. Sabemos que a la ecuación de Bernoulli
A > 0, B > 0
se le conoce como la ecuación logística del crecimiento poblacional, donde

x(t) es la población en el tiempo t. Muestre que, efectivamente, la solución
explícita está dada, para C > 0, por
o por
x(t) = 0 para todo t
Aquí el parámetro A está relacionado con la tasa de fertilidad. El término

—B x 2 es el término de “externalidad” (o “freno”) que señala la compe
tencia por los recursos escasos e impide, eventualmente, el crecimiento
indefinido de la población. Si B = 0, la solución es x(t) = — que es
G
una versión de la conocida ley de Malthus de crecimiento exponencial de
la población. Dibuje la solución no nula, x(t) de arriba, para diferentes
valores de los parámetros A, B , C, e interprete.
8. Verifique que:
a) Las soluciones al sistema dinámico
x = x + y, y = - x + 3y
tienen la forma general x(t) = ae2t + fite2t, y(t) = ¡3e2t.

b) Las soluciones al sistema dinámico
x = 7x —4y, y = 3x - Ay\ z(0) = 4; ?/(0) = 8
son x(t) = 6e¿ —2e5t, y(t) = 9e¿ —e5í.

c) Las soluciones al sistema dinámico
x = x + y, y = - x + 3y
son de la forma x(t) = a e2t + fite2t, y(t) = a e2t + ¡3(t + l)e2í, a,

P e R.
9. Analice la estabilidad de (0,0) para el sistema dinámico no lineal
x = x + 2 y + x 2, y = 2 x + y + xy
10. Generalice, hasta donde sea posible, los resultados de esta lección para
el caso de sistemas dinámicos de tres o más dimensiones.
11. Consideremos el sistema de resortes y masas de la figura 58. Asumamos

que las fuerzas que resultan solo son producto de la extensión y compre
sión de los resortes. Según la Ley de Hooke para estos, la extensión en
cada resorte es
Ti = k\X\
T2 = k2 (x2 ~ X\)
Tz = k3 (x3 - x 2)
donde ki > 0 para i = 1,2,3, es la constante de restitución del resorte

Si, y Xi representa el desplazamiento a la derecha de la masa ra¿ de su
posición de quietud x i = x 2 = x$ = 0 que es cuando los resortes no están
ni estirados ni comprimidos. A su vez, un valor negativo de Xi significa
que m i se ha desplazado a la izquierda de su posición de quietud.
s2 s3
T il i 7713
m m 7712
i i i i i i i i i
Figura 58. Sistema de resortes y masas.
Cuando es positivo, tiende a acelerar m¿ a la izquierda y m i- \ a la de

recha, de acuerdo a la segunda ley newtoniana del movimiento. Tenemos
entonces
m \x \ = —Ti + T2
77l2¿2 = “ ^2 + X 3
7723¿3 = —T3
¿
0
0
~x{ —(ki + £2 ) ^2 0 V
0 7712 0 ¿2 = &2 -(&2 + fo) h X2 (*)
O
0 k3 - k 3_ _x 3_
co
_¿ 3_
3
~x{ V
M ¿2 = S Z2
_¿ 3_ .X3_
donde M es la matriz 3 x 3 de la izquierda de la igualdad (*), y S es
la matriz 3 x 3 de la derecha de la igualdad (*). Observemos que S es
simétrica; esto corresponde al hecho de que la fuerza actuando sobre
debido a la posición m j es igual a la que actúa sobre m j debido a la posi
ción de ra¿, ya que los resortes transmiten estas fuerzas simétricamente.
Analice ahora este sistema dinámico.110
12. (Modelo de duelos). Existe una cantidad notable de escritos sobre mo
delos de ecuaciones diferenciales de combates. Un ejemplo elemental de
este tipo de modelos es
^ = P-AN-CM
dt
dN
-j- = Q - BM - DN
dt
donde M y N son el número de tropas amigables y hostiles en el tiempo
í, respectivamente; P y Q representan la rapidez a la que entran nuevas
tropas; A y B son la rapidez de pérdida del combate; y C y D son
proporciones de rapidez de pérdida operácional (de accidentes, de tiempo,
etc.).
Analice los distintos casos de estabilidad del único equilibrio de este

sistema dinámico lineal. ¿Cree usted que este modelo es suficientemente
sustancial para el análisis de este tipo de conflictos?
13. Pruebe que la solución general al sistema
x t+ i = x t - 5yt, y t+ i = x t - y t
110 Debería señalarse que las matrices simétricas ocurren muy frecuentemente en proble
mas de la mecánica clásica.
está dada por
Xí =2"[(Ia " H cos ( ? ) + 6 a ' W sen(?)]

yt = 2" ja c o s + /?sen
para a , /? G R.
14. Pruebe que la solución general de la ecuación
x t+2 - 4xt+i + 4xt = 3t + 2l
es, para a, € R,
= (q + /?¿)2Í + ¿^2* 3 + 3¿ + 6
15. (Sucesión de Fibonacci). Esta sucesión de enteros positivos se determina

mediante la condición de que cada término de la sucesión (después de los
dos primeros) es la suma de los dos precedentes. Así, la sucesión es de
la forma 1 ,2 ,3 ,5 ,8 ,1 3 ,... Muestre que el término í-ésimo de la sucesión
está dado por la fórmula
16. Encuentre las soluciones generales de las ecuaciones en diferencias si

guientes:
a) x t+ 2 - 5xí+i -f 6xf = 0
b) x t+ 2 ~ 5xí+i + 6x t = 2
c) Xt+ 2 - 3xt+i + x t = 2 *
d) x t+ 2 + x t = 0
e) Xt+ 2 4* := sen
17. Estudie la estabilidad de las soluciones de la ecuación en diferencias
yt = a ( l + 0 )yt- i - afiyt- 2 + 1, t = 2 ,3 ,...
donde a , /? > 0.
18. Resuelva (si es posible) los sistemas unidimensionales siguientes (versión

continua y versión discreta), dibuje su diagrama de fase y analice la
estabilidad de los equilibrios:
a) x = - x 2\ x t+i = —x 2
2 2
b) x = - x + £í+i = H----
X Xt
c) x — x “t* 7j = ~f- 7
19. En los siguientes sistemas unidimensionales encuentre un 2-ciclo y luego

determine su estabilidad:
a) xt+\ — 2.5 xt (1 —xt) (ecuación logística)

b) x t+i = \ - x \
20. En el sistema unidimensional
xt+i = a x\ —bxt + 1, a, b € M
encuentre los valores de a y 6 tales que {0,1} sea un 2-ciclo atractor.
21. Linealice el sistema
x t+i = sin yt - 0.5x t

„ - yt
Vt+l n a Hi- xt
0.6 ~
alrededor de (0,0) y determine si este equilibrio es estable.
22. Especifique las condiciones de estabilidad asintótica para el equilibrio

(0,0) del sistema
dX t
Xt+l =
1 + 2/Í
b y t- x t
yt+i =
1 + Xt
23. (*) [Demostración del teorema de Lyapunov para sistemas discretos (teo
rema 17)] El objetivo de este ejercicio consiste en que el estudiante aven
tajado siga cuidadosamente la siguiente prueba:
D em ostración.
Sea a i tal que la bola B a i(x*,y*) C G fl H donde G es el dominio
común de /(•) y g(-). Como /(•) es continua, existe «2 > 0 tal que si
(x ,y ) € B a2 (x*,y*), entonces f{ x ,y ) € B a i(x*, y*). Sea 0 < e < olí
dado. Definamos tp(e) = m ín {V (x,y) | e < \\(x,y) — {x*,y*)\\ < a i} .
Por el teorema del valor intermedio, existe S con 0 < <5 < e tal que
V (x) < tp(e) siempre que \\(x,y) — (x*,y*)\\ < S.
Afirmamos que si (aro, yo) € B§(x*, y*), entonces (x t ,y t) 6 B e(x*,y*)

para todo t > to- Esto es cierto, porque si no fuera así, existirían un
(ô?2/o) £ Bs(x*,y*) y un entero positivo m tal que (xr,y r) € B e(x*,y*)
p a ra r < m, y (xr+i ,y r+i) £ B e(x*, y*); pero como (x r,y r) € B e(x*,y*) C
B a2 (x*,y*), entonces (xr+ i,yr+i) e B a i(x*,y*)-, por tanto, V (x r+U yr+1) >
ip(e); sin embargo, sabíamos que V (x r+ i,yr+i) < * < V(xo,yo) < ^(e),
y de esto surge la contradicción. Así hemos probado la estabilidad.
Para probar la estabilidad asintótica, supongamos que (ô, yo) € B$(x*, y*);
entonces (xt,yt) € B e{x*,y*) para todo t > ¿o- Si la sucesión {(xí,i/f)}
no converge a (x*,y*) entonces (por ser acotada) tiene una subsucesión
{{x t^ y ti)} que converge a cierto (a/, y'). Sea E C B Ql(x*,y*) una vecin
dad abierta de (x ',y f) con (x*,y*) ^ E . Definamos sobre E la función
h (x ,y ) = - y ^ y ^ ; encontramos que h(-) está bien definida, es continua
y h (x ,y ) < 1 para todo (x ,y ) E E. Ahora: si 77 está en el intervalo
(h{xf, ?/'), 1) entonces existe ó > 0 tal que (x ,y ) 6 B s(xf,y ') implica
h (x , y) < r¡. Así, para rji suficientemente grande,
HftZm.ífrJ) < VV{f(Xn,-UVn%-\)) < V2V(I(^-2,yni-2)) < "

< r)niV (f(xo ,yo ))
De allí que límni_*oo V (x ni, yUi) = 0. Pero como \ímni^ 0 0 V (x ni,y ni) =
V (x', 3/) , esto implica que V (a:', y') = 0 y, por lo tanto, (x \ y ') = (x*, y*).
Esto finaliza la prueba. ■
24. Encuentre el equilibrio y la condición de estabilidad del sistema dinámico

Yt = Ct + I Ct = a + bYt- 1
donde Yt= producción en el período t ; Ct= consumo en el período t ; y
a, b y / son constantes positivas.
25. (Modelo multiplicador-acelerador de Hicks (1950)). Además del modelo
de Samuelson (1939) de multiplicador-acelerador, el modelo de Hicks
(1950) fue otra de las primeras formulaciones ad hoc (aunque rigurosas)
de la teoría del ciclo económico. Este modelo consiste en las siguientes
tres ecuaciones:
Yt = Ct + It
Ct = ( l - 8 ) Y t- 1
h = v(Yt- 1 — Yf_2) 4- A
donde es ingreso agregado en el periodo t ; Ct es consumo en el periodo
t\ I t es inversión en el periodo í; A es inversión autónoma constante;
( 1/s ) > 1 es el multiplicador; y v > 0 es el acelerador.
a) Interprete (económicamente) cada una de las tres ecuaciones del mo-

* délo.
b) Compare este modelo con el de Samuelson (1939) estudiado en el
“contexto económico”.
c) Pruebe que las tres ecuaciones del modelo de Hicks conducen a la
ecuación en diferencias
Yt - (1 - s + v)Yt- \ + vY t- 2 = A
d) Calcule el único equilibrio y estudie su estabilidad dependiendo de los

valores posibles de s y v.
e) Compare los resultados con los del modelo de Samuelson, y justifique
(económicamente) las diferencias.
26. Los productores de cierta mercancía creen firmemente que el precio de

la mercancía que venderán en el período t está dado por la ecuación
dinámica pt = ap* + (1 —a )p t- 1 donde p* es un “precio meta”, p t-i es
el precio en el período t — 1, y a es una constante. Supongamos que
el mercado dicta que la oferta en el periodo t es Ot = 2 y que la
demanda es Dt = 60 — pt- Si los mercados se vacían en cada período
(es decir, 0¿ = Dt en cada período t ), encuentre el precio p*. ¿Cuál es
la condición sobre a para que la dinámica de precios converja ap*? Es
decir,; para que p* sea realmente el equilibrio de largo plazo.
27. Estudie la estabilidad del equilibrio de los siguientes modelos de “oferta-

demanda” de una sola mercancía. Allí, Dt= demanda de la mercancía en
el período £; Ot= oferta de la mercancía en el período y Pt= precio de
la mercancía en el período t :
a)
Dt = 40 - P t Ot = -2 0 + 2P(_i
b)
Dt = 25 —2P( Ot = - 5 + 2P(_i
Dibuje la correspondiente “telaraña”.
28. En general, estudie la estabilidad del equilibrio del modelo de “oferta-

demanda” de una sola mercancía
Dt — a — bPt Ot = c + d P t-i
donde b y d son constantes positivas. ¿Qué cambios tendría este equilibrio

y su estabilidad, si el Gobierno impone un impuesto de T % por unidad
vendida de la mercancía?
29. Considere la siguiente economía de intercambio puro de dos agentes y

dos mercancías:
U i(x¡,x¿) = 2 s jx [ + y ï ?
donde hay una unidad de cada bien en la economía.
a) Encuentre las asignaciones óptimas de Pareto, y dibuje la curva de

contrato en una caja de Edgeworth.
b) Compruebe el primer teorema del bienestar, en este ejemplo.
c) Compruebe el segundo teorema del bienestar, en este ejemplo.
d) Suponga que el agente 1 tiene una dotación de = (0.36,0.64),
y encuentre las asignaciones de equilibrio. Interprete este resultado
económico.
e) Muestre que el equilibrio es asintóticamente estable bajo la dinámica
del subastador (tâtonnement).
30. ¿Será cierto que la ley de Walras sólo se cumple en equilibrio?
31. ¿Será cierto que en una economía de intercambio puro, con dos consu
midores y dos bienes, si cada uno de ellos tiene funciones de utilidad
Cobb-Douglas, entonces el equilibrio walrasiano es único?
32. En una economía walrasiana con tres mercancías, las funciones de exceso
de demanda para las dos primeras mercancías son
Zx i j Pxi Py) = ~ P x + Py + 1
Zy{Px,Py)=Px-2Py + 2
y la tercera es el numerario.
a) ¿Cuál es la función exceso de demanda para la tercera mercancía?

b) ¿Son los bienes sustitutos brutos?
c) ¿Cuál es el equilibrio? ¿Es estable?
33. Considere la siguiente economía de intercambio puro de dos agentes y

dos mercancías:
Ua = (x a ) * + lnyA, UB = \n xB + lnyB
donde hay una unidad de cada bien en la economía.
a) Encuentre las asignaciones óptimas de Pareto, y dibuje la curva de

contrato en una caja de Edgeworth.
b) Compruebe el primer teorema del bienestar, en este ejemplo.

c) Compruebe el segundo teorema del bienestar, en este ejemplo.
d) Suponga que el agente 1 tiene una dotación de (a^, y a ) = (1,0),
y encuentre las asignaciones de equilibrio walrasiano. Interprete este
resultado económico.
e) Decida si el equilibrio es asintóticamente estable bajo la dinámica del
subastador (tâtonnement).
f) Calcule el núcleo de esta economía, y compruebe que el equilibrio
walrasiano está en él.
g) Calcule los r-núcleos, y muestre que si r —> oo entonces aquellos
convergen al equilibrio.
34. ¿Será cierto que el modelo Arrow-Debreu generaliza:
a) El modelo Walras-Cassel (volumen 1 (Álgebra lineal) (lección 4))?

b) El modelo de Leontief (volumen 1 (Álgebra lineal) (lección 5))?
c) El modelo de Koopmans (volumen 1 (Álgebra lineal) (lección 8))?
Lección 4
Optimización dinámica
Introducción
Fueron dos las causas principales del surgimiento del análisis funcional (es de
cir, del análisis de espacios vectoriales infinito dimensionales) en el siglo XX.
De un lado, se hizo necesario interpretar desde un punto de vista uniforme
el copioso material acumulado a lo largo del siglo XIX en distintas ramas de
las matemáticas: muchos de los conceptos fundamentales del análisis funcional
emergían naturalmente desde, por ejemplo, la teoría de las ecuaciones diferen
ciales, o la teoría de las funciones de variable real. El análisis funcional permitió
comprender numerosos resultados desde un punto de vista único que, a menu
do, mostraba diversas maneras de extensión teórica y práctica. De otro lado,
la investigación de problemas matemáticos en mecánica cuántica había llegado
a ser un punto crucial en el desarrollo del análisis funcional por sí mismo, pues
creaba y sigue creando, diversas ramas de este. Podría decirse que el análisis
funcional es a la física contemporánea lo que el cálculo diferencial e integral
fue (y es) a la mecánica clásica.
Puesto que es imposible incluir aquí los problemas más profundos del análisis
funcional, nos concentraremos en familiarizar al lector, de forma un tanto bre
ve y esquemática, con algunos de los conceptos más importantes que fueron
estudiados principalmente a comienzos del siglo XX, basados en los artículos
clásicos de Stefan Banach (1922) y David Hilbert [1862-1943], quienes fueran
los fundadores del análisis funcional. Desde entonces este se ha desarrollado
vigorosamente, y con estas estructuras se han hecho aplicaciones en casi todas
las áreas de las matemáticas, muy particularmente (que es lo que aquí nos
interesa) a ciertos problemas básicos en ecuaciones diferenciales, en el cálculo
de variaciones, y en la teoría del control óptimo.
381
1. Espacios métricos: la noción de distancia en topo

logía
Sin duda, la primera estructura básica del análisis funcional es la de “espacio
métrico”.1 Esta es una generalización, como veremos en seguida, de la estructu
ra de los espacios euclidianos (Rn, || • ||) con la distancia entre vectores definida
por la norma estándar. Pero lo que es fundamental aquí es que, abstrayen
do de esta norma sus características esenciales, no solo encontramos infinidad
de estructuras diferentes que las satisfacen, sino que también entendemos las
limitaciones de los espacios euclidianos para responder a los retos de las mate
máticas actuales.
D efinición 1. (Espacio m étrico (H ausdorff (1914)))

Un espacio métrico es un par (X , d) consistente en un conjunto no-vacío X y
una función distancia (métrica) d : X 2 -* R+ tal que para todo x , y , z G X , se
satisface:
i) d{x, y) = 0 si, y solo si, x = y
ii) d(x, y) = d(y, x) (simetría)
iii) d(x}z) < d(x, y) + d(y, z) (desigualdad triangular)
N ota 1.
En analogía con Rn, a menudo llamaremos a X el espacio y, a sus elementos,
puntos.
Ejem plo 1.
a) El espacio euclidiano Rn es un espacio métrico pues con la norma estándar

||*|| se puede definir la distancia d (x,y) = ||x —?/|| que, entonces, satisface,
para todo x ,y ,z e Rn :
i) d(x, ?/) = ||o; —2/|| = 0 si, y sólo si, x = y.

ii) d( x, y) = | | x - Jíll = \ \ y - x \ \ = d{y, x) .
iii) d { x, z ) = | | z - z | | < ||a : - j/ || + | | y - z | | = d ( x , y ) + d { y , z ) .
b) El mismo conjunto Rn puede dotarse de otras métricas. Por ejemplo, para

x = (Xi ), y = (j/¡) € R" podemos definir las dos siguientes:
i) d( x, y) = máx \x¡ - y,|

l<i<n
ii) d ( x , y ) = E "= il*t-J /i|
1 Antes de comenzar el estudio de los espacios métricos, se sugiere dar una ojeada al
material sobre topología en R2, al final de la lección 1 del volumen 2 (Cálculo).
Lección 4: Optimización dinámica 383
Es un ejercicio sencillo para el lector, el comprobar que, efectivamente, son

métricas diferentes sobre un mismo conjunto.
c) Como una extensión del ejemplo 1 anterior, aparece el espacio métrico

í 2 de todas las sucesiones infinitas {£¿}gi que satisfacen la condición de
que ] C £ i(x*)2 < oo y donde, para cualquier otra sucesión {2/ i } ^ con
Y liliiV i)2 < °°> Ia distancia está definida por
d({x i}, {y¿}) — w

.¿=i
Note que, por ejemplo, la sucesión {^} está en í 2, pero no la sucesión { ^ } -
Aquí, las condiciones i) y ii) de la Definición 1 de espacios métricos se sa
tisfacen inmediatamente, y la condición iii) es, simplemente, la desigualdad
triangular de R n extendida a sucesiones infinitas (volumen 1 (Álgebra li
neal)).2
Debe advertirse, sin embargo, que este espacio £2 no es una extensión obvia
de Rn. De hecho, tiene propiedades geométricas y analíticas muy diferentes
a las del espacio euclidiano, como lo entenderemos más adelante.
d) Otro espacio métrico, que es, quizás, el más importante para nuestros in
tereses en esta lección, es el conjunto C[0¿j de todas las funciones continuas
f : [a, 6] -> R, con la distancia entre dos funciones continuas / y g, definida
por
d (f,9 ) = max \f(x ) - 3 (i)|
*6 [0 ,6]
En efecto:
i) d (f,g ) = O si, y sólo si, máx |/(:r) —g(x)\ = O, y esto implica que
x€(a,6]
/ = g, pues si existiera xq € [a, 6] tal que f ( x 0 ) 7^ g(x 0 ) entonces
máx | / (i) - s (* )| > | / (i0) - fl(z0)l > 0.
z€[a,6J
ii) Claramente, d ( f , g) = d(g, / ) por propiedades básicas del valor abso
luto.
iii) Como |f( x ) — h(x)\ < \f(x ) — g(x)\ + |g(x) — h(x)\ para toda función
h(-) en C[a5¿], entonces el resultado se tiene una vez recordemos que
máx(i4 + B ) = máx(yl) 4 - m áx(B ) para cualquier par de conjuntos de
números (no vacíos) A y B (volumen O (Fundamentos), lección 4).3
1 La suma (*) existe puesto que es menor o igual que ( S S ií^ * ) 2)^ + (Z)Si(2/»)2)^*
* ¿Podría decir el lector por qué nos restringimos a funciones continuas si, aparente
mente, no hemos necesitado de esa característica para garantizar las condiciones i),
ii), iii) de un espacio métrico?
e) El espacio C 2ah^ de todas las funciones continuas / : [a, b] -» R donde la

distancia entre dos funciones continuas / y g, está definida por
b i
d (f,g ) = ( ^ j (f(x ) - g(x))2d x )
también es un espacio métrico: la condición i) de la definición 1 de espacio

métrico, resulta del hecho de que si /(•) y p(-) son continuas en [a, b] y
I a ( f (x ) —9 Íx ))2dx = 0, entonces f( x ) — g(x) = 0 en [a,6]; ii) es clara;
y la condición iii) resulta de recordar la definición de la integral mediante
sumas de Riemann, y aplicar la desigualdad triangular en Rn (volumen 2
(Cálculo), lección 4).
f) El espacio 2ftnxn de todas las matrices cuadradas de tamaño n es un espacio

métrico con la distancia definida por
d {A ,B ) — I (ciij bij) 2
V
donde A = [dij)nXn, B = [bij]nxn. Sobre este espacio desarrollaremos
importantes resultados posteriormente.
g) El conjunto X = {a, 6, c} con la distancia definida por <¿(a, b) = d(6, a) =

100; d(b, c) = <¿(c, 6) = 10 y d(a, c) = d(cya) = 80 no es un espacio métrico
pues d(6, c) + d(c, a) < d(b, a) y, así, aunque claramente se satisfacen las
condiciones i) y ii) de espacio métrico, la condición iii) de esta definición
no se cumple. Este ejemplo nos muestra que no cualquier conjunto con una
“distancia” arbitraria puede ser un espacio métrico.
a) N o c io n e s to p o ló g ic a s fu n d a m e n ta le s
Una vez establecida la noción de distancia, el siguiente paso es definir ciertos
conceptos básicos haciendo una transcripción casi autom ática de las corres
pondientes nociones en la topología estándar de Rn.
D efinición 2. (B ola a b ie r ta , b o la c e rra d a )

Sea X un espacio métrico. La bola abierta de centro xo £ X y radio r > 0, es
el conjunto
B r(xo) = {x e X | d(x,xo) < r} ;
y la bola cerrada de centro xq £ X y radio r > 0 es el conjunto
B r (xo) = {x e X | d (x yxo) < r}

Figura 1. Bola abierta (izquierda) y bola cerrada (derecha).
E jem plo 2.
En R2, con la distancia estándar, las bolas abiertas y cerradas lucen como las
de la figura 1. Un buen ejercicio aquí es que el lector dibuje las bolas abiertas
y cerradas de centro (0,0) y radio 1 en R 2, pero con las métricas definidas en
el ejemplo 1 b).4
Ejem plo 3.
En C[a¿], las bolas abiertas y cerradas (figura 2) se escribirían así:
Br(fo) = jf l € CM / máx I fo(x) - g(x) |< r j;

y la bola cerrada de centro xq G X y radio r > 0 es el conjunto
Br(fo) = { 9 € C M / máx | fo(x) - g(x) |< r l

L xG[a,6] J
Figura 2. Bola abierta (izquierda) y bola cerrada (derecha).
Definición 3. (Sucesión acotada)

Una sucesión {xn} de un espacio métrico X es acotada si existe una bola cerrada
Br (x 0) con x q e X , tal que x n € B r(x 0 ) para todo n.
4 Indicación: encontrará algunos cuadrados.
E jem p lo 4.
Note que en el espacio Cj0)i], la sucesión de funciones {xn}n€N es acotada por
la bola cerrada de centro en / = 0 y radio 1; es decir, por
•Bi(O) = { / € C î) / máx | f( x ) |< 1}

x€[0,lj
D efinición 4. (P u n to lím ite)

Sea X un espacio métrico y Y C X . Un punto xq 6 X es un punto límite
{o punto adherente) de Y , si toda bola abierta B r(xo) C X contiene infinitos
puntos de Y . Al conjunto de todos los puntos límites de Y , llamado conjunto
clausura de Y , se le acostumbra a notar Y .
D efinición 5. (C onv erg en cia)

Se dice que una sucesión {xn} de puntos de un espacio métrico X converge a
un punto xo G X si, para todo e > 0, la bola abierta B e(xo) contiene todos los
puntos de {xn} a partir de un N en adelante. Formalmente, si dado cualquier
€ > 0 existe un número natural N tal que x n G B €(xq) para n > N . En tal
caso, diremos que xq es el límite de la sucesión {xn } (ó que {xn} converge a
xo), y escribiremos lím ^ o o x n = xq ó x n xq cuando n -> oo.
Claramente, x n -» xq cuando n —> oo si, y solo si, límn_>oo d(xn,xo) = 0.
E jem p lo 5. (C o n v erg en cia en Rn)

La convergencia en Rn con la distancia estándar, es ya conocida desde el vo
lumen 2 (Cálculo), pues ella es allí la noción misma de límite.
E jem p lo 6. (C o n v erg en cia u n ifo rm e y p u n tu a l en C^b])

Sin embargo, cuando intentamos entender esto mismo en Cja>&] (espacio de
funciones continuas con la norma del máximo) encontramos algunos resul
tados interesantes y reveladores. La convergencia en este espacio se conoce
comúnmente como convergencia uniforme (Weierstrass (1841)), y la razón de
esto está en la misma definición de convergencia que acabamos de presentar:
fn —>f cuando n —» oo si, y solo si, para todo e > 0 existe un número natural
N tal que si n > N entonces máxx€[a>í)] |/ n (x) —f(x )\ < e; pero, en tal caso,
I/n W - f ( x )| < e para todo x € [a, 6], y así f( x ) - e < f n(x) < f( x ) + e para
todo x € [a, 6]. Es decir, todas las f n a partir de N en adelante, estarán en una
banda de radio e alrededor de / (figura 3).
Es claro de lo anterior, que si f n —> f uniformemente entonces, para cada

x € [a, 6] fijo, se tendrá que f n {x) —>f( x ) (convergencia puntual). Sin embargo,
el recíproco no es necesariamente cierto; es decir, la convergencia puntual no
implica la convergencia uniforme. Para comprender esto mejor, consideremos el
típico caso de la sucesión de funciones { /n } en £[ 0,1] definidas por f n(x) = x n
(figura 4).
Figura 4. Sucesión de funciones { fn{x)} = {xn}.
Claramente, si x £ [0,1) es fijo, entonces lím ^ o o f n (x) = 0; y si x = 1 enton

ces, obviamente, lím ^ o o / n(l) = 1. Por tanto, podría pensarse que la sucesión
de funciones continuas { /n} converge uniformemente a la función discontinua
f( x ) = 0 si x € [0,1) y /(1 ) = 1 (figura 5). Pero esto no es cierto, como el
lector lo puede observar trazando una banda de radio e alrededor de f( x ) = 0
para x € [0,1), y notando que todas las funciones f n “se salen de la banda”. De
hecho, demostraremos más adelante que si f n —> / uniformemente, entonces /
también tiene que ser continua.
1 --
O fr—
O 1
Figura 5. f(x ) = 0 si x 6 [0,1); /(1) = 1
E jem p lo 7. (C on v erg en cia en C^¿,])

La convergencia en el espacio C 2a bj se acostumbra a llamar convergencia me
dia., y es distinta de la convergencia uniforme de C[a,6]: a pesar de ser los
mismos conjuntos, las topologías establecidas por las dos diferentes métricas,
los hace espacios métricos completamente distintos. Sin embargo, a partir de
la desigualdad (que fácilmente el lector puede comprobar)
d '( f,g ) < V b - a d (f,g )
donde d* es la métrica de Cj^ ^ , d la métrica de C[a,&]i y f , g son cualquier

par de funciones continuas en [a, 6], se deduce que la convergencia uniforme
sí implica la convergencia media. Que el recíproco no es cierto se ve con el
ejemplo clásico f n(x) = ny/xe~n x en [0,1], que tiene convergencia media a
cero,5 pero que no converge uniformemente a cero (figura 6), pues para todo n
se tiene que6 m á x ^ ^ i] \fn(x) —0| = 1/e.
Figura 6. Convergencia en media pero no uniforme.
Continuando con la transcripción desde Rn, encontramos definiciones y resul

tados muy similares a los que ya teníamos en el espacio euclidiano:
5 Como el lector puede comprobar fácilmente calculando la integral que define la

métrica en C*a<by
6 Para comprobar esto, derive f n (x) = n \fxe~ n x con respecto a x, e iguale a cero.
D efinición 6. (Subsucesión)
Diremos que un subconjunto {^nfeHeN es una subsucesión de {x„} si {n^} es
una subsucesión estrictamente creciente de números naturales.
Teorema 1. (U n te o re m a c o n o c id o )
Sea X un espacio métrico, y {xn} una sucesión de puntos de X . Entonces:
i) El límite de {xn} es único.
ii) Si x n x cuando n tiende a infinito, entonces toda subsucesión de {zn }
también converge a xo.
D em ostración.
i) Sean x$, x0 dos límites distintos de la sucesión {zn }. Entonces, para e =
d(xo,£Ó) y 71 suficientemente grande, d(xn ,x o) < § y d(xn}x f0) < §. Por lo
tanto, d(xo, x0) - d(xo,xn) + d(xn,x'Q) < § + § = e = d(xo,£q), y esto es una
contradicción.
ii) Sea {xnfcHeN una subsucesión de {xn }. Entonces dado e > 0 existe un
natural N tal que x n € B e(xo) para n > N . Sea k € N tal que n k > N \
entonces x Uk, 6 B e(xo) para todo k' > k , y, así. para todo nw > N se tendrá
X n k, € B e( x o). ■
El siguiente teorema es una caracterización, mediante sucesiones, de la noción

de punto límite (definición 4). Resultados como este, hacen de las sucesiones
una herramienta fundamental del análisis matemático pues permiten pasar, de
un “problema continuo”, a uno “discreto”:
Teorema 2.
Un punto xo € X es un punto límite de Y C X si, y solo si, existe una sucesión
{zn} de puntos de Y tales que x n —>xo cuando n —>oo.
D em ostración.
i) Supongamos que Xo € Y es un punto límite de Y . Entonces toda bola
abierta B r(xo) C X contiene infinitos puntos de Y. Tomemos, para rn =
una sucesión {#„} con x n € B rn(xo). Así, d(xnyx o) < ¿ y, por tanto, {xn }
converge a x q .
ii) Supongsunos ahora que existe una sucesión {xn} de puntos de Y , distintos
de x0) tales que x n —>xo. Tomemos r > 0 cualquiera; entonces, existe N 6 N
tal que x n € B r(xo) para n > N . Por tanto, existen infinitos puntos de la
sucesión en la bola abierta B r(xo). ■
Definición 7. (Cdnjunto cerrado)""

Sea X un espacio métricoÛn subconjunto Y C X es un conjunto cerrado (en
^ ) si, y solo si, contiene todos sus puntos límite.
E jem plo 8. (C onjuntos cerrados triviales)

a) En un espacio métrico X cualquiera, los conjuntos 0 y X son cerrados. En
efecto: a) 0 es cerrado por vacuidad de la definición de punto límite; b) X
es cerrado pues toda sucesión convergente en X converge, por definición,
a un punto de X .
b) En un espacio métrico X , las bolas cerradas son conjuntos cerrados.

Y también los conjuntos formados por un número finito de puntos son
conjuntos cerrados.
E jem plo 9. (C onvergencia uniform e preserva continuidad)
Si consideráramos el espacio métrico de todas las funciones / : [a, fe] -» R que
alcanzan un máximo en [a, 6], entonces podemos demostrar que con la
métrica uniforme (es decir, la del máximo) es un conjunto cerrado. Para ello,
debemos demostrar que si una sucesión de funciones continuas f n en C[a¿]
converge, en la norma uniforme, a cierta función / : [a, &] —>• R, entonces esta /
es continua en [a, 6]. En efecto, tomemos un xo 6 [a, b] cualquiera, y probemos
que / es continua en xo. Sea entonces e > 0 dado, y tomemos un TV € N tal
que si n > N tendríamos |/ n(x) —f ( x )| < e para todo x e [a, 6]. Pero como
¡N es continua en xq entonces existe 6 > 0 tal que si \x —xo| < S entonces
\/n ( x ) — Í n ( x o )\ < t. Así, si \ x - x 0\ < S entonces
|f ( x ) - f ( x 0)I < |/w (s) - /(x )| + |/jv(x) - /w(a:o)l + l/W(zo) - /( x 0)|

K.€-\-C-\~C = 3€
Ejem plo 10.

En C[aj6], a su vez, el subconjunto de todas las funciones acotadas por una
constante fija K , también es un conjunto cerrado. En efecto, supongamos que
/ £ ^[a,b] es el límite de una sucesión { /n} en C[a¿] tal que | / n(^)| < K para
todo n y para todo x 6 [a, b\. Entonces |/(x )| < \f(x ) —f n(x)\ + \fn (x)\ < e+ K
para n suficientemente grande y e > 0 cualquiera. De allí que |/(x )| < K para
todo x € [a, &].
D efinición 8. (C onjunto abierto)
Sea X un espacio métrico. Un subconjunto Y C X es un conjunto abierto (en
X ) si, y solo si, su complemento (en X ), Y c, es un conjunto cerrado (en X ).
E jem plo 11. (C onjuntos abiertos triviales)
Utilizando el ejemplo 8 y la definición anterior, podemos afirmar que los con
juntos 0 y X son abiertos pues sus complementos son conjuntos cerrados. Así,
estos dos conjuntos triviales, 0 y X , son abiertos y cerrados.
Teorem a 3. (C a r a c te r iz a c ió n de un c o n ju n to a b ie r to )
Sea X un espacio métrico. Un subconjunto Y C X es un conjunto abierto si,
y solo si, para todo y € Y existe una bola abierta B r(y) contenida en Y ; es
decir, B r(y) C Y (figura 7).
D em ostración.
i) Supongamos que Y es abierto, y sea y € Y . Si para rn — l/ra, n € N, se tiene
que B rn(y) D Y c 0 entonces existe una sucesión {yn} C Y c tal que yn —>y .
Pero, en tal caso, Y° no sería cerrado en X .
ii) Supongamos que para todo y € Y existe una bola abierta B r (y) C Y .
Tomemos una sucesión convergente de puntos {yn} C Y c tal que yn —> y, y
probemos que y e Y c (es decir, que Y c es cerrado). Si, por el contrario, y € Y ,
entonces existiría r > 0 tal que B r(y) Q Y y tendríamos que también infinitos
términos de {yn} están incluidos en y , lo que contradice la hipótesis de que
{ y n } Q Y c. •
Figura 7. Y es un conjunto abierto.
T eorem a 4. ( U nión e in tersecc ió n de co n ju n to s abiertos)

Sea X un espacio métrico. Entonces:
i) La unión de una familia arb itra ria de conjuntos abiertos en X es, de

nuevo, un conjunto abierto en X .
ii) La intersección de una familia fin ita de conjuntos abiertos en X es, de

nuevo, un conjunto abierto en X .
D em ostración.
i) Sea y un punto en la unión de la familia de abiertos; entonces y está en al
menos uno de los conjuntos abiertos de la familia; por el Teorema 3, existe una
bola abierta con centro en y y contenida totalmente en este conjunto abierto
particular, y, por consiguiente, en la unión de todos los conjuntos abiertos, que
era lo que queríamos probar.
ii) Sea y en la intersección de la familia de abiertos; entonces y está en todos

estos conjuntos, y, por tanto, podemos construir pequeñas bolas abiertas con
centro en y, cada una incluida en su respectivo conjunto abierto; tomando la
más pequeña de estas bolas (que existe porque el número de abiertos es finito)
tendremos una bola abierta que está contenida en todos los conjuntos abiertos
y, por tanto, en la intersección de estos. ■
D efinición 9. (Función continua entre espacios m étricos)

Sean X y Y espacios métricos. Diremos que una función / : X —> Y es con
tinua en X si para todo conjunto abierto A C Y se tiene que f ~ l (A) es un
subconjunto abierto de X .
Y una forma de caracterizar esta noción de continuidad es, precisamente, hacer

un uso efectivo de las métricas, transcribiendo (siempre que sea posible) lo que
ya sabemos de Rn.
Teorem a 5. (C a ra cteriza ció n m étric a de la con tin u idad)

Sean (X , d) y (Y , D) espacios métricos, y f : X ->■ Y una junción cualquiera.
Entonces f es continua en X si, y solo si, para cualquier punto x € X , cuando
se tenga alguna sucesión {zn} en X convergiendo a x, también se tendrá que
la sucesión { /( x n)} estará convergiendo a f( x ) ; es decir, para todo e > 0 existe
S > 0 tal, que si d(xn,x ) < S entonces D ( f( x n) ,f( x ) ) < e.
D em ostración.
i) Supongamos, primero, que / es continua en xq € X , y que alguna sucesión
{xn} en X está convergiendo a xq. Tomemos e > 0 y, con centro f ( x o) y radio
e, construyamos la bola abierta B e( f ( x o)) C Y . Entonces f ~ 1 (B e( f ( x o))), al
ser abierto en X , y al contener al punto x$, nos permite asegurar que existe
una bola centrada en xo totalmente contenida en f ~ 1 (B e( f ( x o))). Pero como
{xn} converge a rro, entonces a partir de un N en adelante, todos los términos
de la sucesión {xn} están en f ~ 1 (B e( f ( x o))), y así D ( f( x n),f(x o )) < e.
ii) Probemos ahora el recíproco de este teorema. Sea A un subconjunto abierto

en Y , y tomemos un punto x € f ~ l {A). Si no existiera ninguna bola abierta
alrededor de x totalmente contenida en / -1 (A) entonces existiría una sucesión
{xn} no contenida en f ~ l (A) convergiendo a x. Así, { f ( x n)} no estaría conte
nida en j4, pero sí estaría convergiendo a /( x ), lo que mostraría que A no es
abierto, y esto es una contradicción. ■
Ejem plo 12. (U n ejem plo (sim ple) de “funcional” )

La palabra “funcional” en el término “análisis funcional” se debe a que éste es
tudiaba, en sus orígenes, funciones continuas cuyos dominios eran conjuntos de
funciones (Volterra (1880),7 Hadamard (1910),8 Fréchet (1906)9). Un ejemplo

simple de esto lo tenemos en Î : C [a,6] ^ R definida por
? ( / ) = [ bf( x )d x
Ja
que es una función continua entre estos dos espacios métricos, pues para todas
/ , g E C\aJbj se tiene que
I 5 ( /) - 3(g) |= I í (f(x ) - g(x))dx I

Ja
< / I f( x ) - g(x) \ d x < ( b - a ) máx | f( x ) - g(x) \

Ja xGla.6]
= ( 6 - a ) d (f,g )
y solo basta aplicar el teorema 5 para finalizar.

