Puntos Fijos, Juegos y Algo Mas...

INSTITUTO POLIT
ECNICO NACIONAL
ESCUELA SUPERIOR DE F
ISICA Y
MATEM
ATICAS
Puntos Fijos, Juegos y algo mas. . .
Tesis que presenta
David Gonzalez Sanchez
para obtener el ttulo de
Lic. en Fsica y Matematicas
en la especialidad de
Matematicas
Director de la Tesis
Salvador Quintn Flores Garca
Mexico, D.F. Febrero de 2008
II
.
Objetivos
Integrar, en un solo documento, todos los elementos necesarios para demostrar,
de manera detallada, dos teoremas de punto jo, uno debido a Brouwer y el otro
a Kakutani; utilizando conceptos basicos del calculo multivarible.
Exhibir la importancia del Teorema de Brouwer en la economa, as como, del
Teorema de Kakutani en la teora de juegos.
IV
Indice general
1. Dos teoremas de punto jo 1
1.1. Que es un punto jo? . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Conjuntos convexos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Subespacios afnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4. Hiperplanos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5. Interior algebraico. Interior algebraico relativo . . . . . . . . . . . . 12
1.6. Teoremas de Separacion . . . . . . . . . . . . . . . . . . . . . . . . 18
1.7. Correspondencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.8. El Lema de Sperner . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.9. Teoremas de Punto Fijo . . . . . . . . . . . . . . . . . . . . . . . . 29
2. Puntos jos en una Economa 35
2.1. Oferta y Demanda . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2. Un problema de asignacion en Pueblo Viejo . . . . . . . . . . . . . 35
2.2.1. Conociendo Pueblo Viejo . . . . . . . . . . . . . . . . . . . . 35
2.2.2. Que es una Economa? Una nota sobre la teoria del con-
sumidor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.3. Los precios y el problema en Pueblo Viejo . . . . . . . . . . 39
2.3. Puntos jos como soluciones . . . . . . . . . . . . . . . . . . . . . . 41
2.4. Eciencia y Bienestar Social . . . . . . . . . . . . . . . . . . . . . . 43
2.4.1. Optimalidad seg un Pareto . . . . . . . . . . . . . . . . . . . 43
2.4.2. Equilibrio general y el bienestar social. . . . . . . . . . . . . 44
3. Juegos no Cooperativos 49
3.1. Para empezar a jugar... . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2. Loteras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3. Juegos en forma estrategica . . . . . . . . . . . . . . . . . . . . . . 52
3.4. El equilibrio de Nash en estrategias puras . . . . . . . . . . . . . . . 56
VI

INDICE GENERAL
3.5. Estrategias mixtas . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.6. Existencia del equilibrio de Nash . . . . . . . . . . . . . . . . . . . 63
Captulo 1
Dos teoremas de punto jo
En este captulo integramos todos los elementos necesarios para demostrar el
Teorema de Brouwer y el Teorema de Kakutani, para ello presentamos algunos
resultados clasicos del analisis convexo.
1.1. Que es un punto jo?
Para hablar de puntos jos necesitamos una funcion, cuya imagen este conteni-
da en el dominio de la misma, i .e. f : A A; decimos que xA es un punto jo de
f si f(x) = x. Geometricamente, consideremos f : [0, 1] [0, 1], f tiene un punto
jo si su graca se interseca con la de la funcion identidad, como en la Figura 1.1.
Figura 1.1: Los puntos jos de la funcion f son y, z.
2 Dos teoremas de punto jo
Dependiendo de la naturaleza de los puntos jos de una funcion, son las aplica-
ciones. Por ejemplo, un polinomio p(z) tiene una raiz si el polinomio p(z) := p(z)+z
tiene un punto jo, es decir si existe z
tal que p(z
) = z
, luego p(z
) + z
= z
as p(z
) = 0. Una forma de probar el Teorema de la funcion inversa es usando

un teorema de punto jo para contracciones, ver por ejemplo [12]. En la teora de
ecuaciones diferenciales, una vez que se prueba la equivalencia entre cierto tipo de
ecuaciones diferenciales con ecuaciones integrales, se usa un teorema de punto jo
para demostrar la existencia de una solucion a tales ecuaciones diferenciales, puede
consultarse [3].
En este trabajo centraremos nuestra atencion en funciones denidas en un
subconjunto de R
n
. El primero de los dos resultados fundamentales del captulo es
el Teorema de Brouwer, el cual garantiza que toda funcion continua tiene puntos
jos cuando su dominio es convexo y compacto. En 1941, S. Kakutani publica
una generalizacion del Teorema de Brouwer para correspondencias, que mapean
cada punto en un subconjunto (a diferencia de las funciones que mapean puntos
en puntos), en este contexto, si : A A es una correspondencia entonces, x es
un punto jo de si x(x). En la ultima parte de este captulo abundamos mas
sobre las correspondencias y el Teorema de Kakutani, que es el segundo resultado
fundamental.
La teora de punto jo es muy basta, una obra que contiene varios resultados
es [2]. Las demostraciones de los teoremas de punto jo requieren diversas he-
rramientas matematicas; el Teorema de Brouwer, por ejemplo, se demuestra en la
literatura ordinaria de topologa algebraca; usando tecnicas del analisis funcional,
puede probarse el Teorema de Kakutani, ver [13].
1.2. Conjuntos convexos
Hemos adelantado que una de las propiedades del dominio de una funcion, es
la convexidad, para as garantizar, seg un el Teorema de Brouwer, la existencia
de puntos jos en funciones continuas. El Teorema de Kakutani tambien exige
conjuntos convexos, de ah que estemos interesados en estudiar un poco sobre
ellos. Para una exposicion a detalle ver [11].
Denici on 1.2.1. Un subconjunto C R
n
es convexo si para cada x, y C y para
todo [0, 1] se verica que
x + (1 )y C.
1.2 Conjuntos convexos 3
Observaci on 1.2.1. Si C
i
es convexo para cada i I, entonces
iI
C
i
es convexo.
Si x, y
iI
C
i
; [0, 1] entonces x, y C
i
para todo i I y como cada conjunto C
i
es convexo, tenemos x + (1 )y
iI
C
i
.
Con la observacion previa tiene sentido, hablar del conjunto convexo mas
peque no que contiene a uno dado.
Denici on 1.2.2. Dado S R
n
, denimos la cascara convexa de S como
co(S) =
C R
n
[S C, C es convexo .
Ahora queremos caracterizar a los elementos de la cascara convexa de un con-
junto, para esto necesitamos la siguiente denicion.
Denici on 1.2.3. Sea
_
x
1
, . . . , x
k
_
un subconjunto nito de R
n
, llamaremos com-
binaci on convexa de
_
x
1
, . . . , x
k
_
a todo elemento de la forma
k
i=1
i
x
i
,
donde
i
[0, 1] para i = 1, . . . , k y
k
i=1
i
= 1. Si S R
n
, denotamos por S
al
conjunto de todas las combinaciones convexas de elementos de S.
Observaci on 1.2.2. Si S R
n
entonces S
es convexo. Sean x, y S
, [0, 1],
entonces
x =
m
i=1
i
x
i
, y =
k
j=1
j
y
j
,
de la combinacion convexa de x con y
x + (1 )y =
m
i=1
i
x
i
+
k
j=1
(1 )
j
y
j
,
notemos que
m
i=1
i
+
k
j=1
(1 )
j
= (1) + (1 )(1) = 1
ademas x
i
, y
j
S para i = 1, . . . , m; j = 1, . . . , k por lo que x + (1 )y S
.
Lema 1.2.1. Sean S, A R
n
tales que S A con A convexo, entonces S
A.
Demostracion. Sea x =
k
i=1
i
x
i
S
, por induccion sobre k, tenemos que para

k = 2 la armacion es valida pues es precisamente la denicion de que A es convexo.
Supongamos que es cierto para k 1. Denotemos por =
k1
i=1

i
luego
x =
k1
i=1
i
x
i
+
k
x
k
=
k1
i=1
x
i
+ (1 )x
k
,
por nuestra hipotesis inductiva
k1
i=1
x
i
A ademas x
k
A, por ser A convexo
xA.
Teorema 1.2.1. Sea S R
n
, entonces co(S) = S
.
Demostracion. Puesto que S
es convexo y S S
, al ser co(S) el conjunto convexo

mas peque no que contiene a S se cumple que co(S) S
. Por otro lado S co(S)

como co(S) es convexo, por el Lema 1.2.1 S
co(S).
El Teorema 1.2.1 nos dice que la cascara convexa, co(S), es precisamente el
conjunto formado por todas las combinaciones convexas de elementos de S. Aunque
estas combinaciones son nitas pudiera ser un n umero muy grande de elementos,
sin embargo, podemos acotar este n umero.
Lema 1.2.2. Sea
_
x
1
, . . . , x
k
_
un subconjunto nito de R
n
. Toda combinacion
lineal de estos puntos, y =
k
i=1
i
x
i
donde
i
0 puede escribirse como
y =
m
j=1
j
x
j
donde
j
> 0; x
j
_
x
1
, . . . , x
k
_
para j = 1, . . . , m y m n.
Demostracion. Sea y =
k
i=1
i
x
i
una combinacion lineal en la cual
i
> 0 para
i = 1, . . . , k.
Caso 1. Si
_
x
1
, . . . , x
k
_
es linealmente independiente entonces k n y nos
quedamos con la misma combinacion.
Caso 2. Si
_
x
1
, . . . , x
k
_
es linealmente dependiente entonces existen
i
R no
todos cero tales que
k
i=1
i
x
i
= 0 con alg un
i
> 0 (de no ser as multiplicamos
la igualdad por -1). Denimos
:= min
_
i
> 0
_
1.2 Conjuntos convexos 5
notemos que > 0 pues hemos supuesto que
i
> 0 y al menos uno de los
i
> 0.
Consideremos la combinacion lineal
k
i=1
(
i
i
)x
i
=
k
i=1
i
x
i
i=1
i
x
i
= y (0) = y.
Observemos, tambien, que si
i
0 entonces
i

i
> 0,
mientras que si
i
> 0 entonces
i

i
i
= 0.
En ambos casos los coeentes
i
i
0, mas a un, =

i
i
, para alg un i, por lo
que alguno de ellos es cero.
Continuando con este mismo proceso, llegamos a obtener un subconjunto
_
x
1
, . . . , x
m
_
_
x
1
, . . . , x
k
_
linealmente independiente, con lo cual nalizamos la demostracion.
Presentamos ahora un resultado clasico del analisis convexo.
Teorema 1.2.2 (Caratheodory). Sean S R
n
, x co(S), entonces x es combi-
nacion convexa de a lo mas n + 1 elementos de S.
Demostracion. Para cada xR
n
denimos x := (x, 1)R
n+1
. Sea
x =
k
i=1
i
x
i
co(S)
donde
i
0 para i = 1, . . . , k y
k
i=1
i
= 1; escribamos
x = (x, 1) =
_
k
i=1
i
x
i
,
k
i=1
i
_
=
k
i=1
i
x
i
R
n+1
en virtud del Lema 1.2.2 x =
m
j=1
j
x
j
donde cada
j
> 0, m n + 1 o equiva-
lentemente
(x, 1) =
_
m
j=1
j
x
j
,
m
j=1
j
_
luego
x =
m
j=1
j
x
j
,
m
j=1
j
= 1
por igualdad de vectores.
Corolario 1.2.1. Sea S R
n
, S compacto, entonces co(S) es compacto.
Demostracion. Sea
:=
_
= (
1
, . . . ,
n+1
)R
n+1
i
0; i = 1, . . . , n + 1;
n+1
i=1
i
= 1
_
Consideremos f : S
n+1
R
n
dada por
f(x
1
, . . . , x
n+1
, ) =
n+1
i=1
i
x
i
f es continua, ademas S, son compactos luego S
n+1
es compacto as
f(S
n+1
)
es compacto. Por otro lado
f(S
n+1
) = y R
n
[y = f(x, ) para alg un (x, )S
n+1
=
_
y R
n
y =
n+1
i=1
i
x
i
; x
i
S, i = 1, . . . , n + 1;
_
=
_
n+1
i=1
i
x
i
x
i
S;
i
0; i = 1, . . . , n + 1;
n+1
i=1
i
= 1
_
= co(S)
Por consiguiente co(S) es compacto.
Concluimos esta seccion con el concepto de smplex, una clase de conjuntos
convexos muy utilizados, para esto necesitamos una denicion previa.
Denici on 1.2.4. Un conjunto nito
_
x
1
, . . . , x
k
_
R
n
es afnmente indepen-
diente siempre que a partir de las condiciones
k
i=1
i
x
i
= 0,
k
i=1
i
= 0 se tenga
que
i
= 0 para cada i = 1, . . . , k
1.3 Subespacios afnes 7
Observaci on 1.2.3. Por la Denicion 1.2.4 el conjunto
_
x
2
x
1
, x
3
x
1
, . . . , x
k
x
1
_
es linealmente independiente si y solo si
_
x
1
, . . . , x
k
_
R
n
es afnmente indepen-
diente. La equivalencia se sigue de la igualdad
k
i=2
i
(x
i
x
1
) =
k
i=1
i
x
i
_
k
i=1
i
_
x
1
=
_
i=1
i
_
x
1
+
k
i=2
i
x
i
.
Denici on 1.2.5. Un conjunto S R
n
es un smplex kdimensional si hay un
conjunto V =
_
x
1
, . . . , x
k+1
_
R
n
afnmente independiente tal que S = co(V ).
Los elementos de V se llaman vertices del smplex.
Notemos que un smplex es convexo y ademas, por el Teorema de Caratheodory,
es compacto.
1.3. Subespacios afnes
En esta seccion presentamos algunos conceptos y resultados sobre subespacios
afnes, los cuales son una generalizacion de los espacios vectoriales.
Denici on 1.3.1. Un conjunto M R
n
es un subconjunto afn si existen mR
n
y W subespacio vectorial de R
n
tales que
M = m + W = m + w[wW .
Lema 1.3.1. Sea M un subespacio afn tal que M = m + W R
n
, entonces
mM y
W = M M = mn[m, nM .
Demostracion. Notemos que m = m+0M. Veamos que W MM; sea v W
entonces 2v W por tanto
v = (m + 2v) (mv)M M.
Recprocamente si x, y W entonces m + x, m + y M por lo que
(m + x) (m + y) = x y W
de este modo M M W.
El Lema 1.3.1 nos dice quien es el subespacio vectorial W, con esto podemos
formular la siguiente denicion.
Denici on 1.3.2. Si M = m + W es un subconjunto afn de R
n
, denimos la
dimension de M como la dimension del subespacio W.
Una forma equivalente de denir a un espacio afn nos la da el Teorema 1.3.1.
Teorema 1.3.1. Sea M R
n
; M es subespacio afn si y solo si para cada par
x, y M y para todo r R se tiene que rx + (1 r)y M.
Demostracion. Primero supongamos que M es subespacio afn i.e. M = m + W;
sean x, y M, r R. Los puntos x, y son de la forma x = m+x
, y = m+y
donde
x
, y
W, consideremos la combinacion
rx + (1 r)y = r(m + x
) + (1 r)(m + y
) = m + rx
+ (1 r)y
M
la ultima igualdad se tiene ya que rx
+(1r)y
W por ser W subespacio vectorial.

