*/REPASO MATEMTICO

1. Clculo en una variable

Sea S el conjunto de dominio y T otro conjunto, con S, T . Sea adems, x e y

cualquier elemento de S y T, respectivamente (denotado por x S e Y T). Una
funcin es una relacin entre x e y, tal que a cada elemento de S le asigna un nico
elemento de T (no al revs) y se denota por y = f(x). A x se le llama la variable
independiente e y dependiente. El rango de la funcin es el conjunto de elementos de
T al cual se le asigna al menos un elemento de S.

Si los elementos de S y T son nmeros entonces es posible representar grficamente la

funcin f (ST) y que representara el conjunto de puntos de coordinadas (X, Y) tal que
Y = f(X). Si el grfico pasa por los puntos (X, Y) y (X, Y) entonces la pendiente se
(Y' Y' ' )
define como . Algunas veces Y Y se denota como Y.
(X'X' ' )

Se dice que la funcin f es continua en c si f est definida en c y f(X) f(c) cuando

X c. La primera condicin nos dice que f(x) existe y es igual a c, mientras que la
segunda condicin nos dice que cuando x est cada vez ms cerca de c entonces f(x) se
acerca a f(c).

La derivada de una funcin f() en el punto x se define como

df ( x) f ( x x) f ( x)
lim x0 . Esta derivada de f en x es la pendiente de una
dx x
lnea recta que es tangente a la curva en el punto (x, f(x)). Para que exista la derivada en
dicho punto se requiere que la curva sea suave. Segundo, la lnea tangente es una buena
aproximacin de la funcin, en torno a x. Por ltimo, notar que la derivada define una
nueva funcin sobre x, a partir de f

Reglas bsicas de las derivadas y la regla de la cadena:

dy df dg
(i ) Si y f ( x) g ( x)
dx dx dx
dy df dg
(ii ) Si y f ( x) g ( x) g ( x) f ( x)
dx dx dx
df dg
g ( x) f ( x)
f ( x) dy dx dx
(iii ) Si y 2
g ( x) dx [ g ( x)]
dy df dg
(iv ) Si y f ( g ( x))
dx dg dx
Derivadas ms utilizadas en economa

dy
(i ) Si y c 0
dx
dy
(ii ) Si y ax n nax n 1 con n, a
dx
dy
(iii ) Si y e x ex
dx
dy 1
(iv ) Si y ln( x)
dx x

Una vez que encontramos la funcin derivada f(x), podemos indicar si la funcin es
creciente para algn rango de valores de S. Sea A S y distinto de vaco. Se dice que la
funcin f es creciente en el rango A si f(x) 0 x A. Lo anterior significa que la
pendiente, de la lnea tangente, debe ser positiva. Por el contrario, f es decreciente si lo
inverso es cierto.

Funcin creciente

f(x)

f(x0)

x
x0

Para obtener la derivada de f(x) con respecto a x o la segunda derivada de f con

respecto a x, se debe obtener lo siguiente:

df (x) d 2 f ( x) f (x x) f (x)
f (x) lim x0
dx dx 2
x

Se ha asumido que la segunda derivada existe, por lo que f(x) debe ser una funcin
suave. El signo de la segunda derivada determina si el grfico de la funcin es cncavo
o convexo, para algn rango de valores de x. Sea [x0, x1] S y x pertenece a intervalo.
Se puede expresar cualquier valor de x como una combinacin lineal de x0 y x1, es decir
x = x0 + (1-)x1 con 0 1. Asumiendo que f(x) esta definida para todo valor de x
perteneciente a dicho intervalo, se dice que f(x) es cncava si f(x) f(x0) + (1-)f(x1).
La funcin es estrictamente cncava en dicho intervalo si la desigualdad es estricta. Si
lo contrario es cierto entonces se dice que la funcin es convexa (estrictamente).

Concavidad significa grficamente que si trazamos una lnea recta que une los puntos
extremos del grfico de f entonces esta lnea esta por debajo de f. Todo lo contrario
ocurre si f es convexa

Notar que una funcin puede ser cncava/convexa, pero puede ser creciente o
decreciente en x.

Funcin cncava

f(x) f(x)

f(x1) f(x0)

f(x0)+(1-)f(x1)
f(x0) f(x0)+(1-)f(x1)
f(x1)

x0 x1 x0 x1 x
x

Una manera ms fcil de determinar si una funcin es cncava o convexa en dicho

intervalo es utilizando el signo de la segunda derivada. Si f(x) 0 x [x0, x1]
entonces f es cncava. Si lo contrario es cierto entonces f es convexa.