En páginas posteriores veremos otros ejemplos de funcionales en el cálculo de
variaciones y en la teoría del control óptimo.10
b) Espacios métricos completos

Es posible probar, y lo haremos más adelante, que una sucesión de números
reales en la que los términos van aproximándose unos a otros tanto como se
quiera, a medida que la sucesión va avanzando, tiene, de hecho, un límite.
En esta sección observaremos que, sin embargo, esta propiedad profunda de
los números reales no necesariamente se cumple en los espacios métricos en
general, pero que cuando sí la satisface, este espacio métrico tiene propiedades
topológicas muy importantes.
D efinición 10. (Sucesión de Cauchy (Fréchet (1906)))

Una sucesión {xn} de puntos de un espacio métrico (X ,d ) es una sucesión de
Cauchy (en X ) si, y solo si, dado e > 0 cualquiera, existe un número natural
N tal que si n ,m > N entonces d(xn ix m) < e.
Teorema 6.
Toda sucesión convergente en un espacio métrico es una sucesión de Cauchy.
La afirmación recíproca no es cierta.
7 Volterra, V. (1888), Leçons sur les équations intégrales et les équations intégro-
différentielles, Gauthier-Villars (1913).
8 Hadamard, J. (1910), Leçons sur le calcul des variations, Paris: Éditions Jacques
Gabay.
9 Fréchet, M. (1906), Sur quelques points du calcul fonctionnel, Springer Wien.
10 La palabra “funcional” (“'fonctionnel”) fue acuñada por un pionero del análisis funcio
nal, Maurice Fréchet, en 1910.
D em ostración.
Sea lím x n = xo con {xn \ una sucesión en X y también xn € X . Enton-
n—too
ces, dado e > 0 existe un número natural N tal que si m ,n > N se tendrá
que d(xn, xo) < e/2 y d(xm, x q ) < e/2; por tanto, d(xn , x m) < d(xn , xo) +
d(xo, xm) < | + | = e. Que la afirmación recíproca de este teorema no es
cierta, lo vemos en el contraejemplo de abajo. ■
Ejem plo 13. (U n ejem plo clásico)

Para ver que en algunos espacios métricos puede darse la “extraña” situación
de que una sucesión pueda ser de Cauchy sin ser convergente, basta considerar
el ejemplo clásico de la sucesión de funciones { /n} en Cj5_j ^ definida para
n € N, por (figura 8):
Figura 8. Gráfica de / n (x).
Esta es una sucesión de Cauchy pues un poco de cálculo muestra que
Sin embargo, { /n} no converge a ninguna función de C 2_ x ^ ya que, de hecho,
para la función discontinua (figura 9)

1«
Il ir l Ii i ii ii ii *>
-4 -3 -2 -1 1 2 3
-1
Figura 9
D efinición 11. (E spacio m é trico c o m p leto )

Un espacio métrico X se dice completo si, y solo si, toda sucesión de Cauchy
es convergente.
E jem plo 14. (Rn es u n espacio m é trico co m p leto )
El espacio euclidiano Rn; con la norma estándar, es un espacio métrico com
pleto. En efecto:
a) Primero veamos que R es un espacio métrico completo y, para ello, tomemos
una sucesión de números reales {xn} que sea de Cauchy. Entonces:
i) Mostremos que esta sucesión es acotada y, para hacerlo, tomemos e > 0
y escojamos N suficientemente grande, tal que si n, mo > N entonces
Ix n ~ x mo| < €; así, \xn \ < \xn - x mo\ + |armo| < e + |xmo|. Sea M =
m á x { |x i|,..., |z n - i |,é + |xmo|}; por consiguiente, |zn | < M para todo
n GN.
ii) Ahora probamos que {xn} tiene una subsucesión convergente {xnk} y, pa
ra comprobarlo, escribimos la desigualdad anterior así:—M < x n < M .
Entonces la sucesión tiene infinitos términos de ella en al menos uno de
los dos subintervalos [—M, 0] ó [0, M] (podemos asumir esto, porque en
caso contrario la sucesión sería constante a partir de un N en adelante
y, así, es convergente). Supongamos que este es [0, Ai] y, de la misma
manera, dividamos [0, M] en los subintervalos [0, M/2] y [Af/2,0], y asu
mamos, sin pérdida de generalidad, que existen infinitos términos de la
sucesión en [M /2,0]. Luego, continuamos de la misma manera y subdi-
vidimos por mitades este último intervalo y escogemos uno de los dos en
el que se encuentran infinitos términos de la sucesión, etc. Claramente,
la longitud de estos subintervalos (que es ^£rr) va tendiendo a cero; por
tanto, escogiendo un término de la sucesión en cada uno de los subinter
valos seleccionados, tendremos una subsucesión {xnk} convergente. Sea
L el límite.
iii) Finalizamos la prueba de que R es completo mostrando que L es, preci
samente, el límite de la sucesión {xn }. Pero esto es inmediato si notamos
que \xn —L\ < \xn —x nk \ -f \xnk — L\ y aplicamos, nuevamente, el hecho

de que {xn} es una sucesión de Cauchy.
b) Queda por probar que, en general, Rn es completo, y esto lo logramos si
al tomar una sucesión de Cauchy de vectores en Rn, {xn} notamos que la
sucesión de primeras componentes, la sucesión de segundas componentes, ...,
la sucesión de n-ésimas componentes, todas, son sucesiones de Cauchy y, por el
resultado de que R es completo, tendríamos que cada una de las n sucesiones
es convergente; el vector compuesto por los n límites es, entonces, el límite de
la sucesión {xn} original.
Ejem plo 15. (C ^ j tam bién es un espacio m étrico com pleto)
El espacio métrico Câ 6j, con la distancia del máximo, es un espacio métrico
completo. En efecto: supongamos que { /n} es una sucesión de Cauchy en Câ by
Entonces, en particular, para cada xq G [a, 6], { f n (ô)}neN es una sucesión
de Cauchy y, por el ejemplo 14, es convergente. Supongamos que definimos
la función / de tal manera que para xq G [a, 6], f ( x o) = límn->oo f n (xo), y
probemos que / es continua. En efecto: observemos que para todo y G [a, &],
n G N, se tiene que
I /(aro) - í( y ) I 0, existe N G N tal que si n > N entonces
I f ( x o) - fn ( x o) |< e/3, I fn(y) - f( y ) |< e/3 (**)

Y también, dados e y N existe S > 0 tal que si | xq — y |< 5 entonces
I I n {xo ) - fN {y ) \< e/3 (* * *)
Así, colocando (**) y (* * *) en (*) con n = N , deducimos que f e <?[<!,6] •
Terminamos la prueba de que C âbj es, efectivamente, un espacio métrico

completo, probando que, de hecho, f n f uniformemente; es decir, que
máXxG[a,6] I fnipc) - f( x ) |— > 0. Pero esto ya es simple: Como {/„} es de
Cauchy, entonces, para todo e > 0 existe N G N tal que, si m, n > N, entonces
| fn (x ) ~ fm {x ) |< C
y haciendo m —>oo obtendríamos que
l/n (*)-/(*)|< €
para todo n > TV, y todo x G [a, 6J.

Ejem plo 16. (£2 es un espacio m étrico com pleto)
Siguiendo estos pasos, se prueba que £2 es un espacio métrico completo:
i) Si p = (6i,...,6n ,...) e t 2, definamos, para k = 2,3,...,
Uk(j>) = Y , b»en, Vk( p ) = p - Uk(p)

n<k
donde, para n = 1,2.
= (0,0,..., 0,1,0, ...0,...) con el 1 en el puesto n
Entonces se tiene que
II U k(p) II < || p II, II vk(p) II < II P II
ii) Es inmediato que
lím || Uk(p) ||=|| p || y también que lím || Vk(p) ||= 0

k - t oo k —>oo
iii) Si pn = (af, ...) es una sucesión de Cauchy en t2, entonces, utilizando

Uk, se prueba que, para cada k fijo, la sucesión {a£} es de Cauchy.
iv) Si Cfc = límn_ôo a£ se tiene que q = (ci, C2 , -..»Cm,...) pertenece a i 2.
v) Se puede mostrar que para todo c > 0 existe un ko y un N tal que

II Vk0 (Pn) ||< 2c para todo n > N .
vi) Se prueba que lím n_*oo || Pn ~ Q 11= 0.
Ejem plo 17. (A fortunadam ente, C 2a bj no es com pleto)

Con un contraejemplo se puede probar que el espacio C 2a 6j de funciones con
tinuas en [a, 6], con la métrica
no es, en general, un espacio métrico completo, y este podría ser el del ejemplo
13 anterior. Sin embargo, podemos mostrar otro contraejemplo: La sucesión
es de Cauchy en C 2_ x ^ pero no existe ninguna función / € C ^ que satisfaga

que límn-ôo/n = / , como el lector podrá mostrar con algún interés en el
problema.11
La no completez del espacio C 2a tiene profundas implicaciones. Obviamente,
podríamos decir que la razón es porque a este espacio “le faltan funciones” (de
allí el origen de los términos “completo” e “incompleto”). De hecho, hacerlo
completo llevó al desarrollo de la primera generalización que se conoció de la
integral de Riemann: la integral de Riemann-Stieljes (Riemann (1854a)) que,
en lugar de integrar sobre el segmento de recta [a, 6], ahora integra sobre una
curva creciente cualquiera s(t) con t G [a,6].12 Á
Siguiendo con nuestra discusión de espacios métricos completos, recordemos

ahora aquella característica de los números utilizada en el ejemplo 14, que con
sistía en escoger números dentro de intervalos cerrados encajados cuya longitud
iba haciéndose cada vez más pequeña, y que utilizamos allí para mostrar que
R es un espacio métrico completo. En el siguiente teorema se demostrará que
esta característica, adecuadamente generalizada, sirve bien para caracterizar a
los espacios métricos completos.
Teorem a 7. (C a ra cteriza ció n de los espacios com pletos)

Un espacio métrico X es completo si, y solo si, toda sucesión de bolas cerradas
B Tn(xn) en X tales que rn —> 0, y que satisfagan B rn(xn) C B rn+1 (xn+1),
tendrá una intersección no vacía; es decir, flíS=i ^ r n ^ n ) tiene al menos un
elemento.
D em ostración.
i) Supongamos que X es completo. Entonces la sucesión {zn } de centros

de las bolas cerradas es una sucesión de Cauchy ya que d(xn,xm ) < rn si
m > n; y, por tanto, convergente a un punto L. Pero como L es un punto
límite de cada una de las bolas cerradas B Tn(xn), entonces L G B Tn(xn)
para todo n, y así, está en 0 ^ = 1 B Tn(xn).
ii) Ahora supongamos que {xn} es una sucesión de Cauchy arbitraria en X .

Escojamos, para k = 1,2,..., una sucesión de naturales {n*} con 71*+1 >
n k y unos términos {xnfc}, tales que si n > n k entonces d(xn, x nk) <
Sean rk = ^ y construyamos las bolas cerradas B rk(xnk). Claramente, la
11 Indicación: comience dibujando las funciones f n para n = 1,2,3,4 y observe su

comportamiento.
12 Sin embargo, en esta lección no desarrollaremos esta idea. Al lector interesado, lo
remitimos al clásico Rudin (1976).
bola de radio contiene a la de radio r^+i, y, por hipótesis, la intersec

ción de estas bolas cerradas contiene al menos un elemento L, que es el lí
mite de la subsucesión {x nk}. Pero como d(xn,L ) < d(xn,x nk)+ d(xnk,L )
entonces este L es, también, el límite de la sucesión de Cauchy original.
El siguiente es uno de los teoremas más útiles para espacios métricos completos.
En la próxima sección haremos un uso conveniente de él, aplicándolo en el
problema de garantizar la existencia de soluciones a ecuaciones diferenciales
ordinarias, y, posteriormente, en la existencia de soluciones a un tipo particular
de problemas de control óptimo.
Teorema 8. (U n teorem a de punto fijo (Banach (1932)))

Sean (X ,d ) un espacio métrico completo, T : X -» X una función, y a £ ( 0,1),
tal que para todo x ,y £ X ,
d (T (x),T (y)) < ad(x, y) (contracción)
Entonces T tiene un único punto fijo; es decir, existe un único x* € X tal que
T (x * )= x * .
D em ostración.
Sean xq € X cualquiera, y, para n £ N, x n = Si m < n entonces
d(xmyx n) = d ^ x 0 ,T nx 0) = d(Tmxo, T mT n~mxo)

< a Tnd(x0 ,T n~Tnx 0) = a Tnd (xo,xn- m)
—^ (d(xQi X \ ) 4* d ( x i , X 2 ) 4 * ... 4* d(xn_m_ i, xn_m))
< a md(x0,x i) ( l 4- a 4- ... 4- a n_m_1)
^ amd(x0yx 1)
< 1— a
Así, {xn} es una sucesión de Cauchy en X y, como X es completo, entonces

existe x* 6 X tal que x n —> x*. Ahora: debido al teorema 5, T es continua y,
por tanto, se tiene que
T(x*) - T ( lím x n) = lím T (x n) = xn+1 = x*
y, así, x* es un punto fijo de X . u

E jem plo 18. (Series de p oten cias y

En la lección 3 del volumen 2 (Cálculo) habíamos mostrado, mediante el Teo
rema de Taylor, que las funciones que tienen derivadas de todo orden, pueden
describirse mediante series de potencias de la forma
oo
Y ^ a n( x - x 0)n
72=0
Hn)(x o)
donde an = ------;— . Por ejemplo, allí mostrábamos que (con xq = 0) para
ni
todo x 6 R se tiene que
s e n i = a : _ _x 3 + _x 5 _ x_7 + ...
X2 X4 X6
cosa;=1_ _ + _ _ _ + ...
x X X2 X3
6 = 1 + 1! + 2f + ¥ + -
y para | x |< 1, x ^ —1,
/i \ x2 x3 x4
ln(l + I ) = a:- - 2- + Y - 4- + -
y allí la convergencia la interpretábamos en el sentido de convergencia puntual,
es decir, para cada x fijo, se tenía que la serie 53|JLq a n#n convergía. Lo que
haremos en esta sección es mostrar que, de hecho, allí había más información
implícita que ahora vamos a develar.
En primer lugar, si hubiéramos utilizado los resultados de la lección 4 del
volumen 2 (Cálculo) sobre series infinitas habríamos encontrado que toda serie
de potencias tiene un “radio de convergencia” R , con 0 < R < oo, tal que para
cada x con | x —xo |< i?, la serie converge (absolutamente); y si | x —xo |> R
la serie diverge; el caso de los puntos extremos x = xo ± R debe decidirse en
cada caso particular. La forma de hallar este R es simple: recordemos que, en
esta última lección citada, el criterio del cociente para series infinitas afirmaba
que si se daba que lím ^ o o | |< 1 entonces la serie Y ^ = i an convergía.
Aplicando esto a una serie de potencias, tendríamos que
,, | a„+i(x —a;o)n+11 ,, |a n+i ( i - i 0)| „ ,
lim -------t--------- r-— = lim ------------------ < 1
n—
>oo| an {x — X oj” I n->oo| an I
y, por lo tanto, la serie converge si h'mn_»oo | | Luego el radio de

convergencia R estará definido por
1 i c¡.~* 11 i
si este límite existe.13 Por ejemplo, para las tres primeras series de arriba, se
tiene que R = oo, y en la última serie se tiene que R = 1, como el lector puede
comprobar fácilmente. Note que, en este último caso, la serie converge si x = 1
pero no converge si x = —1.
En segundo lugar, notábamos14 que anx n es una expresión de la función
límite cuando m —►oo de la sucesión de funciones
m
GnZ71} = {a0, a0 4- cl\x , a0 + a \x + a2x 2, ...}
m
y ahora es fácil probar que, de hecho, esta sucesión converge uniformemente a

la función límite en todo intervalo cerrado [—a , a] contenido en (—R ,R ). En
efecto: notemos que | anx n \ < \ an | a n y, así
oo m oo oo
anxn - ¿ o ni n | < ^2 I anx n |< ^2 I an \ a n
n=0 n=0 n=m +l n=m +l
y notando que la serie I an I converge, llegamos a que el residuo

X ^ l m+1 | an | a n tiende a cero, y esto demuestra la convergencia uniforme.
En tercer lugar, es fácil probar que toda serie de potencias es diferenciable
término a término en cualquier intervalo abierto dentro del intervalo de con
vergencia; es decir, si f( x ) = Ylri=oanx n i entonces
oo
f'( x ) = ^ 2 na„xn 1
71=1
De igual forma, en un intervalo cerrado [a, b] dentro del intervalo de con

vergencia, la serie de potencias es integrable término a término; es decir, si
/(# ) = anXn, entonces
Note, por ejemplo, que si se deriva, término a término, la serie de potencias

para ex dada arriba, obtendremos nuevamente, la función ex -„y si derivamos,
término a término, la serie de potencias para sena; obtendremos la serie de
potencias para cosa;; de la misma forma, si derivamos, término a término la
13 En caso contrario, utilizaremos límsup en lugar de lím.

14 En adelante asumiremos que xo = 0 pues esto simplifica nuestra discusión, y no limita
la generalidad de los argumentos. Si el lector lo prefiere, puede cambiar x por x —xo
y obtendrá el resultado deseado.
serie de potencias para cosa;, obtendremos la serie de potencias para — sen2 .

También podemos notar que, de las igualdades
— -— = 1 —x + x 2 — x 3 + ... donde \x\ < 1

1+2 11
-—— 7y = 1 —x 2 + x4 —2 6 + ... para todo |2 |< 1

1+ 2
podemos integrar convenientemente, término a término, para obtener las ex
presiones en series de potencias
22 23 24
m(l + 2 ) = 2 — — + —-------+ — Pa ra ~ 1 < x — 1
arctan(2 ) = 2 — — + — --- — + ... para |2 |< 1

3 5 7
Note que, aplicando lo que ya sabíamos de series infinitas (volumen 2 (Cálcu
lo)), en estas dos últimas series de potencias hemos aumentado el dominio de
aplicación con respecto a las dos series de arriba que fueron integradas. En la
primera se tiene que también converge para 2 = 1 y diverge para 2 = — 1.
En la segunda, converge tanto para 2 = 1 como para 2 = — 1. Este problema
del comportamiento de una serie de potencias en los extremos del intervalo
de convergencia, debe tratarse, en general, caso por caso, aunque hay algunos
criterios que pueden ayudar ocasionalmente.15
c) E sp a c io s m é tr ic o s c o m p a c to s
En R n, sabemos (volumen 2 (Cálculo)) que un subconjunto compacto es uno
que es cerrado y acotado. Sin embargo, si quisiéramos caracterizar, en general,
subconjuntos compactos Y de los espacios métricos X , lo primero que quizá
deberíamos mirar es si es posible generalizar el teorema de Weierstrass a espa
cios métricos que afirma que toda función f : Y —> R que sea continua, debe
alcanzar un máximo y un mínimo, si Y es compacto. Sin embargo, en espacios
métricos, en general, no es suficiente con garantizar que Y sea cerrado y acota
do para tener este resultado, como veremos en un ejemplo más adelante. Aun
así, recordemos que en el volumen 2 (Cálculo) mostrábamos que, en R n, un
subconjunto era compacto si, y solo si, de todo recubrimiento de este mediante
infinitos conjuntos abiertos, podíamos tomar un recubrimiento que constara de
solo unos cuantos de estos conjuntos abiertos. Esta es, precisamente, la defini
ción que transcribiremos desde R n para definir espacios métricos compactos, y
que, a su vez, nos ayudará a generalizar el Teorema de Weierstrass en espacios
métricos abstractos.
15 Si el lector está interesado en adelantar más sobre estos criterios y, en general, sobre
las series de potencias, le recomendamos Spivak (1978).
D efinición 12. (R ecubrim iento y conjunto com pacto)
i) Un recubrimiento (abierto) de un subconjunto Y de un espacio métrico

X ,es una familia {Ga} de conjuntos abiertos de X tales que Y C |Ja Ga
(figura 10).
ii) Diremos que Y C X , con X un espacio métrico y Y í 0, es compac
to, si y solo si, cualquier recubrimiento abierto de Y contiene un re
cubrimiento finito ; es decir, si Y C (JQ Ga para una familia arbitraria
{Ga} de conjuntos abiertos de X , entonces existe una subfamilia finita
Ga i, G Q2, ..., Gan tal que Y C (J™=1
D efinición 13. (C onjunto totalm en te acotado)

Sea (X, d) un espacio métrico y Y C X . Diremos que Y es totalmente acotado
si dado e > 0 existe un conjunto finito R C X tal que para todo y existe
un r 6 R con d(y ,r) < e.
Es decir, un conjunto Y es totalmente acotado si puede ser cubierto mediante
un conjunto finito de bolas abiertas.
Y utilizando las nociones de completez y acotación total arribamos a una ca

racterización de los espacios métricos compactos.
Teorema 9.
Un espacio métrico es compacto si, y solo si, es completo y totalmente acotado.
D em o stració n .
Esta demostración es difícil y requiere de recursos y argumentos más allá de
la mirada de esta sección introductoria a los espacios métricos. El lector in
teresado podría consultar el texto clásico “ Kolmogorov, A.N. y S.V. Fomin
(1970). ■
Utilizando el anterior teorema es inmediato demostrar que todo espacio métrico

compacto es cerrado y acotado. Pero, como veremos adelante, la afirmación
recíproca no es cierta, en general. De hecho, esta es una de las características
esenciales que distinguen a los espacios euclidianos R n.
Concentrándonos ahora en nuestro espacio métrico preferido Cja , nos intere
samos por caracterizar sus conjuntos compactos. Por el teorema 9, ya sabemos
que una de las propiedades que deben tener estos conjuntos es su completez;
pero ¿y cómo podemos caracterizar en este espacio el hecho de que un con
junto sea totalmente acotado? La respuesta la tenemos en las dos siguientes
definiciones:
D efinición 14. (Familia de funciones uniform em ente acotadas) Una
familia X de funciones / : [a, b] —> R es uniformemente acotada si existe un
I< > 0 tal que \f(x)\ < K para todo x G [a, 6] y / G X.
Ejem plo 19.
En Cr o, la bola unitaria de centro en 0 es una familia uniformemente acotada
por K = 1.
D efinición 15. (Familia equicontinua de funciones)
Una familia X de funciones / : [a, 6] —>R es equicontinua si dado e > 0 existe
5 > 0 tal que si \x —y\ < ó entonces |f( x ) — f(y )\ < e para todo x ,y € [a,6] y
fe X .
Ejem plo 20. (U na fam ilia no equicontinua de funciones)
En C[0ii], Ia familia B de todas las funciones continuas en [0,1] con m á x ^ ^ i] |
f{ x ) |< 1, satisface la condición de acotación uniforme, pero no de equicon-
tinuidad. Esto último se puede ver tomando la sucesión { /n} definida por
fn{x) = x n. Sea 0 < e 0 tal que si |1 - y\ < S entonces
|1 —yn\ < e para todo y € [a, b] y n G N. Pero como
l - 2 / n = ( l - í / ) ( l + ¡/ + --- + 2/"-1)
entonces, tomando y = 1 —ó' con S' < S, obtendremos que
|1 - y n| = ¿'(1 + (1 - <5') + ••- + (1 - ¿O71" 1)

S'2
> nSf — —(n —1)n
1 1
~ 2 + 2n > €
para ó' = — y n suficientemente grande. A

n
Finalmente, llegamos al teorema clásico que caracteriza a los conjuntos com
pactos en el espacio métrico Câ :
C o ro lario 3. (Teorem a de A rzelá )

Un subconjunto X del espacio métrico C\a,b\ es compacto si, y solo si, es com
pleto y todas las funciones de X son uniformemente acotadas y equicontinuas.
D em o stració n .
Esta demostración se puede consultar en el texto clásico citado: “Kolmogorov,
A.N. y S.V. Fomin (1970), Introductory Real Analysis, Dover Publications”. ■
E jem p lo 21. (B olas c e rra d a s qu e no so n co m p ac ta s)

En C[0>1] la bola cerrada de centro en / = 0 y radio 1 no es un conjunto
compacto. En efecto, la familia de todas las funciones continuas en [0,1] con
maxxe[o,i] I f (x ) 1^ 1? satisface la condición de completez, de acotación uni
forme, pero no de equicontinuidad (ejemplo 20). A
El comportamiento de los espacios métricos compactos transformados por fun

ciones continuas de valor real es una transcripción del resultado similar que se
tiene para conjuntos compactos en R2 (volumen 2 (Cálculo)).
L em a 1.
La imagen de un espacio métrico compacto por una función continua, es un
espacio métrico compacto.
D em o stració n .
Sea C un subconjunto compacto de un espacio métrico X y / : X -» Y una fun
ción continua, donde Y es otro espacio métrico. Si tomamos un recubrimiento
abierto {Ai} de f( C ) entonces la familia { f ~ 1 (A{)} es un recubrimiento abierto
de C. Como C es compacto, entonces podemos tomar, de la familia { / -1 (>!{)},
un recubrimiento finito del mismo C. Pero, en tal caso, esta familia nos da
rá origen a un recubrimiento finito del conjunto f( C ) tomado de la familia
{¿O- ■
Y con este lema, es inmediato demostrar uno de los teoremas más importantes
para espacios métricos compactos:
T eorem a 10. (Teorem a g eneralizado de W eierstrass)

Sea X un espacio métrico compacto y f : X R una función continua.
Entonces /(•) alcanza un máximo y un mínimo en X .
D em ostración.
Puesto que, según el lema 1 anterior, el conjunto f ( X ) es compacto en R,
entonces es cerrado y acotado, y, por tanto, tiene un valor máximo y uno
mínimo. ■
El siguiente ejemplo refuerza la idea de que cuando de espacios métricos abs

tractos se trata, la intuición nos puede fallar, pues, de hecho, nos muestra de
una forma distinta a la del ejemplo 21, que, en C[o,i], la bola cerrada de centro
en / = 0 y radio 1, no es un conjunto compacto:
E jem plo 22. (Función continua en un cerrado y acotado que no tien e

im agen com pacta)
Para complementar el ejemplo 21, sea B C C[0)i] la bola unitaria cerrada de
centro en 0, y T : B —>C î] la función definida, para x G [0,1], por
Si consideramos el ejemplo clásico de la sucesión de funciones { /n} en C[_

definida para n € N, por:
entonces || f n ||= 1 para todo n, y, además,
que converge a la función
0 si —1 < z < 0
x si 0 < x < 1
que tiene derivada discontinua y, por tanto, por el teorema fundamental del
Cálculo (volumen 2 (Cálculo)), no puede ser imagen de ninguna función con
tinua en
Ejercicios 1
1. Dibuje las bolas cerradas de radio 1 y centro (0,0), para el espacio R2 con
las dos distintas métricas señaladas en el ejemplo 1 b). [Indicación: En
la primera distancia podría tener que dibujar en el plano R2, el conjunto
de todos los pares (x, y) que satisfacen que máx{| x |, | y |} = 1; y en
la segunda distancia podría tener que dibujar el conjunto de todos los
paxes (x,y) tales que |x| + |t/| = 1. Con esto, hallar las bolas cerradas es
inmediato.]
2. ¿Por qué no fue escogida
d(¡,g) = mín \f(x) - 9 (x)|

xe[a,6]
como “distancia” en Câ bj?
3. i) Pruebe que un subconjunto Y de un espacio métrico X es cerrado si, y

solo si, Y = Y . [Recuerde que Y es la clausura de Y , o, equivalentemente,
el conjunto de todos los puntos límites de Y].
ii) Pruebe que Y = Y .
iii) ¿Será cierto que A U B = A U 2?? ¿Y qué acerca de A n B = A fl B?
¿Y qué pasará con (A )c — A c ? [Recuerde que A c es el complemento de
A].
4. (Criterio de Weierstrass (1841) para convergencia uniforme). Pruebe que
si una sucesión de funciones { /n } en Câbj satisface la condición
|| f n ||^ a n
para alguna sucesión de números positivos {an} tal que an conver

ge, entonces la sucesión { /n} converge uniformemente.
5. Decida sobre la convergencia puntual y uniforme de la sucesión de fun

ciones en C[o,i]
6. Este ejercicio muestra que el hecho de que la función límite en forma

puntual sea continua, no garantiza que la convergencia sea uniforme.
Pruebe que la sucesión de funciones f n(x) — n 2xe~nx en C[o,i] converge
puntualmente a la función f( x ) = 0, pero que la convergencia no es
uniforme. Dibuje una gráfica donde, recordemos, n! = 1 • 2 • • • n.
7. (Teorema de Dini (1878)). Complementando lo señalado en el ejercicio

anterior, el teorema de Dini afirma que si una sucesión monótona cre
ciente de funciones, { /n}, en C|a6j converge puntualmente a una función
continua / , entonces la convergencia es uniforme. Ilustre este teorema
con un ejemplo.
8. En la lección 2 del volumen 2 (Cálculo), mencionamos que existen funcio
nes continuas en todas partes pero diferenciables en ninguna (Weierstrass
(1872)). Una función clásica que nos ofrece este comportamiento es el lí
mite de la sucesión de funciones
donde
{{10mx}} = la distancia de 10mx a su entero más próximo
Dibuje /i(x ), / 2 (z) y h ( x ) . Además, notando que
— {{10mx}} < —
10m ~ 10m
pruebe, utilizando el criterio de Weierstrass, que, efectivamente, esta su
cesión converge uniformemente a la función continua
¿ ¿ { { io -* } }
m=l, 10m
¿Cree usted que podría dibujar esta función límite?16
9. Muestre que Rn es un espacio métrico completo con la tres distancias

señaladas en esta sección. Sin embargo, muestre que R con la distancia
dada por
d (x,y) = | arctan(rr) —arctan(y)|
no es un espacio métrico completo.
10. Muestre que el espacio métrico de matrices cuadradas 9JtnXn es un espacio

métrico completo. [Indicación: note que toda matriz ti x n se puede ver
como un elemento de Rn ].
11. Pruebe que la sucesión

f n(x )= x
es de Cauchy en C 2_ x ji, pero no existe ninguna función / € ^ que
satisfaga que límn_*oo Jn = /•
12. Utilizando las expresiones en series de potencias para sena:, cosrr, y ex ,

encuentre las correspondientes expresiones para:
e*2
i) xex ; ii) iii) xse n x ; iv) cos(2x)
. 2 / 1 + COs(2x) o / /i 2 w
v) eos x ( = ------ ^ — -); vi) sen x (= (1 - eos x))
Señale sus correspondientes radios de convergencia.

’ La demostración de la diferenciabilidad de esta función límite no la haremos aquí. El
lector interesado puede consultar, nuevamente, Spivak (1978).
13. Pruebe que todo subconjunto cerrado de un espacio métrico compacto

es compacto. [Indicación: primero muestre que el subconjunto también
es completo, y después utilice el teorema 9.]
14. Sea X un espacio métrico compacto. Pruebe que el conjunto C (X ) de

todas las funciones / : X —>R con la métrica dada por
d (f,g ) = m á x |/(x ) - s ( x ) |
xGX
es un espacio métrico completo.
2 . Espacios de Banach: álgebra en los espacios

métricos
Como habíamos afirmado antes, el análisis funcional fue, en parte, el producto
de algunas investigaciones surgidas de las necesidades de la mecánica cuántica
en Física. Y una de las estructuras más estudiadas por el análisis funcional es
la de espacio de Banach que consiste en un espacio vectorial con una norma y
que es completo como espacio métrico. Esta estructura fue introducida axio
máticamente por el matemático polaco Stefan Banach en su tesis doctoral de
1920.
Para comenzar, recordemos el concepto de espacio vectorial desarrollado en la
lección 5 (“Bases y dimensión”) del volumen 1 (Álgebra lineal).
D efinición 16. (Espacio vectorial)

Un conjunto no vacío V con dos operaciones (suma y multiplicación por escalar)
que satisfagan:
i) Adición: a cada par x, y E V se le asigna un único x + y G V, llamado

suma de x y y.
ii) Multiplicación por escalar: a cada x € V y a cada escalar número real

k E R se le asigna un único kx € V.
se llamará un espacio vectorial (y a sus elementos, vectores) si las siguientes

afirmaciones se cumplen para todo x , y , z e V:
i) x + y = y + x (Ley conmutativa).
ii) (x + y) + z = x + (y + z) (Ley asociativa).
iii) Existe un vector 0 G V , llamado vector cero tal que x + 0 = 0 - h x = rr

para todo x G V.
iv) Para cada x G V existe un vector —x £ V, llamado inverso aditivo de x ,

tal que x + (—x) = (—x) + x = 0.
v) l(kx) = (lk)x para todo par de escalares k, l 6 R.
vi) k(x + y) = kx + ky para todo escalar (ley distributiva).
vii) (k + l)x = kx + lx para todo par de escalares k, l € R.
viii) lx = x.
Ejem plo 23.

Los espacios métricos que hemos venido estudiando aquí son también espa
cios vectoriales; es decir, además de estructura topològica, tienen estructura
algebraica, y esto los hace más ricos matemáticamente:17
a) Rn con el producto y suma estándar.
b) El conjunto Câ ^ de todas las funciones reales continuas definidas sobre un

intervalo cerrado [a, 6], con la suma y el producto por escalar de funciones.
c) El conjunto £2 = {(a?i,... , x n, .. . ) / ^ S i ( x*)2 < °°} es un espacio vecto

rial con las conocidas suma y multiplicación por escalar de sucesiones.
d) El conjunto C 2a de todas las funciones reales continuas definidas sobre un

intervalo cerrado [a, 6], con la suma y el producto por escalar de funciones.
e) El espacio 97tnxn de todas las matrices cuadradas de tamaño n, con la suma

y el producto de matrices estándar.
D efinición 17. (E spacio vectorial norm ado)

Diremos qué un espacio vectorial V es un espacio vectorial normado si existe
una función norma || * || : V —» K que satisface:
i) IMI > 0 para todo x € V; ||x|| = 0 si, y sólo si, x = 0.
ii) ||A:z|| = |A;| • ||x|| para todo x € V, k € R.
iii) ||x + 2/|| < ||x|| -f ||í/|| para todo x ,y e V (desigualdad triangular).
17 Note que, hasta cierto punto, esta ha sido la idea que hemos desarrollado en este
texto: primero, en el volumen 1 (Álgebra lineal) estudiamos la estructura algebraica
(de espacio vectorial de Rn; y después, en el volumen 2 (Cálculo), estudiamos su
estructura topològica y diferencial.
Es claro que todo espacio normado es un espacio métrico donde la distancia

entre dos vectores x, y se define así:
d (x,y) = ||x - y||.
Y recordando que un espacio métrico completo es aquel en el que toda suce

sión de Cauchy es convergente, trasladamos este concepto al espacio vectorial
normado, y arribamos a la noción de espacio de Banach.
D efinición 18. (Espacio de Banach)

Un espacio de Banach es un espacio vectorial normado completo.
Ejem plo 24. (U no de ellos, no es com o los otros)

Resulta que los cinco espacios métricos que venimos estudiando, también son
espacios normados. Sin embargo, solo hay uno que no es espacio de Banach:
el espacio métrico C 2a . Veamos:
a) Mn con la norma vectorial || • || estándar es un espacio vectorial normado,

y además, es completo.
b) El conjunto Câ de todas las funciones continuas definidas sobre un Ínter

vedo cerrado [a, 6], con la norma, para / 6 C(a,6]> definida así:
||/ || = xe[a,6]
m&c I /( * ) I
es un espacio vectorial normado completo: es de Banach.
c) También el conjunto de sucesiones £2 = { ( x i , . . . , xn, ...) | X )£i(x¿)2 < oo}

es un espacio vectorial normado completo con su norma definida por
oo
Por tanto, es un espacio de Banach.
d) El espacio 97tn xn de todas las matrices cuadradas de tamaño n es un espacio

de Banach con la norma definida por
e) El espacio C 2a 6j de todas las funciones continuas / : [a, 6] -» R que satisfa

cen la condición de que f a (f ( x ) ) 2dx < oo y donde la norma está definida
por
b i
m = ( J a ( m ) 2 dXy
también es un espacio normado. Pero no es completo pues allí algunas

sucesiones de Cauchy pueden no ser convergentes (ejemplo 13). ▲
El siguiente es un teorema importante en la teoría de los espacios de Banach

principalmente por dos razones. La primera es que muestra cómo nuestra in
tuición desarrollada en Rn podría llevarnos a equívocos cuando de espacios
métricos abstractos se trata: este teorema afirma que, esencialmente, el único
espacio métrico que tiene a la bola unitaria de centro 0 como conjunto com
pacto es, precisamente, Rn. Y la segunda es que nos enseña cómo combinar las
estructuras topològica y algebraica de un espacio de Banach, para desarrollar
argumentos de profundas implicaciones.
T eo rem a 11. (T eo rem a de R ie s z (1 9 6 5 ))

En un espacio de Banach, la bola cerrada de centro en 0 y radio 1 es compacta
si y solo si la dimensión del espacio es finita.
D em o stració n .
Para simplificar notación, sea ® la bola cerrada con centro en 0 y radio 1 del
espacio de Banach X .
i) Si B es compacta entonces podemos encontrar un número finito de puntos
x i , x 2 , —,x n en X tales que ® es cubierta por las bolas abiertas de centro
en Xi y radio 1/2. Si mostramos que el espacio generado E = (xi,a?2>
coincide con X entonces habremos probado que X es finito-dimensional. Ahora:
es claro que E es finito-dimensional y, por tanto, es cerrado en X (¿por qué?).
Supongamos, por el contrario, que existe un x € X —E , y definamos d (x, E ) =
ínfy€£ || x —y ||. Construyendo una bola cerrada alrededor de x que intersecta
a E, tendremos que esta intersección es un conjunto compacto (¿por qué?) y,
por el teorema de Weierstrass generalizado (teorema 10), existe un z £ E tal
que d(x, E ) = ínf || x — z || con z ^ x ya, que E es cerrado en X . Por tanto,
existe un xi tal que
y, así,
II X - z - II X - z II Xi ||< Nx 2 z N
Pero como z+ || x — z || X{ € E y, por definición de z, d (x,E ) = || x — z ||,

entonces el lado izquierdo es mayor o igual que || x — z ||, y esto es una
contradicción que prueba el resultado.
ii) En Rn la bola cerrada de centro en 0 y radio 1 es, obviamente, compacta.
Y todos los espacios finito-dimensionales son isomorfos (como espacios vecto
riales) a algún Mn (volumen 1 (Álgebra lineal)). ■
Ejem plo 25. (Series de m atrices y 9flnxn)

Para observar que la combinación de álgebra y topología en los espacios de Ba-
nach puede llevarnos a resultados interesantes y útiles, consideremos el espacio
de Banach 9Jlnxn de todas las matrices cuadradas de tamaño n con la norma
definida por
IMII = . / E K )2
V1<i,j<n
donde A = [aij]nxn. Una pregunta legítima es si puede tener sentido extender
el resultado en series de potencias
—^— = 1 + £ + £2 + £ 3 -!-----
1- X
a una expresión matricial como
( I - A ) - 1 = I + A + A 2 + A Z + ---
donde A es una matriz en 9JínXn, I es la matriz identidad n x n, y (I — A )-1

es la inversa de la matriz (I — A). Y la respuesta afirmativa se argumenta de
la siguiente forma: Supongamos que ||i4|| < 1; entonces la serie
I + A + A 2 + A 3 -\-----
converge en 97tnxn pues la sucesión de matrices {/, I + A, I + A + A 2, ...}

converge en la norma de arriba ya que es de Cauchy (recordemos que VTtnXn
es un espacio de Banach). En efecto, si m > n entonces
|| (I + A + A 2 + --- + A m) - ( I + A + A 2 + --- + A n)\\

|| A n+l + A n+ 2 + --- + A m \\
<|| A n + 1 || + M " +2 | | + - - - + M m ||
< M ir i + M ip+2+ -.-+ M ir
y esta últim a sucesión tiende a cero cuando m ,n oo18. Por tanto, existe una
matriz en 9JtnXn que se puede escribir como
I + A + A 2 + A 3 + •••
18 En el último paso hemos utilizado el hecho de que || A B ||<|| A || || B ||. ¿Podría el
lector probar esto?
Pero de la igualdad
( / - A )(I + A + A 2 + A 3 + ■■■+ A n) = I - A n + 1
y notando que lu n ^ o o A n+l = 0 se reconoce que, efectivamente, si ||i4|| < 1,
( I - A )~ l = I + A + Á 2 + A 3 + ■■■
Debe observarse que, en este ejemplo, utilizamos una información algebraica

adicional del espacio de matrices 9Jtnxn que no está comprehendida por la
definición misma de espacio de Banach: que los objetos de este espacio, además
de poderse sumar y multiplicar por escalar como corresponde a un espacio
vectorial, también pueden multiplicarse entre sí. Esta propiedad algebraica
adicional es la que permite llegar a un resultado tan importante (y útil) como
este. A este tipo de estructuras se les conoce como álgebras de Banach, y 9Jlnxn
es el caso más típico de esta clase de estructura algebraica-topológica.
Ejercicios 2
1. Calcule dos aproximaciones de la inversa de la matriz (I 2 — A) con A =
0 2 0 3 ’ utl^za<^0 fórmula
(^2 ~ A ) 1 = I 2 + A + Á 2 + Á 3 + • • •
y compárela con la verdadera matriz inversa.
3. Espacios de Hilbert: álgebra y geom etría en los

espacios métricos
Ya se había indicado que las necesidades de la mecánica cuántica habían con
ducido a la creación de los espacios de Hilbert y también a los más generales
espacios de Banach. Los espacios de Hilbert fueron introducidos axiomática
mente por John von Neumann en 1928, aunque de ellos se tenían ejemplos
concretos desde mucho antes. Una de las ventajas que tienen los espacios de
Hilbert sobre los espacios de Banach, desde el punto de vista analítico, es
que, además de las estructuras algebraica y topològica de estos últimos, se le
agrega una estructura geométrica específica a través del concepto clave para
desarrollarla: el de “ángulo” y, de allí, el de ortogonalidad.
D efinición 19. (P rod u cto escalar)

Un producto escalar (o interno) sobre un espacio vectorial V es una función
real (•, ■) definida sobre V x V, que satisface las siguientes propiedades:
i) (x, x) > O para todo x G V y (x,x) = 0 si, y solo si, x = 0.

ii) (x, y) = (y, x) para todo x, y G V.
iii) (kx,y) = k(x,y) para todo fc € M, x ,y € V.
iv) (x,y -|- 2 ) = (x ,?/) 4- (x ,z) para todo x , y , z G V.
Observe que en un espacio vectorial dotado de producto escalar se tiene que
para todo x, y G V,
|<i,y)| < \/{ x ,x )y /{ y ,y ),
pues para todo f c € i , por la condición i) arriba, se tiene que
(kx + ?/, kx + y) = fc2(x, x) + 2 k(x, y) + (y , y) > 0;
y, por tanto, el discriminante de esta función cuadrática en k debe ser positivo;
es decir, (x ,y )2 — {x,x )(y ,y ) < 0, que es equivalente a
l<x,y>| < y / ( x , x ) y / ( y , y )
Por tanto, todo espacio vectorial V dotado de un producto interno, es un
espacio normado donde, para todo x G V, la norma se define por
IMI = v ^ i >
D efinición 20. (E spacio de H ilb e rt (von N e u m a n n (1929)))
Un espacio de Hilbert es un espacio de Banach en el que la norma proviene de
un producto escalar.
E jem p lo 26. (D os de ellos no son com o los o tro s)
a) Rn con el producto interno estándar es el más elemental espacio de Hilbert.
b) t 2 con el producto interno definido por
<{zi},{y;» = ^ ( x í V í )2
i=1
para las sucesiones ( x i)g 1} (í/í)?^ G t 2, es un espacio de Hilbert.
c) Câ aunque es un espacio de Banach, n o es un espacio de Hilbert porque,
como veremos enseguida, su norma no procede de un producto escalar.
d) El espacio 9JlnXn de todas las matrices cuadradas de tamaño n es un espacio
de Hilbert con el producto interno definido por
mn
(.A, B ) = ) ' dijbij
i=l
para las matrices A = [a¿j]n xn y B = [6¿j]n xn-
e) Cfa fej aunque sí tiene un producto interno f* [f(x)g(x)]2dx que da origen a

su norma, no es un espacio de Hilbert porque no es completo. ▲
Así como, salvo isomorfismos, solo existe un espacio vectorial finito-dimensional

(Rn), también es cierto que sólo existe, salvo “isomorfismos”, un espacio de Hil
bert infinito-dimensional: í 2. Aquí, la noción de isomorfismo tiene dos partes:
una, como espacios vectoriales; y otra, que se preserva el producto interno.
Es decir, dado cualquier espacio de Hilbert infinito-dimensional H , existe una
función biyectiva
T :H i2
tal que:
i) T es una transformación lineal; y
ii) (T (x ) ,T (y )) = (x,y) para todo x ,y € H . 19
E jem p lo 27. (¿ P o r q u é Câbj no es u n esp acio de H ilb e rt? )

Se puede mostrar fácilmente (ejercicio 1 de Ejercicios 3) que un espacio de
Banach H es un espacio de Hilbert si, y solo si, se cumple la “ley del paralelo-
gramo”:
II® + y\? + II* - y\\2 = 2 (|M |2 + IMI2)
para todo x ,y € H; y que, en tal caso, el producto interno será definido por
(x>y) = jdl1 + y\\2 ~ II1 —vil2)

Aprovechamos este resultado para demostrar que el conjunto Câ6j, aunque
es un espacio de Banach, no es espacio de Hilbert y que, así, su norma no
proviene de ningún producto interno. En efecto, tomemos, para simplificar,
Cjo,7r/ 2]> í ( x ) = cosx, y g(x) — senx. Entonces se tendrá que || / ||= || g ||= 1,
|| / + g ||= \/2, || / - g ||= 1, y, por tanto,
IIZ + slP + IIZ-sIlV ^ ll/lp + lMl2)
Quizá una conclusión adecuada aquí es que, aunque los espacios y C ?«M
son espacios con álgebra y topología suficientes para ser muy importantes por
sí mismos, desafortunadamente estas topologías no son suficientemente especí
ficas como para que se pueda construir una geometría sobre ellos que dé origen
a esa topología. Quizás el lector pensará que esto los ha'ce espacios “menos fuer
tes”, pero en el siguiente ejemplo veremos cómo uno de ellos podrá “absorber”
parte de la geometría del único espacio de Hilbert í 2.
19 Una prueba de esto la encontramos, nuevamente, en Kolmogorov y Fomin (óp. cit).
Ejem plo 28. (Y ... ¿para qué los espacios de H ilbert?)
Aunque no es necesario para lo que haremos en adelante, intentaremos justi

ficar, aunque sea solo con un ejemplo, por qué el estudio de los espacios de
Hilbert tiene interés en sí mismo. Centrémonos en el espacio de Hilbert £2 de
sucesiones infinitas, y en el espacio de Banach C 2a 6j de funciones continuas en
[a, b] con la convergencia media. Entonces:
1. £2 tiene un conjunto muy especial de puntos: e\ = (1,0,0, ...,0 ,...); e<i =