Recprocamente, notemos que
i) MM es cerrado bajo multiplicacion por escalares. Si r R, x
1
x
2
MM
entonces
r(x
1
x
2
) =
_
rx
1
+ (1 r)x
2
M M
ya que, por hipotesis, rx
1
+ (1 r)x
2
M.
ii) M M es cerrado bajo la suma. Sean x
1
x
2
, y
1
y
2
M M, entonces
(x
1
x
2
) + (y
1
y
2
) = 2
__
1
2
x
1
+
1
2
y
1
_
_
1
2
x
2
+
1
2
y
2
__
, (1.1)
ademas
1
2
x
1
+
1
2
y
1
=
1
2
x
1
+
_
1
1
2
_
y
1
M
por nuestra hipotesis, analogamente
1
2
x
2
+
1
2
y
2
M as
_
1
2
x
1
+
1
2
y
1
_
_
1
2
x
2
+
1
2
y
2
_
M M
pero de i) M M es cerrado bajo multiplicacion por escalares, concluimos de la
ecuaci on (1.1) que (x
1
x
2
) + (y
1
y
2
)M M.
Por i) y ii) MM es subespacio vectorial. Sea mM y veamos que M = m+
(MM). Si xM podemos escribir x = m+(xm) con lo cual M m+(MM).
Por otra parte si m+(x y)m+(M M) de nuestra hipotesis tomamos r = 2
entonces 2my M y tambien 2x y M ademas
1
2
(2my) + (1
1
2
)2x y M,
1.3 Subespacios afnes 9
pero
m + (x y) =
1
2
(2my) + (1
1
2
)(2x y)M,
por lo tanto m + (M M) M. Hemos probado que M = m + (M M) es
subespacio afn.
Observaci on 1.3.1. Con la equivalecia anterior es facil ver que si M
i
iI
es una
familia de subespacios afnes entonces
iI
M
i
tambien es afn. Si x, y M
i
para cada i I, r R entonces rx+(1 r)y M
i
para
todo i I. Hecha esta observacion, pasamos a la siguiente denicion.
Denici on 1.3.3. La envoltura afn de un conjunto S R
n
se dene por
aff(S) :=
M[S M, M es afn .
Denotamos tambien por span(S) al subespacio vectorial de R
n
generado por S.
Teorema 1.3.2. Sea S R
n
, entonces aff(S) = m + span(S S), para alg un
maff(S).
Demostracion. Claramente tenemos que S aff(S) por lo tanto
S S aff(S) aff(S S),
mas a un,
span(S S) aff(S) aff(S),
pues
span(aff(S) aff(S)) = aff(S) aff(S)
ya que aff(S) aff(S) es subespacio vectorial, tenemos entonces que para todo
mS,
m + span(S S) m + (aff(S) aff(S)) = aff(S).
Recprocamente, sean xS, mS luego x = m+ (x m)m+span(S S),
tenemos pues que S m+span(SS) para mS, puesto que m+span(SS) es
un espacio afn tenemos que aff(S) m+span(SS) por denicion de envoltura
afn.
Hasta ahora hemos probado que aff(S) = m + span(S S) con mS, por el
Lema 1.3.1 maff(S).
Corolario 1.3.1. Sea S R
n
, entonces xaff(S) s y solo si x =
k
i=1
i
x
i
con
x
i
S,
i
R para i = 1, . . . , k y
k
i=1
i
= 1.
Demostracion. Veamos primero que

S =
_
k
i=1
i
x
i
i
R, x
i
S, i = 1, . . . , k
_
es
afn.
Sean x =
k
i=1
i
x
i
; y =
m
j=1
i
x
j
donde
k
i=1
i
=
m
j=1
j
= 1 y r R.
Entonces
rx + (1 r)y =
k
i=1
r
i
x
i
+
m
j=1
(1 r)
j
x
j
,
notemos que
k
i=1
r
i
+
k
i=1
(1 r)
j
= r(1) + (1 r)(1) = 1,
as pues

S es afn, de donde aff(S)

S.
Recprocamente sean x =
k
i=1
i
x
i

S, M afn tal que S M, como M es
afn , es de la forma m + W, tenemos que x
i
S M luego x
i
= m + w
i
donde
w
i
W para cada i = 1, . . . , k; manipulando tenemos
x =
k
i=1
i
x
i
=
k
i=1
i
(m + w
i
)
= m
k
i=1
i
+
k
i=1
i
w
i
= m +
k
i=1
i
w
i
como W es subespacio vectorial
k
i=1
i
w
i
W con lo cual X m + W = M, y
entonces

S M para todo M afn tal que S M as pues

S aff(S).
Como podemos notar hay ciertas similitudes al caracterizar los conjuntos con-
vexos y los subespacios anes en las Secciones 1.2 y 1.3.
1.4. Hiperplanos
El concepto de plano, que conocemos en R
3
, podemos generalizarlo a dimen-
siones superiores usando los subespacios anes estudiados en la seccion 1.3.
1.4 Hiperplanos 11
Denici on 1.4.1. Un hiperplano en R
n
es un subespacio afn de dimension n1.
En adelante, si h, x R
n
denotamos por h x al producto interno usual en R
n
.
Teorema 1.4.1. Sea M R
n
; M es un hiperplano si y solo si existen hR
n
0,
r R tales que M = xR
n
[h x = r.
Demostracion. Si M es un hiperplano entonces es de la forma M = m + W con
W subespacio vectorial de R
n
y dim(W) = n 1. Sea x
1
, . . . , x
n1
una base de
W, por un conocido resultado de algebra lineal podemos extender esta a una base
de R
n
, x
1
, . . . , x
n1
, x
n
.
Denimos ahora
f(x
i
) =
_
0 si x
i
,= x
n
1 si x
i
= x
n
y extendemos, por linealidad, a todo R
n
. Notemos que
ker(f) = x R
n
[f(x) = 0 W.
Del algebra lineal sabemos que si V es un espacio producto interno y f : V R
es un funcional lineal, entonces existe un vector w V tal que
f(x) = x w x V.
Sea h := [f] el vector (en la base canonica) que representa al funcional f, es decir
f(x) = h x. Consideremos r := h m, de donde xM si y solo si x = m + w con
wW luego
h x = h m + h w = r + 0 = r,
mas a un si x h = r tenemos que h x = h m o bien h (x m) = 0 con lo cual
mxker(f) = W as mx = y para alg un y W, de donde
x = my m + W = M.
Hemos probado que M = xR
n
[h x = r.
Recprocamente, si M = xR
n
[h x = r, consideramos W = x[h x = 0
que es un subespacio de R
n
, si elegimos mM es facil vericar que M = m+W.
En efecto,
xM hx=r =hm
x mW
xm + W.
1.5. Interior algebraico. Interior algebraico rela-
tivo
Para llegar a nuestro objetivo vamos a necesitar de los conceptos que encabezan
esta seccion, mas adelante veremos la relacion que estos tienen con las deniciones
topologicas de conjunto abierto y cerrado. La siguiente notacion es para los seg-
mentos que unen dos puntos x, y R
n
.
[x, y] = x + (1 )y[R, 0 1
[x, y) = x + (1 )y[R, 0 < 1
(x, y) = x + (1 )y[R, 0 < < 1
Denici on 1.5.1. Sean S, T R
n
, el interior algebraico de S en T es el conjunto
cor
T
(S) = xS [para cada y T x , existe z (x, y] tal que [x, z] S .
En particular si T = R
n
, denotamos por cor(S) = cor
R
n(S). Ademas si T =
aff(S) llamaremos al conjunto cor(S)
aff(S)
interior algebraico relativo de S y lo
denotaremos por icr(S).
Teorema 1.5.1. Si C R
n
es un conjunto convexo con al menos dos elementos,
entonces icr(C) ,= .
Demostracion. Sea C un conjunto convexo con al menos dos elementos, escogemos
x
i
iF
C afnmente independiente y con cardinalidad maxima. Tenemos la
siguiente relacion:
co(
_
x
i
_
iF
) C aff(
_
x
i
_
iF
)
La primera inclusion se tiene puesto que C es convexo, para ver la segunda consi-
deremos xC con x / x
i
iF
luego x x
i
iF
no es afnmente independiente
o de manera equivalente
_
x x
1
, x
2
x
1
, x
3
x
1
, . . . , x
k
x
1
_
es linealmente dependiente, luego existen escalares
i
R tales que
x x
1
=
k
i=2
i
(x
i
x
1
)
1.5 Interior algebraico. Interior algebraico relativo 13
o bien
x = x
1
+
k
i=2
i
(x
i
x
1
)
pero, por el Teorema 1.3.2 sabemos que aff(T) = m + span(T T) para alg un
mT, por lo tanto x aff(x
i
iF
). Tomando la envoltura afn en la cadena de
inclusiones,
aff(S) aff(C) aff(
_
x
i
_
iF
)
donde S = co(x
i
iF
).
Ademas aff(S) = aff(x
i
iF
), puesto que aff(x
i
iF
) es convexo y por ser
S el convexo mas peque no que contiene a x
i
iF
tenemos que S aff(x
i
iF
),
tomando la envoltura afn, tenemos una inclusion; la otra es clara. Se sigue entonces
que aff(C) = aff(x
i
iF
). Notemos tambien que
icr(S) = xS[para cada y aff(S) x existe z (x, y] S
=
_
xS[para cada y aff(x
i
iF
) x existe z (x, y] S
_
=
_
iF
i
x
i
para cada y =
iF
r
i
x
i
,
iF
r
i
= 1, y ,= x; existe z (x, y] S
_
.
Con esta notacion
[x, y] =
_
iF
i
x
i
+ (1 )
iF
r
i
x
i
0 1
_
=
_
iF
[
i
+ (1 )r
i
]x
i
0 1
_
.
Consideremos
z
iF
[
i
+ (1 )r
i
]x
i
,
necesitamos que z
(x, y], luego ,= 1, ademas

[x, z
] co
_
_
x
i
_
iF
_
por tanto
i
+ (1 )r
i
0. Si alg un
i
= 0; dado que en el conjunto icr(S)
podemos escoger cualquier y de la forma
y =
iF
r
i
x
i
,
iF
r
i
= 1, r
i
R;
es posible escoger r
i
< 0 pero en tal caso (1 )r
i
< 0, para evitar esto tomamos
i
> 0 para todo i F. As podemos encontrar [0, 1) tal que
i
+ (1 )r
i
>0 i F.
Finalmente
icr(S) = icr
_
co
_
_
x
i
_
iF
__
=
_
iF
i
x
i
i
> 0,
iF
i
= 1
_
,
lo cual permite concluir que
,= icr
_
co(
_
x
i
_
iF
)
_
icr(C)
Una vez probado el Teorema 1.5.1, podemos caracterizar al interior algebraico
relativo de un conjunto convexo.
Lema 1.5.1. Sea C R
n
un conjunto convexo, con al menos dos elementos. Si
xicr(C) entonces icr(C) = [x, x)[xC, ademas icr(C) es convexo.
Demostracion. Si xicr(C) x entonces para
y = x + (x x)aff(C) = x + span(C C)
existe z (x, y] tal que [x, z] C, es decir, existe (0, 1] tal que
z = y + (1 )x
= x + (x x) + (1 )x
= (1 +)x x
de donde x =
1
1+
z +

1+
x, as x[x, z) por lo que
icr(C) [x, x)[xC .
Recprocamente para xC tomemos y (x, x), si z aff(C) x entonces
z + x y aff(C) x ,
ademas xicr(C) por lo tanto existe (x, z + x y) tal que [x, ] C. Si
:=
|y x|
|x x|
entonces 0 < < 1 para y (x, x), denamos
:= + (1 )x,
de donde
(, x). Dado que , x C y C es convexo tenemos que
C,
ademas y C luego el segmento [y,
] C; para que y icr(C) resta ver que
=

z + (1
)y con

(0, 1]. Como
= + (1 )x
= y + ( x) + + (1 )x y ( x)
= y + ( x) + x + (x x) y
y dado que y = x + (x x), tenemos
= y + ( x),
ademas
x =
| x|
|z y|
(z y),
recordando que (x, x + z y) y sustituyendo tenemos
= y +
| x|
|z y|
(z y),
como ,= x y > 0 denimos
:=
| x|
|z y|
,
por la denicion tenemos que

> 0, as
=

z + (1

)y. Concluimos que
[x, x)[xC icr(C).
Para ver que icr(C) es convexo, sean y
1
, y
2
[x, x)[xC luego
y
i
[x, x) C para alg un x
i
(C) con i = 1, 2
de este modo y [y
1
, y
2
] C entonces
y
_
[x, x
1
+ (1 )x
2
)[[0, 1]
_
[x, x)[xC ,
as [x, x)[xC es convexo.
Teorema 1.5.2. Sea C R
n
un conjunto convexo no vaco. Entonces
cor(C) =
_
si aff(C) ,= R
n
icr(C) si aff(C) = R
n
.
Demostracion. Si aff(S) = R
n
tenemos que
cor(C) = xC[para todo y R
n
x , existe z [y, x) C
=xC[para todo y aff(C) x , existe z [y, x) C
= icr(C).
Si ahora aff(C) ,= R
n
, sea xcor(C) entonces para todo y R
n
x, existe
z [y, x) C, en particular para y R
n
aff(C) existe z C [y, x) luego
z = y + (1 )x para alg un (0, 1], de aqu
y =
z
+
_
1
1
_
xaff(C)
lo cual es una contradiccion. Por lo tanto cor(C) = .
Denici on 1.5.2. Dados x R
n
, S R
n
, el punto x es linealmente accesible
desde S si existe S x tal que (, x) S. Denotamos por lina(S) al conjunto
de puntos que son linealmente accesibles desde S y denimos ademas lin(S) :=
S lina(S).
Observaci on 1.5.1. Denotamos por S
, S el interior y la cerradura topologicos

respectivamente del subconjunto S. A modo de resumen, tiene lugar la siguiente
cadena de inclusiones:
S
cor(S) icr(S) S lin(S) S.

Lema 1.5.2. Sean C R
n
un subconjunto convexo con C
,= ; r R tal que
0 r < 1. Entonces rC + (1 r)C
.
Demostracion. Veamos que el conjunto rC + (1 r)C
es abierto. Sea x rC +
(1 r)C
, luego x = rx
1
+ (1 r)x
2
, donde x
1
C, x
2
C
. Por ser x
2
punto
interior existe > 0 tal que
V
(x
2
) =
_
xR
n
_
_
x x
2
_
_
<
_
C
.
Veamos que
V
(1r)
(x) C + (1 r)C
.
Sea y V
(1r)
, es decir, |x y| < (1 r) o bien
_
_
y rx
1
(1 r)x
2
_
_
< (1 r)
de donde
_
_
_
_
y rx
1
1 r
x
2
_
_
_
_
<
lo cual quiere decir que
y rx
1
1 r
V
(x
2
) C
,
manipulando
y + rx
1
rx
1
= rx
1
+ (1 r)
y rx
1
1 r
,
de donde y rC+(1r)C
. Por ser y elemento arbitrario de V

(1r)
(x) concluimos
que rC + (1 r)C
es abierto.
Ademas rC + (1 r)C
C. Sea x
, veamos que (1 r)x
+ rC C,
consideremos x(1 r)x
+ rC luego x = (1 r)x
+ ry, con y C C (si y C

entonces xC trivialmente), notemos que
_
_
x x
_
_
= r
_
_
y x
_
_
> 0,
por ser y punto de acumulacion de C, existe y
r
C [x
, y) tal que
|y
r
y| < (1 r)
_
_
y x
_
_
,
as
x[x
, y
r
) icr(C) C,
hemos probado que (1 r)x
+rC C. Mas a un (1 r)C
+rC C. Puesto que

(1 r)x
+ rC es abierto entonces (1 r)x
+ rC C
.
Teorema 1.5.3. Sea C R
n
un subconjunto convexo talque C
,= . Entonces
C
= cor(C) y C = lin(C).
Demostracion. Si aff(C) ,= R
n
, entonces C
= cor(C) = . Supongamos que

aff(C) = R
n
, podemos escoger x
i
iF
C con F = 1, . . . , n, n + 1 de tal
modo que este conjunto sea afnmente independiente. Puesto que aff(C) = R
n
entonces C
cor(C) = icr(C).
Para la otra inclusion, cor(C) C
, consideremos un elemento xC
luego
cor(C) = icr(C) = [x, x)[xC .
Sea xcor(C) entonces existe y C tal que x[x, y) i .e. x = ry + (1 r)x para
alg un r [0, 1) de aqu que xrC + (1 r)C
.
Para la igualdad C = lin(C), solo tenemos que vericar que C lin(C).
Suponemos que aff(C) = R
n
(en caso contrario cor(C) = = C
contradiciendo
la hip otesis del teorema). Consideremos xC
jo y sea xC, para r [0, 1) R

tenemos que
rx + (1 r)xxC + (1 r)C
,
as (x, x) C
C por lo tanto xlina(C) lin(C).

