Download Optimización con restricciones de desigualdad: Condiciones de

Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
Curso 2013/2014
Optimización con restricciones de desigualdad:
Condiciones de Kuhn-Tucker
Hasta ahora, hemos estudiado como maximizar o minimizar una función sujeta a restricciones
en forma de ecuaciones de igualdad. En esta sección, nos ocuparemos de problemas de
programación no lineal, con restricciones en forma de desigualdad.
Los programas con restricciones de desigualdad, tienen una historia mucho más reciente que
los programas analizados anteriormente. Las características y métodos de resolución de estos,
se empiezan a dar a conocer en los años cincuenta de este siglo, mientras que los programas
con restricciones de igualdad o sin restricciones conforman la optimización clásica, y han sido
utilizados desde el siglo XVIII.
Los métodos teóricos de resolución de los programas no lineales, con restricciones de
desigualdad, son conocidos a partir de los trabajos de los matemáticos norteamericanos Kuhn
y Tucker, publicados en 1951.
Este tipo de programas representan con más fidelidad, las circunstancias en las que se
desenvuelve la actividad económica, ya que normalmente se dispone de cantidades limitadas
de recursos - más de una vez habremos leído que la economía es la ciencia de la escasez pero sin la obligación de emplearlas en su totalidad, si ello no resulta necesario.
Así, este nuevo tipo de programas, nos posibilita obtener soluciones óptimas que no saturen1
necesariamente todas las restricciones, pudiendo quedar recursos que no sea necesario utilizar
hasta su agotamiento.
Consideremos el problema sencillo de programación no lineal:
Un punto factible ( , ) satura o activa la restricción ( , ) ≤
caso contrario
( , )<
cuando se verifique que ( , ) = . En
diremos que ( , ) no satura la restricción.
1
1
( , )≤
Página
max ( , )
Cursso 2013/201
14
Matemáticas Avan
nzadas parra la Econoomía
Manuell Sánchez Sánchez
S
(U
UNED)
Lo prim
mero que haremos es escribir unn procedimiiento, que nos
n permitaa obtener to
odos los
puntos ( , ) quue pudieran
n resolver el probleema. Este procedimieento establlece las
ker, que son condicionnes necesarrias para
denominnadas conddiciones neccesarias de Kuhn-Tuck
que un ppunto - que cumple la hipótesis d
de cualifica
ación de lass restriccioones2 - sea óptimo.
ó
( , ) sujeta a ( , ) ≤
Regla ppara resolveer
1. A
Asociar unn multiplicaador constaante de Lag
grange
, a la restriccción
( , )≤
y
ddefinir la fuunción lagraangiana:
( , )= ( , )+ ( ( , )− )
2. IIgualar a ceero las deriv
vadas parciaales de
( , ):
´
( , )=
´(
, )+
´(
, )=0
´
( , )=
´(
, )+
´(
, )=0
3. IIntroducir la condición
n de holgurra complem
mentaria:
≤0,
=0
( , )<
4. E
Exigir que ( , ) satisffaga la restrricción:
( , )≤
( , ) que, junnto con loss valores asociados
Hallar ttodos los puntos
p
a
dde
, satisffacen las
condicioones (2), (3), y (4).
Adviérttase, que loss pasos 1 y 2 son exacctamente loss que se usaaron en el m
método lagrrangiano
de la seección anteerior. Como
o la condicción 4 se tiiene que saatisfacer obbviamente, la única
novedadd es la conddición 3.
Condición 3
Esta conndición dicee que
Así si
debe ser no po sitivo y, además que
=
si ( , ) < .
< 0, se debbe tener ( , ) = .
2
Ver N
Nota p.s.
Página
2
Una forrmulación alternativa de
d esta condiición es quee:
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
≤ 0,
Nótese que es posible que sean
Decimos que
∙
Curso 2013/2014
( , )−
=0y ( , )=
≤0y ( , )≤
=0
a la vez en (3).
son desigualdades complementarias en el sentido de que
a lo más se puede "dar holgura" a una, esto es, a lo más una es estricta. Equivalentemente, al
menos una debe ser una igualdad.