(0,1,0,0,..., 0, en = (0,0,..., 0 , 1 , 0 , 0 , , pues este conjunto es
una “base infinita” de £2: note que || en ||= 1, ei • ej = 0 si i ^ j , y si
p G Í 2, entonces siempre es posible escribirlo de la forma p = Y liî °nen
donde Cn = (p,en).
2. Ahora concentrémonos en el espacio C 2aby En 1822, el matemático fran

cés Joseph Fourier [1768-1830] estudiaba problemas del movimiento de
ondas y del flujo de calor en una superficie. En Théorie analytique de la
chaleur publicada aquel año, aseguraba que el sistema
1 cos(nx) sen(nx)
para n = 1,2,3,..., era “ortonormal”. Más específicamente, utilizando

el producto interno del espacio métrico 0 2_n , se tiene que si m ^ n
entonces, como el lector puede comprobar,
* sen(nx) sen(mx) ^ _ q
/ s/ñ y/ñ
* eos (nx) eos(m x)

, ^ v^ * - 0
y, también, para todo m, n,
*’ sen (nx) eos (m x) ,

/ -ir
--- )= -!■ — ^ = -^ -d x = 0
A A
r 1 c o s ( m x ) ___
L i s - i r ^
r 1 sen(mx) _
L v 25F A
Además,
sen(nx) sen(nx) _ ^
a
* cos(nx)
eos (n i) cos(raa;)
cos(raa;)
/ ---- 7=-------- t=— dx = 1
' V 5F " V ? <fa:
L ^ 7 % d x = l
y luego mostraba (escrito en lenguaje moderno) que toda función con

tinua en [—7r,7r], tiene una representación en serie de Fourier; es decir,
podemos representar a f( x ) mediante una serie de senos y cosenos de tal
forma que
f( x ) = - a ° + J ^ ( a n eos n x + bn sen nx)

n=l
donde los coeficientes están dados por
y la convergencia de la serie a f( x ) es en media, es decir, en el espacio

métrico C[2_ff7rj. Pero, más aun, Fourier mostró que ambas sucesiones,
{°n} y {&n}> satisfacen que 5Z(a n)2 y J2 (^n)2 convergen y, así, están en
el espacio métrico £2. Por tanto, podríamos decir, abusando un tanto de
la notación, que C'[2_7r7r] Q t 2-
Ejem plo 29. (P olinom ios ortogon ales)20

Otro ejemplo de funciones ortogonales en el espacio C 2_ x ^ son los polinomios
de Legendre definidos por
Aquí, Pq = 1, P\ = x, P¿ = §x2—\ como el lector fácilmente puede comprobar.
Ejercicios 3
1. Muestre que un espacio de Banach H es un espacio de Hilbert si, y solo
si, se cumple la “ley del paralelogramo”
II* + vil2 + II* — 2/II2 = 2 (||x ||2 + ||y ||2)

20 Esta fue la principal área de investigación del extraordinario matemático colombiano
Jairo Charris, a quien está dedicado este libro.
para todo x, y G H] y que, en tal caso, el producto interno estará definido

por
{x,v) = j(lk + y||2 - ll® - íí||2)
2. A toda transformación lineal y continua T : i 2 —> i 2 se le llama un

operador21. Considere el operador biyectivo T : i 2 —> í 2 definido por
T ( x i ,x 2 ,...,x n ,...) = (0, x i, 7 ^ , . . . )

¿ n —1
y pruebe que T (x) = Xx si, y solo si, x = 0. Este resultado difiere

notablemente de lo que teníamos en el álgebra lineal ordinaria donde
todas las transformaciones lineales biyectivas T : R n ->• Rn, tienen al
menos un vector propio distinto de cero.
4. Aplicaciones a la teoría de ecuaciones diferenciales

Por todo lo discutido en la sección anterior, no es sorprendente que algunas de
las aplicaciones del análisis funcional se encuentren, precisamente, en la teoría
de las ecuaciones diferenciales ordinarias y de los sistemas dinámicos (lección
3). En lo que sigue, presentamos tres de los más importantes resultados en
estas áreas, fundamentalmente en problemas de existencia de soluciones.
Teorema 12. (Teorem a de Peano (1886))

Sea /( x , t) una función continua definida sobre un subconjunto abierto no vacío
A del plano M2. Entonces la ecuación diferencial
~ / ( 2')^)j (aro, ¿o) ^ A
tiene al menos una solución local x(t) con x(to) = xo en A.
D em ostración.
Es una intrincada aplicación del teorema de Arzelá (ver, por ejemplo, “Kolmo
gorov, A.N. y S.V. Fomin (1970), Introductory Real Analysis, Dover Publica
tions”). ■
Teorema 13. (Teorem a de Picard (1887))

Sea /(•,•) una función continua definida sobre un subconjunto abierto no vacío
21 Un operador es una transformación lineal continua T : H -> H con H un espacio de

Hilbert, solo que aquí hacemos uso del isomorfismo de los espacios de Hilbert infinito
dimensionales, con i 2.
A del plano R2 que contiene a (£ 0 , 2/0 ); V supongamos que existe una constante
M > 0 tal que
\f(x ,y ) —f ( x , y ) | < M \y — y\ (Condición Lipschitz)
para todo x, y, y € A. Entonces existe un intervalo \x —Xo| < Ó en el que la

ecuación diferencial
t x = f { x ' y)
tiene un única solución y = y(x) que satisface y(x 0) = yo.
D em ostración.
La ecuación ^ = f ( x , y) es equivalente a la “ecuación integral”

dx
y(x) = 2/0+ / f( t,y (t)) d t

Jx
Como /(•) es continua, entonces existe una constante K tal que \f( x ,y ) \ < K
para todo (x,y) en cierta bola B abierta en A que contiene a (xo,yo)- Sea
ahora 0 < 6 < j j tal que si \x —x q \ < 5 y \y —yo\ < K S entonces (x, y) € B\ y
sea C * el conjunto de funciones reales continuas </?(•) sobre \x —xo| < ó y tales
que |tp(x) —yo\ < K S equipado con la norma del máximo. Es claro que C* es
completo ya que es un subespacio cerrado de
Definamos ahora el operador r/j : C* —> C* por
i>(<p)(x) = yo + í f ( t , ip(t))dt
Jx 0
Notemos que, entonces,
Vl>(v)(x) - ya\ = | f f ( t , <p(t))dt\ < í \ f ( t , i p ( t ) ) \ d t < K \ x - x 0 \ < K 6

JXQ Jxo
y, por ello, </?(•) está bien definida pues lo anterior demuestra que ip{(p) es
continua. Ahora notemos que
|4>() - TpiftW < M S II<p - ¡p\\
donde || • || es la norma del máximo del espacio de Banach C[Xo_(5,xo+í]- Per0
como M S < 1, entonces ip es una contracción a la que le podemos aplicar el
teorema 8 (teorema de punto fijo) para garantizar que existe una única función
y G C* tal que ip(y) — y ; es decir,
f( t,y (t)) d t = y(x)
dy
que, como dijimos, es equivalente a la ecuación diferencial — = /(rr, y). ■
dx
T eo rem a 14. (E x isten cia de solución p a ra u n siste m a din ám ico )
Dadas n funciones reales continuas /¿(f,2/i, ...,2 /n ) , i = 1,2, ...,n, definidas so
bre un conjunto abierto no vacío de Rn+1 que contiene el punto (¿o, 2/oi >•••>VOn),
suponga que todas satisfacen la condición de Lipschitz
\ f i ( t , V i , - , V n ) - f i ( t , v í , - , í h ) \ < M (máx \ y i - y i \ )
1< i< n
para cierto M > 0 fijo. Entonces existe un intervalo |í —¿o! < <^ en el que el
sistema dinámico
^ = f ¡ ( t , y i , - , y n) i = 1 , 2 ,...,n
tiene una única solución
= ,y n = fn ( t)
que satisface las condiciones iniciales
2/01 = ^ ( ¿ o ) , ,2/0n = (f ini to )
D em o stració n .
Es similar a la demostración del teorema 13 anterior. ■
Ejercicios 4
1. Basándose en el teorema 13, pruebe el teorema 14.
5. El cálculo de variaciones clásico

En el cálculo diferencial (volumen 2, lección 3) fue corriente enfrentarnos a pro
blemas de máximos y mínimos de la siguiente forma: dada una curva, ¿dónde
están sus puntos más altos o más bajos? o, dada una superficie, ¿dónde están
sus crestas o sus valles? etc.; es decir, tratábam os con problemas de optimiza
ción para funciones objetivo. En el cálculo de variaciones clásico se generaliza
esto: en lugar de considerar funciones que asocian números con números, aquí
estudiaremos funciones que asocian curvas con números, y se intenta encontrar

la(s) curva(s) que optimiza(n) a cierta función objetivo.
Hasta donde se sabe, la primera en resolver un problema de cálculo de varia

ciones fue la reina Dido de Cartago (siglo VII a. C.). Cuando se le prometió
tanta tierra como cupiera dentro de una frontera construida con el cuero de
un toro, ella cortó el cuero en bandas delgadas, las pegó en una banda larga,
unió los extremos, y luego trató de asegurarse un terreno lo más grande posible
dentro de esta frontera. La historia no describe la forma del territorio escogido,
mas podría esperarse que hubiera cubierto el territorio en forma de círculo; de
todas las superficies limitadas por curvas de una longitud dada, el círculo es
la de mayor área. Hoy, el cálculo de variaciones ofrece una prueba rigurosa de
esto.
Pero fue Newton, en sus Principia de 1686, el primer matemático en publicar

un resultado en este campo. El problema de Newton consistía en encontrar la
forma que debía tener un sólido de revolución para que al moverse, tuviera la
menor resistencia del aire. Y la respuesta a esta pregunta se ve en las aplica
ciones: la bala de un rifle se diseña de tal forma que satisfaga esta condición
de mínima resistencia del aire, y también los cohetes están diseñados de esta
forma. Pero, aunque Newton publicó la respuesta correcta a un caso especial
del problema (es decir, que la superficie del sólido resultaba de girar cierta
curva (conocida como la catenaria) alrededor de un eje), nunca mostró las
pruebas explícitas ni los cálculos que lo condujeron -a esto. Así, la solución de
Newton no tuvo un impacto sustancial en el desarrollo de la teoría del cálculo
de variaciones.
En 1696, los hermanos Bernoulli estudiaron el problema de encontrar la trayec

toria entre dos puntos fijos, a través de la cual un cuerpo pequeño que se mueve
bajo la influencia de la gravedad, viaja en el menor tiempo posible (problema
del braquistócrono). Y aunque fácilmente uno podría pensar que la trayectoria
debería ser una línea recta, Galileo ya había observado que el tiempo requerido
a lo largo de otras curvas era menor. De hecho, los hermanos Bernoulli deter
minaron que la forma de la trayectoria coincidía con una que ya (por otras
razones) era bien conocida por los antiguos griegos: la cicloide.
Ya habíamos mencionado en la lección 2 que Herón de Alejandría (s. I d. C.),

en su Catoptrique, se aproximó al problema de la reflexión de un rayo de luz
en un espejo o plano como un principio de mínimo. En el siglo XVII, Fermat
y Snell adicionaban que la trayectoria de un rayo luminoso que pasa de un
medio homogéneo a otro de la misma naturaleza, se desvía en la superficie
de separación de ambos. Más específicamente, un rayo luminoso que parte de
P (figura 8), donde la velocidad en la primera fase es v, y la velocidad en la
segunda fase es w, debe satisfacer la condición de que
sen(a) _ v
sen(a') w
donde a y a ' son los ángulos formados por el rayo con los medios I y i7 , res
pectivamente. A esta última ley empírica se le conoce como Ley de Snell (Snell
(1621)). Pero lo importante aquí es que Fermat demostró que esta trayectoria
satisface la condición de que el rayo de luz llega de P a Q en el menor tiempo
posible (conocido como el Principio de Fermat). Este, sin duda, también puede
considerarse como un problema de cálculo de variaciones.
Observemos que todos estos problemas tienen en común el que se le asigna un
número a cada curva de una cierta familia de curvas. En el primer ejemplo
de la reina Dido, la familia consiste en todas las curvas cerradas de longitud
conocida/ y el número es el área encerrada por cada curva; en el ejemplo de
Newton, el número es la superficie del sólido y, las curvas, aquellas que rotan
alrededor de un eje para formar el sólido; y en el ejemplo de los hermanos
Bernoulli, la familia de curvas es la de todas aquellas que tienen a dos puntos
fijos como extremos, y el número asociado con cada curva es el tiempo que
toma el cuerpo en recorrerlas. Y así, el problema del cálculo de variaciones
es encontrar la curva que maximiza (o minimiza) los números asociados. No
mucho después de los hermanos Bernoulli, los famosos matemáticos Leonhard
Euler y Joseph Louis Lagrange establecerían y desarrollarían métodos generales
para resolver este tipo de problemas de optimización.
Sin embargo, los problemas pueden incluir entidades geométricas más compli
cadas. Otro famoso problema del cálculo de variaciones es el conocido como
Problema de Plateau: dada una curva cerrada en el espacio tridimensional,
encontrar la superficie que, teniendo la curva como borde, tiene la mínima su
perficie. El Problema de Plateau (llamado así en honor del físico belga Joseph
Plateau [1801-1883] y resuelto por Tibor Radó (1930) y Jesse Douglas (1931),
tiene aplicaciones en la física: si la curva se construye con un alambre delgado
y lo sumergimos en una solución jabonosa, entonces la película que resulta
asumirá, muy aproximadamente ¡la forma de la superficie de área mínima!22
En el siglo pasado, la teoría general de la relatividad de Einstein dio otro ejem
plo: en nuestro espacio-tiempo, sin im portar cómo pudiera ser su geometría, los
rayos de luz y los cuerpos sobre los cuales no actúa ninguna fuerza ¡se mueven
a lo largo de las trayectorias más cortas!
Hubo un periodo en la historia (hace aproximadamente 200 años) cuando los
físicos creían que toda la Física podría deducirse de ciertos principios de mí
nimo sujetos al cálculo de variaciones. Creían que la naturaleza seguía ciertos
“principios econoinizadores” para obtener máximos (o mínimos) a partir de
medios dados. Es quizá por esta razón que algunas teorías matemáticas (como
es el caso de la teoría económica) devinieron en la aplicación de principios de
optimización y, en particular, del cálculo de variaciones.
a) E l p r o b le m a d e l c á lc u lo d e v a r ia cio n e s clá sic o

Como habíamos afirmado, el problema del cálculo de variaciones es el de escoger
una curva que conecta dos puntos dados, inicial y terminal, de tal manera que
se maximice cierto valor que, ahora generalizado para abarcar numerosos casos,
aparecerá en términos de una integral de cierta función de la curva en cuestión,
de su derivada, y del parámetro “tiempo”. Más explícitamente, el problema del
cálculo de variaciones clásico es
sujeta a c(to) = cq (CV)

c(t i ) = Cl
donde v(c(t),c(t), t) es una función continuamente diferenciable en [£o>¿i]; ¿(t)

(derivada con respecto al tiempo) es una curva de Rn continua a trozos en
[¿o>¿i]; co,ci ^ son dados.
Ejem plo 30. (La distancia más corta entre dos puntos)
Un ejemplo simple de lo anterior es el problema de encontrar la distancia más
corta entre dos puntos co, ci de un plano. Para ello, sea t la variable “distancia”
y encontremos la trayectoria c(t) que conecta a c(to) = co con c(¿i) = ci, de
22 Ver, por ejemplo, Courant, Richard y Herbert Robbins (1979), ¿Qué es la Matemá
tica?, España: Editorial Aguilar.
tal manera que minimice la distancia atravesada. Pero, del Cálculo básico, se
tiene que esta distancia es
í a/ 1 + (c(t))2dt
Jt0
ya que (figura 9) un diferencial de longitud de arco, ds, es igual a V d t2 4- de2

y, por tanto,
— r s - r f ( s ) ^
= í y /l + (c(t))2dt
Jto
Figura 9. Distancia mínima entre dos puntos co,ci en el plano.

Así, nuestro problema es
Minimizar f y /l + (c(t))2dt
{c(t)} Jto
sujeta a c(ío) = co
c(h ) = ci
que encuadra dentro del problema básico (CV) anterior con v(c(t),c(t),t) —
\ / l + (¿(<))2-
Ejemplo 31. (El problem a de N ew ton (1686))

El problema aquí es: entre todas las curvas que pasan por dos puntos fijos
definidos co, ci, ¿qué curva dará origen al sólido de revolución de menor su
perficie? (figura 10). Observe allí que la superficie de revolución es igual a la
suma de diferenciales de la forma 2neds. Así, puesto que ds = \J(d t)2 + (de)2,
entonces el problema aquí es
rh _____
Minimizar / 2n c (t)y /l + (c(t))2dt
{c(í)} Jto
sujeta a c(to) = cq
c(ti) = ci
que también encuadra dentro del problema básico del cálculo de variaciones
(CV) anterior con v(c(t), c(t),t) = 27rc(t)y/l 4- (¿(¿))2-
Figura 10. El problema de Newton.
b) E l p r o b l e m a d e e x is te n c ia d e s o lu c io n e s
Tomemos, una vez más, el problema del cálculo de variaciones clásico
rh
Maximizar / v(c(t),c(í ),<)(/£
{c(0> Jto
sujeta a c(¿o) = co (CV)
c(ti) = Ci
donde v(c(t),c(t), t) e s u n a fu n c ió n c o n tin u a m e n te d ife re n c ia b le e n ¿ (t)

(d e r iv a d a c o n re s p e c to a l tie m p o ) es u n a c u r v a d e R n c o n tin u a m e n te d ife re n
c ia b le e n [to, ¿ i] ; y c$,c\ (E Mn s o n d a d o s .
Consideremos, inicialmente, el conjunto C C C[Í0)Í1] consistente en todas las
funciones c : [¿o5¿i] —> R con c(ío) = cq,c(íi) = ci, con derivada continua,
uniformemente acotadas por una constante fija K , y equicontinuas, con la
norma del máximo estándar. No es difícil probar que C es un subespacio cerrado
del espacio métrico completo C[ío>tl], y, por el teorema de Arzelá (corolario 1),
C es compacto en C*[Í0)Í1]. Si C ^ 0 podemos construir el funcional
definido por
rh
5(c(í)) = / v(c(t), c(í), t)dt
Jto
Que el problema del cálculo de variaciones clásico (CV) tenga al menos una
solución,, es una conclusión directa del teorema generalizado de Weierstrass
para espacios métricos compactos (teorema 10 ), una vez nos aseguremos que
C 0 y que # sea continua. Esto último se ve inmediatamente al utilizar el
teorema del valor medio para varias variables (volumen 2 (Cálculo)).
c) C o n d icio n es d e p rim er ord en : e c u a c io n e s d e E u ler

Así como los problemas de optimización estática de Lagrange y Kulm-Tucker
tienen asociadas condiciones de primer orden, del mismo modo el problema del
cálculo de variaciones (CV) tiene su propia condición de primer orden a la que
se le llama ecuación de Euler (1744).
Dado el problema (CV), definimos la variación de c(t) de la forma
z(í) = c(t) + £7?(t)
donde r}(t) es una curva continua con derivada continua a trozos para la cual
7/(¿0) = ) = 0 , y € es el parámetro de variación. A su vez, definamos
Si c(t) es una solución, entonces V(e) se maximiza en e = 0 y, por tanto,

dV
— = 0 para todo 7](t). Es decir (Regla de Leibniz (volumen 2 (Cálculo))),
e=0
para todo 7](t):
Ahora una simple integración por partes (nuevamente, volumen 2 (Cálculo))

nos conducirá a
f t¡ ( dv d ( dv\ \
Jt0
que, por las condiciones de frontera T](to) = 77(^1) = 0, es equivalente a
para todo Tj(t). Y, así, arribamos a la ecuación
(ecuación de Euler)
que es la condición de primer orden para el problema del cálculo de variaciones

(CV).
La condición de segundo orden del problema (CV) se deduce similarmente
d2 V \
cuando escribimos la condición — < 0. Veamos cómo. Comencemos por
d *2 L=o
V (¿ )= fr* v (z (t),z(t),t)d t
JtQ
Jtn
y derivemos dos veces con respecto a e para obtener, en e = 0, que
d2V d (d V , d f h (d v dv \
de2 de de de J to \ d c ^ ^ d c ^ J
f l1 ( d dvx . d ,d v .\
" i . ( ’ S ' ï ’ + ’ S 'S V '“
Pero
d dv. d2v . d2v
de de ^ de2 ^ dede
d (d v . _ d2v . d2v
de de ^ d cd c^ ^ d cd c
y as*,
d2V f h ( 2d2v n . d2v ...o & A
! S = l i 7' d ¿ + 2m d¿dc + {T,) d ? ) dt
de donde, si v(c(t), c(t), t) es cóncava en (c(t),c(t)), tendremos que la forma

cuadrática del integrando es negativa y, por tanto, la integral misma es nega
tiva; es decir, d2 V/de2\€_Q < 0, que era lo que queríamos mostrar.
Esta deducción heurística de la fórmula de Euler y de las condiciones de se
gundo orden, tienen una contraparte formal que escribimos a continuación:
Teorem a 15. (E cuación de Euler (1744))

Si c(t) es una solución al problema de cálculo de variaciones (CV)- entonces
dv d f dv\ . .
~dc~ Ht \ 9 é ) (ecuación de Euler)
Además, si la función v(c (t),c(t),t) es cóncava en (c(í),c(í)) entonces la ecua

ción de Euler también es suficiente para que c(t) sea una solución al problema
(CV).
N ota 2.
i) Note-que si en la ecuación de Euler, la función v no depende de c, obten
dríamos únicamente
dv
de
que es un problema estático de optimización muy simple.
ii) También puede suceder que v no dependa explícitamente de c, en cuyo caso
tendríamos, de la ecuación de Euler, que
para alguna constante k.

iii) De otro lado, si v no depende explícitamente de £, entonces tendremos, de
la ecuación de Euler, que
para alguna constante k .

N ota 3.
El problema (CV) también puede expresarse, como puede ser ya claro para el
lector, en términos de minimizar en lugar de maximizar en la forma típica. En
el caso de las ecuaciones de Euler, estas serán suficientes y necesarias para que
c(t) resuelva el problema si la función u (c(í),c(í),í) es convexa en (c(¿),¿(¿)).
Ejem plo 32. (La distancia más corta entre dos puntos)
La ecuación de Euler para el problema planteado en el ejemplo 30 como
Minimizar
sujeta a c(¿o) = co
c(ti) = ci
es, con v(t) = y /l -f (c(£))2 ,
Y así,
m
v 'i + (¿W )a
para alguna constante k. Pero esto, a su vez, implica que c(t) debe ser también
constante (¿por qué?). De allí que c(t) debe ser lineal en t\ es decir,
c(t) = kot -f k\ para ciertas constantes Aro, k\ € R.

Pero como c(¿o) = cq y c(t\) = c\ entonces la solución debe ser
Y dado que la función v(t) es convexa en c(£), la ecuación de Euler, de acuerdo

al teorema 15, nos ha conducido a justificar la afirmación de que la distancia
más corta entre dos puntos es, efectivamente, la línea recta que los conecta.
Ejem plo 33. (Solución al problem a de N ew ton (1686))

La ecuación de Euler del problema de Newton
Minimizar 2 n c (t)y /l + (c(t))2dt

(c(í)}
sujeta a c(£q) = cq
c(ti) = Ci
es, con v(t) = 2 n c (t)y /l + (c(¿))2, la siguiente:
para alguna constante fc. Simplificando, obtenemos que
c(t) = í \ / c 2 (t) - k2
y así, escribiendo c = c(í), tendremos que
de donde, por antiderivación, se obtiene que
para alguna constante m. De allí, se obtiene, a su vez, que
c + v/c2 —k2
y, por tanto,
c(¿ o ) = c o , c(íi) = ci
que es la curva conocida como catenaria (del latín catena que significa “cadena”
(volumen 2 (Cálculo)). Según el teorema 15, esta es la solución al problema
planteado debido a que v(c,c) = 2 n (c y /l 4- (c)2) es convexa. ¿Cuáles son las
constantes m y k en términos de cq y ci?
Ejem plo 34. (La cicloide y el problem a del braquistócrono)
Figura 11. Problema del braquistócrono.
En un plano vertical x y , se unen los puntos P(xo,yo) con Q {x\,y{) como en

la figura 11 (con x\ > #o, 2/1 > 2/0) mediante una curva c(t) de tal forma que
el tiempo que toma una partícula que baja sin fricción desde P hasta Q, es el
menor posible. Para encontrar esta c(t), notamos primero que la velocidad de
_____
la partícula, — , es proporcional a y /2 g(y — yo), que es la raíz cuadrada de la
altura de la caída (aquí, g = 9.8 m / s 2 es la constante gravitacional). El tiempo
tomado por la partícula será entonces
/*X1 dt ds j __ 1 f Xl y /l + ^ x ) ) 2 ;
L d s d x dX y/2g JXQ V c(t) - yo
Omitiendo el factor — y haciendo lo (sin pérdida de generalidad) yo = 0,

v2 g
obtenemos que nuestro problema es
Minimizar
{c(<H f /
JJxi
J ± ± ^ d x
X1 V
sujeta a c(xo) = 0,
c(x i) = í/i
cuyo resultado es la curva conocida como la cicloide (volumen 0 (Fundamen

tos)), y que veremos en seguida. En efecto: Si tomamos
entonces llegamos, después de un poco de manipulación algebraica, a la ecua

ción diferencial
de donde, por antiderivación, se muestra que existe una constante k tal que
Nos acercamos a la solución cuando parametrizamos de la siguiente forma:
y llegamos a que
Y así la solución será la cicloide
(¿Por qué esta curva realmente resuelve el problema? ¿Cuál es el valor de k en

términos de las condiciones iniciales del problema variacional?)
Ejercicios 5
1. ¿Será que el siguiente problema tiene solución?: “Sobre una recta L to
memos dos puntos A y B a una distancia fija, y busquemos el triángulo
rectángulo A O B que haga el área mínima
O
A B L
2. Considere el problema variacional
Minimizar
sujeta a c(l) = 0
c(3) = 2
y pruebe que la solución es una línea recta.

3. Pruebe que la solución al problema variacional

/•s
Maximizar f (Sí + (c(t))*)dt
WO) Ji
sujeta a c(l) = 3
c( 5) = 7
es c(t) = t + 2 .
4. Pruebe que el problema variacional
Maximizar f (tc(t) + (c(t))2)dt

{c(0} Jo
sujeta a c(0) = 1
c(1) = 1
tiene como solución c(t) = —J í2 + + 1.
5. Resuelva el problema variacional
Maximizar [ \(?(t) + 4c(¿)c(¿) + 4(c(t))2]dt

(c(t)} Jo
sujeta a c(0) = 2 e 2
c(l) = 1 4- e
6. (La Reina Dido y el “problema isoperimétrico,f) El problema de encontrar

la curva cerrada, de longitud dada, que encierre la mayor área posible, se
conoce como el problema isoperimétrico. Aquí indicaremos cómo demos
trar que la solución a este problema es el círculo, y esto se verá cuando
resolvamos
Maximizar í c(t)dt
{c(0> Jo
sujeta a f y /l + (c(t))2dt = a
Jo
c(0) = co
c( 1) = ci
a) Escriba £ = c + fiy /l + (c(t))2 donde \l es un multiplicador de Lagran

ge. Como, en este problema, £ no depende explícitamente de t , entonces
tendremos, de la ecuación de Euler, que
„ .ac ,
para alguna constante k\ (Nota 2) (¿Por qué podemos aplicar la ecua

ción de Euler a £?). Muestre entonces que la ecuación de Euler de este
problema se puede escribir así:
c + fiy /l + c 2 ~ ■ = fci
V i + c¿
para alguna constante k \ , y donde /z es un “multiplicador de Lagrange”.

b) Llegue, de la ecuación anterior, a que
c — k i = —-
V i + c2
c) Si escribimos c = t a n x se tendrá, de esta última ecuación, que
c — k\ —¡i eos x
y así,
de llsen xdx
d t = ---------= ------------------ = LLCOSX
tan x tan x
y, por consiguiente, para alguna constante &2 se tendrá que t = n sen í+ fo
y, así,
(t - k2 )2 + (c - k \ )2 = fi2
d) Justifique formalmente la afirmación de que esta sí es la solución

buscada.
**7) (El problema del triángulo de Schwarz) Dado un triángulo acutángulo

(figura en seguida), pruebe que existe exactamente un triángulo inscrito
de perímetro mínimo: aquel cuyos vértices coinciden con los pies de las
alturas del triángulo dado.
6 . El problema de control óptimo (caso continuo)

De una u otra forma, consciente o inconscientemente, desde los albores de
la civilización se han utilizado diversos tipos de “control”. Por ejemplo, en la
antigua Mesopotamia, hace más de 4000 años, el control de los sistemas de
irrigación era un arte bien conocido. También los Romanos, en sus acueductos,
utilizaban ingeniosos sistemas de válvulas reguladoras para mantener constante
el nivel del agua.
Pero es en el siglo XVII, con los trabajos de Christian Huygens [1629-1695]
y Robert Hooke [1635-1703] sobre las oscilaciones del péndulo, que aparece
el primer tratamiento moderno de un típico problema de control. Su objetivo
era conseguir una medida precisa de tiempo y ubicación, todo con propósitos
prácticos. A su vez, lo aprendido con el péndulo fue aplicado, por ejemplo,
para regular la velocidad de los molinos de viento (un mecanismo basado en un
sistema de esferas que rotaban alrededor de un eje con velocidad proporcional a
la del molino), y esto también fue adaptado para la máquina de vapor (cuando
la velocidad de las esferas aumentaba excesivamente, se abrían una o varias
válvulas para dejar escapar el vapor, y así la velocidad de la máquina disminuía:
se buscaba “controlar” la velocidad tratando de mantenerla constante). Sin
embargo, solo hasta 1868, el famoso físico escocés James Clerk Maxwell [1831-
1879] mostraría matemáticamente que este problema de la máquina de vapor
podía describirse mediante “mecanismos de control”.
Poco a poco, estas ideas fueron ganando espacio. A principios del siglo XX, la
ingeniería de control florecía y comenzaba a recibirse como disciplina: aparecie
ron amplificadores en sistemas telefónicos, sistemas de distribución en plantas
eléctricas, estabilización de aviones. De hecho, la Segunda Guerra Mundial ve
ría la teoría de control aplicada en el vuelo de aviones, en misiles balísticos,
y en baterías antiaéreas. Hasta 1960, los métodos e ideas desarrollados por la
teoría de control eran básicamente los mismos del cálculo de variaciones clási
co, y se empezaron a entender sus limitaciones para enfrentar la complejidad
de muchos problemas concretos del mundo real. En este sentido, los aportes
de Richard Bellman [1920-1984] (con su método de “programación dinámica”),
Rudolf Kalman [1930- ] (“técnicas de filtros”) y Lev Pontryagin [1908-1988]
(“principio del máximo”) dieron fundamento a lo que hoy se conoce como “teo
ría moderna de control”.
La rica historia de aplicaciones prácticas de esta nueva teoría de control es
tá hoy en plena evolución. El desarrollo tecnológico moderno plantea nuevos
problemas que van desde los más simples artefactos domésticos hasta los más
sofisticados mecanismos tecnológicos. Para ilustrar esto, baste decir que una
muy simple aplicación de la teoría de control aparece en el mecanismo del
tanque de un baño (que fue inventado a finales del siglo XIX), cuyo principio
básico consiste en una válvula reguladora, un mecanismo de seguridad que co

mienza el proceso de control, un mecanismo de retroalimentación que provee
más o menos agua al tanque dependiendo del nivel en su interior y, finalmente,
mecanismos que evitan que el agua se derrame si alguna de las partes anteriores
falla.
También vemos la teoría de control aplicada a los sistemas de calefacción, ven
tilación y aire acondicionado. Todos estos con un predecesor: el regulador de
tem peratura conocido como termostato. Estructuras espaciales, reflectores óp
ticos, sistemas de comunicación satelital, órganos humanos artificiales, plantas
eléctricas, robots, etc., son ejemplos de sistemas en los que la teoría de control
se ha aplicado. Inclusive los reproductores de CD son otra área de aplicación:
el principal propósito al diseñar estos aparatos es alcanzar altas velocidades de
rotación que permitan una lectura rápida, sin afectar la estabilidad del disco.
Podríamos mencionar muchas otras aplicaciones importantes, pero estas que
presentamos aquí son, quizá, suficientes para mostrar la ubicuidad de esta
técnica interdisciplinaria en el desarrollo tecnológico de la sociedad contempo
ránea.
a) S o lu ció n p o r e l p r in c ip io d e l m á x im o (L . P o n tr y a g in e t ál.
(1 9 6 1 ))
Como decíamos antes, el problema del cálculo de variaciones clásico sufre de
algunas limitaciones que una nueva teoría, desarrollada por Lev Pontryagin et
ál. (1961)23, conocida como la teoría del control óptimo (o cálculo de variacio
nes moderno), intenta resolver. Pontryagin llamaría a esta teoría el principio
del máximo. La esencia de la teoría del control óptimo está, precisamente, en
“controlar” cierto sistema dinámico en un determinado período de tiempo, de
tal manera que se satisfaga un objetivo específico. El sistema dinámico describe
la evolución de una variable k(t) que llamamos variable de estado (a partir de
un estado inicial x q ) y que está siendo sometido a “controles” continuos c(t)
{variable de control) para que se optimice un funcional que, en general, está
descrito mediante una integral que, a su vez, depende de la variable de estado,
de la de control y, quizás explícitamente, del tiempo.
El problema canónico del control óptimo en el caso continuo se puede establecer
como
í tl
Maximizar I v (k (t),c (t),t)d t
{c(0> Jto
sujeta a k(t) = <?(&(£), c(£), ¿) (CO)
23 Pontryagin, L. S., V.G. Boltyanskii, R.V. Gamkrelidze y E.F. Mishchenko (1961),
The Mathematical Theory of Optimal Processes, Gordon and Breach (Traducción de
1986).
k(to) ~ k0
k(ti) = k\
donde son funciones continuamente diferenciables en [¿o>¿i];

c(-) es una curva continua a trozos de en [¿o?¿i] (llamada variable de con
trol); k(t) es una curva diferenciable de E n en [¿Oi¿i] (llamada variable de
estado); ko,k\ G Rm son dados24.
Es claro, de la definición, que el problema canónico de control óptimo puede
tener múltiples variables de estado y múltiples controles, y que el número de
controles no está relacionado con el número de variables de estado.
Observemos nuevamente cómo opera el problema de control óptimo: Dada una
función de control c(t), es el sistema dinámico k(t) = g (k(t),c(t),t) el que
determina la variable de estado k(t) que, posteriormente, junto con c(¿), irán a
evaluarse en v(k(t),c(t),t)d t. La curva c(t) que haga esta integral máxima,
será solución al problema de control óptimo. Así, en el fondo, lo que se está
buscando es un control c(t) que haga que la dinámica del sistema sea “óptima”.
Claramente, aquí estamos utilizando teoremas de existencia de soluciones a

los dos problemas planteados. El primero es la existencia de soluciones a un
sistema dinámico (que ya fue estudiado en el teorema 14 de esta lección); y el
segundo problema, que es garantizar que existe una función de control c(t) que
resuelve el problema de maximizar la integral, será discutido más adelante con
la ayuda del teorema de Weierstrass generalizado a espacios métricos (teorema
10 ).
De otro lado, notemos que la teoría de control óptimo es una generalización del
cálculo de variaciones, y esto se puede ver al observar que el problema (CV)
puede escribirse como uno (CO) definiendo el estado como la tasa de cambio de
la variable de control: c(t) = k(t). En el problema (CO), los papeles de variable
de estado y variable de control se intercambian con respecto al problema (CV).
Ejem plo 35.

Para resolver el problema de control óptimo
Maximizar f ( k(t) — dt
M oj Jo v 2 ;
sujeta a k(t) = k(t) + c(t) (CO)
A;(0) = 0
*(1) = 0
24 En lo que sigue, los teoremas y resultados están establecidos para el caso m = 1,
n = 1. Sin embargo, la generalización al caso general es inmediata, y aplicaremos
estas ampliaciones sin dudar.
primero notamos que podemos encontrar soluciones explícitas al sistema diná

mico que aparece en (CO):
k(t) = el c(t)e ldtJ (*)
Por tanto, nuestro problema es encontrar la función c(t) que haga máximo el
funcional
V (c(t)) ■
Note que, por ejemplo, si c(t) = —31 + 1 2 entonces k(t) = 1 —é + 1 —£2, y así
V(c) = —e. Pero si
2e1-t
c(t) = - 1
w e+ 1
entonces V — l ) = ¿ p j > V (—3t + t2) = - e + |§ , como el lector puede
comprobar fácilmente. Pero el control c(t) = — 1 es más que eso: es el
control óptimo como se puede mostrar con las técnicas que desarrollaremos
más adelante. Insertando este control óptimo en la ecuación (*), llegamos a
que la variable de estado estará dada por
« ,)—
i) El problem a de existen cia de soluciones

Sabemos que el problema canónico del control óptimo en el caso continuo se
puede establecer como
fh
Maximizar í v (k (t)1 c(t),t)d t
(c(í)} Jto
sujeta a k(t) = g (k (t),c(t),t) (CO)
k (t0) = k0
k (ti) = ki
Consideremos inicialmente el espacio métrico C consistente en todos los pa

res de funciones (c, k) donde: i) Las funciones c : [¿o>*i] ^ cón c(¿o) =
co, c(¿i) = ci, son uniformemente acotadas por una constante fija K , y equi-
continuas, con la norma del máximo estándar, ii) Para cada c, la función k es
solución al sistema dinámico k(t) = g(k(t), c(í), t). No es difícil probar que C es
un subespacio cerrado del espacio métrico completo y, por el teorema
de Arzelá, C es compacto en Cr[ío íl]. Construyamos ahora el funcional
$ : C —>M
definido por
$(c(t),k(t)) = í v(k(t),c(t),t)d t
Jt0
Asumiendo que C ^ 0, el problema de control óptimo (CO) tiene solución, pues
sería una conclusión directa del teorema de Weierstrass para espacios métricos
compactos (teorema 10), una vez se tenga que # es continua. Pero esto se ve
inmediatamente al utilizar el teorema del valor medio para varias variables
(volumen 2 (Cálculo)).
ii) S olución p o r el p rin cip io de m áx im o (P o n try a g in e t ál (1961))
El principio del máximo puede verse como una extensión del método de los
multiplicadores del Lagrange a problemas de control óptimo: en cada punto del
tiempo estaremos resolviendo un problema estático de optimización como los
que ya habíamos estudiado en la lección 2. Sin embargo, como aquí la restric
ción es un sistema dinámico, entonces los multiplicadores de Lagrange deben
ser funciones continuas fi(t) a las que, típicamente, se les llama multiplicadores
dinámicos de Lagrange o, también, variables de coestado.
Iniciemos entonces construyendo una función lagrangiana de la forma
£ = / Ju(fc(í),c(t),í) + n (t)(g (k (t),c (t),t) - ¿(£))] dt
*»
fi(t)k(t)dt
)
=J ¿)+V’(t)g(Kt)ic{t)yo]dt
+ / fi(t)k(t)dt - [fi(ti)k(ti) - n (t0)k(t0)]
Jt0
después de una aplicación conveniente del método de integración por partes.

Ahora definimos las variaciones de k(t) y c(t) de la forma
Z ( t ) = C( t) + €7](t)
w(t) = k(t) + eu}{t)
donde r}(t) y u (t) son curvas continuas con derivadas continuas a trozos para
las cuales cj(í0) = viô) = v{ti) = u (h ) = 0, y e es el parámetro de variación.
Con esto, las condiciones de primer orden sobre el lagrangiano nos conducirían
a las siguientes ecuaciones:
[tl\dvfuu^ ^ t tU^dgf
[ g ’- (k(t), c(t), t) + f i ( t ) f c (k(t), c(í), í)] n m =o
Jto
que, puesto que r¡ es arbitraria, implica que
0 4 = o 0:
que, puesto que w(t) es arbitraria, implica que
g ( f c ( í ) ,C( í ) , í ) + / í ( í ) ^ w í ) , c ( í ) , í ) = - m {**)
= 0:
€—0
g (k (t),c (t),t) = k (t) (* * * )
Y si definimos la expresión
H = v(k(t), c(í), £) + //(£) #(&(£)> c(¿), ¿),
(que en adelante llamaremos la función hamiltoniana o, simplemente, el ha-
miltoniano del problema de control óptimo (Hamilton (1835))), entonces las
ecuaciones (*), (**) y (* * *) de arriba, se escribirían de una forma más simple:
dH n
^ =0 w
i k = -^ <**>
f = (.*.)
Y es, principalmente, a la ecuación (*) a la que se le conoce como el principio

del máximo.
Afortunadamente, todo lo que acabamos de deducir de manera heurística (pues

una demostración de todo esto requeriría recursos analíticos más allá de la
mirada del presente texto) es, realmente, un teorema central de la teoría de
control óptimo, que enunciamos a continuación:
T eorem a 16. (P rin c ip io del m áxim o)

Si c(t)-es una solución al problema de control óptimo (CO), entonces existe
una función continua diferente de cero, fi(t), tal que
dH
donde H = v(fc(¿), c(¿), t) + n (t)g (k(t),c(t),t) es la función hamiltoniana aso

ciada al problema de control óptimo (CO).
D em o stració n .
(Pontryagin et ál. (1961)25 y Mangasarian (1966)26). ■
N o ta 4.
El problema (CO) puede expresarse en términos de minimizar en lugar de
maximizar en la forma típica: colocando el negativo de la función v(-).
El proceso para resolver un problema de control óptimo mediante el principio

del máximo en ocasiones va a través de los siguientes pasos:
dH
P aso 1 . Aplique -7 — = 0 y encuentre c en función de fc, n y t.
oc
P aso 2. Inserte esta c en el sistema dinámico y resuelva para k y /z, utilizando
dH
-^7 - = —/i, las condiciones iniciales, y las terminales. Resolver esto analüi-
ok
camente puede ser imposible a pesar de que, por un teorema de existencia,
sepamos que la solución existe. Por eso, suele ser muy conveniente utilizar
diagramas de fase como los que aprendimos en la lección 2 (siempre que el
hamiltoniano sea autónomo, es decir, que no dependa del tiempo).
P aso 3. Si tenemos estos valores x y n óptimos, retomamos la función óptima

c del paso 1 , para obtener los controles definidos en términos de los datos
fundamentales del problema.
E jem p lo 36.
Maximizar
WO)
25 Pontryagin et âl. (1961). ôp. cit.
26 Mangasarian, O. (1966), Sufficient Conditions for the Optimal Control of Nonlinear
Systems, Siam Journal of Control, vol. 4.
s u je t a a k= uj + rk(t) — c(t)
k(0) = 0, k(T ) = 0
donde 0 < ¡3, r < 1, y u , T > 0, s o n c o n s ta n te s .
S o lu c ió n .
E l c o rre s p o n d ie n te h a m ilto n ia n o es
H = e P1 ln (c ) + ¡jl{uj + r k — c)
n e-*
-----------/i = 0 (* )
de “ c
OH
r ¡i = - i i (**)
-d k = ~ ^ :
dH ;
k = uj + r k — c
r = k:
iOfl (* * * )
N o te q u e , e n e s te c a s o , es in m e d ia to d e (* * ), q u e
1
CÛ
*&
3^
(* * **)
il
o
p a r a c ie r to fio = //(O) p o r d e fin ir.

e-/3í
P a s o 1 . D e (* ) o b te n e m o s q u e c(t) = —r-r.
fi{t)
P a s o 2 . C o lo c a n d o (* ) y (* * **) e n ( * * * ) , s e o b tie n e q u e
k = uj + rk — c
= uj + r ;k -------- e rt
/¿o
C(r-/J)í
= uj + r k -----------
Mo
y e s ta e c u a c ió n d ife re n c ia l p a r a la v a ria b le d e e s ta d o k (t ), a f o r tu n a d a m e n te ,
se p u e d e resolver analíticamente (le c c ió n 3) c o m o
k(t) = k(0) + - ( 1 - e~rt)

r
P a s o 3 . P u e s to q u e fc(0) = k(T ) = 0 , e n to n c e s p o d e m o s d e s p e ja r e s t a ú ltim a

e c u a c ió n p a r a e n c o n t r a r q u e
r(l - e~PT )
^ ~ w/3( 1 - e~rT) >
Así, los controles c(¿) estarán dados por
e(r~P)t
c(t) =
/ío
y su comportamiento dependerá de si /? > r, fi = r, ó /? < r. A
Pero hasta ahora solo hemos aplicado las condiciones de primer orden de un
problema de control óptimo, y no hemos explicitado “condiciones de segundo
orden” que muestren que las soluciones encontradas mediante el principio del
máximo, efectivamente, resuelven el problema de encontrar el máximo. Pero
ellas, afortunadamente, también existen:
Teorema 17. (C on dicion es de segundo orden)

Si en el problema de control óptimo (CO) se tiene, además, que
v (k (t),c (t),t) y g (k(t),c(t),t) son cóncavas en (k yc), y fi(t) > 0 para todo
t € [to,ti], entonces las ecuaciones (*), (**), (* * *) del Principio del Máximo,
además de necesarias, también son suficientes para que c(t) sea una solución
al problema (CO). Igualmente, es cierta esta conclusión si v(fc(£),c(£),£) es
cóncava, g(k(t),c(t),t) es convexa en (k,c), pero f¿(t) < 0 para todo t € [¿Oi¿i]-
D em ostración.
Ver Mangasarian(1966)27. ■
En el ejemplo anterior, se tiene que v (k (t)yc(t), t) = e~p t\n c(t) y

g(k(t), c(t),t) = w + rk(t) — c(t) son cóncavas en (fc, c) (lección 1), y además
p,(t) > 0 para todo t. Por el teorema 17, el control
e(r-p)t
c(t) = i —
A*o
es, efectivamente, la solución al problema.
Ejem plo 37.