Observaci on 1.5.2. Por los teoremas 1.5.2 y 1.5.3 tenemos que si C es convexo,
con C
,= ; entonces C
= cor(C) = icr(C), mas a un, C
es convexo.
Veamos ademas C es convexo cuando C lo es. Sean x, y C entonces existen
x
n
nN
, y
n
nN
C tales que
lm
n
x
n
= x; lm
n
y
n
= y,
como C es convexo x
n
+ (1 )y
n
C para todo nN luego
lm
n
[x
n
+ (1 )y
n
] = x + (1 )y
es decir x + (1 )y C para todo [0, 1]. Esto prueba que C es convexo.
1.6. Teoremas de Separaci on
En esta seccion estableceremos algunos resultados, sobre como separar deter-
minados conjuntos. El Teorema 1.6.3 sera de utilidad en el Captulo 2.
Teorema 1.6.1. Sean C R
n
un conjunto convexo y cerrado, R
n
C. Entonces
existen hR
n
0, r R tales que h < r y h x r para todo xC.
Demostracion. Sea C un conjunto convexo y cerrado, y sea / C,
dist(, C) = inf | x| [xC > 0,
mas a un, por ser C un conjunto cerrado, existe wC tal que | w| | x|
para todo xC. Denamos h := w , r := h w, notemos que h ,= 0 y
h = h (w h) = h w h h = r |h|
2
< r.
1.6 Teoremas de Separaci on 19
Sean xC, (0, 1] R denamos tambien
x
:= (1 )w + xC
tenemos que
|w |
2
| x
|
2
= |(1 )w + x |
2
= |(1 )(w ) + (x )|
2
= (1 )
2
|w |
2
+
2
|x |
2
+ 2(1 )(w ) (x ).
Reordenando tenemos
0 [(1 )
2
1] |w |
2
+ 2(1 )(w ) (x ) +
2
|x |
2
= ( 2) |w |
2
+ 2(1 )(w ) (x ) +
2
|x |
2
( 2) |w |
2
+ 2(1 )(w ) (x ) + |x |
2
.
Ahora hagamos 0
0 |w |
2
+ (w ) (x )
recordando que h := w y r := h w, sustituyendo :
0 h h + h (x ) = h (x w + ) = h x h w
o bien r h x como deseabamos.
Antes de pasar al siguiente teorema, que es consecuancia del anterior, necesita-
mos un resultado previo para conjuntos convexos. Sin la hipotesis de convexidad,
el lema 1.6.1 es falso. Para ver que C ,= C
consideremos C = [1, 2] 3; mientras

que C ,= C, (la notacion C es para la frontera topologica de un conjunto,
denida por C = C C
c
) cuando C = (0, 1) (1, 2) ambos con la topologa usual
de R.
Lema 1.6.1. Si C R
n
es un conjunto convexo y C
,= . Entonces C = C
y
C = C.
Demostracion. En la primera igualdad es claro que C
C. En contraparte, sea
x C como C
,= elegimos y C
, sabemos ademas que rC + (1 r)C
para 0 r < 1, as para cada nN,

x
n
:= (1
1
n
)x +
1
n
y C

nos da una sucesion que converge a x con lo cual probamos que xC
.
En la segunda igualdad, siempre se verica que C C. En el sentido inverso
si x C = C C
c
hay que probar que x (C)
c
. Supongamos que x / (C)
c
,
aplicando la identidad topologica A
c
= (A
)
c
al conjunto C, tenemos que x /
((C)
)
c
i .e. x (C)
luego V
(x) C para alg un > 0, se sigue ademas que

xC
por lo cual V
(x) C
,= , sea z V
(x) C
. Denimos y := 2x z como
z V
(x) tenemos que

y = x (z x)V
(x) C
por lo tanto
x =
1
2
y +
1
2
z
1
2
C + (1
1
2
)C
,
concluimos entonces que x C
pero esto contradice el hecho de que x C

as x(C)
c
y por lo tanto C C.
Teorema 1.6.2. Sean C R
n
un conjunto convexo y C. Entonces existe
hR
n
0 tal que h x h para todo xC.
Demostracion. Si C
= entonces aff(C) ,= R
n
, luego hay un hiperplano que con-
tiene a aff(C), por el Teorema 1.4.1 podemos encontrar el vector h. Supongamos
ahora que C
,= , como C = C existe
_
k
_
kN
R
n
C
tal que lm
k
k
= . Para cada
k
existe h
k
R
n
0 tal que
h
k

k
< h
k
x xC,
puesto que la norma de los vectores h
k
no afecta la desigualdad, podemos suponer,
sin perdida de generalidad, que
_
_
h
k
_
_
= 1 para todo k N, as pues existe una
subsucesion
_
h
k
l
_
lN
que converge a alg un hR
n
0, si en las desigualdades
h
k
l

k
l
< h
k
l
x
hacemos l obtenemos h h x para todo xC.
Teorema 1.6.3 (del hiperplano soporte). Sean C R
n
un conjunto convexo,
R
n
C. Entonces existe hR
n
0 tal que h x h para todo xC.
1.7 Correspondencias 21
Demostracion. Consideremos dos casos. Primero si / C, usamos el primer teo-
rema de la presente seccion. Segundo, si C, como / C entonces C
c
C
c
i .e. C, y la demostracion se reduce a aplicar el Teorema 1.6.2.
Teorema 1.6.4 (de separacion). Sean C, D R
n
conjuntos disjuntos, convexos
no vacos. Entonces existen hR
n
0 , r R tales que h x r h y para todo
xC y para todo y D.
Demostracion. Notemos que C D es convexo. Si x
i
y
i
C D para i = 1, 2 y
[0, 1] entonces
(x
1
y
1
) + (1 )(x
2
y) = [x
1
+ (1 )x
2
] [y
1
+ (1 )y
2
] C D.
Por otro lado 0 / C D, de lo contrario 0 = x y para algunos x C, y D
pero esto contradice la hipotesis de que C D = . Por el Teorema 1.6.3 existe
hR
n
0 tal que
h (x y) h 0 x y C D
as h x h y para todo x C y para todo y D. Escojamos x C, entonces
h y[y D esta acotado superiormente luego existe r R tal que
r = sup h y[y D
tenemos h y r para todo y D y por denicion de supremo h y r h x.
1.7. Correspondencias
Dada una funcion f : X Y , para cada xX tenemos el elemento f(x) Y ,
cuando la imagen de x bajo f no es un elemento sino un subconjunto de Y , f ya
no es una funcion de X a Y ; pero s lo es de X al conjunto potencia de Y , (Y ).
Esta clase particular de funciones son clasicadas en la siguiente denicion.
Denici on 1.7.1. Sean X R
n
, Y R
m
. Una correspondencia es una funcion
que asocia a cada elemento xX, un subconjunto (x) Y . La denotamos como
: X Y. Denimos tambien la graca de la correspondencia como el conjunto
(x, y)X Y [y (x) denotado por gr().
En este captulo usaremos letras griegas may usculas para correspondencias,
a n de diferenciarlas de las funciones, ademas X, Y denotaran subconjuntos de
alg un espacio vectorial R
n
; sin embargo los resultados de esta seccion son validos
para espacios metricos en general.
Puesto que la continuidad es una propiedad muy deseada para funciones, nece-
sitamos denir tal propiedad para las correspondencias. Comencemos por ver dos
tipos de imagen inversa.
Denici on 1.7.2. Sea : X Y una correspondencia y sea B Y . Denimos
la imagen inversa superior
+
(B) como el conjunto
+
(B) := xX[(x) B;
mientras que la imagen inversa inferior
(B) := xX[(x) B ,= .
Observaci on 1.7.1. Ambas imagenes se relacionan mediante la igualdad
+
(B) = X
(Y B).
Pues
x
+
(B) (x) B
(x) (Y B) =
x /
(Y B).
Adem as, la imagen inversa usual
1
(B) = xX[(x) = B ,
considerando B(Y ), es mas restrictiva, tiene lugar la relacion
1
(B)
+
(B)
(B).
Lema 1.7.1. Sea : X Y una correspondencia, las tres condiciones siguientes,
son equivalentes
i) Para cada G Y abierto,
+
(G) es abierto.
ii) Para cada C Y cerrado,
(C) es cerrado.
iii) Para cualquier sucesion
_
x
k
_
kN
X tal que lm
k
x
k
= x y para cada vecin-
dad G de (x) en Y existe k
0
tal que (x
k
) G para todo k k
0
.
Demostracion. i) ii) Sea C Y cerrado, entonces C
c
es abierto, por hipotesis
+
(C
c
) es abierto, pero
+
(C
c
) = X
(Y C
c
) = X
(C)
luego
(C) es cerrado.
ii) iii) Sean
_
x
k
_
kN
X, tal que lm
k
x
k
= x, y G una vecindad de (x).
Por hipotesis
(G
c
) = xX[(x) G
c
,=
es cerrado. Supongamos ahora que existe
_
x
k
l
_
lN
subsucesion de
_
x
k
_
kN
tal que
(x
k
l
) G
c
,= ,
entonces x
k
l
(G
c
), luego x
(G
c
) i .e. (x) G
c
,= pero esto contradice
el hecho de que G es una vecindad de (x), por lo tanto existe k
0
N tal que
(x
k
) G para todo k k
0
.
iii) i) Sea A abierto en Y . Supongamos que
+
(A) = xX[(x) A
no es abierto, luego existe x
+
(A) que no es interior i .e. para cada n N
tenemos
x
n
V1
n
(x) (
+
(A))
c
por construccion lm
n
x
n
= x; ademas x
+
(A) lo cual implica que A es vecindad
de (v); por hipotesis existe n
0
N tal que (x
n
) A para todo n n
0
, esto es
una contradiccion, pues x
n
/
+
(A). Concluimos que
+
(A) es abierto.
Denici on 1.7.3. Sea : X Y una correspondencia. Si satisface una de las
tres proposiciones del Lema 1.7.1 decimos que es semicontinua superior (scs) en
X. Si xX, decimos que es semicontinua superior es x si para cada vecindad
G de (x) existe una vecindad U de x tal que F(x) G para todo xU.
Lema 1.7.2. Sea : X Y una correspondencia. Entonces las siguientes
proposiciones son equivalentes.
i) Para cada G Y abierto,
(G) es abierto en X.
ii) Para cada C Y cerrado,
+
(C) es cerrado en X.
iii) Para toda sucesion x
n
nN
X tal que lm
n
x
n
= x y para cada G Y
abierto donde (x) G ,= implica que existe k
0
N tal que (x
n
) G ,=
para todo n k
0
Demostracion. i) ii) Sea C Y cerrado entonces
(C
c
) es abierto, pero
X
(C
c
) =
+
(C)
por lo que
+
(C) es cerrado.
ii) iii) Sean x
n
nN
, x, G como en las hipotesis supongamos que existe
_
x
k
l
_
lN
una subsucesion tal que
(x
k
l
) G =
luego (x
k
l
) G
c
ademas
+
(G
c
) es cerrado, por lo tanto x
+
(G
c
), es decir
(x) G
c
, contradiciendo la hipotesis (x) G ,= . Necesariamente tiene que
existir k
0
N tal que
(x
n
) G ,= n k
0
.
iii) i) Sea G Y abierto y supongamos
(G) no es abierto. Tenemos,

entonces, un punto x
(G) que no es interior, luego para cada nN existe

x
n
V1
n
(x) [
(G)]
c
o bien (x
n
) G = y lm
n
x
n
= x; como x
(G) se sigue que (x) G ,=

esto contradice la hipotesis; por lo tanto
(G) es abierto.
Denici on 1.7.4. Si satisface una de las propiedades del Lema 1.7.2, decimos
que es semicontinua inferior (sci) en X. Ademas es semicontinua inferior en
x X si para cada abierto G en Y tal que (x) g ,= , existe U vecindad de x
con la propiedad de que (x) G ,= para todo xU.
Otro concepto importante es la composicion de funciones, la siguiente deni-
cion permite hablar de composicion de correspondencias.
Denici on 1.7.5. Dadas las correspondencias
1
: X Y ,
2
: Y Z deni-
mos la correspondencia composicion
2

1
: X Z como
(
2

1
)(x) :=
_
y
1
(x)
2
(y).
Corolario 1.7.1. Sean
1
: X Y ,
2
: Y Z dos correspondencias. Si
1
y
2
son ambas scs (ambas sci) entonces
2

1
es scs (sci respectivamente).
Demostracion. Es suciente usar la propiedad ii) de los lemas anteriores y la igual-
dad
(
2

1
)
(C) =
1
(
2
(C))
para cada C Z. Esta identidad se cumple ya que
x(
2

1
)
(C) (
2

1
)(x) C ,=
existe y
1
(x) tal que
2
(y) C ,=
existe y
2
(C) y
1
(x)
2
(C) ,=
x
1
(
2
(C)).
Denici on 1.7.6. Sea : X Y una correspondencia. Decimos que es con-
tinua en X si es scs y sci en X.
Cuando : X Y es una correspondencia univaluada, las nociones de scs,
sci y continuidad son equivalentes.
Denici on 1.7.7. Sea : X Y una correspondencia. Si gr() = (x, y)[y (x)
es cerrado entonces decimos que es cerrada.
Teorema 1.7.1. Sea : X Y una correspondencia. Si es scs y toma valores
cerrados entonces es cerrada.
Demostracion. Probemos que [gr()]
c
es abierto. Sea (x, y)gr() i .e. y / (x);
como (x) es cerrado existe V
1
(y) abierto tal que V
1
(y) (x) = ; consideremos
a V
2
= (V
1
(y))
c
como una vecindad abierta de (x). De acuerdo con la denicion
de scs,
+
(V
2
) es abierto, ademas de ser vecindad de x; luego
+
(V
2
) V
1
(y) [gr()]
c
es vecindad de (x, y). Por lo tanto es cerrada.
El recproco de este teorema es falso. Sea : R R
2
dada por
(r) = (x
1
, x
2
)[x
2
0, (x
1
r)x
2
1
la correspondencia es cerrada, pero no es scs. Sin embargo, cuando el rango Y
es compacto, la situacion cambia, para demostrarlo necesitamos el Lema 1.7.3.
Lema 1.7.3. Sean
i
: X Y , i = 1, 2 correspondencias. Denimos la corres-
pondencia : X Y mediante (x) :=
1
(x)
2
(x). Si
1
es cerrada y
2
es
scs y toma valores compactos, entonces es scs en X.
Demostracion. Sean x X y una vecindad G de (x). Si
2
(x) G no hay
nada que demostrar. Supongamos, pues, que existe y
2
(x) G. Notemos que
y /
1
(x); luego el punto (x, y) / gr(
1
); por ser este conjunto cerrado, existe
una vecindad N
y
(x) de x y una vecindad V (y) de y tales que
[N
y
(x) V (y)] gr(
1
) = ,
con lo cual
1
(x) V (y) = , para todo xN
y
(x).
Dado que el conjunto
2
(x) G es compacto existen y
1
, . . . , y
n
tales que
2
(x) G V (y
1
) . . . V (y
n
);
denamos ahora
V := V (y
1
) . . . V (y
n
) y N
(x) := N
y
1(x) . . . N
y
n(x).
El conjunto N
(x) es una vecindad de x y