Las ecuaciones (2) y (3) se conocen como las condiciones de Kuhn-Tucker. Nótese que ellas
son, esencialmente, condiciones necesarias para la solución del problema (1).
Nota
Hipótesis de Cualificación de las restricciones
Las condiciones de Kuhn-Tucker son necesarias solamente si se satisface una
disposición específica llamada hipótesis de cualificación de la restricción
(h.c.r.), que impone una cierta condición sobre las funciones de restricción,
con el propósito de descartar ciertas irregularidades en la frontera del conjunto
factible, que invalidarían la condiciones de Kuhn-Tucker como necesarias,
dándose la posibilidad de la existencia de puntos que siendo óptimos del
problema, no verifiquen dichas condiciones.
Esta disposición h.c.r. es en general difícil de comprobar, por ello en la
práctica, se exige el cumplimiento de la condición de regularidad, que es
una condición suficiente para que se verifique la h.c.r.
Condición de Regularidad de un Punto
Un punto ( , ) es regular si no satura ninguna de las restricciones, o bien, en
el caso de saturar alguna de ellas, los gradientes de las restricciones saturadas
las
condiciones de Kuhn-Tucker serán condiciones necesarias, que deberá
cumplir cualquier posible óptimo del conjunto factible.
Página
Supondremos que se verifica la denominada h.c.r, de modo que
3
en dicho punto son vectores linealmente independientes.
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
Curso 2013/2014
Ejemplo
Resolver el problema:
max ( , ) = x + y + y − 1 sujeta a
( , ) =x + y ≤ 1
Solución
La función lagrangiana es:
( , ) = x + y + y − 1 + (x + y − 1)
(i)
Las condiciones de primer orden son:
´
( , )=2 +2
´
( , )=2 +1+2
=0
(ii)
=0
(iii)
La condición de holgura complementaria es:
≤ 0,
=0
x +y <1
(iv)
Queremos hallar todos los pares ( , ) que verifican estas condiciones para un valor adecuado
de .
Consideramos primero la condición (ii), que es 2 (1 + ) = 0.
Hay dos posibilidades:
= 0.
= −1 entonces (iii) da 1 = 0, que es una contradicción. Por tanto,
Supongamos que x + y = 1 y así
condiciones (ii) a (iv).
= 0.
= .
Entonces (iii) implica que
Por tanto, (0,1) con
= ±1 ya que según acabamos de ver
= −3/2 y así se verifica (iv).
= −3/2, es un candidato a óptimo porque se satisfacen todas las
4
Tomemos primero
= 0.
Página
Si
= −1 o
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
Curso 2013/2014
=− .
Tomemos ahora
La condición (iii) da
= −1/2 y se verifica también (iv).
Por tanto, (0,1) con
= −1/2 es otro candidato a óptimo.
Finalmente consideremos el caso en que
Esto es: −1 <
= 0 y x + y < 1.
< 1.
Entonces (iv) implica que
= 0 y (iii) da
= −1/2. Por tanto, (0, -1/2) con
= 0 es un
candidato a óptimo.
La conclusión es entonces que hay tres candidatos a óptimo. Ahora bien:
(0,1) = 1
(0, −1) = −1
(0, −1/2) = −5/4
Si sustituimos dichos puntos en la función objetivo, deducimos que en el punto
(v)
=0 e
= 1 se encuentra un máximo local del problema, mientras que en el punto (0, −1/2) hay
un mínimo local.
Método de Resolución del Problema General
Un problema de programación no lineal general es el siguiente:
max ( , … ,
)
( ,…, ) ≤
……………………..
( ,…, ) ≤
Ahora ya es muy fácil dar una regla para resolver el problema general (1) de programación no
Página
5
lineal. Damos la regla en el siguiente recuadro
Matemáticas Avan
nzadas parra la Econoomía
Manuell Sánchez Sánchez
S
(U
UNED)
Cursso 2013/201
14
para resolver el probleema generaal de progrramación no lineal
Regla p
max ( )
ddonde
= ( ,…,
( )≤
,…,
)
).
( )= ( )+∑
Escribir la función
f
lagrrangiana:
1. E
dondde
( = 1, … ,
( )−
son multiplicadores dde Lagrange asociadas con las
rrestriccionees.