Utilizando el principio del máximo, resolvamos el problema de control óptimo
Minimizar
(c(í)} Jo
sujeta a k\ = ¿2 = c(t)
M 0) = 0; M l ) = ¡
*2(0) = 0; *2(1) = 2
27Ibfd.
Solución.
Aquí, el ham iltoniano es
H = ~c2 + /¿1&2 + fl2C
y, por tanto, las condiciones de prim er orden son:
•x d H
i) -^- = „0: c + fi2 = r,0 (*)
... dH
11)
.
-q £ = - F -
. .
A*i = o y /i = -MI
.
2 , >
(**)
iii) ¿1 = y ¿2 = c (* * *)
P aso 1: De (*) obtenem os que c = — /¿2
P aso 2: De (**) se tiene que /¿i = m i y //2 = —m\t+m2 para ciertas constantes
mi y m2 - Por tanto, de (* * *) y (*), ¿2 = c — —/i 2 = fn\t —7722; de lo cual,
k2 = ^m i¿2 — m 2¿ -f mz para cierta constante 7713. Entonces, de ¿1 = k2 en
(* * *), se tiene que k\ = \m\tz — \m2t2+ m^t + m\ p ara cierta constante 7714.
Ahora: de las condiciones iniciales tenem os que
k\(0) = 0 = 7714
k, 1(1) = -2 = -7711
1 1 7 1 2 + 7713 + Wl4
- -7
/c2(0) = 0 = 7713
A:2(l) = 2 = ^ m i - m 2 + m 3;
es decir,
7711 = 4, 7712 = 0, 7713 = 0 7714 = 0
P aso 3: Por tanto, el único control es c(t) = 4 los m ultiplicadores dinámicos

son (¿i(t) = 4, /¿2(0 = _ 4í; y las dos variables de estado son ki(t) = §£3 y
fc2(¿) = 2£2.
Por el teorem a 17, las soluciones encontradas resuelven el problem a de encon
tra r el m áximo. A
m) C ondiciones te rm in a le s (o d e tra n sv e rs a lid a d )

En el problem a canónico (CO) de control óptim o, tan to los valores iniciales
en to como los valores term inales en t\ de las variables de estado, siempre son
dados. Sin embargo, es posible am pliar el espectro de aplicación del principio
del m áximo distinguiendo cinco casos posibles:
1. P u n to te rm in a l fijo: cuando k(ti) = k\ con ti, k\ dados como datos

conocidos del problema inicial. Este es el caso canónico de nuestro proble
ma (CO) original. De hecho, esta es la situación de todos los problemas
del cálculo de variaciones.
2. L ínea te rm in a l horizo n tal: es la misma condición k(t\) = ki con

k\ como dato conocido, pero t\ es libre, en el sentido de que debe ser
encontrado como parte de la solución del problema de control óptimo.
3. S uperficie term in a l: es la misma condición fc(¿i) = k\ pero con k\ y t\

libres, excepto por la restricción de que están sometidos por una forma
funcional diferenciable con continuidad de tal manera que k(t\) =
V(h)-
4. L ínea te rm in a l v e rtic al tru n c a d a : es la condición k(ti) > km{n para
un cierto Armfn conocido.
5. L ínea te rm in a l h o riz o n tal tru n c a d a : es la condición t\ < ím¿x para

un cierto conocido.
Dependiendo de cuál condición terminal se especifique en el problema de con
trol óptimo, existirá una condición adicional a las tres condiciones del principio
del máximo, y esta condición se llamará condición de transversalidad. Para
deducir cada una de estas condiciones, escribimos
V= v(k(t),c(t),t)dt — n(t)c(t)dt
z(t) = c(í) + €7?(í)

w(t) = k(t) + ecj(t)
T i = t\ + c í(íi)
K (ii) = k(ti) + e6 {k(ti))
Y así tendremos a V como una función de e, que entonces debe satisfacer
Es decir,
Por el principio del máximo, el primer sumando de la ecuación anterior es 0.

Luego las condiciones de transversalidad saldrán de los dos últimos términos,
es decir, de la ecuación
ff(ti)í(<i) - M íiW W i)) = o (*)
1. P u n to te rm in a l fijo: en este caso, la condición de transversalidad es la

más simple: k(t\) = k\. Y así, inmediatamente, <5(¿i) = 0 y ¿(A;(¿i)) = 0.
2. L ínea te rm in a l h o rizo n tal: en este caso (k\ fijo pero t\ libre), la situa
ción es un poco más complicada pues en (*) se requiere hacer 5(fc(¿i)) = 0
y <5(¿i) 0. Así, la condición de transversalidad debe ser
H (t i) = 0
donde H es el hamiltoniano del problema de control óptimo.
3. S uperficie term in a l: la condición &(¿i) = k\ con k\ y t\ libres, excep

to por la restricción fc(¿i) = <p(ti) nos lleva a la condición 5(A;(íi)) =
<^'(¿1 ), y así, utilizando (*), a la correspondiente ecuación de trans
versalidad
H (ti) =/z(*i )</?'(*! )
donde fi(t) es el multiplicador dinámico de Lagrange.
4. L ínea te rm in a l v e rtic a l tru n c a d a : bajo la condición k(ti) > A:mfn

para un cierto km{n conocido, las condiciones de transversalidad resultan
de colocar, en (*), las condiciones S(k(ti)) = k(t\) — kmin y S(t i) = o,
para obtener
k{h) > kmín, n (ti) > 0, - kjniji) = 0
Una explicación del porqué aparece aquí la condición adicional //(¿i) > 0,
se tiene cuando nos damos cuenta de que esta es una aplicación directa
del teorema 4 (K-T CPO) de la lección 2, pues nuestro problema,
en este caso, es uno estático de encontrar máximos con condiciones de
desigualdad, en el que el método de Kuhn-Tucker se aplica directamente.
5. L ínea te rm in a l h o riz o n ta l tru n c a d a : bajo la condición ti < ¿máx

para un cierto ¿máx conocido, las condiciones de transversalidad surgen
cuando colocamos <5(fc(¿i)) = 0 y ¿(ti) = (¿i - £máx) en (*), para llegar a
¿1 — ¿máx> H{tl) — 0» (¿1 — ¿m á x )-^ (^ l) = 0
La explicación del porqué aparece la condición adicional H(t{) > 0 es

similar al anterior caso 4.
E jem plo 38. (U n caso de lín ea te rm in a l h o rizo n tal)

En el ejemplo 36, supongamos que queremos encontrar el T tal que k(T) = 0.
La condición de transversalidad nos indica que este particular T debe satisfacer
la ecuación H (T ) = 0; es decir, debe satisfacer
H (T ) = e~PT ln(c(T )) + n(T){w + rk(T) - c(T)) = 0 (1)
donde
k(T) = 0
Sin embargo, no es posible resolver la ecuación (1) mediante una fórmula ex
plícita para T en términos de los parámetros fundamentales del modelo. Aun
así, en casos numéricos concretos, sí es posible resolverlo para T con cualquier
grado de aproximación.
E jem p lo 39. (U n caso de lín ea te rm in a l v e rtic al tru n c a d a )
En el ejemplo 36, supongamos que queremos encontrar el T > 0 tal que
k(T) > 2. La condición de transversalidad nos indica que este particular T
debe satisfacer
k ( T ) > 2, fi(T) > 0, (k(T) — 2)/j.(T) = 0 (2)

donde
fi(T) = Voe tT
Lo primero que hacemos aquí es buscar si existe un T > 0 que sea solución a
la ecuación k(T) = 2, es decir,
Lü
r
Sin embargo, esta ecuación tampoco es posible resolverla explícitamente para
T. Obviamente en casos numéricos concretos esto sí es posible para cualquier
grado de aproximación de T.
Ahora: suponiendo que sí fuera posible esta fórmula explícita para T, el pro
blema se resolvería para cualquier fio > 0 que hiciera T > 0. Si esto no fuera
posible el problema no tendría solución, ya que k(T) > 2 implicaría ¡i{t) = 0,
y así obligaría a que fio = 0, y esto no puede ser, como el lector observará
fácilmente en la solución del ejemplo 36.
Ejem plo 40. (U n caso de superficie term inal)

En el ejemplo 36, la ecuación de transversalidad
i/(r)= M 2 V (r)
donde ¡i(t) es el multiplicador dinámico de Lagrange, se convierte, con <p(t) =

l + t 3, k(T ) = y>(T), en
e~PT ln(c(T )) + fi(T) (u + rk(T) - c(T)) = 3 n (T ) T 2 (3)
donde
fi(T) = /i0e rT
k(T )-
e(r~P)T
c(T) =
Vo
Sin embargo, tampoco es posible resolver la ecuación (3) mediante fórmula ex
plícita para T. Como en los dos casos anteriores, solo con parámetros numéricos
concretos es posible resolverlo para T con cualquier grado de aproximación.
Ejem plo 41. (U n caso de línea term inal horizontal truncada)

En el ejemplo 36, supongamos que debemos tener que el T debe satisfacer
0 < T < 3. La condición de transversalidad nos indica que este particular T
debe satisfacer
T < 3, H (T ) > 0 , (T - 3)H(T) = 0 (4)
donde
H (T) = e~PT ln(c(T)) + fi(T)(w + rk(T) - c(T)) = 0
e(r -0 )T
c(T) = 1 —
Mo
H(T) = /20e“ rT
J_
k(T) = |^ ( 1 - e~rT) - ^ - ( 1 - e~0T )
/?Mov
Lo primero que hacemos aquí es tomar T = 3, y observar si este resuelve la
condición H (T) > 0 de (4) para ciertos //o- En caso contrario, nos preguntamos
si existe una T < 3 que satisfaga H (T) = 0. En caso afirmativo, esta es la
solución al problema de transversalidad. Desafortunadamente, tampoco aquí
es posible resolver la condición H (T ) = 0 mediante fórmula explícita para T.
Solo parámetros numéricos concretos permitirían solución con cualquier grado
de aproximación.
iv ) Control óptim o con horizonte infinito

Un problema de control óptimo asociado con el que venimos tratando, y muy
útil en las aplicaciones, es el problema de control óp tim o con horizo nte
in fin ito . Este se puede plantear así:
Maximizar
sujeta a k(t) = g(k(t),c{t),t) (COHI)

k(to) = ko dado
lím k(t) libre
f—>00
donde v(-,-,-), son funciones continuamente diferenciales en
asumiendo, además, que /^ ° v(k(t)1 c(t)1 t)dt existe; c(-) es la curva de control
en Rm continua a trozos en [¿o>°o); y k(t) es la variable de estado, que es
una curva diferenciable de Rn en [¿o>°o); € Rm es dado.
El principio del máximo se aplica también aquí con, esencialmente, las mismas
ecuaciones de hamiltoniano, aunque, como era de esperarse, dado que la con
dición terminal cambió, habrá que agregar una generalización de la condición
de transversalidad del caso de línea terminal horizontal:
lím H (t) = 0
El principio del máximo se resumirá, entonces, en cuatro condiciones:
(*)
(**)
g(k(t),c(t),t) = k(t) (* * *)
lím H it) — 0 (* * **)
Los correspondientes teoremas de existencia utilizando el teorema de Weiers-

trass y las condiciones de segundo orden para que las de primer orden arrojen,
efectivamente, las soluciones del problema (COHI), son similares, y queda como
ejercicio (simple) para el lector, adaptar estos resultados convenientemente.
Ejem plo 42.

Resolvamos un problema similar al ejemplo 36:
Maximizar
M0>
sujeta a k(t) = lj + rk(t) — c(t)
k(0) = 0, ^lím k(t) libre
donde 0 < /3 , r < 1 y w > 0, son constantes.
Si revisamos con cuidado el método de solución, encontramos que es similar

al del ejemplo, excepto en el paso 3 cuando deducimos /¿o a partir de la con
dición k(T) = 0. De hecho, utilizando los resultados para c(t), k(t), fi(t) que
encontramos allí, se puede ver que la condición lím*-*» H(t) = 0 es, en este
caso, equivalente a la condición
lím n(t)k(t) = 0
í->00 ' v7
Y aplicando esta condición de transversalidad, obtendremos un resultado muy

distinto para /io:
r
Mo= ^ ;
Y así, tanto las variables óptimas de estado k(t) y de control c(t), serán com
pletamente diferentes.
E jem p lo 43.
Para resolver el problema
roo
Maximizar I e ~ ^ ln(c(t))dt •
{c(0} Jo
sujeta a k(t) = ln k(t) — rk(t) — c(t) (COHI)
fc(0) = k0
lím k(t) libre
t-¥00
donde 0 < P, r < 1 son constantes, escribimos primero su hamiltoniano:
H = e~Pl ln(c) + fi (ln(A:) - rk — c)
y a continuación las condiciones de primer orden:
dH e~^
o
O
.1«
3.
(*)
II
II
l°
1
dH A
a F + /i = 0: ~ r) ~ ^ (**)
k(t) = ln k(t) — rk(t) — c(t) (* * *)

dn
[Cond. de TVansv.] : lím H(t) = 0 (* * **)
t —►oo v
Paso 1: De (*) obtenemos que
Paso 2: De la ecuación anterior y de (**), después de un poco de manipulación

algebraica, obtenemos que
c= (r~ /3 -~ )c
que junto a la ecuación (* * *)
k = ln k — rk —c
conforman un sistema dinámico como los estudiados anteriormente en

la lección 3. A diferencia del ejemplo 42, este es, precisamente, uno de
aquellos casos en los que la solución analítica explícita del sistema di
námico es imposible. Por esto es conveniente utilizar los diagramas de
fase (lección 3), y lo primero que hacíamos allí era buscar el punto de
equilibrio de este sistema dinámico. Para ello reescribamos las ecuaciones
Es inmediato ver que, para elecciones apropiadas de /? y r, estas tienen

una única solución de valores positivos (A^c*), y que el diagrama de
fase (figura 12) nos muestra solo dos regiones convergiendo al equilibrio
(equilibrio tipo silla). Para esto, la condición inicial (c(0), k(0)) debe estar
sobre uno de estas dos regiones (recordemos que k(0 ) está dado por el
problema original). En otro caso, la dinámica temporal se alejará del
punto de equilibrio.
c = \nk —rk
k* k
Figura 12. Diagrama de fase.
Paso 3: También en este caso, la condición de transversalidad
lím H it) = 0
coincide con la condición
lím n(t) k(t) = 0
y esta se tendrá en vecindades a la solución estacionaria (k*,c*) solo

cuando, partiendo de la condición inicial (c(0), Á;(0)), atraviese el diagra
ma de fase sobre las dos regiones (I y II) en que converge a (k*,c*).
b) Solución por programación dinámica (Bellm an (1957))

La segunda aproximación al problema de control óptimo, conocida como el
método de programación dinámica, fue desarrollado por Richard Bellman en
1957.28 Veamos en qué consiste.
Como sabemos, el problema general del control óptimo se puede establecer
como
Maximizar
sujeta a k(t) = g(k(t),c(t),t) (CO)

fc(ío) = ko
A(íi) = ki
donde v(-,*,-), p(-,*,-) son funciones continuamente diferenciables en [¿Oi¿i]>

c(-) es una curva de Rn continua en [¿o>¿i] (llamada variable de control); k(t)
es una curva de Rn diferenciable en casi todos los puntos en [¿o>¿i] (llamada
variable estado); k$,k\ € Rn son dados.
i) C ondiciones de prim er orden: ecuación de B ellm an (1957)

Sea
(Función de Bellman)
la función de valoración del problema (CO), y asumamos que existe una función
de valoración V*(k(t),t), que es solución para el problema general de control
óptimo (CO). El principio de optimalidad que subyace al método de la pro
gramación dinámica, afirma que también V*(k(t) + A k(t)yt + At) es solución
al problema de control óptimo (CO) cuando se comienza en k(t) + A k(t) en el
28 Bellman, R. E. (1957), Dynamic Programming, Dover Publications, Edición de 2003.
tiempo t -f A t; y que la solución al problema (CO) sobre el intervalo comple

to que comienza en t y termina en t + A i debería ser igual a la suma de las
soluciones de los subintervalos. Es decir,
V*(k(t),t) = máx {v(fc(£),c(¿),í)Aí + V*(k(t) + Ak(t),t -f A t)} (R)

{c(0}
que es la ecuación de recurrencia que subyace al problema de control óptimo
(CO).
Si asumimos que V*(k(t),t) es una función diferenciable con continuidad, en
tonces, por el teorema de Taylor (volumen 2, lección 3),
dV* dV*
V*(k(t) + A k ( t), t + Ai) = V*(k(t), t) + A k(t) + At
OK Ot
Y así obtenemos, insertando esta última ecuación en la ecuación de recurrencia
(R), que
0 = máx {v(k{t), c(¿), t) A t + V*(k{t) + A k(t),t + At) - V*(k(t), í)}

{c(0}
f dV* dV * }
= máx < v(k(t), c(t), ¿)Aí + V*(k(t), ¿) + A k(t) + ~ Vr,*‘(A:(¿), t ) \
de lo cual, al tomar el límite cuando At -¥ 0, y recordando que k(t) =

g(k(t)yc(t)1t)J obtenemos
dV* f dV* 1
— o f = máx |t>(A:(í),c(í),t) + — g {k (t),c (t),t)j (Bellman)
que se conoce como la ecuación de Bellman para el problema de control óptimo

(CO).
Teóricamente, resolviendo la ecuación de Bellman obtendríamos la función de
soluciones óptimas y, de esta, resolveríamos nuestro problema (CO) como el
valor particular, de acuerdo a nuestras condiciones iniciales. Sin embargo, la
ecuación de Bellman es una difícil ecuación diferencial (en derivadas parciales)
que solo tiene solución analítica en casos muy particulares, como el del ejemplo
44 siguiente. Aún así, es posible hacer de la ecuación de Bellman un mecanis
mo muy útil y conveniente para resolver el problema (CO) de control óptimo
mediante métodos algorítmicos computacionales.29
Ejem plo 44.

El caso típico en que la programación dinámica (caso continuo) se aplica sin
mayores dificultades es el del “caso cuadrático”. Por ejemplo, en el problema
29 Ver, por ejemplo, Bertsekas, (2007).
ÍT 1
M inimizar I ~ (k2 (t) + c2 (t))dt
(c(í)} Jo 2
sujeta a k(t) = 3 k(t) + 2c(t) (CO)
k( 0) = k0
k(T) = ki
aplicamos la ecuación de Bellm an p ara obtener que
~ir = H (fc2(t)++% r (3k{t)+2c(t))}

Supongamos que
V = ±S(t)k2
para cierta función S(t) .por determ inar, e ingresamos ésta a la ecuación de
Bellman para obtener que
~ \ k2^ í = ™(0} + c2(t)) + 5 (í )*(f)(3fc(<) + 2c ( í ) ) | (**)
Derivando, con respecto a c(í), el térm ino entre paréntesis de la derecha, ob
tenem os que
c(t) — —2S(t)k(t)
Llevando esta expresión óptim a de c(t) a la ecuación ('**), llegamos (con k ^ 0)
a la ecuación de R icatti
^ = 1 - 6 S + 12S 2
cuya solución es
= if - m)i+ \
p ara cierta constante m por determ inar.
Por tanto, los controles óptim os son
CW = _ tan[\/3(í - m)] + k(t)
donde la variable de estado k(t) e stá determ inada por el sistem a dinám ico
k(t) = ^2 — tan[\/3(¿ —m )]^ k(t)
y m estará determ inada por k( 0) y k(T). ¿P odría el lector escribir la fórmula

explícita de c(t) en térm inos de t ?
Ejercicios 6
1. Plantee intuitivamente (es decir, sin ecuaciones) el problema de servir
una gaseosa en un vaso sin que la espuma se derrame, como un problema
de control óptimo, identificando cuáles serían las variables de estado y
control, y cuál sería la función objetivo a optimizar. ¿Podría usted plan
tear, en lenguaje no formal, otros problemas cotidianos que se asimilen
al esquema del control óptimo?
2. Resuelva nuevamente, ahora utilizando el principio del máximo, el pro
blema planteado en el ejemplo 30 como uno de cálculo de variaciones:
Minimizar
sujeta a k = c(t)
k(t0) — k0
k(ti) = ki
Compare los dos métodos.
3. Muestre que k(t) = \ t + 1; c(t) — ^(1 —t)\ //(£) = 1 — t resuelven el
problema de control óptimo
í tl
Maximizar I (k(t) + c(t))dt
Mí» Jo
sujeta a k = \ — <?(t)
k(0 ) = 1
¿ (I) = 9/4
4. Utilizando el principio del máximo, resuelva el problema
sujeta a k(t) = 3k(t) + 2c(t) (CO)

k( 0) = feo
k(T) = ki
y compare su respuesta con la del ejemplo 44, cuando el mismo problema
fue resuelto utilizando la ecuación de Bellman.
5. (Hamiltoniano de valor presente (o corriente)). Las condiciones de un
problema de control óptimo de la forma
rh
Maximizar / e~^ív(k(t)ic(t),t)dt
{c(í)> Jto
sujeta a k{t) = g(k(t)yc(t),t) (CO)

k{to) = ko
k(ti) = ki
para ¡3 > 0, puede escribirse convenientemente. En efecto: construyendo

el hamiltoniano
H = e~Piv(k(t), c(£), t) + Ag(k(t), c(í), t)
se define el hamiltoniano de valor presente como
S) = e0tH — v(k(t), c(¿), t) + A ePlg{k(t), c(í), t)
y también definimos
7 = e^1 A
Entonces
$) = v(k(t), c(t), t ) - 1-7 g(k(t), c(í), í)
Basándose en el principio del máximo aplicado al hamiltoniano H , en
cuentre las condiciones de primer orden para el hamiltoniano de valor
presente f). Extienda esto al caso con horizonte infinito. Escriba las co
rrespondientes condiciones de transversalidad.
6 . Utilizando el hamiltoniano de valor presente (ejercicio ánterior), resuelva

el problema
fT
Maximizar I e~ ^ \/c(t)dt
Jo
sujeta a k = 100 + ^ ( 0 “ CW
fc(0) = 0, k(T) = 0
donde 0 < /3 < 1 .
7. En el ejercicio anterior, utilice la correspondiente condición de transver

salidad para:
a) Encontrar el T > 0 (si existe) tal que k(T) = 1.

b) Encontrar el T > 0 (si existe) tal que k(T) > 3.
c) Encontrar el T > 0 (si existe) tal que 0 < T < 10.
8 . Resuelva el problema 6 ) con horizonte infinito (T = oo) asumiendo que

lím ^ o o k(T) existe.
9. Utilizando el principio de Bellman, resuelva el problem a
ÍT1
M aximizar / - ( 5 k?(t) + c2 (t))dt
{c(0} Jo 2
sujeta a k(t) — k(t) + 4c(í) (CO)
k( 0) = k0
k(T) = ki
10. (Control bang-bang). Para A, B, dos parám etros fijos diferentes de cero,
en el problem a de control óptim o
Maximizar - f tl dt
{c(0} Jto
sujeta a k = A k + Be
¿o, k(to), k(ti) dados
- 1 < c{t) < 1
el ham iltoniano estará dado por
H = - l + \{ A k + Bc)
y, por tanto, el lector podrá m ostrar que el control óptim o es de la forma
c* = sign(XB)
Es decir, c* es igual a +1 si AB > 0; e igual a —1 si AB < 0. Así, el

control óptim o siempre estará “saltando” de un punto extrem o al otro,
en el rango posible de control. Por eso a este se le conoce como control
bang-bang.
11. M uestre que otro ejemplo de control bang-bang es el siguiente:
rti
M aximizar - dt
Jto
sujeta a h = /:2, k2 = c
to, k(to ), k(ti) dados
- 1 < c(t) < 1
donde si c* = 1 entonces k\ = ^ k 2 + m para alguna constante m , y si

c* — —1 entonces = —\ k 2 + m.
*12) (Un problema de control biológico). Es bien sabido que el control químico
de plagas con pesticidas es, en general, efectivo y rápido pero causa polu
ción. Una forma alternativa de tratar este problema es mediante “control
biológico”, que consiste en liberar “predadores” a cierta tasa para que
controlen la plaga (“presa”), o bien liberando cierta cantidad de plaga
para evitar la extinción de los predadores. Una forma de modelar este
tipo de problemas es determinando un sistema dinámico Lokta-Volterra
(lección 3) que minimice el costo del daño ecológico y el del pesticida uti
lizado. Sean, N\ el número de presas (peste); N 2 el número de predadores
biológicos; u(t) la velocidad con que se liberan presas (peste); v(t) es la
velocidad con que se liberan predadores biológicos; co(T) —co(0) el costo
del pesticida utilizado en el tiempo T; ci, C2 , a i, 0:2 , /?i, P2 , constantes
positivas. El problema es, entonces,
Minimizar cq(T) —cq(0) + (c\u{t) + C2 v(t) + C3 N 1 )dt
sujeta a +«*(<)
Ñ 2 (t) = ( h N 1 - a 2 )N2 + v(t)
N 1 (0) = N lQ> 0 ]N l (T) = ^
N 2(0) = N2o > 0 -,N2(T) = ^
y donde 0 < u(t) < u m¿x] 0 < v(¿) < vmáx.

Utilizando el método de control óptimo que considere más conveniente,
pruebe que existe una precisa combinación de pesticida y liberación de
especies a tasas apropiadas, que pone bajo control el movimiento de las
dos poblaciones, y las lleva a las proporciones previamente deseadas.
13) Deduzca la ecuación de Euler del cálculo de variaciones clásico (teorema

15), a partir del principio del máximo.
7. El problema del control óptim o (caso discreto)

En numerosos problemas prácticos, podría parecer que es más conveniente una
aproximación con variable discreta al problema de control óptimo, que una
aproximación con variable continua. Cada una tiene características diferentes,
y cuál sea más conveniente siempre dependerá del problema en cuestión. De
hecho, llevar a cabo la comparación entre ambos métodos es una excepcional
posibilidad de aprendizaje.
El problema canónico de control óptimo en el caso discreto se puede escribir

así:
Maximizar > v(kt,ct,t)

« '»
sujeta a fcí+i —kt = g(kt,ct,t) (COD)
&o, kr+i dados
a) Solución por el principio del máximo

Escribamos el lagrangiano estándar
T
C = (^{v(fc(,Cí,í)] + n t + i { g { h , c t , t ) - (fct + 1 - fc()]}30
í= 0
Entonces, con un poco de trabajo algebraico, podemos reescribirlo así:
T
C= kt,ct,t) + Ht+i9 {kt,ct,t) + kt(nt+1 - f*t)}
t=o
+v(k0 , Co, 0) + fiig(k0, Co, 0) + kom - kT+iHT+i
Las correspondientes condiciones de primer orden (COD) con respecto a c¿ son,

para t = 0,1, ...,X:
dv dg
Vt+1 - = - (*)
dkt + 111+ 1 dkt.
"» k = o:
fcí+i - kt = p(A;í, ct , £) (* * *)
* Aquí aparece fxt+i en lugar de /xt , ya que aquella es la adición marginal a la función
objetivo cuando se hace una adición marginal a kt+1 (lección 2).
Definamos aquí el hamiltoniano del problema de control óptimo, de la siguiente

manera:
H(k, c, ¡i, t) = v (k1 c, t) + /x g(k, c, t)
y así, las ecuaciones (*), (**) y (* * *) inmediatamente anteriores se escribirán
como:
w
— (kt ì ct ì fit+iì t) = 0 (**)
(* * *)
Y arribamos entonces al siguiente resultado:

T eo rem a 18. (P rin c ip io d el m áx im o )
Las condiciones de primer orden necesarias para resolver el problema (COD)
son las ecuaciones (*), (**), (* * * ) anteriores.
De otro lado, si v(k(t), c(¿), t) y g(k(t), c(í), t) son cóncavas en (k , c), y p,(t) > 0
para todo t € [£o>£i], entonces las ecuaciones (*), (**), (* * *) también son
suficientes para que c(t) sea una solución al problema (CO). También es cierta
esta conclusión si v(k(t), c(¿), í) es cóncava y g(k(t), c(¿), t) es convexa en (k , c),
y además fi(t) < 0 en [¿o» ¿i]•
D em o stració n .
Ver Bertsekas (2007)31. ■
E jem p lo 45. Resolvamos el problema

T
Maximizar
sujeta a kt+i = w + ( 1 + r)k¿ — c¿

koy kr+i > 0 dados
donde 0 < / ? , r < l y t t ; > 0 son parámetros dados.

Solución.
Escribimos primero su hamiltoniano
H ( k , c, /i, t) = ln c + fi(w + rk — c)
y, a continuación, las condiciones de primer orden:
(i)
31 Bertsekas, D. óp. cit.
------Ht+ict = O (2)
ct
kt+1 = w (1 + r)kt - ct (3)
De (1) obtenemos que
r 1 il
(4)
^ 0 [rí
Por su parte, de (2) obtenemos que
(Ct)2 = - f - (5)
Mí+1
y así, de (4) y (5), y asumiendo temporalmente que /¿o > 0, encontramos la
sucesión de controles:
ct = J ^ m + r)\h (6)
V /¿o
y, de (3) y (6), obtenemos que la sucesión de estados satisface
k + i = W + (1 + r)kt - [£(1 + r )]é (7)

V fío
cuya fórmula explícita es posible mediante la ecuación del ejemplo 30 (lección
3):
kt = fc0(l + r)‘+ £ ( 1 + r)‘~k~1 (w - \ j ^ W + r)]^) (8)
con fio > 0 determinado por el valor de kr+i - De otro lado, puesto que v{k, c) =
lnc y g(k, c) = w + rk — c son cóncavas en (k, c), las ecuaciones (4), (6) y
(8) resuelven efectivamente nuestro problema original. ▲
i) C ondiciones de tra n sv e rsa lid a d

Los casos de transversalidad ya estudiados en el caso continuo tienen su con
traparte similar en el caso discreto:
1. P u n to te rm in a l fijo: en este caso, la condición de transversalidad es
la más simple: k(T) = kr, que es la que hemos considerado en el caso
canónico (COD).
2. L ínea te rm in a l h o rizo n tal: en este caso (kr fijo pero T libre), la con
dición de transversalidad debe ser
H (T) = 0
donde H es el hamiltoniano del problema de control óptimo.

3. S uperficie te rm in a l: la condición k(T) = kx con k r y T libres, excepto

por la restricción k(T) = (p(T) nos lleva a la ecuación de transversalidad
H { T ) = t i ( T ) v '( T )
donde /i(t) es el multiplicador dinámico de Lagrange.
4. L ínea te rm in a l v e rtic a l tru n c a d a : bajo la condición k(T) > fcmín

para un cierto kmín conocido, las condiciones de transversalidad resultan
ser
k ( T ) > k míni /i( T ) > 0 , fi(T)(k(T) - kmín) = 0
5. L ínea te rm in a l h o riz o n ta l tru n c a d a : bajo la condición ti < tmáx

para un cierto conocido, las condiciones de transversalidad son
T < tmáx, H (T ) > 0 , (T - tmáx)H (T) = 0
E jem plo 46.

A partir del ejemplo 45, resolvamos el problema de línea terminal vertical
truncada
T
Maximizar Bt \nct
w» és
sujeta a k t+1 = w + (1 4- r)kt — ct
ko = 1, kr+i > 2 dados
Primero, escribamos las condiciones de transversalidad:
kT+i > 2, fi(T + 1) > 0, fi(T + l)(fc7’+i —2) = 0
Y dado que hemos requerido que /io > 0 para que haya solución, entonces, de
(4), tendremos que /i{T + 1) > 0. Así, kr+i = 2, y solo restaría encontrar T a
partir de la ecuación
(1 + r)T + 5 ^ (1 + r )T ~ k~ 1 - y i Í ^ [ / 3 ( l + r)] 2 ^ = 2
Pero de aquí, desafortunadamente, no se puede extraer una fórmula explícita

de T en términos de los parámetros fundamentales del problema. Sin embargo,
sí se podría encontrar el valor de T, si conocemos valores numéricos específicos
de los fundamentales.
il) Control óptim o con horizonte infinito

El correspondiente problema general de control ó ptim o en el caso discreto
con horizo nte infinito se puede escribir así:
Maximizar v(kt,ct ,t)

{«t)} í=í
sujeta a kt+1 - kt = g(kty ct} t) (COD)
ko dado
lím kt existe
í-*oo
Definamos aquí el hamiltoniano del problem a de control óptim o, de la siguiente

manera:
H (k, c, ¡i, t) = v(k, c, t) + fi>g(k, c, t)
Aquí, las ecuaciones (*), (**) y (***) inm ediatam ente anteriores, se escribirán
como:
Vt +1 - f i t = — d^ H
( k(u
u c u fit+ u t) (*)^
dH
— (ku cu n t+ u t) = 0 (**)
dH
k t+ 1 -fc í = -^-(A:t,c¿,/íÉ+i,í) = p ( f e , c t, 0 (***)
lím H it) = 0 (* * *)
t-*oo v '
Los correspondientes teoremas de existencia utilizando el teorem a de Weier-
strass, y las condiciones de segundo orden para que las de primer orden arrojen,
efectivamente, las soluciones del problem a (COHI), son similares, y queda como
ejercicio para el lector adaptar estos resultados convenientemente.
E jem plo 47.

P ara resolver el problem a de control óptim o
M aximizar
Ê M)
x 1 u ——
t= o v 7
sujeta a kt+1 = 2kt + ct (CO)

ko = 0
lím kt existe
co
escribimos su hamiltoniano
¿2
H = k - — + //(A: + c)
y encontramos las correspondientes condiciones necesarias:
Mt+i - Ht = -( 1 + Vt+i) (1)
ct + f¿t+i = 0 (2)
kt+i = 2kt -f Cf (3)
C2
lím + ct) = 0 (4)
í—>oo kt ~ ~ 2 +
de donde, de (1), llegamos a que
= ( « + 1) Q ) - 1
y así los controles {c¿} están determinados por
ct = -(/¿o + 1) + 1
y, por tanto, la variable de estado kt estará regida por
kt+i = 2kt — (fio + 1) + 1 (6)
donde /¿o estará determinada por la condición de que lím ôo kt es finito.32
La ecuación (6) puede resolverse explícitamente mediante el ejemplo 39 de la
lección 3, y está propuesto como ejercicio para el lector.
Ejem plo 48.

Para resolver el problema
oo
Maximizar /?*lnc¿
{C Í> S í
sujeta a kt+i — kt — w + rkt —c¿

ko dado
lím kx dado
T—>oo
escribimos primero su hamiltoniano:
H = f? ln ct + ¡it(w + r k t ~ Ct)
' Según el teorema 18, debe ser que /¿ > 0 para que la solución encontrada sea la
verdadera solución. El lector puede verificar esto.
V t= V o \ t 4 ~ (4)
[1 + r
ÍT T T
c< = t^(1 + r )l5 (5)
VM
o
kt = fco(l + r ) ‘ + ¿ ( 1 + r )‘~k~1 ( w - \¡ ^ - W + '•)]* ) (6)
k=O
y luego restaría probar que
lím Hit) = 0
t —►oo v 7
que, en este caso, se reduce a la condición típica de transversalidad
lím iit kt = 0
t—too
y que, a su vez, nos lleva a la condición
i l~l
__ noko
lún + no
LLnkn + Lln í -------- 1* £ j ( 1 + r)‘ * 1 (w - yJl±L\p(i + r)]t^ = 0
t —►oo
que, a menos que fio = 0, será equivalente a
ko = ¿ ( 1 + r)~k~1 ( w - 1 + r )]S )
k=o V V Mo )
de donde obtenemos que
(7)
(7 - ko)(Vl+r - VP)
y esta determ ina los controles (ecuación(5)), y los estados (ecuación (6)). Ade
m ás de la ecuación (7), la condición de que lím ^ o o kr existe, obligará a con
dicionar los parám etros fundam entales del modelo.
b) Solución por programación dinámica

En general, el principio del m áximo y la programación dinám ica son m étodos
equivalentes (aunque distintos) para optim izar en el tiempo. En lo que sigue
tratarem os de sugerir que el principio del máximo es m ás conveniente, en gene
ral, cuando el tiem po es una variable continua; y la program ación dinám ica es
m ás conveniente cuando el tiem po es una variable discreta. Sin embargo, esta
no es ninguna regla definitiva y, como siempre, el método a escoger dependerá
del problema concreto a resolver, y de lo que necesitemos aprender de él.
Consideremos, entonces, el problem a estándar de control óptim o en el caso

discreto
T
M axim izar £ v(ku ct , t )
< *»
sujeta a kt+\ = g{kt,ct,t) (COD)
kojkr+i dados
i) C ondiciones de prim er orden: ecuación de B ellm an

La fórm ula recursiva (discreta) de Bellman p ara la función de valoración óptim a
(valor óptim o de la función objetivo) V es, aquí,
V (kt ,t) = m áx{v(kt ,ct ,t) + V{kt+i,t + 1)} (DR)

M
que, como en el caso continuo, significa que el valor óptim o V (kt,t) de la
función objetivo en el estado kt y en el tiem po ¿, es igual a la sum a óptim a de
la cantidad v(kt,ct,t)} m ás el valor óptim o de la función objetivo en el estado
kt+i y en el tiem po í + 1. E sta ecuación tam bién se puede escribir como
V (kt,t) = m áx{v(kt,ct,t) + V ( g(kt ,ct,t), ¿ + 1)} (DR’)
{*}
donde la condición inicial es
K(fcr + i , T + l ) = 0
Note, de nuevo, cómo la program ación dinám ica descompone el problem a ori
ginal en un a sucesión de “pequeños” problem as de optim ización m ás simples,
siempre “de atrás hacia adelante”. Veremos esto con claridad en los siguientes
ejemplos.
Ejem plo 49. (D istribución óptim a de una cantidad fija)
Consideremos el problem a de m inim izar la sum a de los cuadrados de T números
no negativos desconocidos, sujetos a la restricción de que su sum a sea una
cantidad dad a que no se deprecia. El problem a lo planteam os así:
T
M axim izar — > (c¿)2
«*»
T
sujeta a ^ ct = C
t=o
cq,ci, ..., ct > 0; C > 0 dado
P ara resolverlo, utilizaremos la program ación dinám ica comenzando con la pri
m era ecuación recursiva de Bellman, que corresponde a la del últim o período,
T:
V (c,T ) = máx {—(cr)2} = —C 2

{c T = C }
Continuando de m anera recursiva, de adelante hacia atrás, obtenemos la se

gunda ecuación recursiva de Bellman:
V ( c , T - 1) = máx { - ( ct - i )2 + V ( C - cT- i , T ) }
{0< cT- i <C}
= , , { - ( ct - i )2 - (C - c r - i ) 2}
{ 0 < cT _ ! < C }
que, derivando e igualando a cero, nos lleva a que
c r - 1 = \c
Esto nos dice que en cada uno de los dos períodos, T —1 y T, deberían “gastarse”
la m itad de los recursos C. De m anera similar, llegamos a que
V (c ,T - 2) = máx | - ( c T_2)2 - ]-{C - c t - 2 )2\

{0 < cr_2 < C } y ¿ )
De donde llegamos a que
c r - 2 = ~C
Así, debemos gastar la tercera p arte de los recursos en cada uno de los períodos
T - 2 , T - 1, T.
Siguiendo de esta forma, es ya fácil m ostrar que la forma de distribuir la
cantidad C es en partes iguales a través de los períodos:
C
co _ ci - c2 - CT ~ t - T 0 + l
E jem plo 50.
Consideremos el problem a
T
M aximizar V * Pl \n(ct)
Éo
sujeta a kt+i = (kt)a - ct >0
0 < 0, a < 1
ko > 0 dados
y, utilizando la ecuación de Bellman, encontremos la función de valoración
óptim a V(k,t), asumiendo que la función de valoración en el últim o período,
V (k ,T ), es igual a 0.
Prim ero, con la restricción q + kt+i = comenzamos el proceso iterativo

de atrás hacia adelante, que caracteriza a la program ación dinámica:
La prim era ecuación de Bellman, es decir, la del penúltim o período T —1, es
K(Jfc,r-l)= máx {/3T- 1ln(cT_i) + V (fcr,r)} = /9T- 1aln(fe)

{0<cT _ i =(*:)“ }
ya que V(kT>T) —0. Así,

cT- 1 = (kr- i ) a
La segunda ecuación de Bellman es
V ( k , T - 2) = máx {/?r - 2 ln(cT_2) + V (kT- U T - 1)} =

{CT—2>
, máx {/3T_2ln(cr _2) + /3T_1o ln(í;T -i)}

{0<cr-2<(fc)a-fcr-i}
Utilizando la restricción, y diferenciando con respecto a k r-1 , encontram os que
h T ~ 1 = i f ^ {kT~2)a' CT~ 2 = r r ^ (fcr- l)a

y así,
V«, T - 2) - 0 T - ’ 1„ ( j X j f ) + V - 1)
y, sabiendo que V(k,T —1) = /?T -1a l n k, tendrem os que
V(k, T - 2) = *■"> { [l„ ( j j ^ ) + « o I» ( j ^ ) ] + „(1 + „ « M t ) }
Se puede probar, por inducción m atem ática (volumen 0 (Fundam entos)) que,
en general, para t = 0 ,1 ,2 ,..., T,
V(k,t) = 0t{A + Bln(k)}33

donde ^ ^
j4 = ¿ í J , | n ( 1 + a í? + - - + ( í ? a ) ' - ' - j ) +
Note la similitud con la función objetivo dentro de la sumatoria del problema original.
B = q £ ( a /J ) >
J =0
y sus correspondientes controles ct, para t = 0 ,1 ,2 , dados por
Ct = . . . » a
y los estados por
\
con Aro > 0 dado. Estos últim os pueden expresarse explícitam ente como el
lector puede advertir fácilmente.
ii) Control óptim o con horizonte infinito