1
(x) V = para todo x N
(x).
Dado que G V es una vecindad de
2
(x) hay una vecindad N
(x) de x tal que
2
(x) G V para todo xN
(x). Entonces para todo xN
(x) N
(x),
1
(x) V = y
2
G V
luego (x) G.
Teorema 1.7.2. Sea : X Y una correspondencia, con Y compacto. Si es
cerrada, entonces es scs y toma valores cerrados.
Demostracion. Claramente toma valores cerrados. Para ver que es scs; consi-
deremos la correspondencia constante
2
: X Y, dada por
2
(x) = Y para todo
xX.
2
toma valores compactos y es scs, ademas (x) = (x)
2
(x); por el
lema previo es scs.
1.8. El Lema de Sperner
En 1928 E. Sperner publica un teorema, que mas tarde se conocera como el
Lema de Sperner. W. Hurewicz lo expone en un encuentro de la Polish Mathe-
matical Society, en Varsovia, el enfatiza como el lema permite dar pruebas faciles
de resultados difciles. Entre los oyentes se encontraban: B. Knaster quien pre-
gunto por la posibilidad de usar tal lema para demostrar el Teorema de Punto
Fijo de Brouwer, S. Mazurkiewics que dio una prueba (incorrecta) a las pocas
semanas y K. Kuratowski que sin apartarse del argumento principal, corrige
la prueba. Para esta peque na historia ver [8].
Para presentar el Lema de Sperner necesitamos algunas deniciones.
1.8 El Lema de Sperner 27
Denici on 1.8.1. Sea x
i
iF
R
n
un conjunto afnmente independiente donde
#F (la cardinalidad de F) es igual a k + 1. Dado F
F, el smplex co(x
i
iF
)
es llamado una cara #F
1 dimensional del smplex co(x

i
iF
).
Denici on 1.8.2. Dado un smplex T de dimension k, una coleccion de smplex-
es de la misma dimension es llamada una particion simplicial de T si
i)
S
= T
ii) S
1
, S
2
[S
1
S
2
= o S
1
S
2
es una cara de dimension k1 de S
1
y S
2
].
Denotaremos, ademas, por V (S) a los vertices de un smplex S y por
V () = x [ x V (S) para alg un S .
Lema 1.8.1 (Sperner). Sean x
i
iF
R
n
un conjunto afnmente independiente
con #F = k +1, una particion simplicial de co(x
i
iF
) y f : V () x
i
iF
.
Supongamos ademas que
[xV (), F
F, xco(
_
x
i
_
iF
)] [f(x)
_
x
i
_
iF
].
Entonces existe S tal que f(V (S)) = x
i
iF
; mas a un, la cantidad de elemen-
tos de la particion, que verican esta propiedad, es un n umero impar.
Observaci on 1.8.1. Antes de probar el Lema de Sperner, trataremos de enten-
derlo. Lo que hace la funcion f es etiquetar cada vertice de la particion con una
de las etiquetas x
1
, . . . , x
k+1
. Tenemos el supuesto: los vertices de la particion
simplicial que pertenecen a una cara, co(x
i
iF
), son etiquetados unicamente por

alg un x
i
iF
. La conclusion es que existe un elemento S de la particion, que es

completamente etiquetado, en el sentido de que f(V (S)) = x
i
iF
.
Demostracion. Procedemos por induccion sobre k, para probar que el n umero de
smplexes de , que son completamente etiquetados, (en el lenguaje de la obser-
vacion previa) es impar. Para k = 0 tenemos el smplex de dimension 0 que es
simplemente un punto. Para k = 1, tenemos (sin perdida de generalidad) al in-
tervalo [0, 1], sea 0 = t
0
, t
1
, . . . , t
m
= 1 una particion simplicial para [0, 1] con
t
i
< t
i+1
, i = 0, . . . , m1. Entonces
i) Iniciamos con t
0
= 0, estaremos en presencia del primer subsmplex comple-
tamente etiquetado cuando encontremos el primer t
i
= 1, puesto que t
m
= 1,
entonces existe al menos un elemento de la particion completamente etique-
tado.
ii) El primer subsmplex completamente etiquetado tendra por extremo izquier-
do al 0 y al 1 en su extremo derecho. El segundo elemento completamente
etiquetado tendra al 0 como extremo derecho. Extrapolando, el j esimo
elemento con la propiedad tendra al 0 en su extremo derecho si j es par y al
1 si j es impar.
iii) El ultimo elemento completamente etiquetado no puede tener por extremo
al 0 pues esto contradice a i), por lo tanto hay un n umero inpar de tales
elementos.
Supongamos ahora que nuestro lema es valido para k 1. Del conjunto x
i
iF
escogemos un subconjunto x
i
iF
con #F
= k.
Para cada S denimos r
s
como el n umero de caras (k 1) dimensionales
que son completamente etiquetadas por F
.
Notemos que r
s
= 1 si S esta completamente etiquetado por x
i
iF
. Ahora
bien, si S no esta completamente etiquetado por x
i
iF
tenemos dos subcasos;
alg un elemento de x
i
iF
no esta en la imagen de f, siendo r

s
= 0; o que S
este etiquetado por x
i
iF
y alguno de estos elementos sea imagen de dos vertices

de S, en cuyo caso r
s
= 2. Denotemos por
=
_
S[f(V (S)) =
_
x
i
_
iF
_
,
entonces
#
S
r
s
(mod 2).
Veamos ahora que
S
r
s
es impar. Sea T una cara de dimension k 1 de un
elemento de , con
f(V (T)) =
_
x
i
_
iF
.
Si T no esta contenida en alguna cara de dimension (k 1) de co(x
i
iF
)
entonces es una cara com un de dos elementos de y por tanto fue contada dos
veces en la suma
S
r
s
.
Si ahora T si esta contenida en una cara (k 1) dimensional de co(x
i
iF
),
por estar completamente etiquetada necesariamente esta contenida en la cara
co(x
i
iF
). Es hora de aplicar nuestra hipotesis de induccion, por lo tanto
S
r
s
es impar y #
tambien lo es. Puesto que 0 no es impar tenemos que

,= .
El siguiente teorema, (en adelante teorema de K-K-M) es consecuencia del lema
de Sperner y con el probaremos el teorema de Brouwer.
1.9 Teoremas de Punto Fijo 29
Teorema 1.8.1 (Knaster-Kuratowski-Mazurkiewicz). Sea x
i
iF
R
n
un con-
junto afnmente independiente; C
i
iF
una familia de subconjuntos cerrados del
smplex co(x
i
iF
), tales que si F
F se verica que co(x

i
iF
)

iF
C
i
.
Entonces
iF
C
i
,= .
Demostracion. Sea
q
qN
una sucesion de particiones simpliciales para co(x
i
iF
)
tales que
d
q
:= max diam(S)[S
q

q
0.
Denamos f
q
: V (
q
) x
i
iF
como sigue. Si xV (
q
) con x =
iF

i
x
i
,
i
0,
iF

i
= 1, por consiguiente, existe un unico F
F tal que
x =
iF
i
x
i
,
i
> 0 i F
.
Por otro lado co(x
i
iF
)

iF
C
i
, entonces x C
i
para alg un i F
, sea
f
q
(x) := x
i
; con esto x
i
, xC
i
.
Para cada
q
, f
q
se verican las hipotesis del Lema de Sperner, en consecuencia
existe S
q
q
tal que
f
q
(V (S
q
)) =
_
x
i
_
iF
.
Escojamos para cada q, un elemento S
q

q
que verica la identidad previa y
denotemos por x
q,i
iF
a sus vertices, de tal modo que f
q
(x
q,i
) = x
i
, as x
q,i
, x
i
C
i
para todo q N y para todo i F.
La sucesion x
q,i
qN
tiene un punto de acumulacion x
i
C
i
ya que C
i
es
cerrado, esto para cada i F. Sin embargo d
q
0 siendo as
_
x
i
_
iF
solo un
punto, digamos x. Concluimos que
x
iF
C
i
.
1.9. Teoremas de Punto Fijo
Para demostrar el teorema de Brouwer haremos uso del siguiente lema, el cual
arma que en R
n
todos los conjuntos convexos, compactos y con interior no vaco
son topologicamente iguales, es decir, son homeomorfos. (A es homeomorfo a B
si existe una funcion biyectiva f : A B continua con inversa f
1
tambien
continua.)
Lema 1.9.1. Sea K R
n
un conjunto convexo, compacto con interior no vaco.
Entonces K es homeomorfo a B
n
= xR
n
[ |x| 1.
Demostracion. Supongamos, sin perdida de generalidad, que 0 K
(de no ser
as hacemos una traslacion). Para cada xS
n1
= xR
n
[ |x| = 1 denimos
t
x
:= sup t > 0[txK
notemos que tal supremo existe pues K es acotado y 0K
.
La funcion g : S
n1
K denida por g(x) := t
x
x es biyectiva. Primero,
si g(x) = g(y), es decir, t
x
x = t
y
y podemos tomar la norma de cada lado de la
igualdad y tenemos t
x
|x| = t
y
|y|, como x, y S
n1
, concluimos que t
x
= t
y
> 0,
luego x = y; esto prueba que g es inyectiva. Segundo, si y K escogemos x =
y
y
S
n1
con lo cual t
x
= |y| por ser K convexo, ademas g(x) = y; hemos
probado que g es sobre.
Sea f la inversa de g i .e. f : K S
n1
, que viene dada por f(x) =
x
x
;
claramente f es continua y como K es compacto f es un homeomorsmo, luego
g tambien lo es.
Denamos ahora h: B
n
K como
h(x) =
_
|x| g(
x
x
) si x ,= 0
0 si x = 0
que nos da el homeomorsmo buscado. Lo que hace es mandar cada elemento
xB
n
0 a la frontera S
n1
, mediante la aplicacion x
x
x
y luego a K con
la funcion g para, nalmente, contraer al multiplicar por |x|. La continuidad en
el origen se sigue al tomar cualquier sucesion
_
x
k
_
kN
B
n
0 con lm
k
x
k
= 0
as,
h(x
k
)=
_
_
x
k
_
_
g
_
x
k
|x
k
|
_
k
0
pues g esta acotada.
Teorema 1.9.1 (Brouwer). Sean C R
n
un conjunto convexo, compacto y no
vaco; f : C C una funcion continua. Entonces existe x
C tal que f(x
) = x
.
Demostracion. Paso 1. Supongamos primero que C es un smplex, digamos C =
co(x
i
iF
) donde x
i
iF
es afnmente independiente. Si xC entonces es de la
forma
x =
iF
i
(x)x
i
con
i
0,
iF
i
(x) = 1.
Para cada j F denimos
C
j
:= xC [
j
(f(x))
j
(x) .
C
j
es cerrado. Sea x
q
qN
C
j
con lm
q
x
q
= x, as
x
q
=
iF
i
(x
q
)x
i
q
x =
iF
i
(x)x
i
luego lm
q
i
(x
q
) =
i
(x), mas a un, como f es continua lm
q
i
(f(x
q
)) =
i
(f(x))
para cada i F; ademas
j
(f(x
q
))
j
(x
q
) q N,
haciendo q obtenemos
j
(f(x))
j
(x) i .e. x C
j
. Hemos vericado que
C
j
es cerrado para cada j F.
Por otro lado sea F
F y supongamos que existe x co(x

i
iF
) tal que
x /

iF
C
i
es decir
i
(f(x)) >
i
(x) i F
,
sumando las desigualdades tenemos
iF
i
(f(x)) >
iF
i
(x) = 1.
Esto es absurdo, por lo tanto co(x
i
iF
)

iF
C
i
.
Tenemos todo listo para aplicar el Teorema de K-K-M, el cual nos garantiza
que
iF
C
i
,= . Sea x
un elemento de la interseccion, tenemos entonces
i
(f(x
))
i
(x
) i F,
si ahora sumamos
iF
i
(f(x
)) =
iF
i
(x
) = 1
puesto que las sumas son iguales, no puede haber una desigualdad estricta en
i
(f(x
))
i
(x
). Por unicidad de las

i
, tenemos que x
= f(x
).
Paso 2. Ahora sea CR
n
un conjunto convexo, compacto y no vaco cualquiera.
Asumimos que C tiene al menos dos elementos (de poseer solo un punto la con-
clusion del teorema es trivial) y por tanto una innidad. Sabemos entonces que
icr(C) ,= . Consideremos el espacio afn aff(C) y sea k = dim(aff(C)), entonces
C es homeomorfo a B
k
por el lema anterior, mas a un, C es homeomorfo a cualquier
smplex de dimension k, digamos que T es uno de ellos, luego existe un homeo-
morsmo h : C T; construimos ahora g : T T como g := h f h
1
, por
el Paso 1, g tiene un punto jo y
i .e. g(y
) = y
o bien
(h f h
1
)(y
) = y
,
de forma equivalente
f(h
1
(y
)) = h
1
(y
)
es decir h
1
(y
) es un punto jo de f.
Teorema 1.9.2 (Kakutani). Sean C R
n
un conjunto convexo, compacto y no
vaco; : C C una correspondencia semicontinua superior que toma valores
no vacos, cerrados y convexos. Entonces existe x
C tal que x
(x
).
Demostracion. Paso 1. Supongamos que C = co(x
i
iG
) donde x
i
iG
es afnmente
independiente y sea
q
qN
una sucesion de particiones simpliciales de C tales
que
d
q
:= max diam(S)[S
q

q
0.
Para cada q denamos la funcion f
q
: C C del siguiente modo. Si x V (
q
)
escogemos un elemento y (x) y hacemos f
q
(x) := y extendemos f
q
de manera
lineal para cada x C como sigue; para x S
q
tenemos su representacion
x =
iG
i
x
i,S
donde
_
x
i,S
_
iG
son los vertices de S entonces hacemos
f
q
(x) :=
iG
i
f
q
(x
i,S
).
Claramente las funciones as denidas son continuas, podemos entonces aplicar
el teorema de Brouwer el cual nos garantiza que existe x
q
C tal que f
q
(x
q
) = x
q
,
escogemos ahora un elemento S
q
de la particion
q
que contenga a x
q
y denotemos
por x
i,q
iG
a sus vertices. Entonces
x
q
=
iG
q
i
x
i,q
con
q
i
0,
iG
q
i
= 1. Consideremos, para cada i G, la sucesion
q
i
qN
que
por ser acotada tiene un punto de acumulacion
i
, ademas
i
0 y
iG
i
= 1, la
sucesion f
q
(x
i,q
)
qN
tambien tiene un punto de acumulacion y
i
.
Ademas las sucesiones
x
q
qN
,
_
x
i,q
_
qN
tienen un punto de acumulacion en com un x
C esto se debe a que d

q
0.
Notemos, por otro lado, que para cada i, (x
i,q
, f
q
(x
i,q
)) gr() para todo q N,
en consecuencia y
i
(x
). Por la forma en que denimos f

