Professional Documents
Culture Documents
(TELECONOMIC)
Unidad II
Fundamentos Bsicos de Microeconoma
(Basado en el Libro de SAMUELSON-HORDHAUS y en el libro de WALTER NICHOLSON)
Sesin 2
LA MATEMATICA DE
OPTIMIZACION
La Matemtica de Optimizacin
Muchas teorias econmicas incian con la
presuncin que un agente econmico busca
encontrar el valor ptimo de alguna funcin
Consumidores buscan maximizar utilidad
Firmas buscan maximizar ganancias
Maxima ganancia *
ocurre en q*
*
= f(q)
q*
Quantity
4
0
q
*
2
= f(q)
q1
q2
q*
Quantity
5
0
q
*
= f(q)
3
q*
q3
Quantity
6
Derivadas
La derivada de = f(q) es el lmite de
/q para muy pequeos cambios en q
d df
f (q1 h) f (q1 )
lim
dq dq h 0
h
d
0
dq q q
3
d
0
dq q q *
8
Condiciones de Segundo
Orden
La condicin de primer orden (d/dq) es
necesaria para un mximo, pero no es
condicin suficionte
q*
Quantity
10
Condiciones de Segundo
Orden
Esto significa que, para que q* sea el
ptimo,
d
0 para q q *
dq
d
0 para q q *
dq
11
Segundas derivadas
La derivada de una derivada se denomina la
segunda derivada
La segunda derivada puede denotarse por
d 2
d 2f
or
or f " (q )
2
2
dq
dq
12
13
dx b
3. Si b es una constante, entonces
bx b 1
dx
d ln x 1
4.
dx
x
14
15
d
g ( x)
f ' ( x) g ( x) f ( x) g ' ( x)
8.
dx
[ g ( x)]2
dado que g ( x) 0
17
dz dx dz dx dz
e ax a ae ax
dx
d (ax ) dx
ln(ax ) a a ln(ax )
dx
d (ax )
dx
2
d [ln( x )] d [ln( x )] d ( x ) 1
2
12.
2 2x
2
dx
d(x )
dx
x
x
19
Ejemplo de Maximizacin de
Ganancia
21
Derivadas Parciales
La derivada parcial de y con respecto a x1 es
denotada por
y f
f x1 f1
x1 x1
Derivadas parciales
Una definicin formal de la derivada parcial
es
f
x1
x 2 ,..., x n
23
f
f1 2ax1 bx2
x1
2
2
f
f 2 bx1 2cx2
x2
2. Si y f ( x1 , x2 ) e ax1 bx2 , entonces
f
f
ax1 bx2
f1 ae
y
f 2 be ax1 bx2
x1
x2
24
25
Derivadas Parciales
Las Derivadas Parciales son expresiones
matemticas de la presuncin ceteris
paribus
Muestran como cambios en una variable
afectan algun evento cuando las demas
influencias se mantienen constantes
26
Derivadas Parciales
Debemos considerar siempre las unidades
de medicin de las variables
si q representa la cantidad de gasolina
demandada (medida en billones de galonespor
ao) y p representa el precio en dlares por
galn, entonces q/p medir el cambio en la
demanda (in billones de galones por ao) para
un cambio en precio de un dlar por galn.
27
Elasticidad
La elasticidad mide el efecto proporcional
de un cambio en una variable sobre otra
No tiene unidades
ey , x
y
y x y x
y
x x y x y
x
28
En este caso,
ey , x
y x
x
x
b b
x y
y
a bx
ey,x no es constante
Es importante notar el punto en el cual la
elasticidad ser calculada
29
En este caso,
ey , x
y x
x
b 1
abx b b
x y
ax
30
En este caso,
ey , x
y x
ln y
b
x y
ln x
fij
x j
x j x i
32
Teorema de Young
Bajo condiciones generales, el orden en el
cual se realiza la diferenciacin parcial para
evaluar derivadas de segundo orden no
importa
fij f ji
33
Diferenciacin Total
Suponga quey = f(x1,x2,,xn)
Si todas las xs son variadas por una
pequea cantidad, el efecto total sobre y
ser
f
f
f
dy
dx1
dx 2 ...
