Sesión 4: Optimización estática restringida

ECO9835: Economı́a Matemática

David Holguı́n

Escuela Colombiana de Ingenierı́a Julio Garavito

2025-I
El Problema Dual del Consumidor

Es una perspectiva alternativa para analizar las decisiones de un consumidor. En

lugar de maximizar la utilidad dada una restricción presupuestaria, el problema dual
busca minimizar el gasto necesario para alcanzar un nivel de utilidad especı́fico.

−
→ Función de Utilidad Indirecta V (p, w): Representa el nivel máximo de
utilidad que un consumidor puede alcanzar dados los precios p y su riqueza w.

1 / 58
El Problema Dual del Consumidor

Es una perspectiva alternativa para analizar las decisiones de un consumidor. En

lugar de maximizar la utilidad dada una restricción presupuestaria, el problema dual
busca minimizar el gasto necesario para alcanzar un nivel de utilidad especı́fico.

−
→ Función de Utilidad Indirecta V (p, w): Representa el nivel máximo de
utilidad que un consumidor puede alcanzar dados los precios p y su riqueza w.
−
→ Función de Gasto e(p, u): Representa el gasto mı́nimo necesario para
alcanzar un nivel de utilidad u dados los precios p.

1 / 58
El Problema Dual del Consumidor

Es una perspectiva alternativa para analizar las decisiones de un consumidor. En

lugar de maximizar la utilidad dada una restricción presupuestaria, el problema dual
busca minimizar el gasto necesario para alcanzar un nivel de utilidad especı́fico.

−
→ Función de Utilidad Indirecta V (p, w): Representa el nivel máximo de
utilidad que un consumidor puede alcanzar dados los precios p y su riqueza w.
−
→ Función de Gasto e(p, u): Representa el gasto mı́nimo necesario para
alcanzar un nivel de utilidad u dados los precios p.
−
→ Dualidad: Los problemas contienen la misma información sobre las
preferencias del consumidor, pero desde diferentes perspectivas.

1 / 58
Propiedades de la Función de Utilidad Indirecta

La función de utilidad indirecta V (p, w) tiene las siguientes propiedades clave:

• Homogeneidad de grado 0:

V (λp, λw) = V (p, w)

La utilidad indirecta es invariante ante cambios proporcionales en precios y

riqueza.
• No decreciente en precios y estrictamente creciente en riqueza: La utilidad
indirecta no disminuye con el aumento de precios y aumenta con la riqueza.
• Cóncava en los precios: Refleja la aversión al riesgo del consumidor; el
aumento de precios reduce la utilidad más rápidamente. (Aversión al riesgo)

2 / 58
Función de Utilidad Indirecta Cobb-Douglas: Forma Matemática

La función de utilidad indirecta Cobb-Douglas se expresa de la siguiente manera:

 α  β
αw βw w
V (p1 , p2 , w) = U(x1 (p1 , p2 , w), x2 (p1 , p2 , w)) = =
p1 p2 p1α p2β

Donde:

• V (p1 , p2 , w): Utilidad indirecta, es decir, la máxima utilidad que un consumidor

puede obtener dados los precios p1 y p2 de dos bienes y su riqueza w.
• p1 , p2 : Precios de los bienes 1 y 2, respectivamente.
• w: Riqueza del consumidor.
• α, β: Parámetros positivos que representan la importancia relativa de los
bienes 1 y 2 en la utilidad del consumidor, donde α + β = 1.

3 / 58
Función de Utilidad Indirecta Cobb-Douglas: Deducción Formal
La función de utilidad Cobb-Douglas directa es:

U(x1 , x2 ) = x1α x2β

El problema de maximización de la utilidad es:

max x1α x2β

x1 ,x2

sujeto a la restricción presupuestaria:

p1 x1 + p2 x2 = w
Resolviendo este problema, obtenemos las demandas marshallianas:

αw βw
x1 (p1 , p2 , w) = , x2 (p1 , p2 , w) =
p1 p2
Sustituyendo estas demandas en U(x1 , x2 ), obtenemos la función de utilidad
indirecta:
w
V (p1 , p2 , w) =
p1α p2β
Esta función muestra la máxima utilidad alcanzable con ingresos w y precios p1 y
p2 .