q
se cumple
x
q
= f
q
(x
q
) =
iG
q
i
f
q
(x
i,q
)
y por lo tanto
x
iG
i
y
i
co((x
)) = (x
).
Paso 2. Analogamente a la demostracion anterior, sea h : co(x
i
iG
) C un
homeomorsmo, y : co(x
i
iG
) co(x
i
iG
) la correspondencia denida como
:= h
1
h
por el Paso 1 existe un punto jo x
co(x
i
iG
) para i .e.
x
(h
1
h)(x
) =
_
y(h)(x
)
h
1
(y)
as x
= h
1
(y) para alg un y (h(x
)), de forma equivalente h(x
)(h(x
)), es
decir, h(x
) es un punto jo de .
Captulo 2
Puntos jos en una Economa
2.1. Oferta y Demanda
Es bien sabido que en un mercado el precio se determina mediante la ley de la
oferta y la demanda, es decir, un exceso de demanda se corrige con un incremento
en el precio, mientras que, un descenso en el precio corregira un exceso de oferta.
Esta idea funciona bien en un mercado aislado: es un analisis de equilibrio parcial.
Sin embargo, un cambio en el equilibrio de uno de los mercados puede afectar
a otro, por ejemplo, si el precio de las Mac baja, entonces la demanda de las
computadoras dell disminuira; o si el cafe escasea y por tanto es mas caro, los
consumidores buscaran un sustituto como el te. En un modelo de equilibrio general
buscamos que en todos los mercados la oferta sea igual a la demanda, pero, existen
precios que logren equilibrar, simultaneamente, a todos los mercados?...
En la Seccion 2.2 construimos un modelo, muy sencillo, para formalizar el
problema. En la Seccion 2.3 demostramos la existencia del equilibrio, para lo cual
usamos el Teorema de Brouwer. En la ultima seccion, indagamos un poco mas y
hacemos un peque no analisis de dicho equilibrio, presentamos y demostramos dos
teoremas fundamentales en economa.
2.2. Un problema de asignaci on en Pueblo Viejo
2.2.1. Conociendo Pueblo Viejo
Vayamos a Pueblo Viejo, un lugar donde vive un n umero I de familias que lla-
maremos consumidores y designaremos por i 1, 2, . . . , I. Pueblo Viejo esta ale-
36 Puntos jos en una Economa
jado de pueblos vecinos, por lo que no hay intercambio de mercancas con otros
poblados esto va ligado al concepto de economa cerrada, en la cual no hay com-
ercio internacional; aqu se producen y consumen K bienes podemos pensar,
de forma un tanto mas realista, en la canasta basica cada uno de estos lo in-
dexaremos por k 1, 2, . . . , K. Cada familia produce algunos de estos bienes,
a esta produccion en un determinado periodo de tiempo la llamaremos canasta
inicial de consumo para el consumidor i denotada por e
i
= (e
i
1
, . . . , e
i
K
) R
K
+
(el
conjunto R
K
+
esta formado por los vectores con entradas no negativas), algunas de
las entradas podran ser cero: aquellos bienes que no se producen en la granja de
la familia i.
Los habitantes de Pueblo Viejo, con el paso del tiempo, se han especializado
en la produccion de bienes particulares; consumen parte de su propia produccion
y parte de la produccion de sus vecinos de Pueblo Viejo.
Todos los domingos, en el tianguis de Pueblo Viejo, se llevan a cabo los inter-
cambios necesarios en cada uno de los K mercados, al nal del da cada consumidor
regresa a casa con una cesta de consumo x
i
R
K
+
, que llamaremos asignacion nal.
En Pueblo Viejo prescinden del dinero: solo el trueque tiene lugar en este peculiar
tianguis.
Una caracterstica adicional de Pueblo Viejo es que la produccion de cada una
de las granjas es peque na, con respecto al total de la produccion; de forma
tal que, ninguna tiene poder de mercado para jar precios por consiguiente en el
tianguis todos son precio aceptantes y no hay una granja con caractersticas de
monopolio.
Las caractersticas, que hemos descrito, sobre Pueblo Viejo son algunos de los
supuestos que necesitamos para construir nuestro modelo. Necesitamos tambien
algunos axiomas sobre el comportamiento economico de los habitantes de este
hipotetico lugar, de estos nos ocupamos en la siguiente subseccion, al nal de esta
podremos dar una denicion de la economa que nos interesa.
2.2.2. Que es una Economa? Una nota sobre la teoria del
consumidor
Trataremos ahora de axiomatizar el comportamiento de un consumidor racional,
ante distintas cestas de consumo; se presentan una serie de axiomas y enseguida
se da una peque na interpretacion economica de los mismos. Para formar el modelo
necesitaremos una funcion que reeje dicho comportamiento, esta se consigue con
algunos de los axiomas. Una discusion amplia sobre la teoria del consumidor puede
2.2 Un problema de asignaci on en Pueblo Viejo 37
encontrarse en [5].
Para ordenar las cestas de consumo, consideremos una relacion
_
i
R
K
+
R
K
+
para cada consumidor i, cuando no haya lugar a confusion se omitira el subndice
i. Expresaremos a cada par (x, y) _ como x _ y (lease x preferido a y). A partir
de _ podemos denir otra relacion ~ del siguiente modo:
x ~ y [x _ y pero no y _ x].
Si x, y R
K
denotamos por
x y [x
i
y
i
i = 1, . . . , K],
x>>y [x
i
> y
i
i = 1, . . . , K],
mientras que la notacion
x > y [x
i
y
i
i = 1, . . . , K con al menos una desigualdad estricta].
Denici on 2.2.1. Diremos que _ es una relacion de preferencia racional si se
verican los siguientes axiomas:
i) Completitud. Para todos x, y R
K
+
se cumple x _ y o y _ x o ambas.
ii) Transitividad. Si x, y, z R
K
+
tales que x _ y, y _ z entonces x _ z.
Los siguientes axiomas, que restringen mas a _, nos daran propiedades para la
funcion que estamos buscando.
iii) Continuidad. Para cada x R
K
+
los conjuntos _(x) =
_
y R
K
+
[ y _ x
_
,
_(x) =
_
y R
K
+
[ x _ y
_
son cerrados en R
K
+
.
iv) Monotona estricta. Para todos x, y R
K
+
con x y entonces x _ y. Mientras
que si x >> y entonces x ~ y.
v) Convexidad estricta. Si x, y R
K
+
y x _ y, x ,= y entonces tx + (1 t)y ~ y
para todo t (0, 1).
Con estos axiomas se puede decir algo acerca del comportamiento del consu-
midor.
i) La relacion de preferencia es completa: el consumidor es capaz de decidir,
entre cualquier par de estas, cual preere.
ii) La relacion _ es transitiva: el consumidor es racional en sus preferencias: si
preere x a y y y a z entonces preferira x a z.
iii) La relacion _ es continua: si y
n
nN
es una sucesion de cestas tales que
lm
n
y
n
= y y para alg un x R
K
+
el consumidor preere y
n
a x para cada n
i .e. y
n
_ x entonces y _ x.
iv) La relacion _ es estrictamente monotona: cuando una cesta tiene una mayor
cantidad de bienes que otra, el consumidor preferira la primera cesta a la
segunda.
v) Las preferencias son estrictamente convexas: dadas dos cestas el consumidor
preferira una media ponderadade ambas a las originales.
Una vez que se tiene axiomatizado el comportamiento del consumidor, se puede
encontrar una funcion de utilidadque ordene las preferencias.
Denici on 2.2.2. Una funcion u : R
K
+
R es llamada funcion de utilidad que
representa _ si para todos x, y R
K
+
se verica que x _ y si y solo si u(x) u(y).
El siguiente, es un resultado estandar en la teora del consumidor. Dado que
nuestro objetivo es exhibir aplicaciones de los teoremas de punto jo, no se da la
demostracion, se puede consultar esta en [6] cap.1. Haremos uso de la siguiente
denicion.
Denici on 2.2.3. Sea u: A R una funcion denida sobre el conjunto convexo
A R
K
. Decimos que u es cuasiconcava en A si
u(x + (1 )y) minu(x), u(y) , [0, 1], x, y A.
Decimos que u es estrictamente cuasiconcava en A si
u(x + (1 )y) > minu(x), u(y) , (0, 1), x, y A, x ,= y.
Teorema 2.2.1. Si la relacion _ es completa, transitiva, continua y estrictamente
monotona, entonces existe una funcion continua u : R
K
+
R que representa las
preferencias _. Si ademas _ es estrictamente convexa, la funcion u es estricta-
mente cuasiconcava.
2.2 Un problema de asignaci on en Pueblo Viejo 39
Estamos ahora en calidad de ver a Pueblo Viejo como una Economa. Existen
varios tipos de Economas, en este trabajo solo trabajamos con una Economa de
intercambio puro, como Pueblo Viejo.
Denici on 2.2.4. Una Economa de intercambio puro consta de una lista de bie-
nes de consumo, una lista de consumidores con sus respectivas funciones de utilidad
y dotaciones iniciales.
2.2.3. Los precios y el problema en Pueblo Viejo
Llegado el domingo, los pobladores intercambian bienes a los precios p =
(p
1
, . . . , p
K
), habamos dicho que no haba dinero que funcionara como medio de
cambio, olvidemos esto por el momento, mas adelante explicaremos como interpre-
tar estos precios. La renta o ingreso disponible para cada granja es
y
i
= p e
i
= p
1
e
i
1
+ . . . + p
K
e
i
K
que es el producto interno del vector de precios con su dotacion inicial. El consumi-
dor intercambia bienes para quedarse con una cesta x tal que p x y
i
.
Cada consumidor i, con los precios p tiene el siguiente problema:
max u
i
(x)
S.a : p x p e
i
x R
K
+
(2.1)
La siguiente denicion enfatiza el papel de los precios.
Denici on 2.2.5. Dada una Economa de intercambio puro, un equilibrio general
o equilibrio walrasiano consiste de un vector de precios y cestas de consumo (p, x
i
)
tales que:
i) A los precios p, x
i
es solucion de (2.1).
ii) Los mercados estan en equilibrio
I
i=1
x
i
i=1
e
i
.
Nuestro problema es ver bajo que condiciones se puede encontrar un vector de
precios p y cestas de consumo x
i
, que formen un equilibrio walrasiano. Se tienen
las siguientes observaciones para empezar a buscar dichos precios.
Observaci on 2.2.1. Los precios deben ser no negativos. Si p
k
< 0 al com-
praruna cantidad del bien k el comprador en realidad estara incrementando su
renta, luego el supuesto de precios negativos es bastante ilogico.
Observaci on 2.2.2. Si (p, x
i
) es un equilibrio walrasiano entonces (p, x
i
) tambien
lo es, con R, > 0. Esto se ve facilmente de (2.1) pues la restriccion es la
misma. Entonces lo que nos interesa son los precios relativos, i .e. las relaciones o
tasas a las cuales se intercambian los bienes. Debido a esto podemos trabajar con
precios
p
k
=
p
k
K
j=1
p
j
de donde
K
k=1
p
k
= 1.
Hemos resulto entonces el problema de tener precios sin el dinero, pues ahora
cada uno de los precios son fracciones de la unidad. Cuanto mas cercano a 0 sea
un precio, mas barato sera mientras que al estar cercano a 1 sera mas caro. No
necesitamos entonces del dinero!
Observaci on 2.2.3. En la denicion de equilibrio general tenemos
I
i=1
x
i
I
i=1
e
i
, sin embargo, al tener preferencias estrictamente monotonas los consumi-
dores gastaran toda su renta y la desigualdad se convierte en igualdad, los economis-
tas llaman a esto: vaciado de mercados. Seguiremos considerando la desigualdad
debido a que es mas general.
En la siguiente seccion nos ocuparemos del vector de precios. El siguiente teo-
rema resuelve una parte del problema: existencia de las cestas de consumo a un
nivel de precios dado.
Teorema 2.2.2. Si la relacion de preferencia _ satisface los axiomas i) a iv) y es
representada por la funcion de utilidad u : R
K
+
R . Entonces existe una solucion
para el problema
max u
i
(x)
S.a : p x y
x 0
2.3 Puntos jos como soluciones 41
Demostracion. Por el teorema de existencia de una funcion de utilidad, u es con-
tinua y el conjunto
_
x R
K
+
: p x y
_
es compacto, luego u alcanza su maximo
y su mnimo.
Si a las hipotesis del teorema agregamos convexidad estricta para _ la solucion
es unica, ver [6].
Notemos que si x
es solucion del problema de maximizacion, esta depende

de p, y i .e. x
(p, y), para nuestro caso y = p e

i
la solucion al problema del
consumidor i tiene la forma x
i
(p) = (x
i
1
(p), . . . , x
i
K
(p)). A la funcion en caso de
haber solucion unica o correspondencia si hay varias soluciones x
(p, y) se
le conoce como demanda o demanda marshalliana.
Observaci on 2.2.4 (Ley de Walras). Para cualquier vector de precios p, tenemos
que
p
_
I
i=1
x
i
(p)
I
i=1
e
i
_
=
I
i=1
_
p x
i
(p) p e
i
0.
2.3. Puntos jos como soluciones
La funcion x
i
k
(p) representa la demanda para el consumidor i del bien k. De-
notaremos por x
k
(p) =
I
i=1
x
i
k
(p) a la demanda agregada del bien k. Vamos a
pedir que las demandas x
i
k
(p) sean continuas: variaciones peque nas en los precios
producen variaciones peque nas en las cantidades demandadas.
Por las Observaciones 2.2.1 y 2.2.2, podemos empezar a buscar nuestro vector
de precios en
=
_
p = (p
1
, . . . , p
K
) [ p
k
0, k = 1, . . . , K;
K
k=1
p
k
= 1
_
es un smplex y por lo visto en el captulo anterior es convexo y compacto.
Denimos ahora
k
(p) =
p
k
+ max 0, x
k
(p) e
k
K
j=1
[p
j
+ max 0, x
j
(p) e
j
]
para cada uno de los bienes k = 1, , K, con estas funciones formamos a
(p) = (
1
(p),
2
(p), . . . ,
K
(p)).
Con esta denicion resulta que : , dado que hemos supuesto que las
funciones x
i
k
(p) son continuas, tambien
k
es continua para k = 1, . . . , K, como
consecuencia es continua.
...Y es aqu donde, despues de tantos supuestos, nalmente podemos aplicar
uno de nuestros teoremas de punto jo!
Antes de pasar a la prueba, echemos un segundo vistazo a la funion
k
. Para
el bien k tenemos la restriccion x
k
(p) e
k
, o bien x
k
(p) e
k
0. Si este es el caso
max 0, x
k
(p) e
k
= 0 y el numerador de
k
es simplemente p
k
. En el otro caso,
cuando se viola la factibilidad tenemos: x
k
(p) > e
k
i .e. hay un exceso de demanda,
max0, x
k
(p) e
k
= x
k
(p) e
k
> 0, en el numerador de
k
se esta sumando este
exceso de demanda, la funcion hace mas caro al bien k con lo cual esperaramos que
la demanda caiga. El denominador resulta natural, pues queremos que : .
Por el Teorema de Brouwer existe p
0
tal que (p
0
) = p
0
o bien
p
0
k
=
k
(p
0
) =
p
0
k
+ max0, x
k
(p
0
) e
k
K
j=1
_
p
0
j
+ max 0, x
j
(p
0
) e
k
, k = 1, . . . , K
simplicando tenemos
p
0
k
=
p
0
k
+ max0, x
k
(p
0
) e
k
1 +
K
j=1
max0, x
j
(p
0
) e
j
o bien
p
0
k
K
j=1
max
_
0, x
j
(p
0
) e
j
_
= max
_
0, x
k
(p
0
) e
k
_
vamos ahora a multiplicar la igualdad por (x
k
(p
0
) e
k
) y luego a sumar sobre k
_
K
k=1
p
0
k
(x
k
(p
0
) e
k
)
__
K
j=1
max
_
0, x
j
(p
0
) e
j
_
_
=
K
k=1
(x
k
(p
0
) e
k
)max
_
0, x
k
(p
0
) e
k
_
.
(2.2)
Si hacemos x =
I
i=1
x
i
, e =
I
i=1
e
i
el primer corchete del lado izquierdo se
transforma en
K
k=1
p
0
K
(x
k
(p
0
) e
k
) = p
0
(x(p
0
) e) = p
0
i=1
(x
i
(p
0
) e
i
) 0
2.4 Eciencia y Bienestar Social 43
por la Ley de Walras; ademas
k
j=1
max
_
0, x
j
(p
0
) e
j
_
0
por lo tanto de la ecuacion 2.2 tenemos:
K
k=1
(x
k
(p
0
) e
k
)max
_
0, x
k
(p
0
) e
k
_
0.
Todos los terminos de la suma son no negativos. Cada uno es de la forma
t max0, t. Para t 0, max0, t = 0 por lo que t max 0, t = 0. Si t > 0,
max 0, t = t entonces tmax 0, t = t
2
> 0. En resumen tmax 0, t 0 para
todo t R.
Concluimos que
(x
k
(p
0
) e
k
)max
_
0, x
k
(p
0
) e
k
_
= 0 k = 1, . . . , K.
Como tmax 0, t = 0 entonces t = 0 o max 0, t = 0 es decir t = 0 o t 0,
como resultado x
k
(p
0
) e
k
0, o equivalentemente x
k
(p
0
) e
k
para cada uno de
los bienes.
Hemos probado el siguiente teorema:
Teorema 2.3.1. Dada una Economa de intercambio puro, con demandas conti-
nuas, siempre existe un equilibrio general.
2.4. Eciencia y Bienestar Social
Para nalizar el captulo veremos Que tan bueno es el equilibrio general?
Obviamente para medir la eciencia del equilibrio general necesitamos un criterio,
este se desarrolla a continuacion.
2.4.1. Optimalidad seg un Pareto
A nales del siglo XIX a un economista de apellido Pareto se le ocurrio una for-
ma de denir la eciencia social. Imaginemos una Economa de intercambio puro,
como Pueblo Viejo, denotemos por X a un conjunto de resultados socialmente
factibles, X R
K
+
.
Denici on 2.4.1. Dados x, x
R
K
+
se dice que x es superior en el sentido de
Pareto al resultado x
si u
i
(x) u
i
(x
) para cada consumidor i, con desigualdad

estricta al menos para uno de ellos.
Esta es una forma de ordenarlos resultados socialmente factibles, resulta

natural buscar una cota superior, puntualicemos esto en la siguiente denicion.
Denici on 2.4.2. Dado X R
K
+
un conjunto de resultados socialmente factibles,
un resultado x X es Pareto eciente o Pareto optimo en X si no existe otro
resultado factible x
X que sea superior en el sentido de Pareto a x.