dx n
x1
x 2
xn
dy f1dx1 f2dx 2 ... fn dx n
35
Encontrando un Mximo
Suponga que y es una funcin de x1 y x2
y = - (x1 - 1)2 - (x2 - 2)2 + 10
y = - x12 + 2x1 - x22 + 4x2 + 5
x1
y
2 x 2 4 0
x 2
x1* 1
x 2* 2
37
Fronteras de Posibilidades de
Produccin
Ejemplo anterior: 2x2 + y2 = 225
Puede escribirse: f(x,y) = 2x2 + y2 - 225 = 0
Debido a que fx = 4x y fy = 2y, el costo de
oportunidad entre x e y es
f x dx f y dy 0
dy f x 4 x 2 x
dx
fy
2y
y
38
Teorema de Funcin
Implicita
No simepre es posible resolver funciones
implicitas de la forma g(x,y)=0 para funciones
explicitas unicas de la forma y = f(x)
Los matemticos han derivado las condiciones
necesarias
En muchas aplicaciones econmicas, estas
condiciones son las mismas que las condiciones de
segundo orden para un mximo ( o mnimo)
39
El teorema de la Envolvente
El teorema de la envolvente tiene que ver con
cmo el valor ptimo de una funcin particular
cambia cuando un parmetro de la funcin
cambia.
Veamos un ejemplo
40
El teorema de la Envolvente
Suponga que y es una funcin de x
y = -x2 + ax
El teorema de la Envolvente
Valores ptimos de x e y para valores alternativos de a
42
El teorema de la Envolvente
Conforme a se increm
el valor mximo de
y (y*) se incrementa
La relacin entre a
e y es cuadrtica
43
El teorema de la Envolvente
Suponga que estamos interesados en mostrar
el cambio de y* conforme cambia a
Hay dos formas de hacerlo
Calcular la pendiente de y directamente
Mantener x constante en su valor ptimo y
calcular y/a directamente
44
El teorema de la Envolvente
Para calcular la pendiente de la funcin,
debemos resolver para el valor ptimo de x
para cualquier valor de a
dy/dx = -2x + a = 0
x* = a/2
Sustituyendo, obtenemos
y* = -(x*)2 + a(x*) = -(a/2)2 + a(a/2)
y* = -a2/4 + a2/2 = a2/4
45
El teorema de la Envolvente
Por lo tanto,
dy*/da = 2a/4 = a/2 = x*
El teorema de la Envolvente
y/ a = x
manteniendo x = x*
y/ a = x* = a/2
47
El teorema de la Envolvente
El teorema de la envolvente establece que el
cambio en el valor ptimo de una funcin con
respecto a un parmetro de dicha funcin puede
encontrarse derivando parcialmente la funcin
objetivo mientras se mantiene x ( o varias xs) en
su valor ptimo
dy * y
{x x * (a)}
da
a
48
El teorema de la Envolvente
El teorema de la envolvente puede extenderse al
caso en que y es The envelope theorem can be
extended to the case whuna funcin de varias
variables
y = f(x1,xn,a)
El teorema de la Envolvente
Los valores ptimos para las xs seran funciones
de a
x1* = x1*(a)
x2* = x2*(a)
.
.
.
xn*= xn*(a)
50
El teorema de la Envolvente
Sustituyendo en la funcion objetivo original
conduce a la expresin para el valor ptimo de y
(y*)
y* = f [x1*(a), x2*(a),,xn*(a),a]
Diferenciando se obtiene
dy *
f dx1
f dx 2
f dx n f
...
da
x1 da x 2 da
xn da a
51
El teorema de la Envolvente
Debido a que las condiciones de primer orden,
todos los trminos excepto f/a son cero si las
xs toman su valor ptimo
Por tanto,
dy * f
{x x * (a)}
da
a
52
Constrained Maximization
Que pasa si no todos los valores de x son
viables?
Los valores de x pueden requerir ser positivos
Una escogencia del consumidor por ej. Esta
limitada por la cantidad de dinero disponible
.
.
.