El correspondiente problem a general de control óptimo en el caso discreto
con horizonte infinito lo escribiremos así:
oo
Maximizar > j? v(kt,ct)
<*» S
sujeta a kt+i = g(ktl ct) (COD)
\ ko> 0, 0 < /? < 1 dados
lím kr > 0
T—
>oo -
Este caso de horizonte infinito requiere de la siguiente discusión: Definamos,

la transform ación T : C\t0yil} -» C\to¿i) Por
T (V )(k) = má x{v{ k,c)+ l3 V (g (k yc))}

M0)
Entonces (ejercicio final de Ejercicios 7) T es una contracción y, por tan to
(teorem a 8), tiene un único punto fijo; es decir, existe V* € C[ÍOtflj tal que
T(V*) = V *,\o que significa que
V*(k) = máx{v(k, c) -f /? V*(g(k,c))}

{c}
donde V* = lím ^ o o T k(V) será la solución de valoración al problem a de hori

zonte infinito34.
‘ Recuerde que, aquí, T k es la fc-iteración de la transformación T, es decir, T k =
T o T o ... o T (k veces).
Por tanto, el problem a (COD) se resuelve tom ando (de form a adecuada) límites
al infinito en la solución de valoración de horizonte tem poral finito. Ilustram os
esto últim o en el siguiente ejemplo.
Ejem plo 51.

oo
M aximizar > /^ ln fo )
<*» So
sujeta a kt+i = (kt)a — > 0
0 < a , @< 1, Aro > 0 dados
y, utilizando la ecuación de Bellm an, encontrem os la función de valoración

óptim a V(k1t).
Del ejemplo 50 anterior, se tiene que, para t = 0 ,1 ,2 , ...,T ,
V ( k t t ) = ? { Á + B]n(k)}
donde
í-i
Á í S ^ l n ( l + 0 '3 + '-- + W " w ) +
+ E/¡W (1 + + ■■• + («»“ -'Un
y
f? = a [ $ > /? ) * ]
j =o
y sus correspondientes c¿, para t = 0 ,1 ,2 , dados por
(kt)a
ct =
P ara hallar las soluciones a nuestro problem a de horizonte infinito, el principio

de Bellm an nos perm ite tom ar lím ites cuando t -> oo en las fórmulas del caso
T finito de arriba, para llegar a que la función de valoración es
v{k) = r b { ln (1 " a0) + r = ^ l n ( a / J ) } + l n fc-
los controles son

Cl = ( i -«/?)(*> )“
y, por tanto, la variable de estado está determ inada, p ara k2 > 0 dado, por la
ecuación dinám ica recursiva
kt+i = oc¡3(kt)a
que pueden expresarse explícitamente.
c) P ro g ra m a ció n d in á m ica e sto c á stic a

Una de las ventajas, quizá la más im portante, que tiene la programación diná
mica con respecto al principio del máximo, es que perm ite estudiar problem as
que implican riesgo. Supongamos que la variable de estado xt es estocástica y
que tiene un com portam iento regido por la distribución tp. Entonces la ecuación
de Bellman recursiva es ahora
V (kt,t) = máx{v(kt i ct l t) 4- E (V (k t+i,¿4-1))}
Ct
donde el valor esperado de V(kt+i,t 4-1 ) es
fk(T)
E (V (kt+ h t 4-1)) = / V (kt+iyt 4- l)(p(kt+i,t 4- l)dkt+\
Jk(t0)
Aquí, nuevamente, debemos ir, paso a paso, resolviendo pequeños problem as
de optimización, comenzando en el período T y term inando en el período 0.
Además, en muchos casos, podemos aprovechar la linealidad del valor esperado.
E je m p lo 52.
1 Qr t e ) 1
1—
sujeta a kt+i = Rt(kt —c¿) > 0
0 < a , /? < 1, fco > 0 dados
donde Rt es distribuida idéntica e independientem ente35 y, además,
E (R ¡-° ) < i
A prendida la lección del ejemplo 50 anterior, asumamos36 que V (fc) = Bkl~a

donde B es una constante a determ inar, y escribamos la correspondiente ecua
ción de Bellman:
B k = m áx ( + pB(k - c ^ E i R 1-“) }
c>o 1 —a )
35 Es decir, cada R t es una “lanzada” de una misma distribución, y cada una de estas
Rt es independiente de cualquier otra.
36 Esto, claramente, evita el desarrollo del laborioso proceso iterativo, siempre y cuando
la suposición sobre V sea correcta.
Derivando, con respecto a c, la expresión entre paréntesis, obtenem os que
C- Q = 0B( 1 - d)(k - c)~aE{B }-a) 37
lo que nos lleva a que
c= ~ ~ i k (*)
1 -+* M a
donde
M = 0B( 1 - a)E(R 1~a)
Insertando la ecuación (*) en la ecuación de Bellm an, encontram os que
B k l~a = { —í— ( M ° + /3BE(R1'
y, de allí, llegamos a que
B ~ ------------ T = Z ------------
y, por tanto, los controles óptim os están dados por
E je m p lo 53. (U n p r o b le m a d e in v e n ta rio )
U na em presa requiere estru ctu rar la oferta de un producto al principio de cada

uno de N períodos, de tal m anera que satisfaga cierta dem anda estocástica.
P a ra k = 0, sea Xk el inventario disponible al comienzo del período
k (es decir, lo que quedó del período k — 1); Uk la cantidad producida para
el período k y que com plem enta el inventario Xk ya existente; Wk la dem an
da hecha por los clientes durante el período k, y que tiene una distribución
de probabilidad conocida por la em presa. Se asum e que las tu* son variables
aleatorias independientes.
El inventario estará regido entonces por una ecuación dinám ica discreta de la
forma
x k+i = x k + uk - w k
Como esta em presa opera solo N períodos, asum irem os que las dem andas he
chas en el período N no se satisfacen, y que la m ercancía que queda en inven
tario no tiene valor.
¿Por qué es correcto este procedimiento?
Por su parte, el costo incurrido en cada período tiene dos componentes: el

primero es cit^, que es, simplemente, lo que le costó a la empresa la parte
del inventario que produce en el período fc; aquí c es el costo por unidad. El
segundo es H(xk+ 1) que es un “castigo” por mantener inventarios positivos o
negativos al final del período k. Así, el costo total incurrido por la empresa al
final del período k será
cuk 4- H (x k + uk + wk)
y el costo total esperado en N períodos es
Se trata entonces de encontrar los cantidades (controles) uk que le minimizarían

el costo de operación a la empresa. Es decir, para cada posible inventario Xk
que se tenga, escoger la cantidad óptima que debería producir en el período k,
de tal manera que los costos sean mínimos.
Supongamos un caso muy simple de función de costos lineal: para ciertos p >
0, h > 0, p > c se tiene que
H (x *+1) = pmáx(0, - x M ) + hm áx(0,xk+i)

es decir, si Xk+i > 0 el costo es /i, y si Xk+i < 0 el costo es p. Y esto llevaría a
un costo total esperado de la forma
E cuk + p m áx(0, —Xk - Uk + Wk) + h m áx(0, Xk + Uk —Wk) j
Por hipótesis, la función de valoración V ( x n , N ) = 0. Para simplificar la no

tación, escribamos
L(y) = p 2?{máx(0, Wk - y)} + h £{máx(0, y - wk)}
Entonces, la función de valoración en el período k satisface la ecuación recursiva

de Bellman
V (Xk, k) = mín [cyk + L(yk) + E { V (yk - W k , k + 1)]} - cxk

Vk>Xk
Asumiendo que la función entre paréntesis, cyk 4- L(yk) + E{V(yk —Wk, k + 1),
es convexa y tiene un mínimo 5jt, entonces, en el óptimo, t/* = x k si Xk > Sk, y
y* = Sk si Xk < Sk- Por tanto, el control óptimo Uk estará determinado, para
k = 0 ,1 ,2 , N - 1, por
u k(xk) = S k - x k si x k < S k; uk(xk) = 0 si x k > S k

Así, los datos iniciales del problema generan, para cada período k , una cantidad
específica S k tal que, si el inventario x k recibido en ese período, es menor que
S k) la cantidad producida es el excedente S k —x k: pero si x k es mayor o igual
que S kl entonces es mejor no producir absolutamente nada.
Ejercicios 7
1. Mediante el principio del máximo, resuelva
T
Maximizar Y ^ y/ci
(c‘> feS
sujeta a kt+i — kt = w — ct
ko dado
kx dado
2. Mediante el principio del máximo, resuelva

oo
Maximizar Y ^ fisfct
<c‘> So
sujeta a kt+i — kt = .w — ct
ko dado
lím k r dado
T—>oo
3. Mediante programación dinámica, resuelva el siguiente problema:

3
Minimizar ^ [ ( ^ í ) 2 + (ct)2}
{«*)) ¿i
sujeta a ko = 1, = 7, c* = entero no negativo
kt+\ = kt + 2c¿, ¿=0,1,2,3.
[Indicación: observe el ejemplo 49 de la presente lección.]
4. (Distribución óptima de una cantidad fija). Resuelva, mediante progra

mación dinámica, el problema de minimizar la suma descontada de los
cuadrados de ciertos números no negativos desconocidos, sujetos a la
restricción de que su suma sea una cantidad dada fija:
oo
M axim izar —V '
«*» h
oo
sujeta a ^ = C
t=o
co,ciT... > 0 ; C > 0 dado
5. Utilizando programación dinámica, resuelva el problema

oo
Ma?c(()}zar E ^ ) + 7 ln (^ 0 )
sujeta a kt+i = 3(kt)Q — ct > 0

0 < q, P < 1 , ko > 0 , 7 > 0 dados
[Indicación: ensaye V = E + F i n kt + Gl n c t_i para ciertas constantes

E,F,G.]
6 . Un empleador entrevista N candidatos para un cargo, y debe decidir in
mediatamente después de cada entrevista, si contrata o no al candidato
entrevistado. A cada uno de estos se le asigna un puntaje después de
la entrevista, y estos puntajes son independientes e idénticamente dis
tribuidos. Establezca la política que maximiza el puntaje esperado del
candidato entrevistado.
7. (Bertsekas (1987)) Cierto material pasa a través de una secuencia de dos

hornos. Sea Xo la tem peratura inicial del material; Xk con k = 1 ,2 la
tem peratura del material a la salida del homo k\ Uk-\ con k = 1 ,2 la
tem peratura en el homo k. Asumimos que estas variables están determi
nadas por el sistema dinámico
Xk+i — (1 - a)xk + auk k = 0 ,1
donde a € [0 , 1].
El objetivo es que la tem peratura x 2y después de salir del horno 2, sea
lo más cercana posible a una temperatura ideal T, y que esto se logre
utilizando la mínima energía posible en los hornos. Es decir, se tra ta de
minimizar la función
r(x 2 —T )2 + (uo)2 + (ui)2
donde r > 0 es un escalar dado.

Pruebe, utilizando programación dinámica, que la tem peratura óptima
del primer horno es
r( 1 —a)a[T —(1 —a)2x o]
“° _ 1 + r a 2 [ l + (1 — a ) 2]
y la tem peratura óptima del segundo homo es
ra[T —(1 —a)xi]

Ul 1 + ra2
8. Definamos la transformación T : C[t0¿i] Por
T(V)(k) = m á x i m e ) +0V(g(klC))}
Pruebe que T es una contracción mediante los siguientes pasos:
i) Pruebe, antes de comenzar, que, efectivamente, T está bien definida;

[indicación: quizá requiera del teorema del máximo38 (lección 2)].
ii) Pruebe, después, que si W > V entonces T(W) > T(V).
iii) Pruebe que
T(W + c) = T ( W ) + pe
para todo W € C[Í0)¿1], y c € R.
iv) Pruebe que
T(W0(«) < T {V + || W - V ||)(s) = T (V )(s) + f i \ \ W - V \ \
v) Concluya que
|lW )(s)-T (K )(s)|< P \\W -V \\
vi) Finalice mostrando que
II T ( W ) - T (V ) || < P \ \ W - V \ \ •
38 No confundir con el principio del máximo.

Quizá el problem a metodológico central para cualquier estudiante de Econo
mía es cómo abordarla. En el desarrollo de los “contextos económicos” de estos
cuatro volúmenes de “Matemáticas básicas para economistas ”, hemos intentado
convencer al lector de que, actualm ente, solo existen tres formas fundam entales
de aproxim arse al estudio de la Economía: el modelo keynesiano y sus deriva
dos, el modelo neoclásico Arrow-Debreu y su saga, y la teoría de interacciones,
incluyendo allí, en gran medida, las nuevas técnicas de complejidad. Pero lo
que queremos resaltar en este últim o “contexto económico” es que estas formas
de aproximación, por sí solas, serían teoría económica vacía si no existieran los
problemas económicos que van a ser tratados con ellas; que no son las “escuelas
de pensam iento económico” lo que es central sino los problemas económicos;
y que, difícilmente, un estudiante prem aturam ente “m atriculado” en una de
estas escuelas podrá tener una visión suficientemente am plia del problem a que
esté estudiando. Precisam ente, hemos escogido un problem a particular (pero
central) de la teoría económica (el problema de la construcción de la función
de consumo) con el que, aunque no harem os ningún tratam iento exhaustivo, sí
pretendem os sugerirle al estudiante que está comenzando, que el “m estizaje in
telectual” (aunque riguroso) es, quizá, la forma menos riesgosa y más científica
de atacar cualquier problem a económico, además de que de esta forma se irá
alejando de los vicios intelectuales que tanto daño han hecho, por generaciones,
al desarrollo de un pensam iento sano y libre del estudiante joven de ciencias
económicas.
a) S o b re el p ro b le m a d e la c o n str u c ció n d e la fu n ció n d e co n

su m o: ¿ có m o se p la n ea n las d e c isio n e s in d iv id u a les d e co n
su m o y có m o c o n fo rm a n e sta s el co n su m o a g reg a d o d e u n a
eco n o m ía ?
Uno de los problem as más profunda e intensam ente investigados en la disci
plina económica es el de los determ inantes de las decisiones de consumo de los
agentes individuales, y el com portam iento y evolución de algún índice o m edi
d a agregada de los resultados de aquellas para el conjunto de la economía. El
estudio del consumo ha implicado el desarrollo de áreas medulares de la teoría
económica, ha promovido el avance de m étodos y técnicas de investigación em
pírica, y es una de las piezas de la teoría del valor por su relación con problem as
de la teoría de la utilidad y la dem anda, la formación de precios, el volumen
de ocupación, el crecimiento y las fluctuaciones de la actividad económica.
Es probable que el exam en sistem ático, aunque no siempre riguroso, de los gas
tos en bienes y servicios tam bién sea una de las actividades m ás antiguas en la
disciplina. Desde una perspectiva empírica, en la década de 1790 en Inglaterra
se realizaron dos estudios cuantitativos, elaborados por clérigos, consistentes

en la compilación de presupuestos y gastos de trabajadores rurales. El espíritu
científico estuvo siempre ausente de estos y otros trabajos, y solo fue hasta
mediados del siglo XIX en que aquella, y otras motivaciones, dieron inicio a
la era moderna de la recolección y análisis de datos sociales. Dos eventos im
pulsaron estos desarrollos: de un lado, las aspiraciones y reivindicaciones de la
clase obrera; del otro, los adelantos en la teoría matemática de la probabilidad
y sus técnicas de análisis que popularizaron la observación y comparación de
conjuntos de datos sociales (Stigler (1954)).
Desde una perspectiva teórica, el consumo no fue materia directa de trabajo.
Su tratamiento estuvo subordinado a la construcción de sistemas teóricos y
de pensamiento económico, por lo menos hasta principios del siglo XX. Sin
embargo, son precisas algunas observaciones generales:
1. El advenimiento de un nuevo orden económico y social impulsado por la

revolución industrial desde finales del siglo XVIII, perfiló la estructura
general de la teoría clásica (basada en la hipótesis del valor-trabajo, el
énfasis en el valor social de la acumulación en lo positivo y en el valor de
la frugalidad en lo normativo) y dio lugar a dos enfoques sobre el consumo
en una comunidad. De una parte, las teorías del subconsumo argumen
taban que el proceso de acumulación tendría freno en insuficiencias en
la demanda, en particular del consumo, limitando así la asignación de la
fuerza de trabajo, y dando estímulo al ciclo de los negocios. De otra par
te, la orientación que adhería a la Ley de Say, que niega la posibilidad
del subconsumo debido a la perfecta flexibilidad de precios y salarios,
formados en mercados competitivos.
2. Karl Marx adoptó y desarrolló la teoría clásica del valor-trabajo con el

propósito de evidenciar y explicar la explotación del trabajo por parte
de los propietarios del capital y los medios de producción, a través de
los procesos de intercambio en el mercado y de reproducción del capital
que tiene lugar en la producción de mercancías. Los salarios no son más
que el capital requerido para el pago de la fuerza de trabajo y cuyo gasto
en consumo tiene la finalidad de reponer y reproducir las capacidades
que han sido absorbidas por la producción, de las cuales una parte se
ha transformado en plusvalía. El consumo individual y colectivo de la
clase obrera vuelve al proceso productivo en la forma de reposición de la
fuerza de trabajo. En la economía marxista el consumo de los obreros es
un factor de reproducción del capital (Marx (1984), vol. 1, pp. 480-483).
3. Con la aceptación, explícita o implícita, del individualismo, el subjetivis

mo, el utilitarismo, y el énfasis en el estudio de la acción y la conducta
individuales como punto de partida para explicar y comprender el fun

cionamiento y la interdependencia de variables económicas y mercados
(marginalismo y la escuela austríaca), el consumo tiene un tratamiento
indirecto a través de la teoría de la utilidad y la demanda, y estos se
convierten en los elementos fundamentales de la teoría del intercambio
y la formación de precios. En este sentido se orientaron los desarrollos
importantes, desde Gossen(1854)39 hasta Pigou (1920), 40 centrados en el
análisis parcial, con excepción de Walras41 y Fisher,42 quienes abordaron
el problema del equilibrio general para economías de puro intercambio y
con producción.
Fueron la Primera Guerra Mundial, la Revolución Rusa y la Gran Depresión

eventos que dieron estímulo a la investigación teórica directa del consumo y
el ahorro tanto individual como agregado. La guerra, las tensiones sociales, el
desempleo, el desarrollo de la sociedad industrial, y el creciente sentimiento de
que el sistema económico no era inherentemente estable y capaz de corregir
de manera rápida y automática sus desajustes, exigieron la intervención del
Estado para orientar y regular la vida social en procura de elevar el bienestar
general de la población. Entre ellos, los sistemas de sustento de ingresos y
consumo y la provisión de servicios sociales -que dan un primer fundamento del
Estado de Bienestar- fueron los instrumentos más importantes para enfrentar
la situación. Igualmente, fue preciso evaluar los efectos de la intervención en la
operación de la economía en cuanto a la eficiencia, el bienestar, la equidad (o
justicia) y la factibilidad administrativa de dicha intervención sobre el conjunto
de la economía y en sectores específicos.
Dado este contexto, en la tradición neoclásica se publican en 1926 y 1927 los
trabajos de Ugo Ricci, economista italiano, que hacen una primera aplicación
de la teoría de la maximización de la utilidad a la cuestión del ahorro de los ho
gares43. En 1930 aparece la obra de Irving Fisher, The Theory of Interest, en la
que se encuentra una aproximación germinal a la asignación óptima de recursos
para el consumo consistente con el horizonte vital de sujetos racionales (Mo-
digliani (1978)). Desde una perspectiva económica contraria a la que él mismo
llamó “clásica”, en 1936 Keynes publica su Teoría general de la ocupación, el
interés y el dinero, centrada en establecer los determinantes del volumen de
ocupación agregado en el corto plazo. Diferencias esenciales y profundas acerca
39 En su Entwicklung der Gesetze des menschlichen Verkehrs und der daraus fliessenden
Regeln für menschliches Handeln.
40 En su Economics of Welfare.
41 En las distintas versiones de su Élements D ’economie Politique Puré (Theorie de la
Richesse Sociale).
42 En su Mathematical Investigations in the Theory of Valué and Prtces.
43 Citado por Modigliani (1978).
de las implicaciones teóricas de la Teoría general y sus consecuencias empíri

cas, conjuntamente con la evidencia fáctica acumulada a finales de la década de
1940, hicieron dudar de la formulación keynesiana, que condujeron a proponer
nuevas hipótesis, basadas en la teoría de la elección racional y la maximización
de la utilidad. Dos de las más importantes son las hipótesis del ciclo vital y
la del ingreso permanente, debidas a Franco Modigliani y sus colaboradores
entre 1952 y 1954 y Milton Friedman en 1957, respectivamente. Desde enton
ces, nuestro conocimiento y comprensión del consumo individual y agregado
ha provenido de un fructífero contrapunteo entre análisis teórico y hallazgos
empíricos.
i) La hipótesis keynesiana sobre el consum o
En la Teoría general de la ocupación, el interés y el dinero, Keynes se ocupó

del consumo, con el objetivo de establecer los determinantes del nivel gene
ral de ocupación en una economía y no de los elementos constitutivos de las
decisiones de consumo de agentes individuales, la agregación de las mismas y
su comportamiento y evolución. Si bien Keynes propuso una función explícita
del consumo agregado, su propósito al hacerlo fue investigar las relaciones que
existen entre consumo, ingreso o producto y el volumen de ocupación de una
economía en el corto plazo.
En el sistema keynesiano el ingreso o producto total (F ) de una economía
depende del volumen de ocupación o empleo (N). Qué tanto trabajo empleen
las firmas está sujeto a lo que estas esperan que se gaste en consumo (C) y en
inversiones (/) nuevas. La producción obtenida por las firmas individuales y en
el agregado, es la que resulta de contratar el nivel de empleo que se corresponde,
dadas las tecnologías de producción y los precios de los factores, con el que hace
máximas las expectativas de beneficios de aquellas. Al valor de la producción
así obtenida, Keynes lo llamó el precio global de la oferta, es decir, la oferta
agregada (S ) de la economía. Por su parte, la demanda agregada (D ), o precio
de la demanda global, es el valor total de las compras de los distintos agentes
económicos, de acuerdo con el nivel de empleo. Debido a la dependencia de la
oferta y la demanda agregadas del nivel de empleo, Keynes supuso que estas
pueden formularse así:
oferta agregada: S = f(N )

demanda agregada: D = g(N)
Si para cierta cantidad de empleo la demanda es mayor que la oferta, la racio

nalidad económica y las expectativas de las firmas las impelen a incrementar
la contratación de trabajo, aumentando el volumen de empleo hasta el monto
de N en que la oferta y la demanda agregadas son iguales. El volumen de
ocupación está determinado por el equilibrio macroeconóinico y el valor de la

demanda en el equilibrio, que necesariamente es la suma de los gastos de con
sumo e inversión realizados; es la demanda efectiva (Keynes 193G, p. 34). Así,
el consumo es función del nivel de empleo:
C = h(N )
Puesto que, en equilibrio, se tiene que D = h(N) + / y f ( N ) = h(N) -f /, se

deduce que
J = f ( N ) - h(N ) (1)
Es decir, en equilibrio, la magnitud del empleo depende de las funciones de ofer
ta agregada, de consumo y de inversión. De esta relación fundamental Keynes
dijo: “es la esencia de la teoría general de la ocupación” (Keynes (1981), p. 36).
Si el consumo es uno de los factores críticos en la teoría, veamos a qué obedece
este y cuál es su importancia. De acuerdo con Keynes, el consumo depende de:
i. El nivel de empleo, y por lo mismo, del ingreso,
ii. Ciertos factores objetivos,44 y
iii. Ciertas características psicológicas y necesidades subjetivas tanto de los

individuos como socialmente compartidas.45
Keynes asume que, en el corto plazo, los factores subjetivos son conocidos y no
tienen ningún papel fundamental en la configuración del consumo general, a
diferencia de los objetivos, que eventualmente pueden alterarlo individualmente
y en el agregado. El valor de los activos, la tasa de interés y la política fiscal
pueden provocar cambios en la propensión al consumo. Sin embargo, tales
variaciones no serán sustanciales en situaciones ordinarias;40 los demás factores
objetivos tienen una influencia menor. En consecuencia, en períodos cortos, el
c on su m o es u n a f u n c i ó n estable del ingreso, cuyos cambios determinan
los de aquel:
C = v(Y)
44 Estos factores son: cambios en las unidades de salarios, que son las unidades de
medida utilizadas por Keynes; cambios en la diferencia entre el ingreso bruto y
el ingreso disponible; cambios imprevistos en el valor de los bienes de capital no
incluidos en el ingreso disponible; cambios en el precio relativo del consumo presente
respecto del consumo futuro; cambios en la tributación o la política fiscal y cambios
en las expectativas sobre los ingresos futuros (Keynes (1981)).
45 Los motivos subjetivos considerados por Keynes son: precaución, previsión, cálculo,
mejoramiento, independencia, empresa, orgullo y avaricia (Keynes (1981), p. 102).
46 En cuanto a la importancia de las tasas de interés en la propensión a consumir, Keynes
hace algunas observaciones y salvedades para que no se diga que “las modificaciones en
la tasa de interés tengan solo una influencia exigua sobre las cantidades que realmente
se ahorran y consumen” (Keynes (1981), p. 104). Al respecto véanse sus argumentos
en la sección II del capítulo 9.
Si el empleo aumenta, también lo harán el ingreso y el consumo, pero este

último en una cuantía menor a la del primero. La razón de que C aumente
menos que Y se encuentra en la ley psicológica fundamental según la cual “los
hombres están dispuestos, por regla general y en promedio, a aumentar su
consumo a medida que el ingreso crece, aunque no tanto como el crecimiento
de su ingreso” (Keynes (1981), p. 93). Esto podemos expresarlo diciendo que
por cada unidad adicional de ingreso, se consume una fracción de la misma,
conocida como la propensión marginal al consumo .47
Esta ley psicológica tiene implicaciones importantes:
1. Ante cambios en el entorno económico y los factores objetivos que influ

yen en el consumo, el ajuste de los hábitos psicológicos es muy reducido
en el corto plazo, de modo que cambios en el ingreso se corresponden con
cambios en el ahorro más que en el consumo; esto es, mayores (meno
res) niveles de ingreso van aparejados con mayores (menores) niveles de
ahorro.
2. Por lo general, y a largo plazo, montos absolutos de ingreso real están

correlacionados con montos de ahorro mayores. A medida que se tiene un
ingreso real mayor se presenta la tendencia a ahorrar una mayor propor
ción del mismo, puesto que las necesidades básicas de consumo se han
satisfecho.
Como consecuencia de los anteriores, “si la ocupación y, por tanto, el ingreso

total aumentan, no toda la ocupación adicional se requerirá para satisfacer las
necesidades de consumos adicional” (Keynes (1981), p. 94). En términos de la
ecuación ( 1) esto quiere decir que la economía solo puede estar en equilibrio si
se presenta un aumento sistemático y automático de la inversión que compense
la creciente brecha entre consumo e ingreso. Si ello no es el caso, la economía se
encuentra en una situación en la que el volumen de empleo es menor al que po
dría contratarse. Estos elementos pueden expresarse formalmente haciendo el
co n su m o agregado u n a f u n c i ó n lineal del ingreso absoluto c o rr ie n te :
Ct = a + yY td (2)
donde a > 0 es el “consumo autónomo” (no depende del ingreso), que suele
dC
suponerse grande, 7 = es la propensión marginal al consumo, y Ytd es el
ingreso disponible agregado.
Ahora: se deduce de (1) y de (i) que conforme aumenta el ingreso real habrá un
exceso de ahorro. En el futuro no habría necesidad de hacer mayores esfuerzos
47 Formalmente, la propensión marginal al consumo es ¿ y .
de acumulación puesto que el ahorro sobrepasaría las necesidades de capital, y,

si la sociedad es rica, no todo el ahorro se convertirá en inversión, por cuanto
siendo ya alto el stock de capital “las oportunidades para nuevas inversiones
son menos atractivas” (Keynes (1981), p. 38). El resultado, tarde o temprano,
sería el estancamiento secular de la economía por insuficiencia de la demanda
agregada. Visto desde este ángulo, el ahorro plantea una amenaza en la medida
en que reduce el componente de consumo de la demanda efectiva, conducente a
una menor utilización de los recursos respecto de los disponibles en la economía,
en especial del trabajo, cuando esto no va acompañado de incrementos en
la inversión. Esta incapacidad de la economía para alcanzar el pleno empleo,
Keynes la atribuye, además, a factores como la rigidez de salarios, la preferencia
por la liquidez y las expectativas e incertidumbre que afectan a la inversión.
A esto se le agregó, posteriormente, un corolario distributivo. Uno de los facto
res significativos para explicar la tasa de ahorro48 agregada es la distribución
del ingreso. En las familias de ingreso bajo, este es excedido por el consumo,
y sucede lo contrario en las familias de ingreso alto. Solo estas últimas están
en capacidad de ahorrar. Por tanto, el ahorro agregado dependerá fundamen
talmente de las familias ricas y, en consecuencia, también la acumulación de
capital. Esto es particularmente cierto, se afirmó, en los países en desarrollo, en
sus primeras fases de progreso. Así, en estos países, el crecimiento dependerá,
al comienzo, de la desigualdad en la distribución del ingreso. Por otra parte,
puesto que el aumento del ingreso real conlleva mayores tasas de ahorro, y
dado el supuesto de menores oportunidades de inversión, para evitar el estan
camiento secular se requiere aumentar el consumo. Una manera de hacerlo es
por medio de políticas redistributivas.
Dada la enorme influencia y los cambios introducidos por la Teoría general,
el interés teórico estimuló el trabajo empírico a partir del análisis de series
de tiempo y datos de presupuestos y gastos de corte transversal. Al principio,
la evidencia pareció confirmar los planteamientos de Keynes y la hipótesis del
ingreso absoluto:
■ Gasto corriente altamente correlacionado con el ingreso corriente,
■ Propensión marginal al consumo inferior a la unidad y menor que la

propensión media, y
■ Tasa de ahorro creciente con el ingreso real.
Sin embargo, a comienzos de la década de 1950 la evidencia empírica acumula
da sugería varias contradicciones con la teoría (Friedman (1973a), Modigliani
(1978)):
48 Siendo S el ahorro agregado, la tasa de ahorro en una economía es la proporción de
ahorro total a ingreso total, y .
i. Los trabajos de S. Kuznets49, publicados por el National Burean of Eco-

nomic Research (NBER) en 1946, daban cuenta de una tasa de ahorro
prácticamente constante en Estados Unidos desde principios del siglo
XIX, a pesar del gran incremento en el ingreso per cápita en ese país
durante ese período.
ii. La casi invariable propensión media al consumo, en momentos del tiempo

alejados entre sí, en los que el ingreso en cada uno de ellos era sustan
cialmente distinto.
iii. Con base en información de presupuestos familiares, en 1947 Dorothy

Brady y Rose Friedman mostraron que la función de consumo implicada
por dichos datos se desplaza hacia arriba en el tiempo a medida que
el ingreso medio se incrementa, de manera que la tasa de ahorro no es
explicada por el ingreso absoluto sino por el ingreso relativo a la media
del ingreso general.
iv. En 1955, William Hamburguer, en su tesis doctoral, encuentra que la

proporción entre riqueza e ingreso mantiene una estrecha asociación con
la relación consumo/ingreso, de acuerdo con la evidencia de series de
tiempo para el período de entre guerras hasta finales de los años 40.
v. La reducción de las desigualdades en la distribución del ingreso desde

finales de los años 30.
Estos resultados condujeron al planteamiento de varias teorías. En 1949, James

Duesenberry y Franco Modigliani, de manera independiente, propusieron que
el consumo depende del ingreso relativo, en especial del último pico más alto
que hubiese alcanzado, y de la imitación del patrón de gasto de las clases más
pudientes. A comienzos de los años cincuenta, Margaret Reid, en su artículo no
publicado The Relation of the Within-Group Permanent Component of Income
to the Income Elasticity of Expenditure (ver el artículo posterior de Reid y
Dunsing (1956)), propone que el consumo está gobernado por lo que llamó el
ingreso normal o “permanente”, esto es, por el ingreso esperado a lo largo de
cierto horizonte temporal de las familias. Su enfoque del problema fue decisivo
para el desarrollo de las Hipótesis del ciclo de vida y el ingreso permanente.
(Modigliani (1978)).
El centro y la dirección de la investigación, desde entonces, ha sido la fun-
damentación de las teorías del consumo en la elección intertem poral de un
consumidor racional, que procura maximizar su utilidad en cada momento del
tiempo y a lo largo de su vida, sujeto a las restricciones presupuestaria y de
49 Premio Nobel de Economía en 1971.
factibilidad apropiadas. El consumo agregado, como los demás agregados ma-

croeconómicos, se construye a partir de la suma de los consumos del conjunto
de agentes de la economía, sobre la base de ciertos supuestos que lo perm itan50.
il) La hipótesis del ciclo de vida
Un individuo debe decidir, a p artir de cierto momento, cómo ha de distribuir

sus ingresos y riqueza presentes y futuros entre consumo y ahorro, desde dicho
momento y hasta el día de su m uerte, teniendo como propósito alcanzar la
mayor satisfacción posible derivada de tal decisión. Nos preguntamos ¿cómo
tom ará el individuo esa decisión? ¿con base en qué elementos? y ¿qué propie
dades ten d rá el patrón general de consumo a lo largo del horizonte de vida?
consideremos el siguiente escenario. Este individuo, racional, previsor, y que
dispone de toda la información que requiera, habita un mundo de total ausen
cia de incertidum bre, por lo que las consecuencias de sus acciones (y las de
los demás individuos) tienen lugar efectivamente y son completamente previ
sibles; esto es, se conocen y anticipan perfectam ente los posibles estados del
mundo y la evolución tem poral del mismo. Todos los individuos son iguales
entre sí, de modo que basta considerar el com portam iento de uno solo, que
representa al conjunto (hipótesis del agente representativo). Asumimos, por
consiguiente, que las decisiones de los individuos son independientes unas de
otras, es decir, la elección es param étrica, el agente considera que su conducta
es la única variable relevante, la que está sujeta, a su vez, a otras variables
predeterm inadas y que sus decisiones y com portam iento 110 pueden cam biar
(no hay interacción estratégica). Pese a que existe una amplia variedad de bie
nes entre los que escoger, el individuo realiza su consumo sobre un agregado
de aquellos, una mercancía compuesta genérica, que constituye los bienes que
podría elegir. Los ingresos que obtiene el agente provienen de su trabajo. El
individuo puede prestar y pedir prestado tanto como desee, a través de un
único activo, lo que le perm ite tanto acum ular como desacum ular riqueza, y
tam bién transferir consumo entre distintos periodos.
E sta caracterización supone, implícitamente, los mercados de consumo, de fac
tores y de activos. Puesto que nuestro interés se centra en la decisión de asignar
gasto a lo largo del tiempo, aceptam os como dados estos mercados sin detener
nos a especificarlos en forma alguna. Es suficiente decir, con todo lo que ello
implica, que son perfectam ente competitivos en la acepción usual del térm ino.
50 No es del caso discutir los problemas y dificultades de agregación; sin embargo, pode
mos decir que la disciplina aún carece de una teoría o de métodos satisfactorios para
la construcción de agregados macroeconómicos. De un lado, el enfoque del agente
representativo ha mostrado ser restrictivo y falseador de los hechos y ha reducido la
relevancia de la teoría. De otro, los agregados simplemente suelen asumirse, sin aten
der a determinar sus factores generadores y las interacciones económicas subyacentes.
La hipótesis del ciclo de vida (HCV en adelante) sostiene que los individuos
planean sus decisiones de consumo para periodos largos y lo distribuyen de la
manera más uniforme posible a lo largo de su horizonte de vida -como afir
mó Modigliani (1978) en su Conferencia Nobel “the self-evident proposition
that thè representative consumer will choose to consume at reasonably stable
rate, cióse to his anticipated average Ufe consumption” (p. 299) previendo su
retiro laboral. Si bien los ingresos laborales fluctúan, en algunos casos consi
derablemente, el uso del mercado de activos le permite al individuo trasladar
ingresos intertemporalmente a través del ahorro, de modo que su consumo no
varíe abruptamente, separando el flujo de ingresos del flujo de consumo. Así, la
HCV plantea que el patrón temporal de consumo es independiente del patrón
temporal de ingresos, y solo está determinado por las preferencias del individuo
y por el precio relativo en el tiempo del consumo.
Una implicación directa es que el monto de ahorro del individuo, en períodos

cortos, de unos meses o un año, está gobernado por la distancia en que se
aparta el ingreso corriente del ingreso vitalicio, y se comporta procíclicamente,
en consonancia con la actividad económica. A largo plazo y para la economía
en conjunto, si el ingreso crece en el tiempo, el ahorro primero es bajo pero
después se incrementa51.
Procedamos a la construcción del modelo que formula la HCV. Las elecciones

del consumidor están determinadas por sus preferencias intertemporales sobre
el consumo real q , que es la única fuente de satisfacción del individuo en cada
período ¿, y para una expectativa u horizonte de vida t = 0 , 1 , . . . , T. Estas
preferencias se expresan mediante una función de utilidad W = u(c\ , . . . ,c t) .
Semejante enunciación es demasiado general, así que trabajamos con preferen
cias que son intertemporalmente aditivas o intertemporalmente separables de
manera fuerte, con la siguiente forma:
u(ci) u(c2) u(cr)

W = u (c q ) +
(1 + /3) + (1 + 0 ) 2 + " ' + ( l + /?)?’
(3)
Con esta especificación estamos dando a entender que el consumo en un perío

do no afecta ni al consumo ni a la utilidad en cualquier otro período de la vida
del agente. Esto es, el consumo no tiene efectos perdurables en el tiempo. Tam
bién asumimos que las preferencias son temporalmente invariantes, los gustos
son siempre los mismos, no cambian ni se adquieren nuevos ni se dejan algunos,
51La exposición completa de la HCV se encuentra, principalmente, en Modigliani (1978),

Modigliani y And. (1963) y Modigliani y Brumberg (1954).
de conformidad con la experiencia y estilo de vida del individuo. Así conside

rada, la función de utilidad no perm ite estudiar el com portam iento frente a los
bienes, cuya “deseabilidad” se acrecienta con el uso o disfrute (el arte), o cuyos
beneficios se extiendan en el tiem po a pesar de haber sido consumidos en su
totalidad (unas vacaciones en la playa). Tam poco es posible exam inar, a p artir
de ella, la formación de hábitos en el consumo. Sin embargo, como veremos,
esta forma de abordar las preferencias tem porales sum inistra proposiciones no
obvias e implicaciones empíricas acerca del com portam iento del consumidor,
dados los supuestos en que nos basamos, que constituyen un prim er núcleo
básico de ataque al problem a de asignación intertem poral de consumo y que
son aún m ateria de investigación.
La utilidad obtenida en cada período, el individuo la descuenta a una tasa

de preferencia subjetiva tem poral constante 6 (0,1), que mide su grado de
paciencia entre consumo presente y consumo futuro. Si /? es cercano a cero
indica que el individuo tiene preferencia por el presente frente al futuro, es
decir, se inclina a consum ir ahora antes que a posponer consumo52. La utilidad
en cada período es estrictam ente creciente y cóncava y dos veces diferenciable
con continuidad: w'(c¿) > 0 y u"(ct) < 0. El individuo tiene un fuerte incentivo
a evitar niveles de consumo demasiado bajos: uf(0) = oo. En resumen, la
satisfacción derivada del consumo a lo largo de toda su vida, es la sum a de las
satisfacciones que el sujeto obtiene en cada período.
El agente tiene un ingreso exógeno yt proveniente de su trabajo. En cada pe

ríodo, el individuo puede consumir una cuantía mayor, igual o m enor a su
ingreso. P a ra ello está en posición de ser prestatario o prestam ista, sin ningún
obstáculo, en el m ercado de activos, transfiriendo recursos entre períodos ad
yacentes por medio de la posesión del único activo a que existe en la economía.
La tenencia del mismo no se lim ita a ser positiva. El activo reditúa una tasa
de interés constante real r por unidad de tiem po, y es la m isma para prestar y
pedir en préstam o. Puesto que el sistem a económico, legal y ético hace difícil
eludir el pago de deudas, el agente no puede dejar pasivos al finalizar su vida
52 La tasa de preferencia temporal tiene la función de descontar o traer a valor presente el

valor futuro del consumo con base en la idea de que los individuos prefieren los bienes
disponibles para uso presente, a la expectativa presente de tener disponibles para uso,
en algún momento futuro, tales bienes. La tasa social de preferencia temporal está
determinada por la interacción de los individuos en distintos contextos económicos,
que resultan en la equivalencia de esta con alguna tasa de interés media o de referencia.
Un breve análisis teórico e histórico acerca del concepto de preferencia temporal se
encuentra en Rothbard, M. N. (1987). Time Preference. En J. Eatwell, M. Milgate &
P. Newman (Eds.). The New Palgrave: A Dictionary in Economics, The Macmillan
Press Limited. Las consecuencias para la asignación intertemporal de consumo de
tasas de preferencia temporal no constantes y dependientes de tiempo se exploran en
Deaton Deaton (1992) (pp. 14-15) y Blanchard, O.J. y Fischer, S. (1989). Lectures on
Macroeconomics. MIT Press, capítulos 2 y 3.
pero puede acum ular riqueza financiera haciendo uso de su ahorro y de las
tenencias previas de activos
CLt+i = (1 + r)(at + yt - ct) (4)
Asumimos que el individuo es propietario de una riqueza inicial a(0) = ao

dada.
Al finalizar su vida, la riqueza acum ulada del agente es53
T -1
aT = (1 + r)Ta0 + ^ ( 1 + r)T~\yt - ct) (5)
t=o
Debido a que los compromisos del agente deben estar com pletam ente saldados,
en el período final T su consumo será ct < a r+ 2 /r- Com binando esta condición
con la ecuación (5) obtenem os la restricción de presupuesto del agente para
todo su horizonte de vida:
T T
¿ ( 1 + r)T~lct < (1 + r)Tao + ^ ( 1 + r)T~lyt (6a)
í=0 t=0
(6b)
¿ ( x T ^ - ao + ¿ ( i T ^
Observemos que la restricción de presupuesto tiene la forma
Poco + p i c i + • • • 4*P t ct < PoVo + P i2 /i + • • • +PT2/T,
habitual en el análisis microeconómico, la prim era expresada en valor futu

ro y la segunda en valor presente. E n (6b), po = 1 y Pt = (1 + r ) - í Para
t = 1 ,2, . . . , T. Es decir, el precio del consumo en t = 0 es de 1 y el precio
del consumo futuro en relación al precio del período cero es (1 + r ) - í . En
consecuencia, podemos interpretar (1 + r ) -1 c o m o el p re c io r e la tiv o d e l
c o n s u m o e n tr e p e r ío d o s c o n s e c u tiv o s , para cualesquiera t y t + 1. En (6a)
se tiene lo contrario.
1La ecuación se deduce así: partimos de ao dada e iterando recursivamente para cada
t se tiene
o í = (1 + r ) ( a 0 + yo - c0 )
oa = (1 + r ) ( o x + y i - c i ) = (1 + r ) 2 o0 + (1 + r ) 2 (y0 - c0) + (1 + r) ( y i - c t)
03 = (1 + r)(o 2 + V2 — ca) = (1 + r ) 3 o0 + (1 + r ) 3 (y0 - cq ) + (1 + r ) 2 (y i - c j ) + (1 + r ) ( y 2 — C2),
»=(1+r)*o0+ $3(1+ cr).