2. IIgualar a ceero todas lass derivadas parciales dee primer ord
den de ( )):
( )
( )
=
( )
+
=0
( = 1, … , )
3. IImponer lass condicionees de holguura complem
mentaria:
≤ 0,
=0
( )<
4. E
Exigir que x satisfaga las
l restricciiones:
( )≤
( = 1, … ,
Hallar ttodos los x, y los valorees asociadoos de
,…,
)
que satiisfagan todaas esas cond
diciones.
Estos soon los canddidatos a óptimo, y, si eel problemaa tiene solu
ución, al meenos uno dee ellos lo
resuelvee.
= ( ,…,
El conjjunto de vectores
v
) que verrifican todaas las resttricciones se
s llama
conjuntto admisiblle, o más freecuentemennte, el conju
unto factiblle.
igualdadd
( ,…,
( ,…,
)=
)≥
see puede esccribir como − ( , … ,
ess equivalentte a las dos desigualdad
des
( ,… ,
). Tamb
bién una
) ≤ − , y una
)≤
y
6
desiguaaldad como
) es eqquivalente a maximizar − ( , … ,
Página
Nótese que minimiizar ( , … ,
Matemáticas Avan
nzadas parra la Econoomía
Manuell Sánchez Sánchez
S
(U
UNED)
− ( ,…,
Cursso 2013/201
14
) ≤ − . De esta
e
maneraa la mayo
oria de loss problemaas de optim
mización
restringida se puedden expresarr en la form
ma (1).
Como een la seccióón anterior, las condiciiones de Ku
uhn-Tucker son esenciaalmente necesarias
para la solución deel problemaa (1), pero no son sufficientes. Ell siguiente teorema no
os ofrece
condicioones suficieentes:
Cond
dicioness Suficieentes dee Kuhn
n-Tuckeer
Las conndiciones suuficientes co
onllevan disstintas impllicaciones que
q las conddiciones necesarias,
ya que si un puntoo
∗
satisfaace una conndición sufiiciente paraa máximos, entonces ese punto
debe maaximizar la función objjetivo.
En estee sentido, las condiciones suficcientes noss proporcionan un tippo de prueeba más
definitivvo, aunquee al ser só
ólo suficiennte, una so
olución gen
nuinamente óptima pu
uede no
satisfaceer la condicción suficien
nte.
En la p
práctica apparecen con
n frecuenciaa programass de optimización en llos que el conjunto
c
factible S es conveexo y la función objetivvo es cóncav
va o convex
xa en S.
Estos prrogramas se denominaan convexoos y simpliffican consid
derablementte la resolu
ución del
problem
ma de optim
mización.
Concrettamente en un program
ma convexoo, el óptim
mo local es también gllobal y adeemás las
condicioones necesaarias de Kuh
hn-Tucker sson también
n suficientess.
Condiciones Suficcientes de Óptimo
Ó
Gloobal
Consideeremos el problema
p
(1), y suponngamos quee el punto
∗
es un punto regu
ular, que
satisfacee las condicciones de Khun-Tucke
K
er (2), (3) y (4), siendo las funcionnes de restricción gi
diferencciables en S,
S entonces:
 Si el conjuunto factiblle S es connvexo y laa función f es diferennciable y cóncava
((convexa) en
e S, el puntto
∗
es m
máximo (mín
nimo) global.
 Si f es estrrictamente cóncava
c
o eestrictamente convexa, entonces, el punto
∗
es un
Página
7
m
máximo o mínimo
m
glob
bal estricto..
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
Curso 2013/2014
Nota
En general no siempre es fácil determinar si el conjunto factible S es convexo, Sin
embargo cuando las restricciones gi son convexas en el dominio de optimización,
podemos asegurar que el conjunto factible S es convexo.
Ejemplo
Un individuo consume dos bienes en cantidades
( , )=
+
e , y deriva utilidad según la función
= 10 y
. Los precios de los dos bienes son
= 5, respectivamente, y
= 350.
el ingreso del individuo es
Supongamos que consumir una unidad del primer bien toma 0,1 horas, mientras que una del
segundo se consume en 0,2 horas. El individuo dispone en total de 8 horas, como máximo,
para dedicar a su consumo de los dos bienes. ¿Cuáles son los niveles de consumo óptimos de
esta persona?