2.4.2. Equilibrio general y el bienestar social.
Ahora tenemos un criterio para responder la pregunta que se formulo al inicio
de esta seccion, como propuesta ofrecemos el siguiente resultado.
Teorema 2.4.1 (Primer teorema de la economa del bienestar.). En una Econo-
ma de intercambio puro, un equilibrio walrasiano proporciona una reasignacion
eciente en el sentido de Pareto.
Demostracion. Supongamos que (p, x) es un equilibrio walrasiano donde x =
(x
1
, . . . , x
I
) y no es Pareto optimo entonces existe otra asignacion x = (x
1
, . . . , x
I
),
factible, tal que u
i
(x
i
) u
i
(x
i
) para cada i = 1, . . . , I y se cumple la desigualdad
estricta para alguno de los consumidores, esto es absurdo, pues entonces al menos
uno de los consumidores no estaba optimizando, en contradiccion al hecho de que
estabamos en un equilibrio walrasiano.
El primer teorema nos dice que el intercambio puro, que se lleva a cabo los
domingos, arroja asignaciones que son ecientes en el sentido de Pareto. Nuestra
intuici on nos lleva a preguntarnos si el recproco de este teorema es cierto, la
respuesta es armativa, y sin mucha imaginacion, se le conoce como el segundo
teorema del bienestar.
Teorema 2.4.2 (Segundo teorema de la economa del bienestar.). Sea una Econo-
ma de intercambio puro, cuyas preferencias satisfacen los axiomas i) al v). Si
x
= (x
1
, , x
N
) es una asignacion pareto eciente donde x
n
= e
n
> 0 para
n = 1, , N. Entonces existe p R
K
tal que (x
, p) es un equilibrio walrasiano.
Demostracion. La demostracion consta de 3 pasos:
Paso 1. Buscamos un vector de precios que, junto con x
, sea candidato a equi-

librio walrasiano; para ello usamos el teorema de separacion.
Paso 2. Con el vector de precios del Paso 1 probamos que si y
n
_
n
x
n
para
cada agente, entonces en el agregado las cestas y
n
son al menos tan costosas como
las asignaciones x
n
.
Paso 3. Si un agente preere y
n
~
n
x
n
, entonces la cesta y
n
es mas cara que
la cesta x
n
. Con estos resultados derivamos una contradiccion al suponer que x
junto con el vector de precios del Paso 1, no es equilibrio walrasiano.

En concreto:
Paso 1. Denimos P
n
=
_
x
n
R
K
[ x
n
~
n
x
n
_
para n = 1, , N y con estos
conjuntos formamos
P =
N
n=1
P
n
=
_
N
n=1
x
n
[ x
n
P
n
; n = 1, , N
_
.
Paso 1.a) P es convexo. Primero veamos que cada P
n
es convexo. Consideremos
n jo y sean x
n
, y
n
P
n
, es decir, x
n
~ y
n
x
n
, y
n
~
n
x
n
por el axioma de
completitud podemos suponer, sin perdida de generalidad, que x
n
_
n
y
n
entonces
por convexidad
x
n
+ (1 )y
n
_
n
y
n
~
n
x
n
para [0, 1], luego x
n
+ (1 )y
n
P
n
; hemos probado que P
n
es convexo,
por lo que P tambien es convexo por ser suma de conjuntos convexos.
Paso 1.b) Existe p R
K
+
tal que p z p
N
n=1
x
n
para todo z P. Primero
notemos que e =
N
n=1
x
n
/ P, pues x
es eciente en el sentido de Pareto y por lo

tanto no existe una redistribucion de x
que mejore a los agentes. Por el Teorema

1.6.3, existe p R
K
tal que pz pe para todo z P.
Veamos ahora que p R
K
+
. Si
k
K
k=1
es la base canonica de R
K
tenemos que
e +
k
P por monotona estricta y por la igualdad
e +
k
=
k
+
N
n=1
x
n
=
N
n=1
(x
n
+

k
N
)
luego p (e +
k
) p e o bien p (e +
k
e) = p
k
0, de aqu que los precios
sean no negativos.
Paso 2. Si y
n
_
n
x
n
para todo n = 1, , N. Entonces p
N
n=1
y
n
p e. De la
monotona estricta y la densidad de los reales se sigue que para cada n existe un
elemento y
n,m
~
n
y
n
tal que
|y
n,m
y
n
| <
1
m
con m N, entonces
lm
m
y
m,n
= y
n
ademas
N
n=1
y
n,m
P
para todo m N; en virtud del Paso 1.b)
p
N
n=1
y
n,m
p e,
hacemos ahora m , como resultado tenemos
p
N
n=1
y
n
p e.
Paso 3. Si y
n
~
n
x
n
para alg un agente n. Entonces p y
n
> p x
n
. Construimos
z
i
=
_
x
n
si i ,= n
y
n
si i = n
para cada agente i de modo tal que z
n
_
n
x
n
; en virtud del Paso 2.
p
N
n=1
z
n
= p [y
n
+
i=n
x
i
] p
N
i=1
x
i
= p [x
n
+
i=n
x
i
]
simplicando tenemos p y
n
p x
n
. Supongamos ahora que se cumple la igualdad
p y
n
= p x
n
, por la monotona existe (0, 1) tal que y
n
~
n
x
n
, pongamos
y
n
en lugar de y
n
tenemos
p y
n
p x
n
> 0
combinando esta con nuestra supuesta igualdad obtenemos p y
n
p y
n
> 0 lo
cual es una contradiccion pues (0, 1). Por lo tanto p y
n
> p x
n
.
Ahora, probar el teorema resulta bastante sencillo. Veamos que (x
, p) resuelve
(2.1) para cada n; por denicion de funcion de utilidad
u
n
(x
n
) u
n
(x
n
) x
n
_
n
x
n
,
supongamos que x
n
no maximiza la utilidad para los agentes, entonces existen
asignaciones factibles y
n
_
n
x
n
con preferencia estricta, al menos para uno de
ellos. Usando los Pasos 2 y 3
p
N
n=1
y
n
> p
N
n=1
e
n
,
pero esto no es factible. Por consiguiente (x
, p) es un equilibrio walrasiano.
Captulo 3
Juegos no Cooperativos
3.1. Para empezar a jugar...
La teora de juegos fue presentada, en un principio, por John Von Neumann
y Oskar Morgenstern en su libro [9]; a no con a no, matematicos y economistas
han realizado numerosas contribuciones. Una de las ideas mas notables, es la que
presenta el matematico John Nash en su tesis doctoral, misma que publicara en
la prestigiada revista Annals of Mathematics [10]. En este captulo presentamos
y demostramos el teorema central de dicha publicacion hoy conocido como el
Teorema de Nash, esta es precisamnete la aplicacion, del Teorema de Kakutani,
que nos ocupa en el presente trabajo.
En terminos intuitivos, la teora de juegos se encarga del analisis de situaciones
de conicto, en las cuales, las decisiones de alguna de las partes involucradas
jugadores afecta a las otras, todo esto en al marco de un sistema de reglas.
Los juegos se clasican en cooperativos y no cooperativos. En el enfoque co-
operativo se analizan las posibilidades de coalisiones, estas hacen acuerdos previos
sobre sus decisiones que tomaran en el juego. En el enfoque no cooperativo, las
decisiones de cada jugador son meramente individuales por lo que no hay lugar a
negociaciones antes del mismo.
Entre los juegos no cooperativos hay juegos estaticos y dinamicos, y los distin-
guimos, ademas entre los que tienen informacion completa e incompleta. En los
juegos estaticos los jugadores toman decisiones simultaneamente (o dicho de man-
era m as precisa, cada jugador decide sin conocer lo que han decidido los otros),
mientras que en los dinamicos, algunos de los jugadores pueden conocer las deci-
siones de otros antes de tomar las suyas. En los juegos con informacion completa,
50 Juegos no Cooperativos
todos los jugadores conocen las consecuencias, para s mismos y para los demas,
del conjunto de decisiones tomadas; a diferencia de los juegos con informacion
incompleta, donde al menos alguno de los jugadores desconoce alguna de esas con-
secuencias.
En adelante, solo vamos a tratar con juegos no cooperativos, en parte por el
gran n umero de aplicaciones en ciencias sociales y porque, en el subconjunto de
los estaticos y con informacion completa, tiene cabida el Teorema de Nash.
3.2. Loteras
En el captulo anterior, hablamos sobre una relacion de preferencia y una fun-
cion de utilidad que la representaba, esto puede generalizarse a un ambiente de
riesgo, tal y como lo haremos enseguida. Por simplicidad trabajaremos con con-
juntos nitos.
Pensemos, por ejemplo, en el conjunto de dos alternativass A, S que denotan
las posibilidades, aguila y sol, respectivamente, en un volado; como es bien sabido,
cada una tiene una probabilidad de 1/2, si alguien tiene que elegir entre alguna
de las dos alternativas, estara ante un problema de eleccion bajo incertidumbre o
riesgo. Comencemos con algo de terminologa.
Denici on 3.2.1. Dado X = x
1
, x
2
, . . . , x
n
un conjunto de alternativas. Una
lotera simple en X es una distribucion de probabilidad sobre X. Denotemos por
L
X
=
_
(p
1
, . . . , p
n
) R
n
p
i
0, para i = 1, . . . , n, y
n
i=1
p
i
= 1
_
al conjunto de loteras simples sobre X.
Retomando nuestro ejemplo previo la loteria L = (1/2, 1/2) consiste en obtener
A con probabilidad 1/2 y S tambien con probabilidad 1/2.
Si la s alternativas del conjunto X son valores numericos (podemos pensar en
una variable aleatoria denida en el conjunto X), podemos calcular el valor espe-
rado de la lotera a partir de los valores posibles y sus respectivas probabilidades.
Podemos, ademas, formar una lotera de loteras a partir de algunas ya dadas,
como indican las siguientes deniciones.
Denici on 3.2.2. Sean X = x
1
, x
2
, . . . , x
n
R y una lotera L = (p
1
, p
2
, . . . , p
n
)
sobre X, llamamos valor esperado de la lotera L, al n umero
E(L) = x
1
p
1
+ x
2
p
2
+ + x
n
p
n
.
3.2 Loteras 51
Denici on 3.2.3. Sea X=x
1
, x
2
, . . . , x
n
R y sean las loteras
L
j
= (p
j
1
, p
j
2
, . . . , p
j
n
) para j = 1, 2, . . . , m.
Dada una distribucion de probabilidad (
1
,
2
, . . . ,
m
), sobre las loteras L
j
; la
lotera compuesta
(L
1
, L
2
, . . . , L
m
;
1
,
2
, . . . ,
m
)
consiste en obtener la lotera simple L
j
con probabilidad
j
, para j = 1, 2, . . . , m.
Dada la lotera compuesta (L
1
, L
2
, . . . , L
m
;
1
,
2
, . . . ,
m
), se puede calcular la
lotera simple sobre X, L = (p
1
, p
2
, . . . , p
n
) que genera la misma distribucion sobre
los resultados de X, de la siguiente forma:
p
i
=
1
p
1
i
+
2
p
2
i
+ +
m
p
m
i
, para i = 1, 2, . . . , n.
Podemos denotar L del siguiente modo:
L =
1
L
1
+
2
L
2
+ +
m
L
m
.
Adelantamos, al principio de la seccion, que podemos generalizar la funcion de
utilidad, comenzaremos por denir esta, para loteras.
Denici on 3.2.4. Se dice que la funcion U : L
X
R es una funcion de utilidad
esperada de Von Neumann-Morgenstern (VN-M) si existen n n umeros u
1
, u
2
, . . . , u
n
,
asociados respectivamente a x
1
, x
2
, . . . , x
n
, tales que para cada lotera
L = (p
1
, p
2
, . . . , p
n
) L
X
se verica que
U(L) = u
1
p
1
+ u
2
p
2
+ + u
n
p
n
.
Notemos que de la lotera (1, 0, . . . , 0) sobre el conjunto X nos da la opcion x
1
con probabilidad 1, entonces estamos en presencia de eleccion sin riesgo.
Teorema 3.2.1. Una funcion U : L
X
R es una funcion de utilidad esperada de
Von Neumann-Morgenstern si y solo si para toda (L
1
, L
2
, . . . , L
m
;
1
,
2
, . . . ,
m
)
lotera compuesta se verica que
U(
m
j=1
j
L
j
) =
m
j=1
j
U(L
j
).
Demostracion. ) Sea (L
1
, L
2
, . . . , L
m
;
1
,
2
, . . . ,
m
) una lotera compuesta, con
L
j
= (p
j
1
, p
j
2
, . . . , p
j
n
); como vimos anteriormente, es equivalente a la lotera simple
L = (p
1
, p
2
, . . . , p
n
) donde
p
i
=
m
j=1
j
p
j
i
.
Por lo tanto
U(L) = U(
m
j=1
j
L
j
) =
n
i=1
u
i
p
i
=
n
i=1
u
i
(
m
j=1
j
p
j
i
) =
m
j=1
n
i=1
u
i
j
p
j
i
=
m
j=1
j
n
i=1
u
i
p
j
i
=
m
j=1
j
U(L
j
).
) Sea L = (p
1
, p
2
, . . . , p
n
) L
X
. Podemos poner
L = p
1
(1, 0, . . . , 0) +p
2
(0, 1, , 0) + + p
n
(0, 0, , 1)
= p
1
L
1
+ p
2
L
2
+ + p
n
L
n
luego
U(L) = U(
n
i=1
p
i
L
i
) =
n
i=1
p
i
U(L
i
) =
n
i=1
p
i
u
i
en donde u
i
= U(L
i
), por lo que U es una funcion de utilidad esperada de Von
Neumann-Morgenstern.
3.3. Juegos en forma estrategica
En lo sucesivo, trabajaremos con juegos estaticos con informacion completa,
pues en esta clase particular de juegos tiene lugar el teorema de Nash. Para una
gama mas amplia de juegos ver [1] o [4].
Denici on 3.3.1. Un juego en forma estrategica (o en forma normal) G viene
dado por G =
_
J, S
i
iJ
, u
i
iJ
_
donde
i) J representa al conjunto de jugadores,
ii) para cada jugador i J hay un conjunto S
i
de estrategas,
iii) cada jugador i J tiene una funcion de pagos u
i
: SR con S =
iJ
S
i
.
Diremos ademas que el juego G es nito si el n umero de jugadores y los con-
juntos de estrategias son nitos.
3.3 Juegos en forma estrategica 53
Presentamos a continuacion algunos ejemplos clasicos en la teora de juegos;
todos son juegos nitos por lo que pueden representarse mediante tablas, que
resumen cada una de las historias que los subyacen.
1. el dilema del prisionero. Dos sospechosos son arrestados y
acusados de un delito. La polica no tiene evidencia suciente para
condenar a los sospechosos, a menos que uno conese. La polica encie-
rra a los sospechosos en celdas separadas y les explica las consecuencias
derivadas de las desiciones que tomen. Si ninguno conesa, ambos seran
condenados por un delito menor y seran sentenciados a un mes de
carcel. Si ambos conesan, seran sentenciados a seis meses de carcel.
Finalmente, si uno conesa y el otro no, el que conesa sera puesto en
libertad inmediatamente y el otro sera sentenciado a nueve meses en
prision, seis por el delito y tres mas por obstruccion a la justicia.
X
X
X
X
X
X
X
X
X
X
X
X
Preso 1
Preso 2
Callar Confesar
Callar -1,-1 -9,0
Confesar 0,-9 -6,-6
Para este juego el conjunto de jugadores es J = 1, 2, los conjuntos de es-
trategias son S
1
= S
2
= Callar, Confesar y las funciones de pagos vienen
dadas por
u
1
(Callar, Callar) = 1 u
2
(Callar, Callar) = 1
u
1
(Callar, Confesar) = 9 u
2
(Callar, Confesar) = 0
u
1
(Confesar, Callar) = 0 u
2
(Confesar, Callar) = 9
u
1
(Confesar, Confesar) = 6 u
2
(Confesar, Confesar) = 6
2. la batalla de los sexos. Dos enamorados se citan para ir salir
a divertirse despues del trabajo, si bien no se han decidido entre ir al
futbol o al cine, que comienzan a la misma hora. Llegada la hora de
salir, no pueden comunicarse entre ellos (el sistema de telefona celular
se ha cado), de modo que cada uno se ve obligado a ir a un lugar,
cine o futbol, y a esperar que la decision del otro sea la misma. Ambos
preeren ir juntos al sitio que sea antes que ir solos cada uno a un sitio,
aunque el jugador 1 preferira que ese lugar fuese el futbol y la jugadora
2 deseara que fuese el cine.
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador 1
Jugadora 2
Cine Futbol
Cine 1,2 0,0
Futbol 0,0 2,1
3. el juego de las monedas. Los jugadores (1 y 2) eligen, cada uno
por separado, una cara de una moneda de un peso y colocan la moneda
entre sus manos con la cara elegida hacia arriba. Acto seguido ambos
destapan sus monedas. Si son dos aguilas o dos soles el jugador 1 se
queda con los dos pesos; en caso contrario, es el jugador 2 quien gana
ambas monedas.
`
`
`
`
`
`
`
`
`
`
`
`
`
``
Jugador 1
Jugador 2
aguila sol
aguila 1,-1 -1,1
sol -1,1 1,-1
4. la votaci on por mayora. Supongamos que hay un comite de
tres personas C1, C2 y C3, encargado de seleccionar para un puesto
p ublico a una persona, de entre tres candidatos A, B y C, mediante
votacion. Las reglas especcas del juego son:
Se vota escribiendo solo el nombre de un candidato en una papeleta
y no se puede dejarla en blanco.
Gana el candidato que obtenga una mayora de los votos, y en caso
de empate decide el voto del presidente del comite, C1.
Supongamos tambien que las preferencias de los votantes estan orde-
nadas de la siguiente forma:
Votante C1: A ~ B ~ C
3.3 Juegos en forma estrategica 55
Votante C2: B ~ C ~ A
Votante C3: C ~ A ~ B
lo que traduciremos a las siguientes funciones de ganancias:
u
1
(A) = u
2
(B) = u
3
(C) = 2
u
1
(B) = u
2
(C) = u
3
(A) = 1
u
1
(C) = u
2
(A) = u
3
(B) = 0
Indicamos entre parentesis, junto a cada vector de pagos, el candidato
vencedor para cada combinacion de estrategias.
Jugador C3 vota A
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador C1
Jugador C2
Vota A Vota B Vota C
Vota A 2,0,1 (A) 2,0,1 (A) 2,0,1 (A)
Vota B 2,0,1 (A) 1,2,0 (B) 1,2,0 (B)
Vota C 2,0,1 (A) 0,1,2 (C) 0,1,2 (C)
Jugador C3 vota B
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador C1
Jugador C2
Vota A 2,0,1 (A) 1,2,0 (B) 2,0,1 (A)
Vota B 1,2,0 (B) 1,2,0 (B) 1,2,0 (B)
Vota C 0,1,2 (C) 1,2,0 (B) 0,1,2 (C)
Jugador C3 vota C
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador C1
Jugador C2
Vota A 2,0,1 (A) 2,0,1 (A) 0,1,2 (C)
Vota B 1,2,0 (B) 1,2,0 (B) 0,1,2 (C)
Vota C 0,1,2 (C) 0,1,2 (C) 0,1,2 (C)
3.4. El equilibrio de Nash en estrategias puras
El concepto de solucion a un juego, que presentamos a continuacion, se debe
a John F. Nash; este consiste en tratar de predecir que estrategias usaran los
jugadores, de modo tal que, cuando todos esten usando estas estrategias, ninguno
tenga incentivos a cambiarla, entonces el juego estara en equilibrio: el equilibrio de
Nash.
Denici on 3.4.1. En el juego G = S
1
, S
2
, . . . , S
n
; u
1
, u
2
, . . . , u
n
, decimos que
la combinacion de estrategias puras s
= (s
1
, s
2
, . . . , s
i
, . . . , s
n
)