4 / 58
Propiedades de la Función gasto

La función de gasto e(p, u) posee varias propiedades importantes:

• Homogeneidad de grado 1 en los precios:

e(λp, u) = λe(p, u)

• No decreciente en los precios p y estrictamente creciente en u: Si el precio

de un bien aumenta, el gasto necesario no disminuye. Si la utilidad requerida
aumenta, el gasto necesario aumenta.
• Concavidad en los precios p: El gasto necesario no crece más rápido que
linealmente con los precios.
• Continua en p y u

5 / 58
Función de Gasto para Cobb-Douglas

La función de gasto Cobb-Douglas se deriva del problema de minimización del

gasto:

min p1 x1 + p2 x2
x1 ,x2

sujeto a la restricción de utilidad:

U(x1 , x2 ) = x1α x2β = u

Resolviendo este problema, obtenemos las demandas compensadas (hicksianas):
 β  α
α p2 β p1
xh1 (p1 , p2 , u) = u, xh2 (p1 , p2 , u) = u
β p1 α p2
Sustituyendo estas demandas en la función de gasto, y dado que α + β = 1,
obtenemos:
√
e(p1 , p2 , u) = 2 p1 p2 u
Esta función representa el gasto mı́nimo necesario para alcanzar el nivel de utilidad
u dados los precios p1 y p2 .

6 / 58
Identidad de Roy

La Identidad de Roy relaciona la función de utilidad indirecta V (p, w) con la

demanda Marshalliana xi (p, w). Se expresa como:
∂V (p,w)
∂pi
xi (p, w) = − ∂V (p,w)
∂w

Interpretación:
• La demanda Marshalliana xi (p, w) se obtiene a partir de la sensibilidad de la
utilidad indirecta respecto a los precios y la riqueza.
• Se basa en la teorı́a de la maximización de la utilidad bajo restricciones
presupuestarias.

7 / 58
Aplicaciones de la Identidad de Roy

La identidad de Roy es útil en:

• Derivación de funciones de demanda sin resolver el problema de maximización.
• Análisis del efecto de cambios en precios y riqueza en la demanda.
• Evaluación de bienestar y excedente del consumidor.
Ejemplo: Sea la función de utilidad indirecta:

w2
V (p1 , p2 , w) =
p1 p2
Aplicando la Identidad de Roy para la demanda de x1 :
∂V
∂p1
x1 (p1 , p2 , w) = − ∂V
∂w

8 / 58
Lema de Shephard

El Lema de Shephard relaciona la función de costo e(p, u) con la demanda

compensada hi (w, x):

∂e(p, u)
xhi (w, x) =
∂pi
Interpretación:
• Indica que la demanda compensada se obtiene derivando el costo mı́nimo
respecto a los precios de los factores.
• Se basa en la dualidad entre costos y producción.
La función de costo e(w, x) representa el gasto mı́nimo necesario para producir una
cantidad x de un bien, dados los precios de los factores productivos w.

9 / 58
Relación entre la Identidad de Roy y el Lema de Shephard

Ambas identidades surgen de la teorı́a de la dualidad:

• La Identidad de Roy se obtiene de la utilidad indirecta y da la demanda

Marshalliana.
• El Lema de Shephard se obtiene de la función de costo y da la demanda
compensada.
La relación clave es:

xi (p, w) = hi (p, u ∗ )
donde u ∗ es el nivel de utilidad óptimo. Esto muestra que la demanda Marshalliana
se puede derivar a partir de la demanda compensada.
Conclusión:
• La Identidad de Roy y el Lema de Shephard permiten obtener funciones de
demanda sin resolver problemas de optimización.
• Se usan en análisis de bienestar y efectos de precios sobre la demanda.

10 / 58
Demostración

Sea hi (p∗ , ui∗ ) ≡ xi∗ la combinación de bienes que minimiza el gasto. Para todo
p ∈ Rk++ definimos la función:

z(p) = pxi∗ − e(p, ui∗ )

Esta función es convexa porque e(p, ui∗ ) es cóncava en p. Además, dada la
definición de e(p, ui∗ ) como el gasto mı́nimo necesario para obtener ui∗ , podemos
afirmar que z(p) ≥ 0 para todo p.
Las condiciones necesarias para caracterizar el mı́nimo de la función z(p) son:

∂z(p)
= 0, k = 1, 2, . . . , l
∂pk
que tiene como solución p∗ .