Solución.
El problema es:
max ( , ) =
10 + 5 ≤ 350
0,1 + 0,2 ≤ 8
+
La función lagrangiana es:
( , )=
+ ln +
(10 + 5 − 350) +
luego las condiciones necesarias para que ( ∗ ,
) resuelva el problema son que existan
tales que:
=
´
=
1
∗
1
≤ 0,
∗
+ 10
+5
+ 0,1
=0
+ 0,2
=0
=0
10
(i)
(ii)
∗
+5
∗
< 350 (iii)
8
´
Página
y
∗
(0,1 + 0,2 − 8)
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
≤ 0,
=0
Curso 2013/2014
0,1
∗
+ 0,2
∗
< 8 (iv)
Para cada una de las dos restricciones tenemos bien igualdad (si la restricción esta activa) o
desigualdad (si la restricción esta inactiva). Así, hay cuatro casos diferentes:
I
Ambas restricciones están activas.
En este caso:
10
∗
+5
∗
0,1
∗
+ 0,2
= 350 (v)
y
La solución de (v) y (vi) es ( ∗ ,
∗)
∗
=8
(vi)
= (20,30). Si insertamos estos valores en (i) y (ii),
obtenemos el sistema de dos ecuaciones:
10
+ 0,1
5
+ 0,2
La solución de este sistema es ( ,
= −1/20
= −1/30.
) = (−
, − ), luego hemos encontrado un candidato
a ser solución, puesto que las condiciones de Khun-Tucker se satisfacen. (nótese que es
importante verificar que
≤ 0)
La primera restricción esta activa, la segunda no.
En este caso, (v) se sigue cumpliendo pero no así (vi), que ahora resulta:
0,1
∗
+ 0,2
∗
< 8.
De (iv) sabemos que
en (v) , obtenemos que
= 0, mientras (i) y (ii) implican que
∗
Pero esto implica que 0,1
= 17,5 y, por tanto
∗
+ 0,2
∗
∗
=2
∗
∗
= 2 . Reemplazando
= 35.
= 8,75 lo cual viola la segunda restricción, luego
9
concluimos que no puede haber una solución bajo este caso.
Página
II
≤0y
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
III
Curso 2013/2014
La segunda restricción esta activa, la primera no.
∗
Aquí, (vi) se cumple pero: 10
De (iii) tenemos que
∗
+5
< 350.
= 0, mientras que (i) y (ii) nos dicen que 0,1
Reemplazando en (vi), obtenemos que
Pero esto implica que 10
∗
+5
∗
∗
= 20 y, por tanto
∗
∗
= 0,2 ∗ .
= 40.
= 500, lo cual viola la primera restricción.
Nuevamente, podemos concluir que no puede haber una solución bajo este caso.
IV
Ambas restricciones están inactivas.
En este caso
=
= 0, lo cual hace que (i) y (ii) sean imposibles de satisfacer.
Conclusión:
Hay solo un candidato a solución: el punto (20,30).
Al ser la función f estrictamente cóncava – su matriz Hessiana es definida negativa -, y la
región factible convexa – ya que está formada por restricciones lineales - concluimos que en
el punto hallado se encuentra el máximo global estricto.
Nota:
El método general para hallar todos los candidatos a óptimo en un problema de
programación con restricciones de desigualdad se puede formular así:

Estudiar primero el caso en que todas las restricciones están activas,

A continuación estudiar la totalidad de los casos en que todas menos una están
activas, luego aquellos en que todas menos dos están activas, y así sucesivamente.

Se termina por el estudio del caso en que ninguna restricción esta activa.
Lagrange, que satisfacen todas las condiciones relevantes.

Por último buscamos entre todas las posibilidades para hallar la mejor.
Página
hallamos todos los vectores x, junto con los valores asociados de los multiplicadores de
10
Por supuesto que el orden no importa, pero hay que considerar cada caso. En cada paso
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
Curso 2013/2014
Resolución Gráfica de Problemas de Optimización
Restringida
Cuando el programa de optimización está definido sobre el plano, es decir, la función objetivo
es de dos variables, el estudio gráfico del problema puede ser en muchos casos un método
útil para su resolución, evitando así, las ecuaciones de Kuhn-Tucker.