n
i=1
S
i
es un
equilibrio de Nash si
u
i
(s
1
, s
2
, . . . , s
i1
, s
i
, s
i+1
, . . . , s
n
) u
i
(s
1
, s
2
, . . . , s
i1
, s
i
, s
i+1
, . . . , s
n
)
para todo s
i
S
i
y para cada jugador i = 1, 2, . . . , n.
Si en la combinacion de estrategias s =(s
1
, . . . , s
i1
, s
i
, s
i+1
, . . . , s
n
)
n
i=1
S
i
,
suprimimos la estrtegia s
i
obtenemos el vector (s
1
, s
2
, . . . , s
i1
, s
i+1
, . . . , s
n
) S
i
que lo denotaremos por s
i
y podemos tambien, escribir s = (s
i
, s
i
). Con esta
notacion, s
= (s
1
, s
2
, . . . , s
i
, . . . , s
n
) es un equilibrio de Nash si para cada jugador
i, s
i
es una solucion del problema
max
_
u
i
(s
i
, s
i
)
_
s
i
S.a: s
i
S
i
dicho de otro modo, para cada jugador i, s
i
es una respuesta optima a s
i
. En
terminos coloquiales, una vez que los jugadores estan en el equilibrio, ninguno se
arrepentira de la decision que tomo.
Vamos ahora a encontrar (si existen) los equilibrios de Nash de los juegos
descritos anteriormente.
1. equilibrio de nash en el dilema del prisionero. Tenemos
cuatro posibles combinaciones de estrategias, las cuales pueden ser equi-
librio de Nash.
Supongamos que (Callar, Callar) es equilibrio de Nash. Si el Preso
1 preve que el otro jugara Callar, el primero preferira desviarse de
la estrategia Confesar pues de este modo maximiza sus pagos. Un
argumento analogo puede aplicarse para el Preso 2, por la simetra del
juego. Entonces este perl de estrategias no es un equilibrio de Nash.
3.4 El equilibrio de Nash en estrategias puras 57
Proponemos ahora (Confesar, Callar), como un equilibrio de Nash.
En este caso si el Preso 2 supiera que el Preso 1 va a jugar Confesar,
entonces le convendra usar la estrategia Confesar, por lo que tampoco
estamos ante un equilibrio, pues el Preso 2 tiene incentivos para cambiar
su estrategia.
El caso (Callar, Confesar) es analogo al anterior, para ello basta per-
mutar a los Presos.
La ultima combinacion posible es (Confesar, Confesar), esta s es
un equilibrio de Nash pues si alguno de los dos cambia su decision y el
otro la mantiene, entonces quien se muevadel equilibrio empeorara su
propia situacion.
En el siguiente cuadro presentamos el sentido de las desviaciones de
cada posible caso. En este juego tenemos que el unico equilibrio de
Nash es (Confesar, Confesar).
X
X
X
X
X
X
X
X
X
X
X
X
Preso 1
Preso 2
Callar Confesar
Callar -1,-1 -9,0

Confesar 0,-9 -6,-6
Notemos que el enfoque no cooperativo es crucial, en el juego del dilema del
prisionero, pues hay un perl de estrategias (Callar, Callar), con el cual ambos
estaran mejor en terminos del captulo 2, el equilibrio de Nash no es eciente
en el sentido de Pareto. Sin embargo, los juegos no cooperativos no dan lugar a
este tipo de coalisiones.
2. equilibrio de nash en la batalla de los sexos. Para en-
contrar el equilibrio en este juego vamos a usar un peque no algoritmo.
Consiste en comparar los pagos de un jugador, al usar cada una de sus
estarategias, para una combinacion ja de estrategias de los otros ju-
gadores y subrayar los pagos maximos. Una combinacion de estrategias
es un equilibrio de Nash si y solo si el vector de pagos tiene todas sus
entradas subrayadas.
Comparemos los pagos de la jugadora 2. Si el jugador 1 juega Cine:
subrayamos 2 que corresponde a la estrategia Cine como respuesta
optima. Si ahora suponemos que el jugador 1 juega Futbol la respuesta
optima de la jugadora 2 es Futbol con lo cual el pago subrayado es 1.
Al comparar los pagos del jugador 1, jando una estartegia de la ju-
gadora 2 obtenemos un resultado similar a cuando comparamos los
pagos de la jugadora 2.
En el cuadro podemos ver los pagos subrayados. Concluimos que hay
dos equilibrios de Nash (Cine, Cine); (Futbol, Futbol).
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador 1
Jugadora 2
Cine Futbol
Cine 1,2 0,0
Futbol 0,0 2,1
3. equilibrio de nash en el juego de las monedas. En este
juego no tenemos equilibrio de Nash en estrategias puras, en el cuadro
vemos que, para cualquier combinacion, alg un jugador tiene incentivos
para cambiar su estrategia.
`
`
`
`
`
`
`
`
`
`
`
`
`
``
Jugador 1
Jugador 2
aguila sol
aguila 1,-1 -1,1