11 / 58
Dualidad del consumidor

12 / 58
Ecuación de Slutsky

La Ecuación de Slutsky describe cómo se descompone el efecto total de un

cambio en el precio de un bien sobre su demanda. Este efecto se divide en dos
componentes:
• Efecto sustitución: El cambio en la demanda vı́a cambio en el precio del bien,
manteniendo constante el nivel de utilidad.
• Efecto ingreso: El cambio en la demanda debido vı́a cambio en el poder
adquisitivo del consumidor, manteniendo constante el precio relativo.
La ecuación de Slutsky se expresa como:

∂xi (p, w) ∂xh (p, u) w ∂xm (p, w)

= + ′ ·
∂pj ∂pj p ∂w
| {z } | {z }
Efecto sustitución Efecto ingreso

13 / 58
¿Para qué sirve la Ecuación de Slutsky?

La ecuación de Slutsky es útil para analizar el impacto de los cambios de precios

sobre el consumo de bienes, descomponiendo los efectos de la siguiente manera:
• Permite entender cómo los consumidores ajustan su consumo cuando los
precios cambian.
• Ayuda a estudiar la sustitución entre bienes y la compensación por el cambio
en el poder adquisitivo.
• Es fundamental para la teorı́a del bienestar y la polı́tica económica.
Además, facilita el análisis de cómo se distribuyen los efectos de una variación en el
precio entre el efecto sustitución y el efecto ingreso.

14 / 58
Problema

Un consumidor tiene una función de utilidad Cobb-Douglas:

U(x1 , x2 ) = x10.5 x20.5

Inicialmente, los precios son p1 = 8 y p2 = 2, y el ingreso del consumidor es
w = 16. Luego, el precio del bien 1 disminuye a p1′ = 2, mientras que el precio del
bien 2 y el ingreso permanecen constantes.

• 1. Calcule las demandas marshallianas iniciales y finales del consumidor.

• 2. Calcule el efecto total, el efecto sustitución y el efecto ingreso del cambio en
el precio del bien 1 sobre su demanda.

15 / 58
Solución - 1. Demandas Marshallianas

Demandas iniciales:
Para una función Cobb-Douglas, las demandas marshallianas son:

αw βw
x1 = , x2 =
p1 p2
En este caso, α = 0.5 y β = 0.5. Sustituyendo los valores iniciales:

0.5 · 16 0.5 · 16
x1 = = 1, x2 = =4
8 2

16 / 58
Solución - 1. Demandas Marshallianas

Demandas iniciales:
Para una función Cobb-Douglas, las demandas marshallianas son:

αw βw
x1 = , x2 =
p1 p2
En este caso, α = 0.5 y β = 0.5. Sustituyendo los valores iniciales:

0.5 · 16 0.5 · 16
x1 = = 1, x2 = =4
8 2
Demandas finales:
Con el nuevo precio p1′ = 2, las demandas son:

0.5 · 16 0.5 · 16
x1′ = = 4, x2′ = =4
2 2

16 / 58
Solución - 2. Efectos
Efecto total:
El efecto total es la diferencia entre la demanda inicial y la demanda final del bien 1:

Efecto total = x1′ − x1 = 4 − 1 = 3

17 / 58
Solución - 2. Efectos
Efecto total:
El efecto total es la diferencia entre la demanda inicial y la demanda final del bien 1:

Efecto total = x1′ − x1 = 4 − 1 = 3

Efecto sustitución:
Para calcular el efecto sustitución, necesitamos las demandas compensadas
(hicksianas). Estas se obtienen minimizando el gasto sujeto a la utilidad inicial. La
función de gasto para una Cobb-Douglas es:
√
e(p1 , p2 , u) = 2 p1 p2 u
La utilidad inicial es:

u = x10.5 x20.5 = 10.5 · 40.5 = 2

Las demandas hicksianas son:
r r
p2 u p1 u
xh1 = , xh2 =
p1 p2
Sustituyendo los precios finales y la utilidad inicial:
r r
2·2 2·2
xh1 = = 2, xh2 = =2
2 2
El efecto sustitución es la diferencia entre la demanda hicksiana y la demanda
inicial:

Efecto sustitución = xh1 − x1 = 2 − 1 = 1

17 / 58
Solución - 2. Efectos (cont.)