«-1
T(Vt —
r=0
Por tanto, en el período T, la riqueza acumulada, si la hay, es la ecuación (5).

Ahora bien: La decisión del agente consiste en elegir la trayectoria tem poral
de consumo {c ¿ }¿ 1 0 y el nivel de riqueza term inal üt > 0, que m axim iza
la satisfacción que obtiene del consumo a lo largo de toda su vida, sujeto a
su disposición para acum ular activos, la no negatividad del consumo en cada
período y cierta riqueza inicial dada. El problem a del agente, entonces, es
M aximizar
ct
T T
sujeta a
con a(0) = a0
a j1 > 0
y ct > 0 para todo t = 0 , 1 , . . . , T.
E sta caracterización del problem a del consum idor nos perm ite abordarlo con
las técnicas lagrangianas de optimización restringida (Lección 2). Notemos que,
debido a que la restricción presupuestal corresponde a la que enfrenta el consu
m idor para todo su horizonte de vida, el m ultiplicador de Lagrange es constante
en el tiem po. La función lagrangiana del problem a del consumidor es
Notemos que, como resultado de la separabilidad tem poral, c¿ solo aparece en

el í-ésimo térm ino de los sum atorios. Luego la condición necesaria de prim er
orden del problem a es:
u'jct) ___A
u \ct)_______ * x (9a)
(1+W (l + r)‘
(9b)
(9c)
Por (9a) A > 0 y por ti'(0) = oo, se tiene que c¿ > 0 para todo í, y así, podemos
tra b a ja r la restricción presupuestal con signo de igualdad. De la m ism a m anera,
de (9a) obtenem os
ti'jct)_______ A
(1 + p y (l+ r )‘
o bien
„ '< « )-A(I± f)
La ecuación (10) nos dice que la asignación óptim a del consumo en el tiem po
ha de ser tal que la utilidad m arginal del consumo en el período t sea igual
a la utilidad m arginal de la riqueza financiera, A, por el precio relativo del
consumo en ese período; en general, la ecuación (10) determ ina la form a de la
trayectoria de consumo a lo largo del ciclo de vida, que depende de la tasa de
interés, la tasa de preferencia tem poral y, por supuesto, de la utilidad m arginal
del consumo; m ientras que la restricción presupuestal, con signo de igualdad,
fija el nivel inicial de consumo y el de la trayectoria tem poral.
Las condiciones que hemos im puesto al problem a hacen que las condiciones
de prim er orden tam bién sean suficientes. Por la concavidad estricta de u(c¿),
tenem os p a ra cualesquiera c\ y con c¡ que, om itiendo el subíndice
tem poral,
u(c2) — uic1) < ^ '(c1) ^ 2 —c1)
siendo c1 una trayectoria tem poral de consumo que satisface (9a) y (6) con
igualdad; m ientras que c2 es una trayectoria tem poral que satisface (6) con
igualdad. Entonces
(u(c2) - u(c*)] < [u'(cx)(c2 - c1)].

f=0 t=0
De acuerdo con las condiciones de prim er orden y asum iendo r = /3, tenemos
que u'(ct) = A; luego
2 3 K c 2) - « ^ 1)] < A ^ K ^ - c 1)].

t=0 t=0
Como c1 y c2 satisfacen (6), c2 — c1 = 0 p ara todo £, entonces
2 3 [“ (c2) - “ (c1)] < 0 .

t=0
En consecuencia, la trayectoria c1 es óptim a.

Pese a los supuestos que hemos introducido, es tal la riqueza de la ecuación
(10), que bien vale la pena detenerse a exam inar sus implicaciones:
Prim ero, si el agente reduce en una unidad su consumo en £, la dimensión del
sacrificio está m edida por ti'(c t)(l-b /?)- í . Como una unidad menos de consumo
es una unidad más de acum ulación de activos, cuyo valor es A ( l+ r) “ t , podemos
entender esta magnitud como el “costo de oportunidad” de acumular activos.

De aquí, igualmente, A puede interpretarse como la utilidad marginal o el
“precio sombra” de la riqueza.
Segundo, la diferencia entre la tasa de interés y la tasa de preferencia temporal
origina una trayectoria creciente o decreciente del consumo, dependiendo del
signo de la diferencia. Para verlo con claridad, tomemos la derivada temporal
de (10), y el resultado dividámoslo por c¿, para obtener
á = _ _ í ^ L ( r _ /J) (i d
ct Ct u"(ct)
donde el término — - es la elasticidad de sustitución intertemporal, o

ctu"(ct)
también, la inversa de la elasticidad marginal del consumo. De (11) es claro
que si r > @ el consumo crece, y si r < /? el consumo decrece. Lo interesante
es que la magnitud con que el crecimiento del consumo reacciona ante (r —(3)
es la elasticidad de sustitución intertemporal, que depende de manera inversa
de la curvatura, de la concavidad, de la función de utilidad. En consecuencia,
si la utilidad marginal es muy sensible a pequeños cambios en el consumo, el
agente tiene poca disposición a modificar significativamente su consumo para
sacar provecho de los incentivos intertemporales, por cuanto la utilidad margi
nal puede ajustarse a los cambios en la tasa de interés con pequeños cambios en
el consumo. Reparemos en que la expresión — U - se asemeja a la inversa
CtU”(Ct)
de la medida Arrow-Pratt de aversión relativa al riesgo (Volumen 2 (Cálculo),
lección 4). De hecho, podemos afirmar que la elasticidad de sustitución inter
temporal es dicha medida. Por tanto, se infiere de (11) que la capacidad de
sustitución intertemporal de consumo entre dos períodos t y t + 1 cualesquiera,
está inversamente relacionada con la actitud frente al riesgo del agente. Así,
cuanto más adverso sea, menos dispuesto está a sustituir consumo presente por
consumo futuro, en respuesta a cambios en los incentivos para hacerlo.
Tercero, supongamos r = 0, en cuyo caso (10) se reduce a u'(ct) = A. Por ser
la función de utilidad monótona creciente y cóncava estricta, se deduce que
el consumo es constante en el tiempo: c* = c para todo t = 0 , 1 , . . . , T. De la
restricción de presupuesto se sigue
1
(12)
c = 6
donde
1 4- r 1
b= ■
r r ( l + r)T
Es decir, el consumo del individuo depende de la riqueza financiera inicial y

del flujo vitalicio descontado de sus ingresos o capital humano. Juntos, riqueza
financiera y capital humano, conforman su riqueza total. Para largos horizontes
de tiempo, T —> oo, el consumo se aproxima al rendimiento sobre la riqueza
Sin embargo, al ser T finito, el consumo excede a este monto puesto que
substraemos el término r ( l + r ) - T . La razón es clara: consumir el rendimiento
de la riqueza la mantiene intacta pero debido a que este individuo al final de
su vida debe agotar su riqueza en T períodos, su consumo debe aumentar, lo
cual está implicado en su restricción de presupuesto, cuando se tiene con signo
de igualdad.
Es manifiesto en este resultado que la temporalidad del ingreso laboral es
irrelevante siempre y cuando su valor presente descontado se mantenga igual.
Notemos que, dados r, A y / ? , la trayectoria de consumo está determinada
únicamente por la condición de primer orden (9a). Cambios en la composición
de la riqueza total o de la riqueza total misma, no se tienen en cuenta en la
ecuación (9a). Por tanto, cualquier cambio en la composición de la riqueza que
la mantenga inalterada, no cambia la trayectoria de consumo.
Una implicación directa de lo anterior es que la acumulación de activos es muy
volátil, por lo que el ahorro podría ser muy variable. La trayectoria del ingreso
en el tiempo determina los niveles de ahorro en cada período así:
st = V t - ct
(13)
El ahorro es alto cuando el ingreso corriente yt es alto respecto del flujo des
contado de ingresos. El agente “suaviza” la trayectoria de consumo por medio
del ahorro.
Por último, no podemos dejar de decir que estos resultados están asociados
estrechamente a la separabilidad temporal de la función de utilidad. De (10),
la tasa marginal de sustitución de consumo entre cualquier par de períodos
consecutivos es independiente de la corriente de consumo, pues
u'(ct) 1 -I- r
1. La H C V con b ase en la p ro g ra m a c ió n d in ám ica
Un tratamiento alternativo del problema de asignación temporal de con
sumo es por medio de la programación dinámica. El propósito de esta
sección es ilustrar el uso de esta técnica en la HCV. Las condiciones ana
líticas son las mismas que las postuladas en la sección precedente, así que
las damos por sentadas. Sin embargo, trabajaremos con una función de
utilidad específica, para mostrar con claridad el procedimiento.
El consumidor tiene una función de utilidad por período u(c¿) = lnc*, que
descuenta a una tasa /? € (0,1). El objetivo del consumidor consiste en
maximizar su función de utilidad para todo el horizonte de vida, sabiendo
que puede transferir recursos intertemporalmente mediante la acumula
ción de activos, según la ecuación (4). El planteamiento del problema en
términos de la programación dinámica es
T
sujeto a a í+i = (1 + r)(at + yt - ct)

con a(0) = ao
y ct > 0 para todo t = 0 , 1 , . . . , T.
donde c¿ es la variable de control y at es la variable de estado.
El principio de optimalidad de Bellman para problemas con descuento

temporal se plasma en la siguiente ecuación:
Vt*(at) = m áx{lncf + pV¿+l{at+\)}

Ct> 0
= máx {lnct + 0Vt*+ 1 [(1 + r)(a t + y t - c()]}
ct> 0
Para dar solución al problema de programación dinámica, nos situamos

en el último período y resolvemos primero el subproblema para ese perío
do. Después analizamos cada etapa recursivamente desde el final hasta
el principio. Debido a que no tenemos un número específico de períodos,
inducimos la solución general del problema por medio del patrón que
resulta de aplicar el Principio de Optimalidad período tras período.
■ P e río d o Ti a r dada.
En el período final, el agente resuelve el problema V t — máxCt>o {lnc¿}.

Puesto que la función de utilidad es estrictamente creciente, la solución
será consumir toda la riqueza acumulada. Por tanto c^ = clt + y r y
Vj.(ar) = ln (ar + 2/r)-
■ P e río d o T — 1: üt - i dada.
En esta etapa el consumidor resuelve
V r -i(a T- i ) = máx { ln c r-i + 0Vf(ciT)}

CT-1>0
Matemáticas básicas para economistas 3: Optimización y dinámica
= máx { ln c r-i + /?ln[(l + r)(a T- i + 2/r-i - c r - i ) + y r ] }

C T- 1>0
Este es un problema de optimización estrictamente convexo, y las condi

ciones de primer orden son necesarias y suficientes para identificar una
única solución, que es
* _ (1 + r ) ( a r - 1 + 2/r-i) + VT
°r - 1 (l + r)(l + /8)
Ciertamente c ^ _ l es parte de la trayectoria óptima de consumo para los

dos últimos períodos. Reemplazando dp_i en la función valor en T — 1
obtenemos
V r - i ( a r - i ) = (1 +/3) ln[(l + r)(a T- i + 2/T -i) + 2/r] +Ai(r,/3)
donde Ai(r,fi) es una constante que depende de r y /3.
■ P e río d o T — 2: a r - 2 dada.
En este período el individuo resuelve
Vír-2(flT-2) = máx {ln c r -2 + P V f - i ( aT - i ) } + Ai(r,¡3)

C r-2> 0
= máx {ln c t - 2 + k ln [(1 + r)2 (ar - 2 + y r - 2 - c r - 2)

cr- 2^0
+(1 + r)yT- 1 + yr]} + (r, 0)
donde k = p (l +0). De nuevo, este es un programa de optimización bien

definido, cuya solución es
* _ (1 + r)2(ar - 2 + y r - 2) + (1 + r )y r-i + yr
Cr- 2 - (l + r ) 2(l + /? + /J2)
Reemplazando c^_2 en la función valor en T —2 tenemos
V jL 2(a r- 2 ) = M í 1 + r ) 2(a,T- 2 + y r - 2 ) + (1 + r )y r - i + yr] + 0)
donde k' = (1 + + fi2) y A 2 (r,¡3 ) es una constante que depende de r y

P-
■ P e río d o T —3: a r - 3 dada.
Procediendo como lo hicimos en las etapas anteriores, el sujeto se enfrenta
VT - i ( a T - z ) = máx { ln c r - 3 + P V f_ 2 (a.T-2 )} + ¡3A2 (r,¡3)

CT-3>0
30a r - 3 4- y r - 3 - ¿ t - 3 )
= máx {ln c t - 3 + k" ln[(l 4- r) 3(
c T - 3>0
+ (1 + r f y r - 2 + (1 + r)yT- 1 + 2/7-]}
+ 0 A 2(r,/3)
donde k" — ¡3(1 + + (32). Este problema, como ya sabemos, está apro
piadamente caracterizado y tiene por solución
* _ (1 + r ) 3( a r - 3 + y r - 3 ) + (1 + r)2 yr~ 2 + (1 4- r ) y r - 1 + yr
Ct~3 ~ (1 + r ) 3( l + (3 + ()2 + (33)
Ahora bien: notemos que de las soluciones {c¿ }J=t ~3 halladas antes (que
se encuentran en la trayectoria solución óptima), emerge un patrón cla
ramente discernible, descrito mediante la ecuación
(1 + r f a r - t + EiloC1+ r)*V T-t

(l + r)‘ EÍ=o/?'
Operando y reorganizando, la expresión anterior se transforma en la ecua
ción que describe, para todo t = 0 , 1 , . . . ,T, el consumo óptimo
i-jg yr-t
ao (14)
1 - p t+i
Esta es una versión particular, para el caso en que u(ct) = lnc*, de la

trayectoria de consumo obtenida en ( 12 ) y, por ello mismo, con igual
interpretación.
111) La h ip ó tesis del ingreso p e rm a n e n te
En su libro de 1957, A Theory of Consumption Function, Milton Friedman pro

puso la Hipótesis del ingreso permanente (HIP en adelante). Según la hipótesis,
el ingreso y el consumo tienen dos componentes fundamentales, el permanente
y el transitorio. Respecto del ingreso, la componente permanente reúne los dis
tintos factores que determinan el valor de la riqueza que posee un individuo:
la riqueza financiera y el capital humano acumulados, el sector de actividad
económica en que se ubica, la profesión o actividad que ejerce, entre otros. El

ingreso permanente “es el análogo al valor esperado de una distribución de pro
babilidad” (Friedman (1973a), p. 39). La componente transitoria agrupa todos
los demás factores casuales, accidentales y aleatorios que afectan al ingreso.
Sin embargo, también afirmó que “el efecto previsible de fuerzas determina-
bles, como por ejemplo, las fluctuaciones cíclicas de la actividad económica”
(Friedman (1973a), p. 39) era una forma de entender el componente transito
rio. Así mismo, hay factores idiosincrásicos que influyen en este último de dos
formas generales. De un lado, están los que se neutralizan unos a otros en una
muestra de individuos. De otro lado, se encuentran aquellos que son comunes
a los miembros de un grupo, como el clima en una cierta región agrícola. Por
su parte, el consumo se caracteriza de igual manera.
La formulación específica de la HIP establece que el consumo permanente es
una proporción del ingreso permanente, proporción que es independiente de
aquel y está en función de la tasa de interés r, de la importancia relativa de
la riqueza no humana (propiedades, capital físico y financiero y demás) en
la riqueza total del individuo, simbolizada por w € [0,1], y por los gustos y
preferencias del individuo, recogidos en su función de utilidad u. Es decir,
cp = A;(r, w, u)yp
y = yp + yF (15)
c = c p + CF
donde P y F denotan los componentes permanente y transitorio respectiva

mente.
Para darle contenido empírico a la hipótesis, Friedman supuso que los compo
nentes transitorios del ingreso y el consumo no están correlacionados ni entre
ellos ni con el componente permanente: Q{yp yF) = g(cp cF) = o{yFcF) = 0.
Así, el ingreso y el consumo transitorios no son más que aumentos o disminu
ciones respecto del componente permanente, atribuibles a condiciones externas
a los determinantes de estos y por ello no correlacionados. También planteó que
la relación aditiva dada por las ecuaciones (15) corresponde a una transforma
ción logarítmica de una relación multiplicativa entre el ingreso y el consumo,
que parecería estar más acorde con la evidencia empírica y las distribuciones de
probabilidad que pueden asociársele, de acuerdo con las observaciones realiza
das en distintos trabajos previos tanto de otros investigadores como del misino
Friedman.
Suele interpretarse la HIP en términos de que el ingreso permanente es el valor
vitalicio medio o anualidad de la totalidad de recursos humemos y no humanos
de propiedad de un individuo. Friedman, en su libro de 1957 (p. 40), negó
tal interpretación por considerarla equivocada, pues imponía de antemano un
contenido específico al concepto de permanente, cuando lo correcto es dejar

que los datos “hablen” por sí mismos. Sin embargo, en su artículo lWindfalls’,
the *Horizon\ and Related Concepts on the Permanent Income Hypothesis de
1963 fue más favorable a este interpretación, entre otras razones porque es
consistente con la teoría de la elección intertemporal, por lo menos dentro de
ciertos supuestos específicos. Sin embargo, mantuvo reservas con esta enfoque
de la cuestión.54 Aquí seguimos la perspectiva de la HIP como una anualidad
de los recursos a lo largo del horizonte de vida del individuo, que es lo usual
en la literatura.
En la HIP la incertidumbre acerca de los ingresos de un agente es esencial. Asu
mimos que la única fuente de incertidumbre está en la corriente de ingresos
futuros que obtendría el individuo. Por ello, el análisis se realiza considerando
este aspecto, no tratado en los apartados anteriores. La incertidumbre impli
ca un comportamiento del agente distinto al establecido en ausencia de ella.
Cuando no hay incertidumbre, el individuo elige una secuencia de consumo
óptima {c?}f=0 de una vez y para siempre. Esto, sin embargo, no parecería ra
cional cuando la realización de variables como precios, ingresos, rendimientos
financieros, etc., solo se conoce a medida que pasa el tiempo. Una vez el estado
de la economía se realiza, período a período, el consumidor racional toma la
decisión de consumo, sin determinar un plan de consumo que no deje abier
ta la posibilidad de replantearlo conforme dispone de nueva información. En
consecuencia, en el momento £, los montos futuros de consumo son inciertos,
siendo racional maximizar el valor esperado de la utilidad, condicionado a la
información disponible:
w = E tí y ^ í ± z L (16)
donde es el conjunto de información en t .
En ambientes inciertos son posibles distintos estados del mundo, dependiendo

de las realizaciones de las variables relevantes. Supongamos un número finito de
estados del mundo, indicados por j = 1 , 2 , . . . , AT. Vistos desde el presente, en
el momento y asumiendo que los posibles futuros alternativos se despliegan
en estructura de árbol55, cada j denota todo un futuro que corresponde a una
de las distintas ramas del árbol, desde t hasta T. Si la probabilidad asociada a
54 Vea Friedman (1973a), Friedman (1973b).

55 Un árbol es un par (X, >-), donde X es un conjunto de elementos llamados nodos y
y es una relación transitiva y simétrica sobre X , llamada precedencia. El par (X , >-)
se caracteriza porque existe un único nodo inicial; cada nodo distinto del inicial tiene
un único predecesor y existe por lo menos un nodo terminal. Al respecto, consúltese
Monsalve (1999).
cada futuro, a cada rama del árbol, es entonces la utilidad esperada es de

la forma
N T
w = J 2 Y l P í u (ctj)
j= i t=o
La conjunción de la teoría de la utilidad esperada de von Neumann-Morgenstern
y la separabilidad temporal inducen una forma doblemente aditiva de las prefe
rencias. Como consecuencia inmediata, agentes maximizadores que sean adver
sos al riesgo están impedidos para reasignar consumo intertemporalmente en
respuesta a cambios en los incentivos (tasa de interés o tasa de preferencia tem
poral subjetiva), mientras que los agentes capaces de hacerlo presentan muy
poca aversión relativa al riesgo o incluso propensión al mismo. A sí11 la aditivi-
dad simultánea inducida por la aditividad intertemporal y la utilidad esperada
implica que el grado de sustitución intertemporal está inversamente relaciona
do con el grado de aversión al riesgo” (Deaton (1992), p. 20). Es evidente que
la temporalidad y la incertidumbre están estrechamente vinculadas, por lo que
resulta natural que la actitud frente al riesgo y la capacidad de sustituir con
sumo presente por consumo futuro estén relacionadas. Sin embargo, seguimos
la práctica corriente de separar los dos tópicos.56
Ahora bien, bajo incertidumbre es apenas obvio que el agente se forme expecta
tivas acerca del patrón en que evolucionan las variables relevantes. Asumimos
que el agente forma sus expectativas de manera racional, en el sentido de que
hace uso de to d a la información disponible y lo hg.ce de la mejor manera posi
ble, evitando cometer errores sistemáticamente. Ello no quiere decir que no se
equivoque sino que, habiendo errado, el individuo revisa y ajusta sus expecta
tivas para no incurrir en el mismo error en el futuro (hipótesis de expectativas
racionales)57.
De nuevo, el agente acumula el único activo existente, lo que determina la
56 Una discusión acerca de esta relación y el debate sobre si separar o no la actitud
frente al riesgo y la sustituibilidad temporal, así como de las implicaciones teóricas y
sobre la investigación empírica se encuentra en el capítulo 1 de Deaton (1992) y la
literatura referenciada por el autor.
57 Sea z una variable que se desenvuelve en el tiempo. La expectativa subjetiva que un
agente racional se forma en el momento t de la variable z para el período t+ j con toda
la información que tiene a su alcance en ese momento es la esperanza matemática de
z condicionada a la información disponible en t: zf+j = Et[zt+j\ /*]• Supongamos que
zt sigue el patrón z t + 1 = zt + £t+ 1 con e ~ N (0, a2) y que e3 y £t son independientes,
Et[ea£t] = 0 para todo s ^ t. En consecuencia
Et[zt+1 ] = E t [zt + £t+i| /*]

= E t [Zi\ I t) + E t [et \h]
= zt
puesto que E t[zt] = zt debido a que en t se conoce el valor de zt.
ecuación de estado usual dada por (4), que a su vez da lugar a la restricción
presupuestal para el horizonte de vida del individuo.
T —t T -t
De acuerdo con esto, estamos en condiciones de formular el problema del con

sumidor, quien desea
Maximizar
ct
sujeto a a t+1 = (1 + r)(at + 2/í —ct) (17)
con a(0) = a0
y üt =0
Procedemos a resolver este problema mediante programación dinámica esto-

cástica. La función valor para períodos sucesivos debe satisfacer la ecuación
recursiva
Ví+iK+i)j
En razón a que la acumulación de activos permite al consumidor transferir
recursos entre períodos, es conveniente expresar el problema de elección inter
temporal con base en el monto de activos que el agente desea mantener en
cada período, tal que el valor presente de la utilidad del consumo sea máxima.
De la ecuación de estado es claro que + yt — (1 + r) 1a ¿+ 1 y, debido a
que las funciones valor están referidas a la función de utilidad intertemporal,
podemos escribir
u[at- i + 2/t_i - (1 + r) 1 at] ( u[at 4- yt - (1 + r) ¡aí+ 1] ]

Vt{at) = máx
at (1 + p y { (1+W +i J
}}
(18)
De la condición de primer orden se deduce
(19)
Esto es, un individuo racional procede óptimamente al distribuir sus activos

entre períodos adyacentes de manera que la utilidad marginal del consumo
presente es igual al valor de la utilidad marginal esperada del consumo futuro,
debidamente descontada. Dicho de otra manera, el precio relativo del consumo
entre un período y el siguiente es igual a la relación de las utilidades margina
les actual y esperada. La pregunta inmediata que surge es ¿cómo evoluciona el
consumo bajo estas condiciones? La (19) es una ecuación en diferencias esto-

cásticas que gobierna el comportamiento del consumo en el tiempo, vinculando
el efectuado en t con el esperado en t + 1, que manifiesta la forma del patrón
de consumo: este depende de lás preferencias del agente, del rendimiento de
los activos y de los eventos no anticipados que afecten al ingreso laboral, que
es la única fuente de incertidumbre.
Ahora bien, si la tasa de interés y la tasa de preferencia temporal son iguales

(r = /?), entonces la ecuación (19) es
Et[u'(ct+i)\ = u'(ct) (20)
El proceso que rige la utilidad marginal es una martingala:58 la expectativa

actual de la utilidad marginal del consumo para el siguiente período es igual al
valor corriente de la utilidad marginal. Considerando que el agente forma sus
expectativas racionalmente, de modo que
u \ c t+\) ~ £4[t*'(*+i)l h \ + £*+i (21)
donde £ es un término de error de media condicional a nula, Et[et+i\ It] = 0.

Por tanto, bajo expectativas racionales la ecuación (19) se transforma en
u ' ( c ,+ l) = ( l T 7 ) “ ' ( C í) + £ t+ 1 (2 2 )
Veamos que, bajo ciertas condiciones especiales, a partir de (22) podemos de
rivar la HIP de Friedman. Consideremos, como Hall (1978), una función de
58 Una martingala es un proceso estocástico, una secuencia de variables aleatorias, tal

que el valor esperado condicional de la próxima observación en un momento t, dadas
todas las observaciones precedentes, es igual a la última observación. Formalmente,
E[Zt+1 1Z i, Z 2 , . . . , Z t] = Z t. El origen del término parece estar relacionado con la
palabra francesa martegal, el gentilicio de la población de Martigues, en FYancia.
La palabra, en uno de sus sentidos iniciales, designaba una estrategia de apuesta
en un juego de azar consistente en hacer una apuesta inicial y, después de cada
pérdida, doblar la apuesta. Con la primera victoria se recobrarían todas la pérdidas
anteriores, y el jugador aún obtendría una ganancia: la apuesta inicial. Al parecer,
los habitantes de Martigues solían practicar este tipo de juegos. En la actualidad,
además de las acepciones consignadas en el Diccionario de la Real Academia de la
Lengua, el término alude a un proceso estocástico que describe un juego “justo” en
el que no hay pérdidas ni ganancias, de acuerdo con la definición anterior.
utilidad cuadrática59
“ (<*) = - \ ( c - c t)2 (23)
donde c es el nivel de consumo que proporciona al individuo la mayor satisfac

ción posible {the bliss level of consumption), entonces la utilidad marginal es
lineal, u'{ct) = c —c*, y la ecuación (19) pasa a ser
Operando y reorganizando obtenemos
(24)
i t i -t- r
Si r = /?, entonces el consumo sigue un proceso de martingala
Et[ct+1] = ct (25)
En razón a que el agente forma sus expectativas racionalmente, se tiene
E t[u,(ci+1)] = c + Et[ct+1]
= c + ct+ 1 + £t+1
aplicando esta ecuación a la ecuación (24) obtenemos
(26)
= Q + 7C( + £ (+ l
donde
59 Al utilizar una función de utilidad cuadrática estamos aplicando el principio de equi

valencia cierta. En general, el principio de equivalencia cierta establece que, en algunos
casos, es posible transformar un problema estocástico en uno deterministico sustitu
yendo las variables aleatorias del mismo por sus esperanzas matemáticas, por lo que
la solución óptima del problema deterministico coincide con la solución óptima del
estocástico. Sin duda, los casos en que es posible aplicar el principio de equivalencia
cierta son pocos y limitan seriamente el análisis. Aquí hacemos uso de él, sin embargo,
porque nos interesa ilustrar la estructura básica del modelo y lo que puede expresar,
a pesar de sus restricciones. También es preciso decir que las funciones de utilidad
cuadráticas no gozan de buena reputación, pues dan lugar a situaciones que pueden
calificarse de absurdas; por ejemplo, suponen que habrá algunos períodos para los
que el consumo en la trayectoria óptima sea negativo o, en contextos de análisis de
riesgo, implican que los ricos son menos tolerantes que los pobres a afrontar riesgos,
ya que con estas funciones de utilidad el coeficiente de aversión absoluta al riesgo es
creciente en la riqueza.
La ecuación (26) muestra que el consumo sigue un proceso autorregresivo de

primer orden si r > (3 y un paseo aleatorio con tendencia60 si r = /?. Notemos
que (26) también nos dice, implícitamente, que pese a que el comportamiento
temporal del consumo no está guiado por el patrón de ingresos, estos juegan
un papel significativo en la forma de la trayectoria del primero. El nivel en
que se fije inicialmente el consumo depende de los recursos que posea el agente
a lo largo de toda su vida y et+\ recoge los cam bios no a n tic ip a d o s en
el ingreso, por tanto, si el ingreso experimenta cambios no previsibles, así
mismo varía el nivel de consumo futuro del individuo. En consecuencia, la
proposición de que el consumo sigue un proceso de martingala no excluye que
exista correlación entre cambios en el consumo y las variaciones en los ingresos
laborales corrientes.
Consideremos ahora que t -» oo. El problema del consumidor es
Maximizar
ct
sujeto a a ¿+1 = (1 + r)(at + yt - ct) (27)
con a(0) = a 0
siendo la última expresión la condición de transversalidad. En el límite, tenien

do en cuenta la propiedad de martingala del consumo (ecuación (25)), sabiendo
que la incertidumbre proviene solo de los ingresos laborales y con base en la
restricción presupuestal dada por la ecuación (6) con signo de igualdad, el
consumo está dado por
\ 00 V t+ T
t-*oo \ 1 + r r( 1 + r) 1 ') at + E tx=n
Y,
(28)
que fundamentalmente enuncia:
60 Un paseo aleatorio es un proceso estocástico dado por una trayectoria construida de

acuerdo con las siguientes reglas: i. Comienza en un punto inicial, ii. La distancia
entre dos puntos en la trayectoria es fija y iii. La dirección para pasar de un punto en
la trayectoria a otro se elige aleatoriamente. En el caso bajo estudio, puesto que no
hemos dicho nada acerca de la varianza de £t+i, en particular no hemos establecido
que sea constante, el paseo aleatorio ha de tener una “tendencia”. Al respecto véanse
Hall (1978) y Deaton (1992).
■ El ingreso permanente es el valor presente descontado de los ingresos

laborales esperados en el momento t a lo largo de todo el horizonte de
vida (en este caso en el límite) y la riqueza financiera que se posee en ese
momento, y
■ El consumo corresponde al valor de la anualidad de la riqueza laboral y

financiera corriente en el momento t.
Es decir, la ecuación (28) expresa la HIP de Friedman, bajo los supuestos de

preferencias cuadráticas, horizonte de vida infinito, tasa de interés constante e
igual a la tasa de preferencia temporal. Así mismo, el consumo corriente es la
propensión marginal fija, dada por j ^ , a consumir la riqueza total corriente.
Es claro que estas afirmaciones son todas equivalentes.
Para terminar, exploremos un poco más la relación existente entre la HIP, la
propiedad de martingala y la evolución del consumo en el tiempo. Sustituyendo
at = (1 + r)(a t- 1 4- y t-i — Q_i) en (28) obtenemos
rezagando (29) un período, multiplicando por (1 H- r) y reorganizando
Restando (30) de (29) obtenemos
(31)
De otra parte, el capital humano, /i¿, definido como los ingresos actuales más el
valor presente esperado de las ingresos futuros del trabajo varían en el tiempo
de acuerdo con
(32)
= (1 + r)(h(_i - yt- 1) + Jn
donde
00 (Et - E t_ i)yt+T
por lo que la riqueza total se acumula conforme a
a¿ + ht = (1 + r)(a t-1 + h t-1 - ct- \ ) + rjt
Como r = /3, de (26) se sigue q + i — = £*+i, por tanto (31) se transforma en

r
£t+i =
1+ r
que no es más que el valor de la anualidad del ingreso vitalicio del individuo.
Por consiguiente
T
Ct-1 = 7— — V t-ifa t-i + ht- 1)
1+ r
por lo que la riqueza total del agente se desenvuelve en el tiempo según la
ecuación
4- ht = (1 4- r)(l — 6t-i){dt-i + ht- 1) 4- r¡t

donde
que, de nuevo, es un paseo aleatorio con tendencia.

La ecuación m) establece que el consumidor procesa toda la información dis
ponible en cada período en relación con sus ingresos actuales y futuros. En
la medida en que la riqueza total del agente es una mezcla de dos elementos,
uno predecible vinculado a la realización del ingreso actual y otro impredecible
concerniente a los cambios en las expectativas acerca de los ingresos futuros, y
teniendo en cuenta los activos financieros acumulados en el período, el indivi
duo determina el nivel de consumo corriente apropiado. Igualmente, podemos
leer el lado derecho de (31) como las innovaciones en el proceso de martingala
en términos de lo que sucede con el ingreso laboral. Es decir, el cambio en el
consumo entre períodos consecutivos está asociado a la nueva información y el
agente hace uso de toda nueva información sobre sus ingresos laborales futu
ros esperados para inferir lo que acontecería con su consumo. En síntesis, las
ecuaciones (31) y (ni)) nos dicen que solo variaciones en el ingreso permanente
causan cambios en el consumo permanente.
b) B r e v e s ín te s ís
La HCV establece que el patrón de consumo de un individuo u hogar se basa

en el valor de los recursos a lo largo de toda su vida. En la HIP el nivel de
consumo está asociado a mantener inalterada la riqueza que lo financia (cuan
do se entiende el ingreso permanente como el valor de la anualidad de dicha
riqueza). Planteadas así, las dos teorías pueden considerarse dos formulaciones
distintas para un mismo problema: la asignación intertemporal de consumo.

Sin embargo, es necesario hacer ver las diferencias importantes entre ambas
hipótesis: la HCV se ha centrado en las relaciones entre edad, ahorro y crea
ción de riqueza, mientras que la HIP ha estado enfocada principalmente en el
comportamiento dinámico del consumo. En la actualidad no se las piensa como
modelos distintos o como un mismo modelo que resalta algunas característi
cas específicas, dependiendo del interés investigativo. Por el contrario, ambas
hipótesis corresponden a casos de la teoría general de la elección racional en
contextos en los que el tiempo es una variable esencial en la adecuada especifi
cación y tratamiento del problema. Desde esta perspectiva, es posible obtener
una mejor comprensión de los fundamentos, alcances, limitaciones y fallas de
la teoría y sus hipótesis subyacentes. Aún son muchos los temas y relaciones
por dilucidar acerca del comportamiento del consumo y su relación con otros
problemas fundamentales como son el papel que desempeña en las fluctuacio
nes agregadas en el corto plazo o las fuentes del crecimiento en largo plazo,
solo para mencionar algunos. Lo cierto, también, es que gracias al trabajo de
Friedman, Modigliani y otros tantos investigadores después de ellos, ha habido
un progreso en nuestra comprensión de los fenómenos económicos asociados
directa e indirectamente con el consumo.
1. (El problema de Steiner). TVes pueblos A , B , C (figura anexa) buscan
unirse por un sistema dé carreteras de longitud total mínima. ¿Dónde
debe colocarse un cuarto punto P de tal manera que esto se alcance?
2. Resuelva, si es posible, el problema variacional
Minimizar
W0>
sujeta a c(0) = 1
c(7) = 10
En caso de que no sea posible, redefina las condiciones iniciales de tal

manera que el problema sí tenga solución.
3. Resuelva, si es posible, el problema de control óptimo
Maximizar
sujeta a Íc(t) = k(t) + c(t)

k( 1) = 3
k(6 ) = 4
4. Resuelva el problema de control óptimo:
Maximizar
W0}
sujeta a k(t) = lj + rk(t) — c(t)
k(0) = 0, lím k(t) libre
donde 0 < a , f t r < 1 y a; > 0, son constantes.

5. Resuelva el siguiente problema de control óptimo mediante el principio

del máximo, y también por programación dinámica:
rh
Maximizar / —(c2(í) + t2)dt
Jo
sujeta a k = c(t)
Jfe(O) = 4
k (ti) = 2
6. Resuelva el siguiente problema de control óptimo mediante el principio

del máximo, y también por programación dinámica
Maximizar ¡l
Jo
sujeta a Jc = k(t) + c(t)
k(0 ) = 1
fc(l) = 0
7. Resuelva el problema
T
Maximizar /^ ( q )0
to
sujeta a kt+i = w + (1 + r)kt — ct
fco, kr+i > 0 dados
donde 0 < a , fi,r < 1 y w > 0 son parámetros dados.
8. Resuelva, mediante programación dinámica, el siguiente problema:

3
Minimizar y^íC W 2 + 2 (q )2]
M‘)> So
sujeta a fco = 4, c¿ € {0,1,2}
&t+i = - Cf, ¿=0,1,2,3.
9. (Intriligator (1971)) Supongamos que en cierto país, en el tiempo t hay

S (t) científicos dedicados a la investigación o a la docencia. El número
de científicos docentes (educadores) es E (t), y el número de científicos
investigadores (investigadores) es R (i). Así,
S (t) = E (t) + R(t)

Los científicos nuevos los producen los educadores, tomando ^ educadores

producir un nuevo científico por período. Los científicos dejan su oficio
por muerte, retiro y transferencia, a una tasa S por período. Es decir,
S{t) = 7 £(¿) - ÓS(t)
Mediante diferentes incentivos, un “planificador para la ciencia” puede

influir en la proporción de nuevos científicos que se dedican a la docencia,
a(t), donde
É{t) = a {t)Ê {t) - SE(t)
R (t) = (1 - a { t))jE (t) - SR(t)
con a(¿) € [a, á] C (0,1).
Encuentre la política óptima de asignación, si el objetivo es minimizar el
tiempo requerido para alcanzar números previamente definidos de edu
cadores e investigadores.
10. (Un modelo dinámico de monopolio (Evans (1924) ) 61* Considere un mo
nopolio que produce un único bien perecedero (es decir, del que no puede
mantener inventarios) con una función de costos totales dados mediante
la ecuación
C( t ) = a ( Q( t ) ) 2 + 0 Q ( t ) + 7
donde c* ,/? ,7 > 0.

La demanda que enfrenta este monopolio depende del precio de venta
P (t) y de su variación:
Q(t) = a - b P ( t ) + c ^
con a, 6, c > 0.
Suponiendo que el monopolista fija un precio inicial Pq y un precio ter
minal Pt en el período [0,T], calcule la trayectoria óptima de precios que
debería fijar el monopolista si quiere maximizar el beneficio.
11. Caracterice el plan óptimo de consumo con la función de utilidad u (q ) =

c~p
- J-— con p > 0, para la HCV y la HIP bajo certidumbre (“contexto
1~ P
económico”).
61 Evans (1924).
12. Un individuo pretende maximizar su utilidad durante los T años que

estima va a durar su vida. Suponga que desea dejar una riqueza w de
herencia a sus hijos (determinada completamente ad hoc), que le propor
ciona una utilidad terminal de
a) ¿Cómo caracterizaría el comportamiento de la función ip(w) y cómo

se modifica el problema de asignación de consumo intertemporal bajo
la HCV? ¿Cuál es el plan óptimo de consumo?
b) ¿Qué consecuencias tiene dejar un legado?
c) ¿Podría usted especificar e intentar modelar los motivos por los que
un agente racional desea dejar una herencia?
13. Considere un consumidor que vive dos períodos, el presente y el futuro,

denotados por los subíndices 1 y 2, respectivamente. Sean c\ y C2 el consu
mo de los períodos 1 y 2, y u(ci, C2 ) la función de utilidad, caracterizada
por u\ > 0, u'l < 0 y u[j > 0, para i = 1,2. El individuo tiene ingresos
exógenos y\ y t/2- Su ahorro para el segundo período es s = y\ —ci, que
tiene un rendimiento real r.
a) Suponga que u (ci,c 2 ) = lnci -f lnc 2 -

i) ¿Cuáles son los niveles de consumo óptimos en cada período?
ii) ¿Qué sucede con el consumo en cada período si el ingreso presente
se reduce? Explique sus resultados.
iii) ¿Qué sucede con el consumo en cada período si la tasa de interés
r aumenta? ¿Qué puede concluir sobre la capacidad de individuo
para sustituir consumo presente por consumo futuro? Explique
sus resultados.
b) Suponga que u(ci, C2) = lnci lnc 2 . Realice los mismos cálculos que en
el literal anterior y explique claramente las diferencias que encuentre.
14. (Sargent (1987b)) En el siguiente problema, encuentre la ecuación de Eu-

ler y la condición de transversalidad, interpretándolas económicamente:
Un planificador social busca maximizar el bienestar social dado por
t=o
escogiendo sucesiones de consumo per cápita (c<), y capital per cápita

(kt), tales que
ct + fcf+i = f 0kt
donde ko es dado, y satisface 0 < ko < ^ y además 1 < ^ < / 0.

Asuma que la sucesión {fct } es acotada.
[Indicación: utilice la restricción para eliminar c¿ de la función objetivo
y derive con respecto a kt y kt+i]
Pruebe, también, que al resolver la ecuación de Euler, los estados esta
cionarios de {A;*} y {q } son:
r 1 uo uo
k ~ ■ , c
fo -lu i Ui
y que la política óptima de capital per cápita que debe establecer el

planificador, es
kt+l =Jkh~(/b^r) fe {wo ~*)]

Muestre que lím ôo kt+i = k, y que el consumo aumenta a medida que
el capital per cápita se acerca al estado estacionario.
15. Formule el siguiente problema (Sargent (1987a)) como uno de Programa

ción Dinámica escribiendo la correspondiente ecuación de Bellman, y dé
condiciones sobre las funciones y parámetros del modelo para asegurarle
solución:
Un planificador social busca maximizar la utilidad (bienestar) de la socie
dad recurriendo al “agente representativo”. Este tiene utilidad dada por
Y lZ o P tu(ct'lt) donde c* es consumo del bien 1 en el tiempo t , mientras
que lt es ocio en ese mismo tiempo t. El sector productivo 1 produce bie
nes de consumo utilizando capital y mano de obra n \t, de acuerdo a la
función de producción ct = /i(fcit,n it). El empleo total, n t = n \t + ri2í,
y el ocio lt están restringidos por la dotación de tiempo /, y satisface
h + nt = l- Además, la suma de las cantidades de capital utilizados en
cada sector no puede exceder el capital inicial en la economía, es decir,
kit + 1 = kt con ko > 0 dado.
16. Escriba la ecuación de Bellman, y dé condiciones sobre las funciones y

parámetros del siguiente problema para asegurarle solución:
El bienestar (utilidad) de un trabajador depende de la cantidad de bienes
(producidos por el mercado) consumidos por él, ci*, y también de la
cantidad de bienes (producidos en casa, entretenimiento, etc.), C2t- Para
conseguir bienes producidos por el mercado, el trabajador debe utilizar
un tiempo l\t en actividades de mercado que le aseguren su salario wt,
medido en términos de unidades del bien de consumo. El trabajador

no puede influir en este salario; y tampoco puede prestar ni solicitar
prestado. Se sabe que el salario se rige por la ecuación wt+\ = h(wt).
La cantidad de bienes producidos en casa depende de la “cantidad de
experiencia”, a¿, que tenga el trabajador al principio del período. La
cantidad de experiencia se deprecia a una tasa 5, pero puede aumentar
si dedica tiempo a actividades por fuera del mercado.
17. (Para estudiantes con conocimientos previos de Estadística). Escriba la

ecuación de Bellman del siguiente problema y dé condiciones sobre las
funciones para que el problema tenga solución:
Una firma maximiza el valor presente de los dividendos. Se asume que
el precio del bien producido por la firma es igual a 1. La producción
requiere el uso de un solo insumo: capital. La producción total, /(fc¿), se
divide entre ventas, q¿, e inversión, x t. Se aplica un impuesto a las ventas
r . Se sabe que
r t+1 = 9(zt,£t+1)
donde 1 es una variable aleatoria idéntica e independientemente dis
tribuida, que no es observada en el tiempo t , pero cuya distribución sí es
conocida por la firma (por tanto, dada la función g induce una distri
bución condicional de 1, y que notamos F ( tí+ i, 2*)); por su parte,
es un proceso estocástico tipo Markov con función transición
H ( z z ) = prob{zt+i < z' \ zt = z}
El capital se deprecia también a la tasa r. Así el problema que enfrenta

la firma es
/ oo
Maximizar E I V ' p l [(i - * ) « ]
<*» V s
sujeta a qt 4* x t = f ( k t)
k t+1 - (1 + S)kt = x t
Jcq dado
con 0 < ¡3, 5 < 1.

