Cap. 12.

Optimizacin con
restriccin de igualdad
Chiang & Wainwright

12.1 EFECTOS DE UNA RESTRICCIN

El principal propsito de la imposicin de una restriccin es

reconocer la presencia de factores limitantes en el problema

de optimizacin en discusin.
Ejemplos tpicos en economa:
- Maximizacin de utilidad sujeta a una restriccin
presupuestaria.
- Minimizacin del costo de produccin de una cierta
cantidad de un producto.

12.1 EFECTOS DE UNA RESTRICCIN

12.2 CMO ENCONTRAR LOS VALORES

ESTACIONARIOS

12.2 CMO ENCONTRAR LOS VALORES

ESTACIONARIOS

12.2 CMO ENCONTRAR LOS VALORES

ESTACIONARIOS
El problema general es maximizar

sujeta a
El Lagrangiano de este problema es:

Las CPO son:

12.2 CMO ENCONTRAR LOS VALORES

ESTACIONARIOS

12.2 CMO ENCONTRAR LOS VALORES

ESTACIONARIOS
Cundo resulta til el mtodo de los
multiplicadores de Lagrange?
Cuando la restriccin en s misma es una funcin complicada,
o cuando hay varias restricciones que deben considerarse.
Si la restriccin presenta una forma tal que no podemos
resolverla para expresar una variable (x2) como una funcin
explcita de la otra (x1).

Interpretacin del multiplicador de

Lagrange
El multiplicador mide la sensibilidad del valor ptimo de la

funcin objetivo f a cambios en el valor de la restriccin (el

valor de c). Esto se va a demostrar ms adelante.
Hacer Ejemplos 1 y 2 de Chiang. Pgina 351-2.
Pgina 353: Una interpretacin de los multiplicadores de

Lagrange.

Interpretacin de los multiplicadores

de Lagrange.
Suponiendo que el Jacobiano del sistema es diferente de cero,

puedo escribir
como funciones explcitas de
los parmetros del problema (c).
Insertando dichos valores en las CPO obtengo

Interpretacin de los multiplicadores

de Lagrange.
Notar que

es funcin exclusivamente del parmetro c.

Diferenciando
cra c obtenemos:

Interpretacin de los multiplicadores

de Lagrange.
Interpretar el significado del (valor ptimo del) multiplicador

para las aplicaciones de maximizacin de utilidad y de

minimizacin de costos.
Tarea: demostrar que en un problema de maximizacin de
utilidad sujeta a una restriccin presupuestaria, el valor
ptimo de lambda es igual a la utilidad marginal del ingreso.
Tarea: demostrar que en un problema de minimizacin de
costos sujeta a una restriccin de nivel de produccin, el
valor ptimo de lambda es igual al costo marginal.

Interpretacin de los multiplicadores

de Lagrange.
Ejercicio 12.2.

1, 2 y 3.

Interpretacin de los multiplicadores

de Lagrange.

Condiciones de segundo orden

La diferencial total de segundo orden
Dado el problema de max/min
sujeta a
,

De Zx y Zy se obtiene

Condiciones de segundo orden

Vamos a examinar el signo de d2z para determinar las CSO.
Notemos que de
y
obtenemos
y

de donde se deduce que dx y dy no son independientes y no

pueden ser ambas arbitrarias.
Si seguimos permitiendo que dx sea arbitraria, dy debe
considerarse funcin de dx.

Condiciones de segundo orden

Entonces,

Condiciones de segundo orden

De esta expresin se deduce que

Test del determinante para un extremo

relativo restringido

Test del determinante para un extremo

relativo restringido

Condiciones de segundo orden

Reescribir el Hessiano y mostrar equivalencia (

es Z ).

Condiciones de segundo orden

Ejercicio 12.3 TODO

Cuasiconcavidad y cuasiconvexidad
En la seccin 11.5 se mostr que, para un problema de

extremo libre, un conocimiento de la concavidad o la

convexidad de la funcin objetivo evita la necesidad de
verificar la condicin de segundo orden.
En el contexto de la optimizacin restringida, nuevamente es
posible prescindir de la condicin de segundo orden si la
superficie o la hipersuperficie tienen el tipo apropiado de
configuracin. Pero esta vez la configuracin deseada es la
cuasiconcavidad (en lugar de concavidad) para un mximo, y
la cuasiconvexidad (en lugar de convexidad) para un mnimo.

Cuasiconcavidad y cuasiconvexidad
Como demostraremos, la cuasiconcavidad (cuasiconvexidad)

es una condicin ms dbil que la concavidad (convexidad).