L/xn = fn + gn = 0
L/ = g(x1, x2,, xn) = 0
56
57
marginal cost of xi
59
Dualidad
Cualquier problema de maximizaxin
condicionada (constrained maximization
problem) tiene asociado su problema dual
de minimizacin condiconada que enfoca su
atencin en las condiciones del problema
original (denominado primal)
62
Ejemplos de Dualidad
Individuos maximizan la utilidad sujetos a el
limite de presupuesto (budget constraint)
Problema dual: individuos minimizan el gasto
necesario para alcanzar un nivel dado de utilidad
63
Maximizacin Condicionada
Suponga que un grangero tiene cierta longitud
de cerca (P) y desea cerrar el mayor area
posible con forma rectangular
Sea x la longitud de un lado
Sea y la longitud del otro lado
Problema: escoger x e y tal que se maximice el
rea (A = xy) sujeto a las condiciones de que
el permetro es fijo
P = 2x + 2y
64
Maximizacin Condicionada
Estableciendo el multiplicador de Lanagrange
L = xy + (P - 2x - 2y)
Maximizacin Condicionada
Ya que y/2 = x/2 = , x debe ser igual a y
El campo debe ser cuadrado
x e y deben escogerse tal que la razn del beneficio
marginal al costo marginal sea el mismo
Maximizacin Condicionada
Interpretacin del multiplicador de Lagrange
Si el grangero estubiera interesado en saber cuanto
campo adicional puede cercar agregando una yarda
de cerca, sugiere que puede encontrarlo
dividiendo el permetro (P) entre 8
As, el multiplicador de Lagrange proporciona
informacin sobre los valores implicitos de las
condiciones
67
Maximizacin Condicionada
Problema Dual: escoger x e y para minimizar
la cantidad de cerca requerida para cubrir el
campo
min P = 2x + 2y sujeto a A = xy
Maximizacin Condicionada
Condiciones de Primer Orden:
LD/x = 2 - Dy = 0
LD/y = 2 - Dx = 0
LD/D = A - xy = 0
Resolviendo obtenemos
x = y = A1/2
sujeto a
g(x1,,xn;a) = 0
Condiciones de Desigualda
En algunos problemas econmicos las
condiciones no son igualdades
Por ejemplo, suponga que buscamos
maximizar y = f(x1,x2) sujecto a
g(x1,x2) 0,
x1 0, and
x2 0
72
Condiciones de Desigualda
Una forma de resolver este problema es
introducir tres nuevas variables (a, b, and c)
que conviertan las desigualdades en
igualdades
Para asegurar que las desigualdades se
cumplan (>0),se elevan al cuadrado las
nuevas variables de forma que sus valores
aseguren ser positivos
73
Condiciones de Desigualda
g(x1,x2) - a2 = 0;
x1 - b2 = 0; and
x2 - c2 = 0
74
Inequality Constraints
Setemos Lagrangian
L = f(x1,x2) + 1[g(x1,x2) - a2] + 2[x1 - b2] + 3[x2 c2]
75
Condiciones de Desigualda
L/x1 = f1 + 1g1 + 2 = 0
L/x2 = f1 + 1g2 + 3 = 0
L/a = -2a1 = 0
L/b = -2b2 = 0
L/c = -2c3 = 0
L/1 = g(x1,x2) - a2 = 0
L/2 = x1 - b2 = 0
L/3 = x2 - c2 = 0
76
Condiciones de Desigualda
Acorde con la tercer condicin, ya sea a
1 = 0
si a = 0, la condicin g(x1,x2) se cumple
exactamente
si 1 = 0, la disponibilidad de cierta flojedad en
las condiciones implica que su valor para la
funcin objetivo es 0
Condiciones de Desigualda
Estos resultados son conocidos por
condiciones Kuhn-Tucker
Muestran que las soluciones de problemas de
optimizacin que involucran condiciones de
desigualdad difieren de problemas con
condiciones de igualdad en forma simple
we cannot go wrong by working primarily with
constraints involving equalities
78
80
Maximizacin condicionada
Suponga que deseamos escoger x1 y x2 para
maximizar
y = f(x1, x2)
Maximizacin condicionada
Las condiciones de primer orden son
f1 - b1 = 0
f2 - b2 = 0
c - b1x1 - b2x2 = 0
Maximizacin condicionada
Solamente los valores de x1 y x2 que
satisfacen la condicin pueden ser
consideradas altervas validas para el punto
crtico
As, debemos calcular la diferencial total de
las condiciones
-b1 dx1 - b2 dx2 = 0
dx2 = -(b1/b2)dx1
Maximizacin condicionada
Debido a que las condiciones de primer
orden implican que f1/f2 = b1/b2, podemos
sustituri y obtener
dx2 = -(f1/f2) dx1
Ya que
d 2y = f11dx12 + 2f12dx1dx2 + f22dx22
Maximizacin condicionada
Combinando trminos y rearreglando
d 2y = f11 f22 - 2f12f1f2 + f22f12 [dx12/ f22]
91
93
Funciones Homogeneas
Una funcin f(x1,x2,xn) es homogenea de
grado k si
f(tx1,tx2,txn) = tk f(x1,x2,xn)
Cuando la funcin es homogenea de grado uno,