Bibliografía
A lchian, A. (1950): “Uncertainty, Evolution and Economic Theory”, Journal

of Political Economics, vol. 58(3), 211-221.
Alchian, A. and H. D emsetz (1972): “Production, Information Costs and
Economic Organization”, American Economic Review, vol. 62, 777-95.
A llais, M. (1943): “A La Recherche d ’une Discipline Économique”, Paris:
Imprimerie Nationale.
A llais, M. (1953): “Le Comportement de l'Homme Rationel Devant le Ris
que: Critique des Postulats et Axioms de l’École Américaine”, Econometrica,
vol. 21.
A rrow, K. and G. D ebreu (1954): “Existence of an Equilibrium for a Com
petitive Economy”, Econometrica, vol. 22, 265-290.
A rrow , K. and A. E nthoven (1961): “Quasi-Concave Programming”, Eco
nometrica,, vol. 29, 779-800.
Arrow , K. L. H urwicz and H. U sawa (1961): “Constraint Qualifications
in Maximization Problems”, Naval Research Logistics Quarterly.
A rrow, K. J. (1951a): “Alternative Approaches to the Theory of Choice in
Risk-Taking Situation”, Econometrica, vol. 19, 404-437.
--------- (1951b): An Extension of the Basic Theorems of Classical Welfare
Economics. Berkeley: University of California Press.
Arrow , K., S. C. and R. Solow (1961): “Capital Labor Substitution and
Economic Efficiency”, Review of Economic Studies, vol. 63, 225-250.
Arthur, B. (1989): “Competing Technologies, Increasing Returns, and Lock-
in by Historical Events”, The Economic Journal, vol. 99, 116-131.
Arthur, W. B. and D. A. D urlauf, Steven N. y Lane (1997): The
Economy as an Evolving Complex System II. SFI Studies in the Sciences of
Complexity, New York: Addison Wesley Longman.
513
514 Matemáticas para economistas 3: Optimización y dinámica
A umann, R. J. (1964): “Markets with a Continuum of Traders”, Econometrica,

vol. 32, 39-50.
---------- (1976): “Agreeing to Disagree”, Annals of Statistics, vol. 4(6), 1236-

1239.
B anerjee , A. V. (1992): “A Simple Model of Herd Behavior”, The Quarterly

Barro, R. and X. Sala-I-M artin (1995): Economic Growth. New York:

McGraw-Hill Advance Series in Economics.
Baumol, W. and S. G oldfeld (1968): Precursors in Mathematical Econo

mics. London: School of Economics.
B ellman, R. E. (1957): Dynamic Programming. Princeton: Princeton Uni

versity Press.
B entham , J. (1789): An Introduction to the Principles of Morals and Legis

lation. Kitchener: Batoche Books.
B erge , C. (1959): Topological Spaces: Including a Treatment of Multi-valued

Functions, Vector Spaces and Convexity. Paris: Dunod.
BERGSON, A. (1938): “A Reformulation of Certain Aspects of Welfare Econo

mics”, Quarterly Journal of Economics, vol. 52, 310-334.
B ernoulli, D. (1954): “Specimen Theoriae Novae de Mensura Sortis”, Eco

nometrica, vol. 22, Trad. L. Sommer versión 1738.
B ertrand, J. (1883a): “Théorie des richesses: revue de théories mathémati

ques de la richesse sociale par Léon Walras et recherches sur les principes
mathématiques de la théorie des richesses par Augustin Cournot”, Journal
des Savants, vol. 67, 499-508.
---------- (1883b): “Théorie Mathématique de la Richesse Sociale”, Journal des

Savants, vol. 67.
B ertsekas, D. (1987): Dynamic Programming. Englewoods Cliffs: Prentice-

Hall, Inc.
---------- (2007): Dynamical Programming and Optimal Control, vol. I, II. At
hena Scientific, third edn.
B ôhm-B awerk, E. (1889): Capital and Interest South Holland: Libertarian

Press.
Bibliografía 515
B ickchandani, S. D. Hirshleifer and I. W ech (1992): “A Theory of Fads,

Fashion, Custom, and Cultural Exchange in Informational Cascades”, Jour
nal of Political Economy, vol. 100(5), 992-1026.
B lanchard, O .J. y F ischer , S. (1989): Lectures on Macroeconomics. MIT

Press.
Blume, L. and S. D urlauf (2001): Social Dynamics. New York: “The

Interactions-Based Approach to Socioeconomic Behavior”.
BOLDRIN, M. (1983): Applying Bifurcation Theory: Some Simple Results on

the Keynesian Business Cycle. Note di Lavoro 8403, University di Venezia.
Borel , m . (1921): “La théorie du Jeux et las Equations Intégrales à Noyau

Symétrique”, Comptes Rendus Hebdomadaires des Séances de VAcadémie des
Sciences, vol. 173, 1304-1308.
Bourbaki, N. (1939): Éléments de Mathématiques. Paris: Hermann.

Bowley, A. L. (1924): The Mathematical Groundwork of Economics. Oxford:
Oxford University Press.
Brown, D. and A. R obinson (1972): A Limit Theorem on the Cores of

Large Standard Exchange Economies. EEUU: Proceedings of the National
Academy of Sciences.
Cassel, G. (1918): Theory of Social Economy. New York: Harcourt, Brace

and Company, 1932 edn.
C auchy (1821): Cours d ’Analyse Algébrique. Paris: Chez Debure frère.

C erda, E. (2001): Optimización Dinámica. Madrid: Pearson Educación, S. A.
C hamberlin , E. (1933): The Theory of Monopolistic Competition. Cambridge
(Ma.): Harvard University Press, 7 edn.
--------- (1956): The Theory of Monopolistic Competition : a Reorientation of

the Theory of Value. Cambridge (Ma.): Harvard Economic Studies.
C hiang, A. C. (1992): Elements of Dynamic Optimization. UK: McGraw-Hill,

Inc.
C lark, J. B. (1889): “Possibility of a Scientific Law of Wages”, Publications

of the American Economic Association, vol. 4(1).
■
--------- (1891): “Distribution as Determined by a Law of Rent”, Quarterly
---------- (1899): The Distribution of Wealth: A Theory of Wages, Interest and

Profits. New York: Macmillan.
C oase, R. H. (1937): “The Nature of the Firm”, Economica, vol. 4(16), 386-
405.
C obb , C.and P. D ouglas (1928): “A Theory of Production”, American

Economic Review, vol. 18, 139-65.
CoURANT, R. (1937): Differential and Integral Calculus, vol. I—II. New York:
Wiley.
COURNOT, A. (1838a): Mathematical Principles of the Theory of Wealth.

---------- (1838b): Researches into the Mathematical Principles of the Theory
of Wealth. London: Macmillan.
CRAMER, G. (1750): Introduction a VAnalyse des Lignes Courbes Algebriques.

---------- (1914): Social Economics.
Dana, R.A. y M algrange , P. (1984): The Dynamics of a Discrete Version

of a Growth Cycle Model, “Analizing the Structure of Econometric Models”.
New York: W.H. Freeman and Company.
Dantzig , G. B. (1949): “Programming in a Linear Structure”, Econometrica,

vol. 17, 73-74.
Davidson, P. (1972): “A Keynesian View of Friedman’s Theoretical Frame

work for Monetary Analysis”, Journal o f Political Economy, vol. 80(5), 864-
82.
---------- (1994): ‘T h e Asimakopulos View of Keynes’s General Theory”, in

Investment and Employment in Theory and Practice, ed. by Harcourt, and
Roncaglia.
Day, R. and J. S hafer (1985): “Keynesian Chaos”, Journal of Macroecono

mics, vol. 7(2), 277-295.
Day, R. H. (1982): “Irregular Growth Cycles”, American Economic Review,

vol. 72(3), 406-14.
---------- (1983): “The Emergency of Chaos from Classical Economic Growth”,

Quarterly Journal of Economics, vol. 98(2), 201-13.
DE P rofesores, R. (1958): Curso de Geometrta. Paris: Leigel.

D eaton, A. (1992): Understanding Consumption. Oxford: Clarendon Press.
Bibliografía 517
D ebreu , G. (1899): “Representation of a Preference Ordering by a Numerical

Function”, in Decision Processes, ed. by R. M. Thrall, C. H. Coombs, and
R. L. Davis. New York: Wiley.
--------- (1959a): Theory of Value. Cowles Monographs: New Heaven.
--------- (1959b): The Theory of Value, An Axiomatic Analysis of Economic

Equilibrium. New Haven and London: Yale University Press.
--------- (1962): “New Concepts and Techniques for Equilibrium Analysis”,
Economic Review, vol. 3(3), 257-273.
--------- (1974): “Excess Demand Functions”, Journal of Mathematical Econo

mics, vol. 1, 15-23.
--------- (1991): “The Mathematization of Economic Theory”, The American

Debreu, G. and H. Scarf (1963): “A Limit Theorem on the Core of an

Economy”, International Economic Review, vol. 4.
Debreu, G. and K. T jalling (1982): Additively Decomposed Quasicon-
vex Functions. Mathematical Programming: Scientific Papers of Tjalling C.
Koopmans (1985), Springer Verlag.
Descartes, R. (1637): Discourse on the Method of Rightly Conducting the
Reason and Seeking the True in the Sciences with Applications: Dioptrics,
Meteorology and Geometry.
Dierker , E. (1972): ‘Two Remarks on the Number of Equilibria of an Eco
nomy”, Econometrica, vol. 40(5), 951-53.
Dixit , Avinash, K. (1990): Optimization in Economic Theory. New York:

Oxford University Press, 2nd. edn.
D upuit , J. (1844): “On the Measurement of the Utility of Public Works”,

International Economic Papers, vol. 2.
--------- (1933): De VUtilite et de sa Mesure. Turin: Marie de Bernardi.
Durlauf, S. N. and W. B rock (2001): “Discrete Choice with Social Inter

actions”, Review of Economic Studies, vol. 68(2), 235-60.
E dgeworth, F. (1881): Mathematical Psychics: An Essay on the Application

of Mathematics to the Moral Sciences. London: Kegan Paul and Co.
------- (1897): “The Pure Theory of Monopoly”, Giornale degli Economisti,

voi. 40, 13-31.
---------- (1899): “Utility”, in Dictionary of Political Economy, ed. by R. H. I.

Palgrave, vol. 3. London: Macmillan.
E d g e w o r t h , F. Y. (1877): New and Old Methods of Ethics. London: James

Parker.
E uler (1748): Introductio in Analysin Infinitorum. Lausanne: M.-M. Bous-

quet.
E v a n s , G. C. (1924): “The Dynamics of Monopoly”, American Mathematical

Monthly, vol. 31(2), 77-83.
FlSHBURN, P. C. (1994): Utility and Subjective Probability. Elsevier: Amster

dam.
FlSHER, F . (1966): The Identification Problem in Econometrics. New York:

Me Graw-Hill.
FlSHER, I. (1926): Mathematical Investigations in the Theory of Value and

Prices. New Haven: Yale University Press.
---------- (1930): The Theory of Interest: As Determined by the Impatience to
Spend Income and Opportunity to Invest it. New York: Macmillan.
F rÉ C H E T , M . (1906): Sur quelques points du calcul fonctionnel. Springer Wien.
F r i e d m a n , M . (1953): Essays in Positive Economics. Chicago: University of

Chicago Press.
---------- (1973a): Una Teoría de la Función Consumo. Traducción de Lorenzo
Betancor Curbelo. Madrid: Alianza Editorial.
---------- (1973b): ‘Windfalls’, the ‘Horizon’, and Related Concepts on the Per
manent Income Hypothesis. Measurement in Economics: Studies in Mathe
matical Economics and Econometrics in Memory of Yehuda Grunfeld. Stan
ford University Press.
---------- (1982): Teoría de los precios. Traducción de José Vergara y José
Vergara L. de San Román. Alianza Universidad.
G a u s s , K. F. (1809): Theoria Motus Corporum Coelestium in Sectionibus

Conicis Solem Ambientium.
G i n t i s , H. (2005): “The Dynamics of General Equilibrium”, Economic Journal,

vol. 117(523), 1280-1309.
G l a e s e r , E. a n d J. A. S c h e i n k m a n (2002): Non-Market Interactions. Har

vard University, Working Paper No. 8053.
Bibliografía 519
G o o d w in(1951): “The Nonlinear Accelerator and the Persistence of Business

Cycles”, Econometrica, vol. 19, 1-17.
G o r d o n , R. A . (1976): “Rigor and Relevance in a Changing Institutional

Setting”, American Economic Review, vol 66, 1-14.
GOSSEN, H. (1854): Entwicklung der Gesetze des menschlichen Verkehrs und

der daraus fliessenden Regeln für menschliches Handeln. Braunschweig.
G r a n d m o n t , J.-M . (1985): “On Endogenous Competitive Business Cycles”,

G robman, D. (1959): Homeomorphisms of Systems of Differential Equations.

Dokl. Akad. Nauk.
G u c k e n h e i m e r , J o h n Y H o lm e s , P . (1983): Nonlinear Oscillations, Dyna

mical Systems and Bifurcations of Vector Fields. New York: Springer-Verlag.
H a d a m a r d , J. (1910): Leçons sur le calcul des variations. Paris: Éditions

Jacques Gabay.
Hahn, F. (1962): “On the Stability of Pure Exchange Equilibrium”, Interna

tional Economic Review, vol. 3, 206-213.
--------- (1982): “The neo-Ricardians”, Cambridge Journal of Economics, vol.

6, 353-74.
H a h n , F. H . a n d T . N e g is h i (1962): “A Theorem on Non-Tâtonnement

Stability”, Econometrica, vol. 30(3), 463-469.
Hall, H. and S. KNIGHT (1948): Álgebra Superior. México: Uteha.
H a l l , R. (1978): “Stochastic Implications of the Life Cycle-Permanent Income

Hypothesis: Theory and Evidence”, The Journal of Political Economy, 86(6),
971-987.
H a l l , R. L. a n d C. J. H i t c h (1939): “Price Theory and Business Behavior”,

Oxford Economic Papers, vol. 2, 12-45.
Hamilton, D. P. (1990): “The SSC Takes On a Life of Its Own”, Science, vol.
249(4970), 731-732.
H a n s e n , A. (1947): Keynes on Economic Policy, en Harris, editor, New Eco

nomics.
--------- (1953): A Guide to Keynes. New York: Me Graw Hill.

H a r r o d , R . F . (1932): “Decreasing Costs: An Addendum”, Economics Jour

nal, vol. 42.
---------- (1937): “Mr. Keynes and Traditional Theory”, Econometrica.
H a r t , S. a n d A. N e y m a n (1988): “Values of Non-Atomic Vector Measure

Games”, Journal of Mathematical Economics, vol. 17(1), 31-40.
H a r t m a n , P. (1963): “On the Local Linearization of Differential Equations”,

Proceedings of the American Mathematical Society, vol. 14, 568-573.
H a w k in s , D. a n d H . S im o n (1949): “Some Conditions of Macroeconomics

Stability”, Econometrica, vol. 17, 245-248.
H e a t h , T . L. (1908): The Thirteen Books of Euclid. Cambridge: The Univer

sity Press.
H e r s t e i n , I. and M i l n o r (1953): “An Axiomatic Approach to Measurable

Utility”, Econometrica, vol. 21, 291-297.
H ic k s , J. a n d R. A l l e n (1934): “A Reconsideration of the Theory of Value”,

Economica, vol. 1(1), 52-76.
H ic k s , J. R. (1932): “Marginal Productivity and the Principle of Variation”,

Economica, vol. 12, 79-88.
--------- (1936): “Mr. Keynes’s Theory of Employment”, Economic Journal,

vol. 46, 238-253.
---------- (1937): “Mr. Keynes and the Classics: A Suggested Interpretation”,

Econometrica, vol. 5(2), 147-159.
---------- (1939): “Foundations of Welfare Economics”, Economics Journal, vol.

49.
---------- (1941): “The Rehabilitation of Consumer’s Surplus”, Review of Eco

nomic Studies, vol. 8(2), 108-116.
---------- (1946): “The Generalized Theory of Consumer’s Surplus”, Review of

Economic Studies, vol. 13(2), 68-74.
---------- (1950): A Contribution to the Theory o f the Trade Cycle. London:

■vClarendon Press.
--------- (1976): “Revolutions in Economics” in Method and Appraisal in Eco

nomics. Cambridge, (Ma.): Cambridge University Press.
Bibliografía 521
--------- (1980): “IS-LM: An Explanation”, Journal of Poskeynesian Econo

mics, vol. 3, 139-155.
--------- (1988): “Towards a More General Theory”, in Finance Constraints,
Expectations and Macroeconomics, ed. by Kohn, and Tsiang.
H i l b e r t , D. (1899): Fundamentos de la Geometria. Leipzig: B.G. Teubner.
HlRSCH, M. and S. S m a l e (1974): Differential Equations, Dynamical Systems,

and Linear Algebra. New York: Academic Press.
H o b s o n , J. (1891): “The Law of the Three Rents”, Quarterly Journal of Eco
nomics, vol. 5.
H o f f m a n , K. and K. R a y (1971): Linear Algebra. Prentice Hall.
H o t e l l i n g , H . (1929): “Stability in Competition”, Economic Journal, vol.

39(153), 41-57.
--------- (1932): “Edgeworth’s Taxation Paradox and the Nature of Supply and
Demand Functions”, Journal of Political Economy, vol. 60, 577-616.
H u r w ic z , L. (1986): On the Implementation of Social Choice Rules in Irra
tional Societies. Heller et âl (ed), Essays in Honor of Kenneth J. Arrow.
M . D . (1971): Mathematical Optimization and Economic

In trilig a to r,
Theory. Englewood Cliffs, N. J: Prentice-Hall.
J a f f é , W. (1973): “Léon Walras’s Role in the ’Marginal Revolution’ of the
1870’s”, in The Marginal Revolution in Economics:, ed. by R. D. Colli-
son Black, A. W. Coats, and C. Goodwin. Durham, NC: Duke University
Press.
J e n s e n , M. C. a n d W. H. M e c k l i n g (1976): “Theory of the Firm: Manage
rial Behavior, Agency Costs and Ownership Structure”, Journal of Financial
Economics, vol. 3.
J e v o n s , W. S. (1871): The Theory o f Political Economy. New York: A. M.
Kelley.
K a h n e m a n , D. a n d D. L o v a l l o (1993): “Timid Choices and Bold Forecasts:

A Cognitive Perspective on Risk Taking”, Management Science, vol. 39.
K a h n e m a n , D. a n d A. T v e r s k y (1979): “Prospect Theory: Analysis of De

cision under Risk”, Econometrica, vol. 47.
K a k u t a n i , S. (1941): “A Generalization of Brouwer’s Fixed Point Theorem”,
Duke Mathematical Journal, vol. 8(3), 457-459.
K a l d o r , N. (1939): “Welfare Propositions in Economics”, Economics Journal,

vol 49.
---------- (1940): “A Model of the Trade Cycle”, The Economic Journal, vol.
50, 78-92.
---------- (1966): Causes of the Slow Rate of Economic Growth in the UK. UK:
Cambridge.
K a n d o r i , M. a n d G. M. y R. R o b (1991): “Learning, Mutation, and Long

Run Equilibria in Games”, Econometrica, vol. 61(1), 29-56.
K a n t o r o v i c h , L. V. (1939): “The Mathematical Method of Production Plan

ning and Organization”, Management Science, Vol. 6(4), 363-422.
K a p l a n , W. (1991): Advanced Calculus. Addison Wesley, 4th edn.
KARUSH, W. (1939): Minima of Functions of Several Variables with Inequali

ties as Side Constraints. M. Sc. Dissertation, Department of Mathematics,
University of Chicago.
K e h o e , T . J. (1985): “Multiplicity of Equilibria and Comparative Statics”,

Quarterly Journal of Economics, vol. 100(1), 119-147.
K e y n e s , J. (1932): “The World’s Economic Outlook”, Atlantic Monthly, May.
---------- (1936): The General Theory of Employment, Interest and Money.

London: Macmillan.
---------- (1981): Teoría general de la ocupación, el interés y el dinero. FCE,

México: TVaducción de Eduardo Hornedo.
K o o p m a n s , T. C. (1951): Activity Analysis of Production and Allocation. New

York: Wiley & Sons.
---------- (1953): “Activity Analysis and its Applications”, American Economic

Review, vol. 43(2), 406-414.
---------- (1957): Three Essays on the State of Economic Science. New York:
McGraw-Hill.
K r e p s , D. and R. WILSON (1982): “Reputation and Imperfect Information”,

Journal of Economic Theory, vol. 27(2), 253-279.
KUHN, H. W. and A. W . TUCKER (1951): Linear Inequalities and Related

Systems. Princeton, New Jersey: Princeton University Press.
Bibliografía 523
--------- (1956): Proceedings of the Second Berkeley Symposium on Mathemati

cal Statistics and Probability: Nonlinear Programming. Berkeley: University
of California Press.
(1921): “Sur la Notion de L’Ordre dans la Théorie des En

K u ra to w s k i, K.
sembles”, Fundamenta Mathematicae, vol. 2, 161-171.
LAGRANGE (1788): Mécanique Analytique. Paris. Blanchard.
L a n g e , O. (1936): “On the Economic Theory of Socialism”, Review of Econo

mic Studies, vol. 4(1), 53-71.
--------- (1942a): “The Foundation of Welfare Economics”, Econometrica, vol.

10, 215-228.
--------- (1942b): “The Stability of Economic Equilibrium”, Econometrica, vol.

10, 176-177.
L a p l a c e , P. S. (1799): Mécanique Celeste. Paris: Bachelier.
L a re v v , G. A. (1919): “Necessary Conditions in the Problems of Mayer in the

Calculus of Variations”, Transactions of the American Mathematical Society,
vol. 20.
L e o n id , V. K . (1975): Las Matemáticas en la Economía: Logros, Dificultades,

Perspectivas.
L e o n t i e f , W . (1933): “The Use of Indifference Curves in the Analysis of

Foreign Trade”, Quarterly Journal of Economics, vol. 97, 493-503.
--------- (1936a): “Composite Commodities and the Problem of the Index Num
bers”, Econometrica, vol. 4(1), 39-59.
--------- (1936b): “Quantitative Input and Output Relations in the Economic

System of the United States”, The Review of Economics and Statistics, vol.
18(3), 105-125.
■--------- (1946): “The Pure Theory of the Guaranteed Annual Wage Contract”,
Journal of Political Economy, vol. 54, 99-150.
--------- (1971): “Theoretical Assumptions and Non-observed Facts”, American

--------- (1993): Análisis Ecónomico Input-Output. Madrid: Editorial Planeta.
Lerner , A. (1932): “The Diagrammatical Representation of the Cost Condi

tions in International Trade”, Economica, vol. 12, 346-56.
---------- (1933): “The Diagrammatical Representation of Elasticity of De

mand”, Review of Economic Studies, vol. 1(33), 39-44.
---------- (1937): “Statics and Dynamics in Socialist Economics”, Economic

Journal, vol. 4, 72-76.
---------- (1938): “Theory and Practice of Socialist Economics”, Review of Eco

nomic Studies, vol. 6(1), 71-5.
---------- (1944): “Interest Theory: Supply and Demand for Loans or Supply
and Demand for Cash?”, Review of Economic Studies, vol. 26, 88-91.
---------- (1946): “Money”, Encyclopaedia Britannica.
---------- (1951): The Economics of Employment. New York: Me Graw-Hill.
---------- (1952a): “The Essential Properties of Interest and Money”, Quarterly

Journal of Economics, vol. 66, 172-93.
---------- (1952b): “Factor Prices and International Trade”, Economica, vol. 19,
67-84.
L ’H o s p i t a l , G. (1696): Analyse des Infiniment Petits pour L ’ Intelligence des

Courbes. Paris: Montalant.
Li, T . and J. Y o r k e (1975): “Period Three implies Chaos”, American Ma

thematical Monthly, vol. 82, 985-992.
L é o n , W. (1900): Elementos de Economía Política Pura. Madrid: Alianza

Editorial (1987).
L o t k a , A. (1925): Elements of Physical Biology. Baltimore: Williams and

Wilkins.
L u c e , R . D. and H. R a i f f a (1957): Games and Decisions, vol. I—II. New

York: Wiley.
M a c h l u p , F . (1935): ‘T h e Commonsense of the Elasticity of Substitution”,

Review of Economic Studies, vol. 2, 202-13.
---------- (1946): “Marginal Analysis and Empirical Research”, American Eco

nomic Review, vol. 36.
M a l t h u s , T. (1798): Essay on the Principle of Population. London: J. John

son.
M a n d e l b r o t , B. (1983): The Fractal Geometry of Natui'e. New York: W.H.

Freeman and Company.
Bibliografía 525
M a n g a s a r i a n , O. (1966): “Sufficient Conditions for the Optimal Control of

Nonlinear Systems”, Siam Journal of Control, vol. 4.
M a n t e l , R. (1974): “On the Characterization of Aggregate Excess Demand”,

Journal of Economic Theory, vol. 7.
M a r s h a l l , A. (1890): Principles of Economics. London: Macmillan and Co.
M a r x , K. (1984): El Capital. Crítica de la Economía Política. FCE, México:

Traducción de Wenceslao Roces, vol. 1.
M a s - C o l e l l , A. (1975): “On the Equilibrium Price Set of an Exchange Eco

nomy”, Journal of Mathematical Economics.
--------- (1985): The Theory of General Economic Equilibrium: A Differentia

ble Approach. Cambridge University Press.
M a x w e l l , J. C. (1865): A Dynamical Theory of the Electromagnetic Field.

London: The Society.
M a y n a r d S m ith , J. a n d G. R. P r i c e (1973): “The Logic of Animal Conflict”,

Nature, vol. 246(5427), 15-18.
M c F a d d e n , D. (1963): “Constant Elasticity of Substitution Production Fun

ctions”, Review of Economic Studies, vol. 30.
M c k e n z ie , L. W. (1954): “On Equilibrium of Graham’s Model of World Trade

and Other Competitive Systems”, Econometrica, vol. 22, 147-161.
M e a d e , J. (1937): “A Simplified Model of M r. Keynes System”, Review of

Economic Studies, vol. 4, 98-16.
The Principles of Political Economy: with some of their ap

M i l l , J . (1 8 4 8 ):
plications to Social Philosophy. London: Longmans, Green and Co., 7 (1 9 0 9 )
edn.
M o d i g l i a n i , F. (1978): “Life Cycle, Individual Thrift, and the Wealth of

Nations”, The American Economic Review, vol. 76(3), 297-313.
M o d i g l i a n i , F. a n d A. A n d o (1963): ‘T h e “Life-Cycle” Hypothesis of Saving:

Aggregate Implications and Tests”, The American Economic Review, vol.
53(1), 55-84.
M o d i g l i a n i , F. a n d R. B r u m b e r g (1954): Utility analysis and the con

sumption function: an interpretation of cross-section data. Post-Keynesian
Economics. Rutgers University Press.
M o n s a l v e , S. (1999): Introducción a los Conceptos de Equilibrio en Eco

nomía. Bogotá, Colombia: Universidad Nacional de Colombia, Facultad de
Ciencias Económicas. Ediciones Antropos.
M o n s a l v e , S. a n d J. A r É v a l o (2005): Un Curso de Teoría de Juegos Clásica.

Bogotá, Colombia: Universidad Externado de Colombia.
MORRIS, K. (1980): Mathematics, the Loss of Certainty. Oxford: University

Press.
MUÑOZ, J. M. (2002): Introducción a la Teoría de Conjuntos. Bogotá D.C.:

Universidad Nacional de Colombia.
MURRAY, J. D. (2002): Mathematical Biology: I. An Introduction. New York:

Springer.
MYERSON, R. B. (2007): Mechanism Design. Northwestern University: Mimeo.

M y e r s o n , R. B. a n d M. S a tt e r th W A I T E (1983): “Efficient Mechanisms for
Bilateral TYading”, .
N a s h , J. F. (1950): “Equilibrium Points in n-Person Games”, Proceedings of

the National Academy of Sciences, vol. 36(1), 48-49.
N e i s s e r , H. (1932): Lohnhöhe und Beschäftigungsgrad im Marktgleichgewicht.

Weltwirtschaftliches Archiv.
N e l s o n , R. a n d S. W i n t e r (1982): “The Schumpeterian Tradeoff Revisited”,

American Economic Review, vol. 72, 114-32.
N i k a i d o , H. (1968): Convex Structures and Economic Theory. N ew York:

Academic Press.
O k, E. (2008): Real Analysis and Probability with Economic Applications, lec

ture note in print.
O s b o r n e , M. a n d A. R u b i n s t e i n (1994): A Course in Game Theory. Cam

bridge: MIT Press.
P a n t a l e o n i , M. (1989): Pure Economics. IVaducción de 1898, London: Mac

millan.
P a r e t o , V . (1971): Manual of Political Economy. IVaducción de la edición

de 1927 New York: Augustus M. Kelley.
P a s i n e t t i , L. (1974): Growth and Income Distribution: Essays in Economic

Theory. Cambridge: Cambridge University Press.
Bibliografía 527
---------- (1984): “El Trabajo Teórico de Sraffa”, in Lecciones de Teoría de la

Producción. México: Fondo de Cultura Económica.
P a t i n k i n , D. (1956): Money, Interest and Prices. Evanston 111: Row, Peterson.
PERRON, O. (1929): “Über Stabilität und asymptotisches Verhalten der Inte

grale von Differential gleichungs systemen”, Mathematische Zeitschrift.
P h i l l i p s , A. (1958): “The Relationship between Unemployment and the Rate

of Change of Money Wages in the United Kingdom 1861-1957”, Economica,
vol. 25(100), 283-299.
PlELOU, E. C. (1977): Introduction to Mathematical Ecology. New York: Wiley.
PiGOU, A. C. (1920): The Economics of Welfare. London: Macmillan.
---------- (1933): Theory of Employment. London: Macmillan and Co.
---------- (1941): Employment and Equilibrium. London: Macmillan and Co.
P o h j o l a , M. (1981): “Stable, Cyclic and Chaotic Growth: The Dynamics of

a Discrete-Time Version of Goodwin’s Growth Cycle Model”, Zeitschrift für
Nationalökonomie.
P o i n c a r é , H. (1952): Science and Method. New York: Dover P u b licatio n s.
PONTRYAGIN, L. V. BOLTYANSKII R. GaMKRELIDZE AND E. MlSHCHENKO

(1961): The Mathematical Theory of Optimal Processes. G ordon a n d B reach
(TVaducción de 1986).
R a d n e r , R . (1968): “Competitive Equilibrium under Uncertainty”, Econome-

trica, vol. 36(1), 31-58.
R i c a r d o , D. (1817): Principles of Political Economy and Taxation. London:

John Murray,.
“On a Certain Ambiguity in the Conception of Sta

R o b b i n s , L . C . (1 9 3 0 ):
tionary Equilibrium”, Economic Journal, vol. 4 0 , 1 9 4 -2 1 4 .
--------- (1 9 3 2 ): An Essay on the Nature and Significance of Economic Science.

New York: New York University Press, 1984 edn.
■--------- (1934): “Remarks Upon Certain Aspects of the Theory of Costs”,

Economic Journal, vol. 44.
R o b i n s o n , J. (1933): “Your Position Is Thoroughly Orthodox and Entirely

Wrong”, Journal of the History of Economic Thought, vol. 20(4).
---------- (1973): Collected Economic Papers, Volume IV. Oxford: Basil Black-
well.
---------- (1978): “Keynes and Ricardo”, Journal of Poskeynesian Economics,

vol. 36(1), 31-58.
---------- (1979): The Generalization of the General Theory and Other Essays.
London: Macmillan.
R o t h b a r d , M. (1987): ‘Tim e Preference”, in The New Palgrave: A Dictionary

in Economics, ed. by M. M. J. Eatwell, and P. Newman. United States:
Macmillan Press Limited.
R u d in , W. (1976): Principles of Mathematical Analysis. International Series

in Pure and Applied Mathematics.
R u s s e l l , B. (1903): Principles of Mathematics.
---------- (1908): “Mathematical Logic as Based on the Theory of Types”, Ame

rican Journal of Mathematic, vol. 30, 222-262.
SAMUELSON, L. (1998): Evolutionary Games And Equilibrium Selection. Mas

sachusetts: MIT Press.
S a m u e l s o n , P. (1939): “Interactions between the Multiplier Analysis and the

Principle of Acceleration”, The Review of Economic Statistics, vol. 21, 75-8.
:--------- (1947): Foundations of Economic Analysis. Cambridge: Harvard Uni

versity Press.
---------- (1948): “International Trade and the Equalisation of Factor Prices”,

Economic Journal, vol. 58(230), 163-184.
---------- (1958): “An Exact Consumption-Loan Model of Interest with or wit

hout the Social Contrivance of Money”, Journal of Political Economy, vol.
66(6), 467-482.
S a m u e l s o n , P . R. S o l o w a n d R. D o r f m a n (1958): Linear Programming

and Economic Analysis. T h e Rand Series.
S a r g e n t , T. J. (1987a): Dynamic Macroeconomic Theory. Cambridge: Har

vard University Press.
---------- (1987b): Macroeconomic Theory. London: Academic Press, Inc., se

cond edn.
S a v a g e , L. J. (1954): The Foundations of Statistics. New York: Wiley and
Sons.
Bibliografía 529
S c a r f , H. (I960): “Some Examples of Global Instability of the Competitive

Equilibrium”, International Economic Review, vol. 1, 157-172.
S c h l e s i n g e r , K. (1933): “On the Production Equations of Economic Value
Theory”, in Precursors in Mathematical Economics. London: School of Eco
nomics.
---------- (1933-4): Über die Produktionsgleichungen der Ökonomischen
Wertlehre. Ergebnisse eines Mathematischen Kolloquiums.
SCH U M PETER ,J. (1947): “Theoretical Problems of Economic Growth”, Journal
of Economic History, vol. 7, 1-9.
---------- (1971): Diez Grandes Economistas: de Marx a Keynes. TYaducción de
Ángel de Lucas. Alianza Universidad.
S c i t o v s k y , T . (1940): “A S tu d y o f In te re st an d C a p ita l”, Economica, vol. 7,
293-317.
---------- (1942): “A Reconsideration of the Theory of Tariffs”, Review of Eco
nomic Studies, vol. 9, 89-110.
S e n i o r , N. (1836): An Outline of the Science of Political Economy. London:
Richard Griffin and Company.
S h e p h a r d , R. (1953): Cost and Production Functions. Princeton: Princeton

University Press.
M. J. (1 9 5 9 ): “Edgeworth Market Games”, in Contribution to the
SiiU B IK ,
Theory of Games IV , ed. by L. y Tucker. Princeton: Princeton University
Press.
SM ITH, A . (1 7 7 6 a ): An Inquiry into the Nature and Causes of the Wealth of
Nations. L o n d o n : W . S tr a h a n .
---------- (1776b): Investigación sobre la naturaleza y causas de la riqueza de
las naciones. México: Fondo de Cultura Económica.
S m it h , E . S. M e y e r a n d J. H o w a r d (1 9 5 9 ): Analytic Geometry. N e w York:

J. W ile y (1 9 4 3 ).
S o n n e n s c h e i n , H. (1972): “Market Excess Demand Functions”, Econometri-
ca, vol. 40(3), 549-63.
S p iv a k , M. (1978): Calculus. Barcelona: Editorial Reverté.
S r a f f a , P. (1926): “The Laws of Returns under Competitive Conditions”,

Economic Journal, vol. 36, 535-550.
STIGLER, G. (1947): “Professor Lester and the Marginalists”, American Eco

nomic Review, vol. 37, 154 -157.
S t i g l e r , J. (1954): “The Early History of Empirical Studies of Consumer

Behavior”, The Journal of Political Economy, LXII(2), 95-113.
S t o k e y , N . L. a n d R . E . J. L u c a s (1993): Recursive Methods in Economic

Dynamics. Cambridge: Harvard University Press.
T a k a y a m a , A. (1993): Analytical Methods in Economics. The University of

Michigan Press.
T a k e u c h i , Y. (1976): Sucesiones y Series. México: Limusa.
T o b in , J. (1985): “Neoclassical Theory in America: J.B. Clark and Fisher”,

The American Economic Review, vol. 75(6), 28-38.
---------- (1987): Irving Fisher. The New Palgrave: A Dictionary in Economics,

The Macmillan Press Limited.
T v e r s k y , A. a n d D. K a h n e m a n (1986): “Rational Choice and Framing of

Decisions”, Journal of Business, vol. 59.
---------- (1991): “Loss Aversion in Riskless Choice: A Reference-Dependent

Model”, Quarterly Journal o f Economics, vol. 106.
1---------(1992): “Advances in Prospect Theory: Cumulative Representation

under Uncertainty”, Journal of Risk and Uncertainty, vol. 5.
U z a w a , H. (1962a): “On the Stability of Edgeworth’s Barter Process”, Inter

national Economic Review, vol. 3, 218-32.
---------- (1962b): “Walras Existence Theorem and Brouwer’s Fixed Point Theo
rem”, Economics Studies Quarterly, vol. 8, 59-62.
---------- (1963): “On a Two-Sector Model of Economic Growth, II”, Review of

Economic Studies, vol. 30, 105-118.
VOLTERRA, V. (1888): Leçons sur les équations intégrales et les équations

intégro-différentielles. Gauthier-Villars (1913).
---------- (1926): “Variazioni e fluttuazioni del numéro d ’individui in specie

animali conviventi”, Mem. R. Accad. Naz. dei Lincei, vol. 2, 31-113.
V o n B a w e r k , E . (1889): Capital and Interest: Positive Theory of Capital.

IVaducciôn de 1959, South Holland, vol. 1(11): Libertarian Press.
Bibliografía 531
---------- (1984): “The Ultimate Standard of Value”, Annals of the American

Academy, vol. 5, 149-208.
V o n H a b e r l e r , G. (1930): “Die Theorie der Komparativen Kosten und ihre

Auswertung für die Begründung des Freihandels”, Welfwirtschaftliches Ar
chiv, vol. 32.
---------- (1933): The Theory of International Trade: with Applications to Co

mercial Policy. traducción de 1934, New York: Macmillan.
V on Hayek, F. (1945): “The Use of Knowledge in Society”, American Econo

mic Review, vol. 35(4), 519-30.
V o n M is e s , L. (1922): “Socialism: An Economic and Sociological Analysis”,

Indianapolis: Liberty Press.
---------- (1932): Epistemological Problems of Economics. Princeton.
V o n N e u m a n n , J. (1928): “Zur Theorie der Gessellshaftspiele”, Mathematis

che Annalen, vol. 100, 295-320.
---------- (1932): “A Model of General Economic Equilibrium”, Review of Eco

nomic Studies, Traducción de 1946.
---------- (1945): “A Model of General Economic Equilibrium”, Review of Eco

nomic Studies, vol. 13, 1-9.
V o n N e u m a n n , J.
and O. M o r g e n s t e r n (1944): Theory of Games and
Economic Behavior. Princeton: Princeton University Press.
V on STACKELBERG, H. (1933): Zwei Kritische Bemerkungen zur Preistheorie

Gustav Cassels. Zeitschrift für Nationalökonomie.
---------- (1934): Marktform und Gleichgewicht. Vienna: Julius Springer.
Von T hÜNEN, J. H. (1826): Der Isolierte Staat in Beziehung auf L andw irts
chaft un National Ökonomie, vol. 1. Traducido al inglés por Carla M. War
tenberg, Pergamon Press Oxford: New York.
V o n W i e s e r , F. (1876): Über das Verhältnis des Kosten zum Wert (“On the
Relation to Cost to Value”). Reimpreso en Wieser, Gesammelte Abhandlun
gen.
------ (1884): Über den Ursprung und die Hauptgesetze des wirtschaftlichen
Werthes.
---------- (1889): Natural Value (The Principle of Solution. The Productive

Contribution). Reimpresión de la traducción de 1893, New York: Augustus
M. Kelley.
W ald , A. (1934): “Über die Produktionsgleichungen der Ökonomischen

Wetlehre I”, Ergebnisse eines Mathematischen Kolloquiums, vol. 6, 12-20.
---------- (1935): “Über die Eindeutige Positive Lösbarkeit der Neuen Produk
tionsgleichungen”, Ergebnisse eines Mathematischen Kolloquiums, vol. 6, 12-
18.
---------- (1936): “Über die Produktionsgleichungen der Ökonomischen Wetlehre

II”, Ergebnisse eines Mathematischen Kolloquiums, vol. 7, 1-6.
---------- (1942): “Über einige Gleichungssysteme der Mathematischen Ökono

mie”, Zeitschrift fü r Nationalökonomie, vol. 7, 637-670.
---------- (1951): “On Some Systems of Equations of Mathematical Economics”,

WALRAS, L. (1874a): Elements of Pure Economics: On the Theory of Social

Wealth. Traducción de la edición de 1926, Homewood, vol. 1(11): Richard
Irwin.
---------- (1874b): “Élements D ’economie Politique Pure (Theorie de la Richesse

Sociale)”, Traducción al español de Julio Segura, 1987, Alianza Editorial.
WEIBULL, J. (1995): volutionary Game Theory. MIT Press.

WEINTRAUB, S. (1958): An Approach to the Theory of Income Distribution.
Philadelphia: Chilton.
---------- (1959): A General Theory of the Price Level, Output and Income
Distribution. Philadelphia: Chilton.
---------- (1961): Classical Keynesianism: A Plea fo r its Abandonnment. Phila

delphia: Chilton.
---------- (1966): A Keynesian Theory of Employment, Growth and Income

Distribution. Philadelphia: Chilton.
WHITEMAN, C. H. (1987): Problems in Macroeconomic Theory. London: Aca

demic Press, Inc.
WlCKSELL, K. (1893): Value, Capital and Rent. London: Allen and Unwin. S.
Frowein (trad.) en 1954.
---------- (1898): Interest and Prices. New York: Royal Economic Society.
---------- (1900): Marginal Productivity as the Basis for Economic Distribution.

New York: M. E. Sharpe.
---------- (1901a): Lectures on Political Economy. London: Routledge & Kegan

Paul.
---------- (1901b): On the Problem of Distribution. London: Routledge &; Kegan

Paul.
WlCKSTEED, P. (1894): An Essay of the Co-ordination of the Laws of Distri

bution. London: London School of Economics.
---------- (1910): The Common Sense of Political Economy: including a study

of the human basis of economic law. London: Macmillan and Co.
---------- (1914): “The Scope and Method of Political Economy in the Light of
the “Marginal” Theory of Value and Distribution”, Economic Journal, vol.
24(1).
WILLIAMSON, O. E. (1986): The Economic Institutions of Capitalism. New

York: The Free Press.
--------- (1991): “Strategizing, Economizing, and Economic Organization”,

Strategic Management Journal, vol. 12, 75-94.
Y oung ,A. (1928): “Increasing Returns and Economic Progress”, Economic

Journal, vol. 38(152), 527-542.
Zahl ,S. (1964): “A Deformation Method for Quadratic Programming”, Jour

nal of the Royal Statistical Society, vol. 26(1), 141-160.
Respuestas
Lección 1. Funciones cóncavas y cuasicóncavas

Ejercicios 1 .
1- /i(A(x, y) + (1 - A)(tu, z) = h ( \x + (1 - A)w, Ay + (1 - A)z))
= f(\x + (1 - A)u>) + Pf(Xy + (1 - A)z)
> (Af ( x ) + (1 - \ ) f ( w ) ) + 0 ( \ f ( y ) + (1 - A)}{z))
= \ ( } ( x ) + Pf(y)) + (1 - A)(f(w) + /3/(z))
= \h { x , y) + (1 —A)h(w, z)
El resultado correspondiente para la concavidad estricta también se tiene.