2. Regla de la cadena:

La regla de la cadena es bastante importante en economa, sobre todo para llevar a cabo
la esttica comparativa. Sea y = f(x): y x = g(t): . La regla establece que

dy df dg
( g (t )) (t )
dt dx dt
 3. Mnimos y mximos locales para funciones en una variable.

Suponga que f(x) es dos veces derivable.

(i) Si x0 es un mximo local de f entonces f(x0) = 0 y f(x0) 0.

(ii) Si x0 es un mnimo local de f entonces f(x0) = 0 y f(x0) 0.
(iii) Si x0 es un mximo local estricto de f entonces f(x0) = 0 y f(x0) < 0.
(iv) Si x0 es un mnimo local estricto de f entonces f(x0) = 0 y f(x0) > 0.

Para encontrar un mximo global de una funcin, se deben hallar todos los mximos
locales, compararlos entre si y eligiendo al mayor de todos. Finalmente debemos ver si
este mximo domina a todos los x a medida que nos aproximamos a los lmites del
dominio (a medida que x ).

4. Derivada implcita.

Cuando la relacin entre x e y es dada implcitamente por una ecuacin, esta tcnica es
utilizada parar determinar si y es una funcin diferenciable en x y para encontrar la
derivada. Por ejemplo sea la curva definida por x + y + y5 = 3. Esta curva define una
relacin implcita entre x e y (en contraposicin a y = x 2 + 3, que es una relacin
explcita), pero no podemos resolver la ecuacin para determinar explcitamente y en
funcin de x.

Es posible establecer si una relacin explcita existe (an cuando no la podamos

encontrarla) y determinar dy/dx en el punto inicial (x0, y0) = (1, 1)? Si las condiciones
del resultado matemtico, conocido como el teorema de la funcin implcita, se dan
entonces la respuesta es Si. Para eso deben seguirse los siguientes pasos:

1. Revisar que el punto inicial satisface la ecuacin. En el ejemplo; 1 + 1 + 15 = 3.

2. Asumir que la relacin existe y = f(x) (an cuando no conozcamos la forma

funcional f), reemplazar y de la ecuacin original por f(x) para crear la identidad.
La identidad es una ecuacin que siempre se cumple. Por ejemplo;
x2 1 = (x -1)(x + 1) es cierto para todo valor de x, lo cual la hace una identidad y
se denota como x2 1 (x 1)(x + 1). Por otro lado, x2 = 1 es una ecuacin y no un
identidad porque es vlida nicamente para x = 1 o x = -1.

3. Suponer que f(x) es derivable y diferenciar ambos lados de la identidad con respecto
a x. Debido a que la identidad siempre se cumple, la derivada del lado derecho debe
ser siempre igual al del lado izquierdo. As, volviendo a nuestro problema inicial
tenemos que: 1 + f(x) + 5(f(x))4f(x) 0. Asimismo, notar que en el lado izquierdo
se ha utilizado la regla de la cadena.

4. Evaluar la identidad anterior en el punto inicial x0 = 1 e y0 = 1. De esta manera 1 +

f(1) + 5(1)4f(1) = 0 1 + 6f(1) = 0, lo que es una ecuacin pues se ha utilizado un
valor particular de x .
5. Resolver la derivada. En el ejemplo, la solucin es f(1) = 1/6. Si la respuesta est
definida (no se divide por cero), los pasos previos quedan justificado e y puede
expresarse como una funcin diferenciable en x al menos en el punto de partida.
Aunque no podemos encontrar explcitamente la funcin f, resolvimos la derivada
para x = 1. Si ocurre que se divide por cero, no podemos garantizar que la funcin
sea derivable en x.

4. Clculo en varias variables

En esta seccin nos interesa analizar funciones de n , tal que a un vector

s = (x, y,) n se le asigna un nico valor f(s) . Por ejemplo, sea f: 2
tal que f(x, y) = x + y.

Se dice que una funcin f es continua en c n si f(c) est definida y adems, si s c

entonces f(s) f(c).