Para resolver gráficamente un problema de optimización, seguiremos los siguientes pasos:

Se dibujan las curvas de nivel de la función objetivo.

Observando el crecimiento de las curvas de nivel y el conjunto factible, es posible
determinar gráficamente dónde se encuentran los óptimos del problema.

Si el óptimo es un vértice del conjunto factible – punto de intersección de las
restricciones -, su cálculo se realiza fácilmente a partir de las restricciones.

Si el óptimo se encuentra en el interior del conjunto factible, el problema es
equivalente a un problema de optimización sin restricciones.

Si el óptimo es punto de tangencia entre una curva de nivel de la función ( , ) y una
( , ) = de las restricciones, el problema es equivalente a un
de las curvas
problema de optimización con restricciones de igualdad.
.
Ejemplo
Un proceso productivo transforma dos inputs en cantidades x e y en un output en cantidades
Q1 siguiendo la relación:
=3 +
La utilidad de este proceso ha sido analizada, obteniéndose en función de los inputs como:
( , )=
−
Si por restricciones del mercado sabemos que nunca se deben obtener más de 4 unidades de
. ¿Cuáles será las cantidades de inputs que maximizan la utilidad del proceso?
Página
Al ser el conjunto factible
= ( , ): 3 + ≤ 4,
≥ 0, ≥ 0 convexo y la función
(
)
objetivo
, = −
cóncava, ya que su matriz Hessiana es semidefinida negativa,
podemos aplicar la condición suficiente de globalidad de modo que si existe un máximo ha
de ser global.
11
Solución:
Matemáticas Avan
nzadas parra la Econoomía
Manuell Sánchez Sánchez
S
(U
UNED)
Cursso 2013/201
14
Por otraa parte, al ser
s el conjjunto factibble compaccto – cerrraado y acotaado -, y la función
objetivoo continuaa, el teorem
ma de los vvalores extrremos3, aseegura la exi
xistencia de óptimos
globaless.
De la reepresentacióón gráfica observamos
o
que la curv
va de nivel máxima quue se puede alcanzar
sujeta a la restricciión plantead
da en el enuunciado dell problema, se encuentrran en el pu
unto A =
(0,4). O
Observemos que es el punto
p
del cconjunto facctible que pertenece
p
a la curva de
d mayor
nivel dee la función de utilidad.
Conddiciones de no negativid
n
dad paraa las varriables.
Es frecuuente que las
l variablees que apareecen en loss problemass económiccos de optim
mización
sean noo negativas por su prropia naturaaleza. A co
ontinuación
n veremos ccomo no es
e difícil
3
Ver A
Apéndice.
Página
12
incorporar esas resstricciones a la formulaación del prroblema de optimizacióón; por ejeemplo, la
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
restricción
Curso 2013/2014
≥ 0 se pueden representar por
( ,…,
)=−
≤ 0, y se introduce un
multiplicador de Lagrange adicional para ella. Sin embargo, para no tener que manejar
demasiados multiplicadores de Lagrange, se suelen formular las condiciones necesarias de
solución de los problemas de programación no lineal con restricciones de no negatividad de
las variables de una forma ligeramente distinta.
max ( , )
Consideremos primero el problema:
( , )=−
Introducimos las funciones:
y
( , )≤ ,
≥ 0,
≥0
( , )=−
Las restricciones del problema pasan a ser: ( , ) ≤ ,
( , )≤0
( , ) ≤ 0.
A continuación tomamos la función lagrangiana:
( , )= ( , )+ ( ( , )− )+
(− ) +
(− )
Las condiciones de Khun-Tucker son:
=
´(
, )+
´(
, )−
= 0 (i)
=
´(
, )+
´(
, )−
= 0 (ii)
( , )< )
(iii)
≤ 0 (= 0
≤ 0 (= 0
> 0)
(iv)
≤ 0 (= 0
> 0)
(v)
De (i) obtenemos:
´(
´(
, )+
De (iv) obtenemos que:
≤0 y
, )=
.
= 0 si
> 0.