sol -1,1 1,-1
4. equilibrio de nash en la votaci on por mayora. Para encon-
trar el equilibrio, volvemos a aplicar el algoritmo descrito previamente.
Mostramos en el cuadro los pagos subrayados, de donde vemos que los
equilibrios de Nash para este juego son
(A, A, A); (A, B, A); (B, B, B); (A, C, C); (C, C, C) .
3.4 El equilibrio de Nash en estrategias puras 59
Jugador C3 vota A
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador C1
Jugador C2
Vota A 2,0,1 (A) 2,0,1 (A) 2,0,1 (A)
Vota B 2,0,1 (A) 1,2,0 (B) 1,2,0 (B)
Vota C 2,0,1 (A) 0,1,2 (C) 0,1,2 (C)
Jugador C3 vota B
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador C1
Jugador C2
Vota A 2,0,1 (A) 1,2,0 (B) 2,0,1 (A)
Vota B 1,2,0 (B) 1,2,0 (B) 1,2,0 (B)
Vota C 0,1,2 (C) 1,2,0 (B) 0,1,2 (C)
Jugador C3 vota C
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
h
hh
Jugador C1
Jugador C2
Vota A 2,0,1 (A) 2,0,1 (A) 0,1,2 (C)
Vota B 1,2,0 (B) 1,2,0 (B) 0,1,2 (C)
Vota C 0,1,2 (C) 0,1,2 (C) 0,1,2 (C)
Volvamos a la historia que dio origen a este juego y tratemos de interpretar los
equilibrios que encontramos.
Observemos que en el conjunto de equilibrios de Nash no aparece la combinacion
(A, B, C), que parece ser el perl de estrategias mas natural: cada votante da su
voto al candidato que mas preere. Del tercer cuadro para este juego, vemos que
los votantes tienen incentivos para modicar sus decisiones, esto por la regla de
desempate.
En las combinaciones (A, B, A), (A, C, C) hay un votante que realiza un voto
util o voto estrategico. Veamos, por ejemplo, en el perl (A, C, C), el jugador C2 da
su voto a C, a un cuando su favorito es B. De este modo consigue que el resultado
sea C, que le proporciona una utilidad mayor que al votar B, pues de ser este
el caso el ganador sera A. De este modo, sin dejarse llevar por sus preferencias
verdaderas, da su voto tras un razonamiento estrategico, que le lleva a obtener un
pago mayor que si votara al candidato favorito.
Los equilibrios restates (A, A, A); (B, B, B); (C, C, C), reejan un voto que
podramos llamar de resignacion, en el cual un votante, sabiendo que su voto ya
no puede cambiar un resultado que ya han determinado los otros dos votantes, y
que es su peor resultado posible, vota tambien al candidato que peor valora.
Los tres ultimos equilibrios, son poco crebles o poco probables pues ning un
votate dara su voto a su peor candidato. Para una amplia discusion sobre los
exitos y los problemas de la teora de juegos, en la modelacion economica, ver [7].
Hemos explotado la idea de respuestas optimas de un jugador, ante una com-
binaci on de estrategias de los otros jugadores, vamos ahora a denir de manera
formal esta idea, que nos permitira caracterizar los equilibrios de Nash.
Denici on 3.4.2. Sea G =
_
J, S
i
iJ
, u
i
iJ
_
un juego nito. Para cada ju-
gador i J, denimos la correspondencia de respuesta optima R
i
: S
i
S
i
, como
s
i
R
i
(s
i
) u
i
(s
i
, s
i
) u
i
(s
i
, s
i
) s
i
S
i
.
Teorema 3.4.1. Sea G =
_
J, S
i
iJ
, u
i
iJ
_
un juego con J = 1, 2, . . . , n.
Un perl de estrategias
s
= (s
1
, s
2
, . . . , s
i
, . . . , s
n
)
es un equilibrio de Nash si y solo si s
i
R
i
(s
i
) para todo s
i
J.
Demostracion. La armacion es bastante obvia, pues la correspondencia esta deni-
da de forma tal que coincide con la denicion del equilibrio de Nash.
Para ejemplicar la denicion, en el juego de las monedas tenemos, para el
jugador 1
R
1
( aguila) = aguila, R
1
(sol) = sol
para el jugador 2
R
2
( aguila) = sol, R
2
(sol) = aguila
vemos, pues, que no hay equilibrio de Nash en estartegias puras. En la siguiente
seccion veremos que si existe el equilibrio de Nash, pero en otro tipo de estrategias.
3.5 Estrategias mixtas 61
3.5. Estrategias mixtas
En los juegos que hemos visto, cada jugador tiene que escoger una y solo una
estrategia de su conjunto de acciones, que esta dado en forma explcita. La exten-
sion que presentamos ahora, permite a cada jugador seleccionar su estartegia de
forma aleatoria, es decir, vamos a dar distribuciones de probabilidad a los conjun-
tos de estartegias. Por ejemplo, en el juego de las monedas, si el jugador 1 tiene la
distribucion de probabilidad (1/4, 3/4), entonces puede jugar aguila con probabi-
lidad 1/4 y sol con probabilidad 3/4; pensemoslo de este modo: si tiene que jugar
cuatro juegos elegira aguila en uno de ellos y sol en los otros tres.
Denici on 3.5.1. Sea S
i
=
_
s
1
i
, s
2
i
, . . . , s
k
i
_
el conjunto de estrategias del jugador
i. Llamamos estrategia mixta del jugador i a toda lotera
i
= (
1
i
,
2
i
, . . . ,
k
1
) sobre
S
i
. Al conjunto de estrategias mixtas del jugador i lo denotamos por
(S
i
) =
_
i
= (
1
i
,
2
i
, . . . ,
k
1
)
j
i
0, para j = 1, 2, . . . , k, y
k
j=1
j
i
= 1
_
.
Interpretamos
i
como la estrategia que consiste en jugar la estrategia pura s
j
i
con probabilidad
j
i
para cada j = 1, 2, . . . , k. Entre las estrategias mixtas estan
aquellas que asignan probabilidad 1 a una de las estrategias puras y probabilidad
cero a todas las demas. Por lo tanto, toda estrategia pura es tambien estrategia
mixta. En una estrategia mixta habra estrategias puras con probabilidad nula y
otras con probabilidad positiva, vamos a hacer una distincion entre ellas.
Denici on 3.5.2. Sea S
i
=
_
s
1
i
, s
2
i
, . . . , s
k
i
_
el conjunto de estrategias del jugador
i. Se llama soporte de una estrategia mixta
i
al conjunto
SOP(
i
) =
_
s
j
i
S
i
[
j
i
> 0
_
.
Una vez que hemos extendido el concepto de estrategia, necesitamos extender
tambien los pagos: es momento de ocupar funciones de utilidad esperada de Von
Neumann-Morgenstern. Usaremos, al igual que en la seccion de loteras, letras
may usculas para denotar los pagos que cada jugador obtiene al usar estrategias
mixtas.
Para entender, un poco mas, los pagos esperados, consideremos un juego G
cuyos conjuntos de estrategias son
S
1
=
_
s
1
1
, s
2
1
, . . . , s
m
1
_
y S
2
=
_
s
1
2
, s
2
2
, . . . , s
n
2
_
,
y sea
2
= (
1
2
,
2
2
, . . . ,
n
2
) una estrategia mixta del jugador 2. Si el jugador 1 juega
s
i
1
y el jugador 2 juega
2
, las ganancias esperadas son:
U
1
(s
i
1
,
2
) =
1
2
u
1
(s
i
1
, s
1
2
) +
2
2
u
1
(s
i
1
, s
2
2
) + . . . +
n
2
u
1
(s
i
1
, s
n
2
) =
n
j=1
j
2
u
1
(s
i
1
, s
j
2
)
U
2
(s
i
1
,
2
) =
1
2
u
2
(s
i
1
, s
1
2
) +
2
2
u
2
(s
i
1
, s
2
2
) + . . . +
n
2
u
2
(s
i
1
, s
n
2
) =
n
j=1
j
2
u
2
(s
i
1
, s
j
2
)
Si el jugador 1 juega
1
= (
1
1
,
2
1
, . . . ,
m
1
) y el jugador 2 juega
2
, las ganancias
esperadas son:
U
1
(
1
,
2
) =
1
1
U
1
(s
1
1
,
2
) +
2
1
U
1
(s
2
1
,
2
) + . . . +
m
1
U
1
(s
m
1
,
2
)
=
1
1
n
j=1
j
2
u
1
(s
1
1
, s
j
2
) +
2
1
n
j=1
j
2
u
1
(s
2
1
, s
j
2
) + . . . +
m
1
n
j=1
j
2
u
1
(s
m
1
, s
j
2
)
=
m
i=1
i
1
_
n
j=1
j
2
u
1
(s
i
1
, s
j
2
)
_
=
m
i=1
n
j=1
i
1
j
2
u
1
(s
i
1
, s
j
2
)
U
2
(
1
,
2
) =
1
1
U
2
(s
1
1
,
2
) +
2
1
U
2
(s
2
1
,
2
) + . . . +
m
1
U
2
(s
m
1
,
2
)
=
1
1
n
j=1
j
2
u
2
(s
1
1
, s
j
2
) +
2
1
n
j=1
j
2
u
2
(s
2
1
, s
j
2
) + . . . +
m
1
n
j=1
j
2
u
2
(s
m
1
, s
j
2
)
=
m
i=1
i
1
_
n
j=1
j
2
u
2
(s
i
1
, s
j
2
)
_
=
m
i=1
n
j=1
i
1
j
2
u
2
(s
i
1
, s
j
2
).
Podemos ahora ampliar nuestra denicion de equilibrio de Nash a estrategias
mixtas.
Denici on 3.5.3. En el juego G = S
1
, . . . , S
n
; u
1
, . . . , u
n
, decimos que el perl
de estrategias mixtas
= (
1
, . . . ,
i
, . . . ,
n
) es un equilibrio de Nash si para
cada jugador i:
U
i
(
1
, . . . ,
i1
,
i
,
i+1
, . . . ,
n
) U
i
(
1
, . . . ,
i1
,
i
,
i+1
, . . . ,
n
)
i
(S
i
).
3.6 Existencia del equilibrio de Nash 63
Tengamos en cuenta que una estrategia mixta no es mas que una loteria sobre
estrategias puras y que la funcion de pagos o ganancias es lineal, para cada jugador,
en las probabilidades de sus distintas estrategias puras. Por tanto, el pago esperado
para un jugador de una estrategia mixta, suponiendo jas la sestrategias de los
otros jugadores, resulta ser una combinacion convexa de los pagos de las estrategias
puras soporte de dicha estrategia mixta, y en consecuencia, la ganancia esperada
de una estrategia mixta tiene como lmites inferior y superior las ganancias mnima
y maxima de las estrategias puras soporte de dicha estrategia mixta.
3.6. Existencia del equilibrio de Nash
Demostraremos primero un teorema, que garantiza la existencia de equilibrios
de Nash en estrategias puras, para algunos tipos de juegos innitos. En seguida,
presentamos el teorema de Nash, que establece la existencia de equilibrios, en
estrategias mixtas, para todos los juegos nitos en forma normal.
Para enunciar el siguiente teorema necesitamos algo de terminologa.
Denici on 3.6.1. Sea f : A R una funcion denida sobre el conjunto convexo
A R. Decimos que f es cuasiconcava en A si el conjunto
x A [ f(x) k
es convexo, para todo k R.
Observaci on 3.6.1. Otra forma equivalente de denir la cuasiconcavidad es
f(x + (1 )y) minf(x), f(y) , [0, 1], x, y A.
En efecto, si f es cuasiconcava, el conjunto
z A [ f(z) k
es convexo, en particular para k = minf(x), f(y), es decir
f(x + (1 )y) minf(x), f(y) .
Recprocamente, veamos que x A [ f(x) k es convexo, para todo k R. Si
x, y z A [ f(z) k con k R, consideremos [0, 1], entonces
f(x + (1 )y) minf(x), f(y) k
o bien x + (1 )y z A [ f(z) k .
Lema 3.6.1. Sean X = x
1
, x
2
, . . . , x
n
R y U : L
X
R dada por
U(
1
,
2
, . . . ,
n
) =
n
i=1
j
u
j
donde u
1
, . . . , u
n
son n umeros reales jos, es decir, U es una funcion de utilidad
esperada de Von Newmann-Morgenstern. Entonces U es continua y cuasiconcava.
Demostracion. La continuidad de U es trivial, pues U es lineal en . Para la
cuasiconcavidad es suciente ver que el conjunto L
X
[ U() r es convexo
para todo r R. Sean
,
L
X
[ U() r , t [0, 1]
formamos ahora la combinacion convexa y evaluamos la funcion
U(t + (1 t)
) =
n
j=1
(t
j
+ (1 t)
j
)u
j
= t
n
j=1
j
u
j
+ (1 t)
n
j=1
j
u
j
tr + (1 t)r
= r
es decir t + (1 t)
L
X
[ U() r. Concluimos entonces que U es
cuasic oncava.
Teorema 3.6.1. Sea el juego G = S
1
, . . . , S
n
; u
1
, . . . , u
n
, tal que, para todo
jugador i, se cumple:
i) S
i
es un subconjunto no vaco, compacto y convexo de un espacio R
k
i
,
ii) u
i
es continua en S =
n
i=1
S
i
y cuasiconcava en la variable s
i
.
Entonces, existe al menos un equilibrio de Nash, en estrategias puras, para G.
Demostracion. Denimos, para cada jugador i, su correspondencia de respuesta
optima R
i
, que asigna a cada perl de estrategias puras s = (s
i
, s
i
) el conjunto
R
i
(s), que esta formado por todas las soluciones del problema
max u
i
(a
i
, s
i
)
a
i
S.a: a
i
S
i
3.6 Existencia del equilibrio de Nash 65
Ya que u
i
es continua en S, y por tanto en S
i
, para s
i
jo, ademas como S
i
es
compacto, entonces el problema de maximizacion tiene solucion. Con las corres-
pondencias de respuesta optima de cada jugador, denimos la correspondencia de
respuesta optima global R: SS, como
R(s) = R
1
(s) R
n
(s).
Veriquemos que se cumplen las hipotesis del Teorema de Kakutani, para la
correspondencia R.
S es no vaco, convexo y compacto, por ser producto de conjuntos que satisfacen
las mismas propiedades.
Como cada R
i
(s) es no vaco, el producto R
1
(s) R
n
(s) tambien lo es,
luego R toma valores no vacos.
R es semicontinua superior y toma valores cerrados o, equivalentemente, dado
que S es compacto, la graca de R es un conjunto cerrado. Para ver esto ultimo,
consideremos la sucesion
_
s
k
, t
k
_
kN
gr(R) tal que lm
k
(s
k
, t
k
) = (s, t)
por denicion de gr(R) tenemos que t
k
R(s
k
), o bien, para cada jugador i,
t
k
i
R
i
(s
k
), ahora usamos la denicion de las correspondencias R
i
, con lo cual,
para cada jugador i tenemos
u
i
(t
k
i
, s
k
i
) u
i
(z
i
, s
k
i
), z
i
S
i
como cada u
i
es continua, haciendo k conseguimos
u
i
(t
i
, s
i
) u
i
(z
i
, s
i
), z
i
S
i
es decir t
i
R
i
(s) para cada jugador, y en consecuencia t R(s).
Resta ver que R toma valores convexos. Sea i un jugador arbitrario y consi-
deremos t
1
, t
2
R
i
(s
i
, s
i
), [0, 1] es decir
u
i
(t
1
, s
i
) u
i
(z
i
, s
i
), u
i
(t
2
, s
i
) u
i
(z
i
, s
i
) z
i
S
i
como u
i
es cuasiconcava en la variable s
i
tenemos
u
i
(t
1
+ (1 )t
2
, s
i
) minu
i
(t
1
, s
i
), u
i
(t
2
, s
i
) u
i
(s
i
, s
i
)
o bien t
1
+ (1 )t
2
R
i
(s
i
, s
i
) = R
i
(s). Entonces R toma valores convexos,
ya que es el producto cartesiano de los conjuntos convexos S
i
.
Es momento de aplicar el Teorema de Kakutani: existe s
S tal que
s
R(s
)
es decir, s
es un equilibrio de Nash.
Teorema 3.6.2 (Nash). En todo juego nito G = S
1
, . . . , S
n
; u
1
, . . . , u
n
existe
al menos un equilibrio de Nash en estrategias mixtas.
Demostracion. Sea G un juego, como en el teorema. Formamos otro juego (G),
con los mismos jugadores. Para cada jugador i denimos su conjunto de estrategias
puras (S
i
), como el conjunto de todas las distribuciones de probabilidad sobre
S
i
; nalmente, las funciones de pagos, son funciones de utilidad esperada de Von
Neumann-Morgenstern, con i = 1, 2, . . . , n.
Notemos que
i) (S
i
) es un simplex, luego, es no vaco, compacto y convexo en un espacio
R
k
i
, para i = 1, 2, . . . , n
ii) Por el lema anterior, para cada jugador i, su funcion de pagos es continua y
cuasiconcava en (S
i
), mas a un, es continua en todo (S) =
n
j=1
(S
i
).
Entonces, aplicando el teorema anterior, existe al menos un equilibrio de Nash, en
estrategias puras, para (G), es decir, existe un equilibrio de Nash en estartegias
mixtas para G.
Ahora sabemos que el juego de las monedas si tiene un equilibrio en estrategias
mixtas.
Bibliografa
[1] E. Cerda, J.L. Jimeno, and J. Perez. Teora de Juegos. Prentice Hall, 2004.
[2] J. Dugundji and A. Granas. Fixed Point Theory. Springer-Verlag, 2003.
[3] S. V. Fomin and A. N. Kolmogorov. Elementos de la Teora de Funciones y
del Analisis Funcional. Editorial Mir, 1975.
[4] D. Fudenberg and J. Tirole. Game Theory. MIT Press, 1991.
[5] J. Green, A. Mas-Colell, and M. Whinston. Miroeconomic Theory. Oxford
University Press, 1995.
[6] G. Jehle and P. Reny. Advanced Microeconomic Theory. Addison Wesley,
2001.
[7] D. Kreps. Teoria de Juegos y Modelacion Economica. Fondo de Cultura
Economica, 1994.
[8] K. Kuratowski. A Half Century of Polish Mathematics: Remenbrances and
Reections. Oxford, 1980.
[9] O. Morgenstern and J. Von Neumann. Game Theory and Economic Behavior.
Princeton University Press, 2004.
[10] J. Nash. Non-cooperative games. Annals of Mathematics, 54, 1951.
[11] R. Rockafellar. Convex Analysis. Princeton University Press, 1970.
[12] W. Rudin. Principles of Mathematical Analysis. McGraw-Hill, 1964.
[13] W. Rudin. Functional Analysis. McGraw-Hill, 1973.
.
Conclusiones
La mayora de los textos sobre la teora de punto jo requiere de conocimientos
como topologa algebraica o tecnicas del analisis funcional, como mencionamos
en el Captulo 1, sin embargo, es posible dar una demostracion rigurosa de dos
teoremas relevantes en esta area, el Teorema de Brouwer y el Teorema de Kakutani,
apelando unicamente a conocimientos del calculo multivariable. En el desarrollo
de la herramienta necesaria para tales pruebas, encontramos resultados utiles para
abundar un poco mas en las aplicaciones a economa, tal como lo hicimos en el
captulo 2.
Como vimos, estos teoremas son usados para garantizar la existencia, ya sea de
un vector de precios en una economa, o un equilibrio de Nash en una amplia clase
de juegos. Con respecto a la primera aplicacion, gran parte de los modelos que se
trabajan en economa son abordados en un enfoque de equilibrio general, fueron
Kenneth Arrow y Gerard Debreu quienes formalizaron estas ideas, por lo cual se
hacen acredores al premio Nobel de economa en los a nos 1972 y 1983, respecti-
vamente. La teora de juegos tiene aplicaciones en distintas ramas, es quiza en las
ciencias sociales, donde la idea de equilibrio de Nash ha tenido gran auge, a grado
tal que John Nash (junto con Reinhard Selten y John Harsanyi) recibe el mismo
premio en 1994.

Puntos Fijos, Juegos y Algo Mas...

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Puntos Fijos, Juegos y Algo Mas...

Uploaded by

Copyright:

Available Formats

INSTITUTO POLIT

tal que p(z

) = 0. Una forma de probar el Teorema de la funcion inversa es usando

, por induccion sobre k, tenemos que para

, al ser co(S) el conjunto convexo

. Por otro lado S co(S)

W por ser W subespacio vectorial.

(x, y], luego ,= 1, ademas

(, x). Dado que , x C y C es convexo tenemos que

] C; para que y icr(C) resta ver que

, S el interior y la cerradura topologicos

cor(S) icr(S) S lin(S) S.

. Por ser y elemento arbitrario de V

, veamos que (1 r)x

+ ry, con y C C (si y C

+rC C. Mas a un (1 r)C

+rC C. Puesto que

+ rC es abierto entonces (1 r)x

= cor(C) = . Supongamos que

jo y sea xC, para r [0, 1) R

C por lo tanto xlina(C) lin(C).

= cor(C) = icr(C), mas a un, C

consideremos C = [1, 2] 3; mientras

, sabemos ademas que rC + (1 r)C

para 0 r < 1, as para cada nN,

20 Dos teoremas de punto jo

(x) C para alg un > 0, se sigue ademas que

(x) tenemos que

pero esto contradice el hecho de que x C

(G) no es abierto. Tenemos,

(G) que no es interior, luego para cada nN existe

(G) se sigue que (x) G ,=

(x) es una vecindad de x y

(x) de x tal que

(x). Entonces para todo xN

1 dimensional del smplex co(x

), son etiquetados unicamente por

. La conclusion es que existe un elemento S de la particion, que es

no esta en la imagen de f, siendo r

y alguno de estos elementos sea imagen de dos vertices

). Es hora de aplicar nuestra hipotesis de induccion, por lo tanto

tambien lo es. Puesto que 0 no es impar tenemos que

F se verica que co(x

C tal que f(x

F y supongamos que existe x co(x

un elemento de la interseccion, tenemos entonces

). Por unicidad de las

C esto se debe a que d

). Por la forma en que denimos f

)), de forma equivalente h(x

es solucion del problema de maximizacion, esta depende

(p, y), para nuestro caso y = p e

) para cada consumidor i, con desigualdad

Esta es una forma de ordenarlos resultados socialmente factibles, resulta

X que sea superior en el sentido de Pareto a x.

, sea candidato a equi-

junto con el vector de precios del Paso 1, no es equilibrio walrasiano.

es eciente en el sentido de Pareto y por lo

que mejore a los agentes. Por el Teorema

You might also like