Para una funcin en varias variables, si mantenemos constante todas las variables salvo
una tenemos lo que se conoce como derivada parcial, que se define de manera similar a
la derivada en una variable. De esta manera, si para la funcin f(x, y, z) se mantiene
constante x, z (por ejemplo, x = x0 y z = z0) entonces la derivada parcial de f con
respecto a y, en el punto (x0, y0, z0) es:

f ( x0 , y 0 , z 0 ) f ( x0 , y 0 y, z 0 ) f ( x0 , y 0 , z 0 )
lim y 0
y y

Si la derivada existe para cualquier valor de (x, y, z) entonces tenemos la derivada

f ( x, y, z )
parcial . Recordar que tratamos como constantes a aquellas variables
y
respecto de las cuales no diferenciamos la funcin. Por ejemplo, si f(x, y) = 2xy
f ( x, y )
entonces 2 y , lo que implica que tratamos la variable y como si fuera una
x
constante.

Las derivadas parciales tiene la misma interpretacin que una derivada tradicional para
f ( x, y, z )
una funcin en una variable: si slo x cambia entonces nos da la mejor
x
aproximacin lineal del efecto del cambio marginal de x sobre f. As,
f ( x, y, z )
f x . El vector con las derivadas parciales se conoce como vector de
x
gradientes.

As, la diferencial total de f(x, y, z), denotada por f; es:

 dx
f ( x, y, z ) f ( x, y, z ) f ( x, y, z ) f ( x, y, z ) f ( x, y, z ) f ( x, y, z )
f dx dy dz , dy
x y z x y z dz

Se dice que f es diferenciable en (x0, y0, z0) si existe un vector de gradientes (derivadas
parciales) tal que

f(x0 + dx, y0 + dy, z0 + dz) = f(x0, y0, z0) +

dx
f ( x 0 , y 0 , z 0 ) f ( x 0 , y 0 , z 0 ) f ( x 0 , y 0 , z 0 )
, dy
x y z dz

Si la funcin es diferenciable en x0 entonces es continua en x0.

5. Regla de la cadena en derivadas parciales:

La regla de la cadena es bastante importante en economa, sobretodo para llevar a cabo

la esttica comparativa. Suponga que f: n y g: m son diferenciables, con
y = f(x1,,xn) y xi = gi(t1, , tm) entonces la pregunta es Cmo vara y si cambia tk?
La respuesta es la siguiente:

y n
y xi

t k i xi t k

Por ejemplo sea y = x1 + x1x2

x1 = t1 + t2

x2= t1t2

y y x1 y x2
(1 x2 )1 x1t 2
t1 x1 t1 x2 t1

Segundas derivadas: derivadas de segundo orden representan derivadas de derivadas.

Ellas se obtienen al tratar las otras variables como constantes y siguen lo siguiente

f ( x, y, z )

x 2 f
2 f xx
x x
f ( x, y, z )

x 2 f
f xy
y yx

Teorema de Young: Si f: n y fx, fy existen y fxy, fyx son continuas en (x0, y0)
entonces fxy(x0, y0) = fyx(x0, y0).
 6. Optimizacin sin restricciones.

En esta seccin revisaremos las propiedades para ptimos locales. Desarrollaremos las
condiciones necesarias y suficientes para un problema de optimizacin y que debe
satisfacer cualquier punto local ptimo.

Definicin: f tiene un mximo (mnimo) local en a si existe un > 0 tal que f(x) f(a)
(f(x) f(a)) para todo x con x a (norma vectorial) <

Sea f(a) el vector con las primeras derivadas parciales y [fij(a)] la matriz con las
segundas derivadas (matriz Hessiana).

i. Condiciones de Primer Orden: f tiene un mximo (mnimo local) en a solo si

f(a) = 0.
ii. Condiciones de Segundo Orden. f tiene un mximo (mnimo) local estricto en a
solo si [fij(a)] es negativa (positiva) definida.

Notar que la matriz es de nxn. Se dice que la matriz [fij(a)] es negativa definida si los
menores principales de la matriz se alternan de signo, empezando con f11 < 0,

f 11 f 21
0
f 12 f 22
evaluando en x = a
f 11 f 21 f 31
f 12 f 22 f 32 0
f 13 f 23 f 33

Se dice que la matriz [fij(a)] es positiva definida si los menores principales de la matriz
tiene siempre signo positivo es decir

f 11 0

f 11 f 21
0 evaluando en x = a
f 12 f 22

f 11 f 21 f 31
f 12 f 22 f 32 0
f 13 f 23 f 33
Ejemplo: Sea f(x, y) = -3x2 + xy 2x + y y2 + 1

6x y 2 6 1
f ; [ f xy ]

x 1 2y 1 2

6 1
f xx 6 0 11 0
1 2

As que [fxy] es negativa definida as que la funcin tiene un mximo local estricto
cuando f(x, y) = 0.