, )+
´(
, ) ≤ 0,
´(
, )+
´(
, )=0
De manera análoga, (ii) y (v) equivalen conjuntamente a:
> 0 (vi)
Página
´(
13
Asi (i) y (iv) equivalen conjuntamente a:
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
´(
, )+
´(
´(
, ) ≤ 0,
, )+
´(
Curso 2013/2014
, )=0
> 0 (vii)
Por tanto, las nuevas condiciones de Khun-Tucker son (vi), (vii) y (iii).
Nótese que, después de sustituir (i) y (iv) por (vi) y (ii) y (v) por (vii), sólo el multiplicador
asociado con ( , ) ≤
permanece.
Se puede extender la misma idea al problema de
max ( , … ,
variables:
( ,…, ) ≤
……………………..
( ,…, ) ≤
)
≥ 0, … . ,
≥ 0 (I)
Formuladas brevemente, las condiciones necesarias de solución de (I) son que, para cada
= 1, … , :
( )
( )
+∑
≤ 0,
( )
≤ 0,
=0
( )<
Nota: supongamos que
( )
+∑
( = 1, … ,
)
=0
>0
(II)
(III)
es admisible y satisface las condiciones (II), y las de holgura
complementaria, (III).
Entonces se demuestra que si la función lagrangiana
( ) es cóncava,
resuelve el
problema de maximización.
Ejemplo
x≤5
−x + y ≤ 1
x ≥ 0, y ≥ 0
Página
2
1
1
max (x, y) = x − x + y , sujeta a
3
2
12
14
Resolver el siguiente problema:
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
Curso 2013/2014
Solución
La función lagrangiana asociada es:
2
1
1
( )= x− x + y+
3
2
12
Las condiciones necesarias para que ( ∗ ,
(− +
− 1)
resuelva el problema son que existan números
tales que:
´
= −
´
=
∗
+
+
−
≤ 0,
≤ 0,
=0
≤ 0,
=0
∗
∗
∗
>0
´
=0
∗
> 0 (ii)
<5
∗
+
(i)
(iii)
∗
=
∗
<1
(iv)
+ 1 > 0, y así, que
= 5. Pero este valor de
∗
+
∗
= 1.
= −1/12, por (ii).
∗
y
= −1/12 implicaría, por (i),
> 0, lo cual es imposible.
= 0, en cuyo caso (i) nos dice que:
Debe ser cierto, entonces que
≥ +
−
= +
>0
∗
+
=1+
∗
−
De (i) se sigue entonces que
Esto a su vez implica que:
∗
Concluimos entonces que ( ∗ ,
∗
=0
∗
= 3/4
∗
= 1 + = 7/4
) = (3/4, 7/4) con
=0 y
= 7/4
= −1/12, satisface todas
las condiciones.
Por último, se comprueba fácilmente que la función lagrangiana es cóncava, luego este
candidato es la solución del problema de maximización planteado.
15
∗
−
=0
<0
Esto implicaría, por (iii) que
que
∗
≥ 0, lo anterior implica que
Supongamos que
∗
´
< 0, lo cual implica, por (iv), que −
De la condición (ii) se sigue que
Como
≤0
Página
y
∗)
( − 5) +
Matemáticas Avan
nzadas parra la Econoomía
Manuell Sánchez Sánchez
S
(U
UNED)
Cursso 2013/201
14
Apén
ndice
d plano
o.
Topoología del
En el ccaso de lass funciones de varias variables se puede analizar
a
laas distincion
nes más
relevanttes de los distintos
d
tipo
os de dominnios, mediaante el uso de los siguiientes conceptos de
topología elementaal.
Punto IInterior
Un puntto (a,b) se llama
l
un pu
unto interioor de un con
njunto S dell plano, si exxiste un círculo con
centro ((a,b) totalm
mente conten
nido en S.
Conjun
nto abierto
Un conjjunto se llam
ma abierto si todos suss puntos son
n interioress.
Punto ffrontera
El punto (a,b) se llama
l
un pu
unto de froontera de un
u conjunto
o S, si todoo círculo co
on centro
(a,b) ccontiene puuntos de S y puntos nno perteneccientes a S.