Esto es de esperarse, ya que la condicin suficiente de
segundo orden que se va a omitir es tambin ms dbil para
el problema de optimizacin restringida (d2z definido en el
signo solamente para aquellos dxi que satisfagan dg = 0) que
para el problema libre (d2z definido en el signo para todo
dxi).

Cuasiconcavidad y cuasiconvexidad
Definicin geomtrica
Sean u y v dos puntos cualquiera diferentes en el dominio
(un conjunto convexo) de una funcin f , y sea el segmento
de lnea uv en el dominio que origina el arco MN en la grfica
de la funcin, tal que el punto N est ms alto que o tenga la
misma altura que el punto M. Entonces, se dice que la funcin
es cuasicncava si todos los puntos en el arco MN diferentes de
M y N estn ms altos que o tienen la misma altura que el
punto M.

Cuasiconcavidad y cuasiconvexidad
Se dice que la funcin f es estrictamente cuasicncava si todos

los puntos del arco MN diferentes de M y N estn

estrictamente a mayor altura que el punto M.

Cuasiconcavidad y cuasiconvexidad

Cuasiconcavidad y cuasiconvexidad
Sean u y v dos puntos cualquiera diferentes en el dominio (un

conjunto convexo) de una funcin f , y sea el segmento de

lnea uv en el dominio que origina el arco MN en la grfica de
la funcin, tal que el punto N est ms alto que o tenga la
misma altura que el punto M. Entonces, se dice que la funcin
es cuasiconvexa si todos los puntos en el arco MN diferentes de
M y N estn ms bajos que o tienen la misma altura que el
punto N.

Cuasiconcavidad y cuasiconvexidad
Se dice que la funcin f es estrictamente cuasiconvexa si todos los

puntos del arco MN diferentes de M y N estn estrictamente a

menor altura que el punto N.

Cuasiconcavidad y cuasiconvexidad

Cuasiconcavidad y cuasiconvexidad
En la seccin

Cuasiconcavidad y cuasiconvexidad
Una definicin alternativa

Del captulo 11
ii)

Del captulo 11

Cuasiconcavidad y cuasiconvexidad
Mientras (12.21) puede usarse para verificar la

cuasiconcavidad y la cuasi-convexidad no puede distinguir

entre las variedades estricta y no estricta de estas
propiedades.
Observe tambin que las propiedades que surgen a partir de
la definicin (12.21) no son en s mismas suficientes para la
concavidad y la convexidad respectivamente. En especial,
dada una funcin cncava que debe forzosamente ser
cuasicncava, concluimos que S es un conjunto convexo; pero
dado que S es un conjunto convexo, concluimos solamente
que la funcin f es cuasicncava (pero no necesariamente
cncava).

Cuasiconcavidad y cuasiconvexidad
Funciones diferenciables

Cuasiconcavidad y cuasiconvexidad
Finalmente, si una funcin z=f(x1, , xn) es dos veces

continuamente diferenciable, la cuasiconcavidad y

cuasiconvexidad pueden verificarse mediante las primeras y
segundas derivadas parciales de la funcin, arregladas en el
determinante orlado

Cuasiconcavidad y cuasiconvexidad

Cuasiconcavidad y cuasiconvexidad
Cuando la restriccin es lineal,

y ambos determinantes tienen el mismo signo en el punto

estacionario de Z.

Funciones Homogneas
Una funcin es HDG r si y solo si al multiplicar cada una de

sus variables independientes por una constante j (>0) cambia

el valor de la funcin en una proporcin jr .

Interpretacin y aplicaciones (demanda y produccin).

Ejemplo:

Funciones Homogneas
Ejemplo:

Ejemplo:

Funciones Homogneas
Funcin Cobb Douglas

http://es.wikipedia.org/wiki/Funci%C3%B3n_de_producc
i%C3%B3n_de_Cobb-Douglas
Versin generalizada de funcin Cobb Douglas

Funciones Homogneas

y = log x1 + log x2

Teorema de Euler

Sea f(x1,, xn) una funcin HDG r. Entonces

Tambin se cumple Teorema de Euler al revs.

Funciones Homogneas
Si

es una funcin HDG r, entonces las

derivadas parciales primeras
son HDG (r-1).
De esto se deriva la propiedad de que las curvas de nivel son
simplemente expansiones o reducciones radiales unas de
otras.

Funciones Homotticas
Una funcin que es una transformacin montona de una

funcin homognea es una funcin homottica.

Las funciones homotticas tambin tienen la propiedad de
que las curvas de nivel son simplemente expansiones o
reducciones radiales unas de otras.
R entre funciones homogneas y homotticas.