Por lo tanto:

6x y 2 6 1 x 2 0
f
1 2 y 1 0
x 1 2y

3
1
x 6 1 1
2 2 1 11
2


y 1 2 1 11 1 6 1 4

11

7. Esttica comparativa.

Suponga que queremos determinar cmo la eleccin ptima de los calores de las
variables independientes varan (o se comportan) si hay un cambio en el parmetro a.
Por ejemplo sea f(x1, x2, a) una funcin donde a y constante.

La eleccin ptima de x1 y x2 depender del parmetro a y adems, debern satisfacer

las condiciones de primer orden.

f ( x1 (a), x 2 (a), a)
0
x1
f ( x1 (a), x 2 (a), a)
0
x 2

Diferenciando ambas ecuaciones por a tenemos:

x (a) x (a)
f11 1 f12 2 f1a 0
a a
x (a) x (a)
f 21 1 f 22 2 f 2a 0
a a
Si se escribe en matrices tenemos:

f11 f12 x1(a) f1a

f
21 f 22 x 2 (a) f 2 a

1
x1(a) f 11 f12 f1a

f 22
x 2 (a) f 21 f 2a

Usando la regla de Cramer se puede obtener:

El signo del denominador corresponde a la condicin de segundo orden. Si es un

mnimo entonces el denominador es positivo y si es un mximo entonces es negativo.

f1a f 12 Ejemplo; sea f(x1, x2, a) = U1(x1) +U2(x2) ax1 ax2. La

condicin de primer orden para un mximo es:
x1 (a ) f 2 a f 22

a f11 f12 U1(x1*) a = 0
f 21 f 22
U2(x2*) a = 0

f11 f 1a La Matriz Hessiana es:

x2 (a ), f 21 f 2 a U 1(x1* ) 0

a f11 f12 0 *
U 2 (x )
2
f 21 f 22

Para que la matriz sea definida negativa se requiere que U1(x1*) < 0 y
U1(x1*) U2(x2*) > 0, por lo que se requiere que U2(x2*) < 0.
De esta forma, si se aplica esttica comparativa tenemos que:

1 0
x *
El signo de 1 signo de <0
a
1 U 2 ( x 2* )

8. Optimizacin con restricciones.

En muchos problemas de economa enfrentamos el siguiente problema. Sea f(x 1,,xn)

una funcin dos veces diferenciable y sea gk(x1,,xn) = ck otras funciones tambin dos
veces diferenciable con k = 1,,m < n.

Suponga que nos interesa maximizar (o minimizar) f(.) sujeto a gk(.) = ck, donde ck es
una constante real. Este problema se resuelve de muchas formas, pero utilizaremos el
popular mtodo de los multiplicadores de Lagrange.

a) Si el problema es minimizar f(.) entonces el problema puede ser transformado

como maximizar f(.).

b) Todas las restricciones deben ser escritas como hk(.) = gk(.) - ck.

c) Construir la siguiente funcin L (llamada Lagrangiano):

L(1, ..,k, x1,,xn) = f(x1,.,xn) - k = 1 khk(x1,, xn, ck), donde k se conocen como
los multiplicadores de Lagrange.

d) Establecer las condiciones de primer orden o de Kuhn-Tucker:

L
0 t 1,..., n
xt

L L
0, k 0 k 0 k 1,..., m
k k

e) Encontrar los valores de y x que satisfacen las condiciones anteriores.

 f) Encontrar las Condiciones de Segundo

- Encontrar las restricciones que son activas. Una restriccin es activa o

relevante si hk(.) = 0. Sea I el nmero de restricciones relevantes.

- Escribir el Lagrangiano solamente con las restricciones relevantes.

L*(1, ..,I, x1,,xn) = f(x1,.,xn) - i = 1 ihi(x1,, xn, ck)

- Formar la siguiente matriz de nxI

L11 L12 ... L1

L21 L22 ... f 2

L1 f 2 ... 0

Sea r = 1,,n I

Para una restriccin; la condicin suficiente es Dr < 0 para todo r para un

mnimo. D1 > 0 y los determinantes van alterando de signo para un
mximo

Para dos restricciones; Dr > 0 para todo r para un mnimo. D1 < 0 y los
determinantes van alterando de signo, a medida que r aumenta, para un
mximo.