Basta cambiar el símbolo >, que aparece arriba, por >.
, ^ , . , r ,, (a *f b) — la —61
2. a) En lo que sigue, tenga en cuenta que min{a, b} = ------- -------------:
/(A (x,y) + ( l - \ ) ( w 1 z)) =
= / ( Xx + (1 - A)w, \ y + (1 - A)z)
= mín{Ax 4- (1 —A)w}Xy + (1 —A)2:}
_ (As 4- (1 —X)w -f Xy + (1 - A)z) - |A(s - y) + (1 - A)(t¿; - z )|
> + (1 - A ) ( í ± i ^ i ! )
= Amín{a:, y} + (1 —A) mín{t/;, zj
La función mín{a;,?/} no es estrictamente cóncava pues si (x, y) = (1,1) y

(w,z) = (1,3) entonces, en la prueba inmediatamente anterior, el símbolo
de desigualdad (>) puede cambiarse por uno de igualdad (=), ya que
ambos términos son iguales a 1.
2. c) No. Basta tomar la función convexa f ( x ) = — y darnos cuenta de que

x
su inversa es ella misma.
535
536 Matemáticas básicas para Economistas 3: Optimización y dinámica
Ejercicios 2.
1. a) Estrictamente cóncava en (—oo, 0] y estrictamente convexa en [0, oo).
b) Estrictamente cóncáva en (—oo, 0), y estrictamente convexa en (0, oo).
c) La matriz hessiana es
3 3
" (*-£/)* ~~(*+!/)"
' {x+vf _ (*+y)2
Luego es cóncava estricta si x 4- y > 1.
d) La matriz hessiana es
T2 0
[ 0 2
Luego es estrictamente convexa estricta en R2.
e) La matriz hessiana es
i 0
0 i
-----T
2y* J
Luego es estrictamente cóncava en

f) La matriz hessiana es
0 1
1 0
Luego es cóncava en R 2 +.
g) La matriz hessiana es
' Ù °
0 -2
Luego es estrictamente cóncava en IR++.

h) La matriz hessiana es
i 0
0 —ey
Luego es estrictamente cóncava si x > 1 y y > 0.
Ejercicios 3.
1. a) Es una función convexa estricta y, por tanto, cuasiconvexa estricta.
Respuestas 537
1. b) Es una función cóncava no-estricta y, por tanto, es cuasicóncava no-

estricta.
1. c) Es una función cóncava estricta y, por tanto, es cuasicóncava estricta.
Ejercicios 4.
1. a) El hessiano orlado es
0 i 1
2y/x 2y/y
1 _ 1 0
_ 1
2?P 0
Luego es cuasicóncava estricta.
6) El hessiano orlado es
0 2x 1
2x 2 0
1 0 0
Luego es cuasiconvexa estricta,
c) El hessiano orlado es
0 3 (x + y )2 3 {x + y )2
3 (* + y)2 6x 4* 6t/ 6x + 6y
. 3(x + y)2 6x + 6y 6x + 6y
Luego es cuasicóncava.
d) Es cuasiconvexa estricta,
f) El hessiano orlado es
0 2 x —1 2 y —1
2x —1 2 0
27/ - 1 0 2
Luego la función es cuasiconvexa estricta.

g) Si a , > 1 la función es cuasiconvexa estricta.
h) El hessiano orlado es
0 y +4 X
2/ + 4 0 1
x 1 0
Por tanto, la función es cuasicóncava estricta.

1. f(x) = 0 si x 6 [0,1] U [2,3]; y f(x) = 1 si a: € (1 ,2 ).
2. Asumamos, para precisar la afirmación, que el dominio de la función

es el espacio Rn. Como /(•) es convexa, entonces f( Xx -f (1 — A)y) <
Xf(x) + (1 —A)} {y). Y como /(•) es cóncava, entonces /(Aa?4- (1 —A)y) >
Af ( x ) 4- (1 —A)f(y). Por tanto, para A € [0,1],
f ( X x 4- (1 —X)y) = Xf(x) 4- (1 —X)f(y)
Ahora: Si A = \ entonces tendremos que f { ^ ( x 4- y)) = \ { f { x ) + f(y)),

y si tomamos a = \ x y b = \ y, entonces 2 /( a + b) = /(2 a ) + /(26).
Con esta ecuación (haciendo 6 = 0) tendremos, por consiguiente, que
2f ( a + 0) = /(2 a ) -I- /(O), que es equivalente a /(2 a ) = 2/( a ) —/(O). Y
así, para cualquier a, 6 en Rn , se tendrá que /(a+ & ) = /( a ) 4- f(b) —/(O);
es decir, /(•) es un hiperplano (que no necesariamente pasa por el origen).
3. y = x 2 para x > 0 es cuasicóncava y cuasiconvexa pero no es lineal.
5. b) La función es cuasicóncava estricta.

c) La función es cuasicóncava.
d) La función es cuasiconvexa.
6. No es cóncava, ni convexa, ni cuasicóncava; per sí es cuasiconvexa estricta

como se puede ver estudiando la función —/(•)•
10. x* = 11, y* = 9.
15. a) / ( Xx) = AQf ( x ) < Af ( x ) pues A > 1.
15. b) f( Xx) = A /(x), y así tiene rendimientos constantes a escala.
15. c) / ( Xx) = XQf ( x ) > Xf ( x ) pues A > 1.
16. a) No es homogénea. 16. c) Es homogénea de grado 0.
16. e) Es homogénea de grado 2.
17. a) Como f ( x ) es cóncava y /(0 ) = 0, entonces tiene rendimientos decrecien

tes a escala.
17. b) / ( i ) = es cóncava y /(0 ) = 0, luego tiene rendimientos decrecientes

a escala.
Respuestas 539
17. c) f ( x ) = x 2 es homogénea de grado 2 y, por tanto, tiene rendimientos

17. d) f ( x , y ) = 2 + 2/ es homogénea de grado 1 y, por consiguiente, tiene ren

dimientos constantes a escala.
17. e) /(x , y) = x y es homogénea de grado 2 y, por esto, tiene rendimientos

Lección 2. Optimización estática

Ejercicios 1 .
1. a) f ( x , y) = - ( x - l) 2 - y2; g(xyy) = y - x 2 - 1
1. c) f { x, y) = —3x - ly\ g(x,y) = (x3 + y3) 3 - 100
1. e) f ( x , y) = —5x - 2y; ^(x, í/) = 7x + 9y - 15
Ejercicios 2 .
1. a) Este problema no tiene solución pues si x y y crecen indefinidamente,
también la función objetivo f ( x , y) = ( x —l )2 + y 2 crece indefinidamente.
1. b) Puesto que f ( x , y ) = x 2 + y2 es continua en su dominio, y el conjunto

de restricción es compacto, entonces, por el teorema de Weierstrass, el
problema tiene solución. Además, dado que —f ( x , y ) es cuasicóncava y
el conjunto de restricción es convexo, entonces, por el teorema 2, se tiene
que la solución es única: x = 0 y y = 0.
1. d) Puesto que f ( x , y ) = yex es continua y el conjunto de restricción es

compacto, entonces, por el teorema de Weierstrass, el problema tendrá
solución. Y como, además, f ( x , y) es cuasicóncava, entonces, por el teo
rema 2, la solución es única.
Ejercicios 3.
1. Máximo: (2,1).
2. x* = i , y ' = i
3. a) i* = V7, y" = \ f i
b) x* = 5 , 2/* = I
c) x* = § ’ 5 8 y* ~
d) x* — u i ’ y* ~ 21
c) i* = 2/• = f
f) No tiene solución.
4. z* = V2, y* = l
r 2 /"i"
5. — A.3i
3\6n
Ejercicios 4.
1. a) i ' = 1, j/* = 2
b) i* = 2, y* = §
c) i* = 24, y* = \
d) i* = 2, y* = §
PÌ T * - i! ,/í _ 27 _ 125 _ 1 5 ,/iT
e) x “ 49^ 49’ y ~ 49 49 *
f) x* = 9\/TÍ9 - 63, y* = ^ f v /íl9
Ejercicios 5.
1. a) Solución no acotada.
b) Región no factible.
c) x* = 2, y* = 3
d) £* = 2 , 2/* = 5
4. El mínimo se alcanza en: X21 = 0, £22 = 0, £31 = 0, £32 — 0, £24 =

£33 = 0, £16 = 0 ,£25 = 0, £ 3 4 = 0, £17 = 0, £26 = 0, £ 3 5 = 0, £27 = O?
£15 = 500, £36 — 600 , £37 = 950, £12 = 1000, £23 — 1000, £ n = 2000,
£13 = 2000, £14 = 4500.
Ejercicios 6 .
l.a) y — 2 £ —1 l.c) y = x — 2
2. Los hiperplanos de soporte pueden no ser únicos. Por ejemplo, si C =

{(£,y) G R 2 | y > |£|} y p = (0 , 0 ), entonces cualquier recta de la forma
y = m x con m € ( - 1 , 1 ) satisface la condición del teorema 11 .
Ejercicios 7.
l . a ) Es semicontinua superiormente e inferiormente y, por tanto, continua,
l .c ) Es semicontinua superiormente e inferiormente y, por tanto, continua.

Respuestas 541
2. Supongamos que sn -» s y tn —>t con tn € ((p ° /)(s„). Puesto que / es

continua en s, entonces / ( s n) —> /(« ); por tanto, como y? es semicontinua
superiormente, se tendrá que t € <p(f(s)) = (<po f)(s).
4. a) f*(s) = m áx{/(s, t ) / t G <p(s )} = s3 es>efectivamente, continua; similarmente,

fi(s) = s es, efectivamente, semicontinua superiormente.
Ejercicios 8 .
1. El ejemplo a) es el único que satisface las condiciones del teorema de
Kakutani. Los puntos fijos son todos los puntos del intervalo [0,1].
2. a) Máximo (0,4), mínimo (3,3).
c) Máximo (0,0), mínimo (0 ,—1).
3. a) x* = 2, y* = 0 b) x* = 4, y* = 0
4- ( § , 2 , | )
5. x — 3, y ~ 3, z = 3
6. a) El valor óptimo se alcanza en (0,1).
10. z* = f , y* = f,
11. x* = y* = jq, z* =
12. El máximo se alcanza en x* = —49y j \ + 10\/Í5, y* = 0 , z* = 7\J \ \ y

el mínimo se alcanza en x* = 0, y* = 2 ^ /|§ , z* = —
15. a)
Maximizar p ix i 4- P2 X2 4 -... 4- pnXn

sujeta a o n i i 4- 012^2 4 -... 4- ciin^n < -^1
<*21#1 + <*22^2 + • . . + CL2n^n < ^2
^ml^l 4" Om2^2 4* . . . 4* 0,mnXn < i4m

Xi > 0
Xn > 0
b) El máximo se alcanza en x \ = ^ , X2 = O, X3 = O, X4 = .
c) Insumo 1: 150; insumo 2: insumo 3: insumo 4: insumo

1800
5: 150; insumo 6: ^f!P.
17
32. Si 01 , 02,03 > 0, esta función es no decreciente en w 1, w 2 , yo’, es, clara

mente, homogénea de grado 1 en (1^1, 102); y cóncava en (w \,w 2 ) para yo
fijo. Por lo tanto es una función de costos estándar.
33. Estas funciones son no crecientes en px y py respectivamente, y, además,

son homogéneas de grado 0 en (p i,p 2)-
39. a) Por la ley de Walras (pxzx + p yzy = 0) se tiene que zy = —— zx , y basta

Py
reemplazar con la expresión de zx dada en el ejercicio.
39. b) ^ = i
Px 2
40. b) Utilizando la ley de Walras (pxzx + pyzy -I- PhZh = 0) se obtiene que
zx = — P hZh ? y bastaría reemplazar aquí con las fórmulas para zv
Px
y zx dadas en el problema.
40. c) — = 3 y — = 5
Px Px
a-, \ XA = -
41.*) , Py
1 + - , yA = 1! +, -(-)■, 9 + 1- - . 2 yB8 = l + 6 px ,
XB= -
, - - E + Eev. „
10 5 P l’ y 5 lOpj,
41. b) pxzx + p yZy = ( - I 5 P1 + t P v ) “ (l¡Pv + íoP*) = 0
41. c) Px = —Px— = ?; P = Pv = I
Px+Py 3 V Px+Py 3
44. a) Este juego tiene tres equilibrios de Nash: dos puros ((j4, C) y (B,D)); y
uno mixto ((§^4 + | B , \ C 4 - 5 ^ )) .
44. b) Este juego solo tiene un equilibrio de Nash: (B, D).
Lección 3. Sistemas dinámicos

Ejercicios 1.
3. c) La solución es x(t) = C t 2 — t2 ln í.
Respuestas 543
5. a) Los equilibrios son x = 0 (inestable) y i = l (estable).
■
<— — r<— r*— r<---- r<— ?— >i— ---- r*— r*— r<---- 1
0 1
c) El único equilibrio es x = 0 (estable si a < 0, inestable si a > 0).
a>0 n—
a<0
1 1
7. a) Las soluciones son x(t) = y x(t) = -
V t 2 + 2 t + 2C y/t2 “h 2 t + 2 C
b) Las solución es x(t) = 1 — \ t )2
e) Las soluciones son x(t) = ^36 C e 2¿ - 72y/Ce^t + 3 6 e^ , y
x(t) = i (72%/Cel1 + 36Ce\l + 36e‘)
Ejercicios 2 .
3. a) La solución es y(t) = Ci (eos \y /T lt) e ~ i l - C2 (sin ^ y / l l t ) e_ i í.
4- a) 1 W = 5 ^ 3 + + + Cae ^ - » ,
» W= ^ - Cb(l +
6. a)
9. a) El punto de equilibrio es (0,0). Si S < 0, este punto de equilibrio es

asintóticamente estable, pero si S > 0 entonces el punto de equilibrio
es inestable.
d) Punto de equilibrio: (0,0); asintóticamente estable,

f) Punto de equilibrio: (0,0)j inestable.
Ejercicios 3.
4. a) x t = 2 • 5 2
6. a) Puntos de equilibrio: x* = 4, x* = 1; ambos inestables.

b) Puntos de equilibrio: x* = 0 (asintóticamente estable), x* = y/ 2
(inestable), x* = —y/ 2 (inestable).
Ejercicios 4.
1. a) Punto de equilibrio: (0,0).
d) Puntos de equilibrio: (0,0), ( ^ , —\/3).
2. b) Si m áx{|a|, |6|} < 1 entonces (0,0) es asintóticamente estable.

Si máx{|a|, |6|} > 1 entonces (0,0) es inestable.
4. El punto de equilibrio (0,0) es asintóticamente estable.
6. Se emplea la función de Lyapunov V ( x , y ) ±= x 2 -f y 2:
i) V(0,0) = 0
n) V ( x , y) > 0 para (x, y) € {(x, y) € R 2/ x 2 + y2 < 2}
ni) A = V ( f ( x yy), g(x, y)) - V{x>y) = (x2 + y2 )2 (x2 + y2 - 2) < 0 si
(*, y) € {(x, y) e R 2 / x 2 + y2 < 2}
Luego el punto de equilibrio (0,0) es estable.
7. a) x t = ol2 1 + d) x t — a2* - 1 4* 1
16. a) Xt = -f P2 l
e) x t = (a — §) sen y -I- /?cos y
21. x = —0.5x + y; y = ™y- El punto (0,0) es inestable.

Respuestas 545
Lección 4. Optimización dinámica

Ejercicios 1.
2. Fundamentalmente porque si mínx€[a ^ fn(x) —> 0 cuando n —» oo, esto
no implicaría que la función límite fuera la función 0.
4. Para e > 0 dado, tendremos que
< ¿ 1 /iW I < <«

i=m
para m , n suficientemente grandes. Por tanto, {/n} es una sucesión de

Cauchy y, como C[a¿] es completo, entonces es convergente uniformemen
te a cierta función / en C[a¿].
5. Dado que 0 < /n(x) < ^, el criterio de Weierstrass (ejercicio 4 inme

diatamente anterior) garantiza la convergencia uniforme y, por tanto,
también la convergencia puntual.
7. Un ejemplo podría ser el del ejercicio 5 inmediatamente anterior: fn(x) =

xn
— en C[0fij.
TÚ
12. i) xex = intervalo de convergencia: (— 00 ,00).

x2 2n
11) interva^°de convergencia: (— 00,00).
Ill) xsenx = Y^=o ^~(2n+iy » intervalo de convergencia: (— 00,00).
iv) cos(2x) = Yl™=o > intervalo de convergencia: (- 00,00).
v) eos2 x = ^ ^~ 2(2nj^— »intervalo de convergencia: (— 00,00).
Vi) sen2 x = \ — ^ 2 (2^ — ’intervalo de convergencia: (— 00 ,00).
Ejercicios 2
.333 3.333
i. (Ia- A ) - 1 = [J.952 2.381 .Primera aproximación: I2 + A + A 2+ A 3 =
fq3.314
'2.197 1.701 o 3.305'
. Otra aproximación: I2 + Yll=i A 1 = q g
0.486 1.711 ).944 2.369
Ejercicios 3.
1. S i A = 0 e l r e s u lt a d o e s in m e d ia t o , d a d o q u e la fu n c ió n e s b iy e c t iv a . P a r a
A 0, te n e m o s q u e T(x) = \x s i, y s o lo s i,
/rk X2 x n- i v xf x
(0,î, — , --- -) = A(x i ,x 2,x 3, ...)
¿ TI — 1
d e d o n d e o b te n e m o s q u e x \ = 0 , X2 = 0 , X3 = 0,..., x n = 0,... . E s d e c ir ,
x = 0.
Ejercicios 5.
1. No existe tal triángulo.
2. c(í) = í - 1
4. c(t) = - \ t 2 + + 1.
5. c(t) = e5“ l ( l -f et).
Ejercicios 6.
4. R e c u r r ie n d o a l software m a t h e m a t ic a , el le c t o r p u e d e c o m p r o b a r q u e la s
s o lu c io n e s s o n :
k ( t ) ~ ^ó.5547+o.5547e7- 2 i i i r ( e _ 3 ’60555í(^ o + 0 : 5 5 4 7 e 7-2111Tfc0

—0.5547e7,2111íA;o - 0.5547e360555Tfci + 0.5547e3-60555T+7-2 im A;i).
CW = - 0.5547+0.55I4700e ^ ii^ l(e~3'6055í( ( - 2 .77556 x l ° - 17- 1 .83205e7-211ir-

0.16795e7'2111t + 5.55112 x 1 0 -17e7-211i:r+7'2111t)Jfco + e3-60555T(1.83205 +
0.16795e7 2 lllt)ki))
3. k(t) = | ( í + 4), e(t) = - 2 ( 3 + 1), X(t) = - j (3 + 1).
6- k(t) = e~‘<_-e+y ‘>, c(í) = A(t) =

índice alfabético
Álgebra de funciones cóncavas, 18 Bernoulli, Johann, 227

Álgebra de funciones cuasicóncavas, 24 Bernoulli, Nicholas, 32
Álgebras de Banach, 414 Bifurcación, 315, 317
Óptimo de Pareto, 183, 343 Biología matemática, 249
caracterización, 181 BirkhofF, George, D., 229
Óptimo de Walras-Pareto, 181 Blume, Lawrence, 365
Ophelimite, 181, 186 Bola abierta, 384
Tâtonnement, 189, 347, 348 Bola cerrada, 384
Bourbaki, Nicolás, 340
Hicks, John, 336 Bowley, Arthur L., 168
Samuelson, Larry, 361 Brock, William, 363
Brouwer, Luitzen, 137
Algoritmo de Kuhn-Tucker, 81
Algoritmo simplex, 113
Cálculo de variaciones clásico, 421, 424
Allais, Maurice, 186, 336
Caja de Edgeworth, 175
Allen, Roy G.D., 42
Caja de Pareto-Edgeworth, 183
Análisis de actividades, 213
Caos, 315
Análisis funcional, 381
Caos en la ecuación logística, 316
Apolonio, 1
Aristóteles, 2 Característica de primer orden de las fun
ciones cuasicóncavas, 26
Arquímedes, 1
Cassel, Gustave, 166, 335
Arrow, Kenneth J., 335
Atractor, 235 Catenaria, 422, 431
Aumann, Robert J., 350, 367 Centro, 260
Charris, Jairo, 418
Banach, Stefan, 381 Cicloide, 61, 422, 431
Banerjee, Abhijit V., 365 Clark, John Bates, 33
Bellman, Richard, 435, 452 Clasificación de equilibrios, 260
Beneficios con tecnología CES, 156 Competencia imperfecta, 355
Beneficios con tecnología Cobb-Douglas, Completez de C[a bj, 396
154 Completez de t2, 417
Beneficios con tecnología lineal, 155 Completez de Rn , 395
Bentham, Jeremy, 32 Concavidad-convexidad en la teoría del
Bernoulli consumo, 42
Ecuación de, 371 Concavidad-convexidad y marginalidad de
hermanos, 422 creciente, 32
Bernoulli, Daniel, 32, 48, 228 Condición de primer orden de las funcio
Bernoulli, Jacob, 227 nes cóncavas, 9
547
Condición de segundo orden de las funcio Desintegración radiactiva, 238, 281

nes cóncavas, 11 Diagrama de fase, 285, 294
Condición de segundo orden para las fun Diagrama de fase unidimensional, 233
ciones cuasicóncavas, 28 Diagramas de fase en dos dimensiones, 245
Condiciones (de) Kuhn-Tucker, 83 Dido de Cartago, 422
Condiciones de primer orden para lagran- Dinámica del péndulo, 270
giano, G8 Dinámica del resorte, 263
Condiciones de transversalidad, 461 Douglas, Jesse, 424
Conjunto Durlauf, Steven, 363, 365
abierto, 390
cerrado, 389
Economía Arrow-Debreu, 341
compacto, 403
Economía con infinitos equilibrios, 344
totalmente acotado, 403
Economía de intercambio puro, 177
Conjunto de consumo, 337
Ecuación auxiliar, 302
Conjunto de nivel superior, 9
Ecuación de Bellman, 452, 453, 466
Conjunto de producción, 339
Ecuación de Bernoulli, 370
Conocimiento común, 195
Consumidor racionado, 211 Ecuación de Euler, 427, 428
Continuidad en correspondencias, 132 Ecuación de Riccati, 370
Continuidad y convergencia uniforme, 390 Ecuación diferencial ordinaria, 263
Contracción, 399 Ecuación en diferencias como sistema di
Control óptimo con horizonte infinito, 463, námico, 310
469 Ecuación en diferencias como un sistema
Control óptimo discreto, 458 dinámico, 302
Control bang-bang, 457 Ecuación logística, 247, 286, 305
Control biológico, 458 Ecuación logística discreta, 286
Convergencia, 386 Ecuación Lótka-Volterra, 247
Convergencia en Rn, 386 Ecuaciones diferenciales, 419
Convergencia media, 388 Edgeworth, Francis W., 171
Convergencia puntual, 386 Edgeworth, Francis Y., 168,175,181,183,
Convergencia uniforme, 386 350, 355
Convexidad de las preferencias, 45 Eilenberg, Samuel, 42
Correspondencia, 132 Equilibrio
Costos con tecnología CES, 150 centro (vórtice), 259
Costos con tecnología Cobb-Douglas, 147 espiral, 259
Costos con tecnología lineal, 148 espiral convergente, 259
Cournot, Antoine Augustin, 355 foco divergente, 259
Cramer, Gabriel, 48 fuente, 259
Criterio de estabilidad, 288, 298 nodo convergente, 259
Criterio de Routh-Hurwicz, 277 nodo impropio, 259
Criterios de estabilidad para sistemas au punto de silla, 259
tónomos, 236 valle, 259
Curva de contrato, 175, 189 Equilibrio asintóticamente estable, 288
Equilibrio de Nash, 196
Dantzig, George, 79, 100 Equilibrio de Nash mixto, 200
Datación por carbono radiactivo, 238 Equilibrio estable, 288
Debreu, Gerard, 58, 335, 350 Equilibrio inestable, 288
Equilibrio walrasiano, 174, 221, 341, 343, cuasiconvexa, 21

347 Función beneficio, 159, 216
Equilibrio walrasiano y núcleo, 350 Función carpa, 284, 313
Equilibrios walrasianos y puntos fijos, 223, Función continua entre espacios métricos,
224 392
Espacio de Banach, 409, 411 Función de costos, 161, 218
Espacio de Banach Mnxn , 413 Función de demanda, 163
Espacio de Hilbert, 414, 415 Función de producción, 37
Espacio métrico, 382 Función de utilidad, 44
Espacio métrico Cfa 6j, 384 Función de utilidad esperada, 47
Espacio métrico £2, 383 Función de utilidad indirecta, 165
Espacio métrico 9Jl„Xn , 384, 410, 411, Función de utilidad separable y cuadráti
415 ca, 212
Espacio métrico C[a¿ j, 383 Función de utilidad tipo CARA, 211
Espacio métrico compacto, 402 Función de utilidad tipo CRRA, 211
Espacio métrico completo, 395 Función demanda, 218
Espacio vectorial normado, 410 Función exceso de demanda, 354
Espacios métricos completos, 393 Función homogénea, 56
Espiral, 260 Función utilidad indirecta, 219
Estabilidad, 287, 288, 294 Funciones de exceso de demanda, 178, 349
Estabilidad asintótica, 288 Funciones de utilidad von Neumann-Morgenstern,
Estabilidad bidimensional, 249 51
Estabilidad para sistemas lineales, 262 Funciones equicontinuas, 404
Estabilidad unidimensional, 235 Funciones uniformemente acotadas, 404
Estrategia mixta, 198
Galileo Galilei, 2
Estrategias puras, 194
Gintis, Herbert, 349
Euler, Leonhard, 3
Goodwin, Richard, 322
Exceso de demanda, 178, 349
Existencia de la función de utilidad, 44 Hadamard, Jacques, 393
Existencia de la función de utilidad espe Hamiltoniano, 440
rada, 50 Hamiltoniano de valor presente, 455
Existencia del equilibrio walrasiano, 342 Hart, Sergiu, 351, 367
Existencia y unicidad de soluciones, 232, Hausdorff, Félix, 382
244 Herón de Alejandría, 62, 422
Exponente de Lyapunov, 320 Herstein, Israel N., 50
Hicks, John, 34, 42, 165, 167, 324
Fermat, Pierre, 422 Hilbert, David, 381
Fourier, Joseph, 417 Hipótesis del ingreso permanente, 495
Fréchet, Maurice, 393 Hiperplano soporte, 126
Fractal, 316 Hiperplanos separadores, 125
Friedman, Milton, 495 Hooke, Robert, 435
Función Hotelling, Harold, 159
estrictamente cóncava, 3 Huygens, Christian, 435
estrictamente convexa, 4
cóncava, 3, 8 Incompletez de C*a 6j , 397
convexa, 4 Integral de Riemann-Stieljes, 398
cuasicóncava, 20 Interés simple y compuesto, 282
Juego con información simétrica, 195 Matriz hessiana orlada, 28

Juego de coordinación, 197 Matriz simplex, 110
Juego de tirar la moneda, 197 Maxwell, James Clerk, 435
Juego el dilema del prisionero, 195 Mckenzie, Lionel W., 336
Juego evolutivo, 360 Mercancía Arrow-Debreu, 353
Juego finito en forma estratégica, 194 Milnor, John, 50
Modelo Arrow-Debreu, 337
Kaldor, Nicholas, 35, 168 Modelo Arrow-Debreu bajo incertidum-
Kalman, Rudolph, 435 bre, 353
Kantorovich, Leonid V., 100 Modelo Brock-Durlauf, 363
Karush, William, 100 Modelo de duelos, 373
Kehoe, Timothy, 345 Modelo de von Neumann
Keynes, John Maynard, 323, 324 existencia de equilibrios, 214
Koopmans, Tjalling, 58, 100, 336 Modelo IS-LM, 323, 324
Kuhn, Harold, 79 Modelo IS-LM dinámico estable, 330
Modelo Kandori-Mailath-Rob, 365
Límite inferior, 59 Modelo multiplicador-acelerador, 331
Límite superior, 59 Modelos de interacción global, 367
Laderman, Jack, 80, 101 Modelos de interacción local, 367
Lagrangiano, 70 Modigliani, Franco, 484
Lang, Oskar, 176, 186 Monotonicidad implica cuasiconcavidad,
Lerner, Abba, 176 22
Ley de Boyle-Mariotte, 370 Morgenstern, Oskar, 48, 355
Ley de Malthus, 286, 371 Multiplicadores de Lagrange, 67, 68
Ley de Say, 478
Ley de Snell, 423 Núcleo de una economía, 189, 350
Ley de Torricelli, 239 Nash, John F., 193, 335, 357
Ley de Walras, 176, 178 Newton, Isaac, 422
Linealización de sistema no lineal, 304 No convexidades, 52
Lipschitz Noción de consumidor, 337
condición de, 421 Noción de economía, 340
Lipschitz, Rudolf, 228 Noción de mercancía, 337
Lotería, 48 Noción de productor, 339
Lyapunov, Aleksandr Mikhailovich, 271 Nodo, 260
Numerario, 173
Máxima utilidad, 157
Máximos beneficios, 152 Optimización dinámica, 381
Método de Lyapunov, 271, 306 Optimización estática, 61
Método Kuhn-Tucker, 79 Optimizar funciones cóncavas, 19
Método simplex, 100, 106 Oscilación lineal, 275
Mínimos costos, 145
Malthus, Thomas, 32, 247 Paradoja de San Petersburgo, 47
Manadas, 365 Pareto, Vilfredo, 167, 180, 181, 183
Mangasarian, Olvi, 441 Patinkin, Don, 177
Marginalidad decreciente versus cuasicon- Perron, Oskar, 304
cavidad, 34 Pielou, Evelyn C., 305
Marshall, Alfred, 34 Pigou, Arthur C., 324
Mas-Colell, Andreu, 345 Plateau, Joseph, 424
Poincaré, Henri, 229 Segundo teorema de la economía del bie

Poinsot, Louis, 334 nestar, 186, 343
Polinomios ortogonales, 418 Senior, Nassau, 32
Pontryagin, Lev, 435, 436 Serie de Fourier, 418
Precios sombra, 212 Series de matrices, 413
Primer teorema de la economía del bie Series de potencias, 400
nestar, 184, 343 Shephard, Ronald, 161
Principio de Fermat, 423 Shubik, Martin, 189, 350
Principio del máximo, 436, 439-441, 449, Sistema autónomo, 245, 285
459, 460 Sistema dinámico autónomo, 233
Problema de control óptimo, 435 Sistema dinámico continuo, 229, 242
Problema de inventario, 472 Sistema dinámico de orden n, 277
Problema de la dieta, 102, 119 Sistema dinámico discreto, 278, 292
Problema de Newton, 425, 430 Sistema dinámico lineal, 229, 242
Problema de Plateau, 423 Sistema dinámico lineal discreto, 278
Problema de Steiner, 506 Sistema discreto autónomo, 293
Problema del braquistócrono, 431 Sistema discreto en dos dimensiones, 292
Problema del transporte, 104 Sistema lineal continuo, 250
Problema del triángulo de Schwartz, 434 Sistema lineal discreto, 292, 295
Problema isoperimétrico, 433 Sistema Lokta-Volterra, 458
Producto escalar, 414 Sistema paretiano, 168
Programación dinámica, 452, 465 Sistemas dinámicos
Programación dinámica estocástica, 471 existencia de soluciones, 421
Programación lineal, 79, 100 Sistemas discretos no lineales bidimensio-
Punto de equilibrio, 232, 243, 284, 293 nales, 304
Punto de silla, 260 Smith, Adam, 35, 184, 368
Punto estacionario, 232 Snell, Willebrord, 422
Punto límite, 386 Solución del sistema lineal, 251
Solución sistema no homogéneo, 265, 300
Radó, Tibor, 424
Soluciones del sistema lineal discreto, 295
Radio de convergencia de una serie, 400
Sraffa, Piero, 34
Radner, Roy, 353
Sucesión acotada, 385
Recubrimiento abierto, 403
Reina Dido, 433 Sucesión de Cauchy, 393
Rendimientos a escala, 40 Sucesión de Fibonacci, 374
Rendimientos a escala para conjuntos de Sustitución bruta de mercancías, 344
producción, 36 Sustitución bruta de mercancías (gross subs
Rendimientos a escala para funciones de titutability)i, 347
producción, 39
Resorte rígido, 273 Tasa marginal de sustitución técnica, 174
Riccati, Jacopo, 227 Tecnología Leontief, 216
Telaraña, 287
Samuelson, Larry, 361 Teoría de interacciones, 355
Samuelson, Paul A., 161, 168, 336 Teoría de juegos clásica, 192, 356
Savage, Leonard J., 48 Teoría de juegos coaliciónales, 355
Scarf, Herbert, 347, 350 Teoría de la utilidad esperada, 48
Schelling, Thomas, 355 Teoría del control óptimo, 436
Schlesinger, Karl, 166 Teorema Arrow-Block-Hurwicz, 348
Teorema de Arzelá, 405, 438 Von Thünen, Johann Heinrich, 32

Teorema de dualidad, 115
Teorema de existencia de equilibrio wal- Wald, Abraham, 166, 335
rasiano, 221 Walras, Léon, 166, 180, 181, 334
Teorema de Farkas, 131 Weibull, Jörgen, 361
Teorema de Frobenius, 141, 225 Weierstrass
Teorema de la envolvente, 96-98 criterio para convergencia uniforme,
Teorema de la máxima satisfacción social, 407
180 teorema generalizado de, 405
Teorema de linealización, 304 Wicksell, Knut, 34
Teorema de Lyapunov, 375 Wicksteed, Philip H., 33, 34
Teorema de Minkowski, 125
Teorema de Peano, 419 Young, Allyn, 35
Teorema de Perron-Frobenius, 141 Young, H. Peyton, 365
Teorema de Picard, 419
Teorema de punto fijo, 137, 399
Teorema de punto fijo de Brouwer, 137
Teorema de punto fijo de Kakutani, 138
Teorema de separación de Minkowski, 123,
126, 128
Teorema de Weierstrass, 64
Teorema de Weierstrass generalizado, 412
Teorema del máximo, 131, 135
Teorema minimax, 129, 192, 215
Teorema Sonnenschein-Mantel-Debreu, 354
Teoremas del bienestar económico, 184
Torricelli, Evangelista, 239
Tradición alemana del equilibrio general,
166
Tradición paretiana del equilibrio general,
167
Transversalidad
condiciones de, 444
Tucker, Albert, 79
Turgot, Anne-Robert-Jacques, 32
Unión e intersección de conjuntos abier

tos, 391
Unicidad del equilibrio walrasiano, 343
Utilidad esperada, 48, 199
Valores propios, 273

Verhulst, Pierre, 247
Versión paretiana del modelo walrasiano,
166
Volterra, Vito, 393
Von Neumann, John, 48, 192, 194, 355,
414
Matemáticas para economistas 3: Optimización y dinámica 553
Matemáticas básicas para economistas

Sergio M onsalve (editor)
V o lu m en 0: F u n d a m en to s V o lu m e n 1: Á lg e b ra lin e a l
Lección 1. Sobre la geometría, la arit Lección 1. Sistemas de ecuaciones linea

mética y la trigonometría griegas. les: solución por eliminación gaussiana.
Lección 2. El álgebra de los siglos XVI y Lección 2. Matrices y determinantes.
XVII. Lección 3. Sistemas de ecuaciones linea
Lección 3. La geometría analítica de Des les: solución por matriz inversa.
cartes y Fermat. Lección 4. Vectores.
Lección 4. Sobre los fundamentos para las Lección 5. Bases y dimensión.
matemáticas contemporáneas. Lección 6. Transformaciones lineales.
Lección 7. Diagonalización en Rn.
Lección 8. Conjuntos convexos.
Volumen 2: Cálculo V o lu m e n 3: O p tim iz a c ió n y d i

n á m ic a
Lección 1. El método de límites.
Lección 2. La derivada. Lección 1. Funciones cóncavas, convexas,
Lección 3. Elementos básicos de la teoría cuasicóncavas y cuasiconvexas.
de la optimización. Lección 2. Optimización estática.
Lección 4. La integral. Lección 3. Sistemas dinámicos.
Lección 4. Optimización dinámica.
Este libro se terminó de imprimir
en la Editorial Universidad Nacional
de Colombia, en mayo de 2010
MATEMÁTICAS BÁSICAS
PARA ECONOMISTAS: 3
OPTIMIZACIÓN Y DINÁMICA
E
l volumen Optimización y Dinámica es el último de los
cuatro que conforman la colección Matemáticas
básicas para economistas. En él, como podría esperarse,
el lector encontrará un material más avanzado que el resto
de la obra, pero también más cercano a las preocupaciones
del economista en formación y, por supuesto, del
profesional, pues las herramientas están mejor dispuestas
para la discusión de problemas económicos centrales.

C Vol3 Sergio Monsalve 2010 PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

C Vol3 Sergio Monsalve 2010 PDF

Încărcat de

Drepturi de autor:

Formate disponibile

■ ■ ■

con notas históricas y contextos económicos

Profesor asociado del Departamento

Entre sus publicaciones se cuentan Introduc­

FACULTAD DE CIEN C IAS ECONÓMICAS

ISBN 978-958-719-304-6 (v. 0). - ISBN 978-958-719-305-3 (v. 1). -

1. M atem áticas 2. Modelos económicos 3. M atem áticas para economistas

CDD-21 510.2433 / 2010

Matemáticas Básicas para

G. Optimización en conjuntos convexos: teoremas de separación de

b) Bifurcación y caos 315

índice alfabético 547

A la memoria de Juan Alonso, Jorge Diego, Nancy y Adriana

volución marginalista y de la comunión entre racionalidad y marginalismo;

Agradecemos a las Facultades de Ciencias y Ciencias Económicas de la Univer­

El presente volumen es el último de los cuatro que conforma la colección Ma­

nes se consolidara paso a paso, lentamente, a pesar de los numerosos errores

En esta obra se recogen las experiencias didácticas de los autores en la ense­

incendiarlos. Actualmente, la posibilidad de concentrar la luz se aprovecha, por

F ig u ra 1. En el panel a) tenemos una función con segunda derivada

En el Renacimiento, fue Galileo Galilei (1C32) quien primero comprendió los

donde t es la variable tiempo; s(t) es la altura de la piedra en el tiempo £;

curvas cóncavas y convexas) fue el libro de Leonhard Euler (1748) titulado

1. Funciones cóncavas y convexas

D efinición 1. (Función cóncava)

f ( Xx + (1 - X)y) > Xf ( x) + (1 - X)f(y) (1)

Diremos, además, que /(•) es estrictamente cóncava si la desigualdad (1) es

1 Recordemos que C C Rn es un conjunto convexo si, y solo si, para todo x, y € C y

Así, geométricamente, una función de dos variables es cóncava si el segmento

/(A * + (1 - A)y) < Af ( x) + (1 - A)/(y) (2 )

Diremos que es estrictamente convexa si la desigualdad (2) es estricta para

F ig u ra 3. Panel a): Típica función cóncava. Panel b): Típica función

b) Observemos que la concavidad es una noción de conjunto; es decir, una

c) A partir de la definición, también es claro que toda función estrictamente

/( A * + (l- A )y ) > A /(x ) + (l-A )/( y )

y/Xx + (1 - A)y > \ \ / x + (1 - A)y/y

Si elevamos ambos lados de esta desigualdad al cuadrado, tenemos que

Ax + (1 - A)y > A2x + (1 - A)2y + 2A(1 - X)>/xy/y

de la cual, reordenando términos, obtenemos que

A(1 —X)x + A(1 —A)y > 2A(1 —A)y/xy/y

F ig u ra 4. Panel a): Función convexa en [0,a] y cóncava en (a, b].

o, lo que es equivalente, que

/ ( A ii + (1 - \) y i, Ax2 + (1 - A)j/2) > A /(x i,x 2) + (1 - A )/(yx, j/2)

y/(Xxi + (1 - \ )y i)(\ x 2 + (1 - A)y2) > \y/XlX 2 + (1 ~ A)y jy m

Si elevamos ambos lados de la desigualdad al cuadrado, obtenemos

(Axi + (1—A)?/i)(Aa:2 + ( l —A)t/2) > A2x ix 24 -(l-A )22/iy2+ 2 A (l-A )>/xiX2V/2/i2/2

y, realizando los productos de la desigualdad, llegamos a:

\ 2x xx 2 4- A(1 - X)xiy2 4- A(1 - X)y\x2 + (1 - \ ) 2y \y 2 >

> ? X \X 2 + (1 —A)2t/i2/2 + 2A(1 —X)y/XiX2 y/yiV2

A(1 —X)x\y2 4- A(1 —A)yi£2 > 2A(1 —\) y /x i x 2y/y i y 2

SiA = 0 o A = l, esta desigualdad es cierta. Y si A ^ 0,1 entonces se tiene que

x iy 2 4- 2/ 1X2 > 2y/x ix 2\/yiy2

F ig u ra 5. En el panel a), la función f ( x , y ) = y /x y , x > O, y > 0.

lo cual, calculando los cuadrados, es

A2( x ,) 2 + (1 - A)2(j/i)2 + 2A(1 - A)*!»i + A2(x2)2 + (1 - A)2(j/2)2+

o, simplificando, esto es equivalente a

A2(x i)2 + (yi)2 - 2A(t/i)2 + A2(jíi)2 + 2Axij/i - 2 \ 2x iy l + A2(x2)2+

y de nuevo simplificando, arribamos a que

A2(x i)2 - A (yi)2 + A2(?/i)2 + 2Áxiyi - 2A2xiyx + A2(x2)2 - A(t/2)2+

Agrupando términos, obtenemos

2A(1 - A)xij/i + 2A(1 - A)x2y2 < A(1 - A)(xi)2 + A(1 - A)(x2)2+

A(1 - A)(a?i - yi)2 + A(1 - A)(x2 - y2)2 > O

y que, claramente, se cumple, pues A 6 (0 ,1) y xi ^ ¡/i o ^ 2/2* ^

Entre sus publicaciones se cuentan Introduc

Agradecemos a las Facultades de Ciencias y Ciencias Económicas de la Univer

El presente volumen es el último de los cuatro que conforma la colección Ma

En esta obra se recogen las experiencias didácticas de los autores en la ense

2. Propiedades fundamentales de las funciones cón

Teorema 2. (U na característica im portan te de las fu n cion es cónca

Teorema 5. (T íp ica característica d iferen cia l de las fu n c io n e s e stric

b) En particular, en el caso de dos variables, tendremos que /(•) es estricta

ii) Para la concavidad estricta necesitamos que la desigualdad en a) se cum

Dada la definición de función cóncava, podemos derivar sus propiedades alge

e) Sean F(-) estrictamente creciente y estrictamente cóncava, y /(•) estricta

Puesto que V /(x) = 0 (x es un punto crítico), entonces