S Un puntoo frontera de S no
pertenecce necesariaamente a S.
Conjun
nto cerradoo
Si S conntiene a todoos sus punto
os frontera sse dice que S es cerrad
do.
Estos coonceptos se representan
n en la siguiiente figuraa (I).
Nótese que un conjjunto que contiene alguunos de suss puntos fro
ontera pero nno a todos, como el
Página
complem
mento es abbierto.
16
último dde los repreesentados, no es ni abieerto ni cerraado. Un con
njunto es ceerrado si y solo
s
si su
Matemáticas Avan
nzadas parra la Econoomía
Manuell Sánchez Sánchez
S
(U
UNED)
Cursso 2013/201
14
En mucchos de los problemas de optimizzación, los dominios están
e
definiidos por un
na o más
desiguaaldades. Loss puntos frontera perttenecen al conjunto
c
alllí donde apparezcan siignos de
menor o igual.
Por ejem
mplo, si , y
son parámetros
p
positivos, el
e conjunto (presupuest
stario) de lo
os puntos
(x,y) quue verifican las desigualldades:
+
≤
,
≥
,
≥
(i)
es cerraado.
Este connjunto es unn triángulo, como se mu
muestra en laa siguiente figura
f
(II).
no de los trees lados corrresponde a que una
Su fronttera son loss tres lados del triángullo. Cada un
de las ddesigualdadees de (i) seaa una igualddad.
Por otraa parte, el coonjunto quee se obtiene sustituyend
do ≤ por < y ≥ por > es abierto..
En geneeral:
Si ( , )es una fuunción contíínua y es uun numero real, los tres conjuntoss:
( , ): ( , ) ≤
,
( , ): ( , ) =
17
son cerrrados.
,
Página
( , ):
) ( , )≥
Matemáticas Avan
nzadas parra la Econoomía
Manuell Sánchez Sánchez
S
(U
UNED)
Cursso 2013/201
14
Si sustittuimos ≥ poor >, o ≤ po
or <, los coonjuntos corrrespondien
ntes son abieertos.
nto acotadoo
Conjun
Un conjjunto se llam
ma acotado
o si se puedee encontrar un círculo que
q lo conteenga. Los conjuntos
de las ffiguras (I) y (II) son acotados. P
Por el contrrario, el con
njunto de toodos los ( , ) que
verificaan
≥1e
≥ 0 es cerrrado pero no acotado
o
El conjuunto es cerrrado porque contiene a todos sus puntos
p
fronteera
Conjun
nto Compaccto
Un conjjunto cerrado y acotad
do se llama compacto..
Topologgia en ℝ
Los connceptos toppológicos qu
ue acabaos de introdu
ucir se geneeralizan muuy fácilmentte a ℝ .
Recordeemos que se define la distancia eentre dos veectores
como ‖ − ‖ =
Una
(
−
-b
bola con centro
c
( ,…,
) + ⋯+ (
= ( ,…,
−
= ( ,…,
) y
= ( ,…,
)
)
) y radio
es el conju
unto de toddos los pun
ntos
=
) tales quue ‖ − ‖ < .
Si sustittuimos la palabra
p
"círcculo" y conj
njunto S quee usamos en
n las definicciones de to
opología
plana poor " -bola", y entorno N4, siguenn valiendo en
e ℝ las definiciones
d
de punto interior,
i
4
Un en
ntorno N dee un punto a es un conjjunto que co
ontiene una -bola conn centro a.
Página
18
conjuntto abierto, punto fron
ntera, conju
unto cerrad
do y conjun
nto compaccto.
Matemáticas Avanzadas para la Economía
Manuel Sánchez Sánchez (UNED)
Curso 2013/2014
Teorema de los Valores Extremos:
Este es un teorema de existencia puro, ya que nos da condiciones suficientes para asegurar la
existencia de puntos óptimos, pero no nos dice como hallarlos. Para encontrarlos
Teorema
Si f es una función continua sobre un conjunto compacto (cerrado y acotado) S de ℝ ,
entonces existe al menos un máximo = ( , … , ) y un mínimo = ( , … , ) en S; esto
es, existen c y d en S tales que
Página
19
( ) ≤ ( ) ≤ ( ) para todo x de S