al duplicar todos sus argumentos duplica el valor
de la funcin
Cuando la funcin es homogenea de grado cero,
duplicar sus argumentos deja el valor de la
funcin sin cambio
94
Funciones Homogneas
Si una funcin es homognea de grado k, las
derivadas parciales de la funcin seran
homogneas de grado k-1
f
k 1
t f xi (tx1 , tx2 , )
xi
95
Teorema de Euler
Si difernciamos la definicin para
homogeneidad con respecto al factor de
proporcionalidad t, obtenemos
ktk-1f(x1,,xn) = x1f1(tx1,,txn) + + xnfn(x1,,xn)
96
Teorema de Euler
El teorema de Euler muestra que, para
funciones homogeneas, existe una relacin
definida entre los valores de la funcin y
los valores de sus derivadas parciales
97
Funciones Homotticas
Una funcin homottica se forma
realizando una transformacin monotnica
de una funcin homognea
No posee la propiedad de homogeneidad de la
funcin subyacente
98
Funciones Homotticas
Tanto para las funciones homotticas como
para las homogeneas el trade-off entre las
variables en la funcin dependen solamente
de las razones de tales variables, no de sus
valores absolutos
99
Funciones Homotticas
Suponga que examinamos la funcion
implicita de dos variables f(x,y) = 0
El trade-off entre x e y para una funcin de
dos variables es
dy/dx = -fx/fy
Funciones Homotticas
El trade-off implcito entre x e y es
t k 1 f x (tx, ty )
f x (tx, ty )
dy
k 1
dx
t f y (tx, ty )
f y (tx, ty )
Si t = 1/y,
x
f x ,1
y
dy
dx
x
f y ,1
y
101
Funciones Homtticas
El trade-off no se ve afectado por la
transformacin monotnica y permance
siendo una funcin solamente de la razn x
a y.
x
f x ,1
y
dy
dx
x
f y ,1
y
102
Notas importantes:
Las matematicas proveen a los
economistas una forma conveniente para
desarrollar modelos
Implicaciones d evarias presunciones
econmicas pueden estudiarse a traves del uso
de herramientas matemticas
103
Notas importantes:
Se utilizan Derivadas en economia debido
aol interes en determinar como cambios
marginales en una variable afectan otra
Las derivadas parciales incorporan la
presuncin ceteris paribus utilizada en la
mayora de modelos econmicos
104
Notas importantes:
La matemtica de optimizacin es una
herramienta importante para el desarrollo
de modelos que asumen agentes
econmico racionales que busca cierta
meta
La condicin de primer orden para un
mximo requiere que todas las derivadas
parciales sean iguales a cero
105
Notas importantes:
Muchos problemas econmicos
involucran condiciones sobre las
escogencias que los agentes pueden
hacer
Las condiciones de primer orden para un
mximo sugieren que cada actividad sea
operada a un nivel igual a la razn del
beneficio marginal de la actividad a su
costo marginal
106
Notas importantes:
EL multiplicador de Lagrange es utilizado
para ayuda a resolver problemas de
maximizacin condicionada
El multiplicador de Lagrange puede ser
interpretado como el valor implicito de las
condiciones (shadow price)
107
Notas importantes:
El teorema de la funcin implicita ilustra
la dependencia de las escogencias que
resultan de un problema de optimizacin
sobre los parmetros del problema
108
Notas importantes:
El teorema de la envolvente examina
como las escogencias optimas
cambiarn conforme cambian los
parmetros del problema
Algunos problemas de optimizacin
pueden incluir condiciones de
desigualdad en lugar de igualdades
109
Notas importantes:
Las condiciones de primer orden son
necesarias pero no suficientes para
asegurar un mximo o mnimo
Las condiciones de segundo orden que
describen la curvatura de la funcin deben
verificarse
110
Notas importantes:
Ciertos tipos de funciones son fecuentes
en muchos probloemas econmicos
Las funciones quasi-concave obedecen las
condiciones de segundo orden de los
problemas de maximizacin o minimizacin
condicionada cuando las
condiciones/restricciones son lineales
Funciones homtticas tienen la propiedad
que el trade-off implicito entre variables
depende solamente de las razones de tales
variables
111
Asignacin
1. Demuestre que y = f(x1,x2) = (x1x2)k
Es una funcin quasi-concava
2. Usando Matlab, grafque el
comportamiento de esta funcin para k=0.1,
0.3, 0.5, 0.7, 0.8 y 1
112
M . S. Garache
113