w ∂x1 (p′ , w)
Efecto ingreso = − ·
p′ ∂w
∂x (p′ ,w)
Donde x1 (p′ , w) es la demanda marshalliana final del bien 1, y 1∂w es la
derivada de la demanda marshalliana con respecto al ingreso, evaluada en los
precios finales.
La derivada es:

∂x1 (p′ , w) α 0.5

= ′ = = 0.25
∂w p1 2
Por lo tanto:

16
Efecto ingreso = · 0.25 = 2
2

18 / 58
Interpretación

• El efecto total nos dice que la demanda del bien 1 aumenta en 3 unidades
debido a la disminución en su precio.
• El efecto sustitución nos dice que, manteniendo la utilidad constante, el
consumidor aumenta su consumo del bien 1 en 1 unidad debido al cambio en
los precios relativos.
• El efecto ingreso nos dice que el cambio en el precio del bien 1 aumenta el
poder adquisitivo del consumidor, lo que a su vez disminuye su consumo del
bien 1 en 2 unidades (este es un bien normal).

19 / 58
Métodos de Optimización con Restringida

• Lagrange: Optimización con restricciones de igualdad.

• Teorema de la Envolvente: Análisis de sensibilidad en problemas de
optimización.
• Kuhn-Tucker: Optimización con restricciones de desigualdad.

20 / 58
El método de Lagrange

El Método de los Multiplicadores de Lagrange es una herramienta poderosa en

economı́a para resolver problemas de optimización con restricciones.

• Se puede utilizar para encontrar el máximo o mı́nimo de una función de utilidad

o producción sujeta a restricciones.
• Implica agregar restricciones al problema de optimización mediante
multiplicadores.

21 / 58
Planteamiento del Problema

Supongamos que queremos maximizar una función de utilidad U(x1 , x2 , . . . , xn ),

donde x1 , x2 , . . . , xn son las cantidades de bienes consumidos, y estamos sujetos a
una restricción de presupuesto de la forma:

p1 x1 + p2 x2 + · · · + pn xn = w

donde:
• pi es el precio de cada bien.
• xi es la cantidad de cada bien consumido.
• w es el ingreso disponible.

22 / 58
Formalización del Problema

El problema se formaliza como un problema de optimización de la siguiente manera:

max U(x1 , x2 , . . . , xn )
x1 ,x2 ,...,xn

sujeto a la restricción de presupuesto:

p1 x1 + p2 x2 + · · · + pn xn = w

Este es un problema de optimización sujeto a restricciones, que puede ser resuelto

mediante el Método de los Multiplicadores de Lagrange.

23 / 58
Método de los Multiplicadores de Lagrange

Definimos la función de Lagrange L como:

n
!
X
L(x1 , x2 , . . . , xn , λ) = U(x1 , x2 , . . . , xn ) + λ w− pi xi
i=1

donde λ es el multiplicador de Lagrange, asociado a la restricción de presupuesto.

Para encontrar el máximo, debemos derivar L con respecto a cada xi y λ, y resolver
el sistema de ecuaciones resultante:
∂L ∂L
= 0, =0
∂xi ∂λ

24 / 58
Ejemplo Numérico

Consideremos el siguiente ejemplo:

• Función de utilidad: U(x1 , x2 ) = x1 x2
• Restricción de presupuesto: 2x1 + 3x2 = 12
El problema es maximizar U(x1 , x2 ) = x1 x2 sujeto a la restricción 2x1 + 3x2 = 12.

25 / 58
Ejemplo Numérico

Consideremos el siguiente ejemplo:

• Función de utilidad: U(x1 , x2 ) = x1 x2
• Restricción de presupuesto: 2x1 + 3x2 = 12
El problema es maximizar U(x1 , x2 ) = x1 x2 sujeto a la restricción 2x1 + 3x2 = 12.

La función de Lagrange es:

L(x1 , x2 , λ) = x1 x2 + λ(12 − 2x1 − 3x2 )

25 / 58
Derivadas Parciales

Ahora, derivamos la función de Lagrange con respecto a x1 , x2 , y λ:

∂L
= x2 − 2λ = 0
∂x1
∂L
= x1 − 3λ = 0
∂x2
∂L
= 12 − 2x1 − 3x2 = 0
∂λ
Resolviendo este sistema de ecuaciones, obtenemos los valores de x1 , x2 , y λ.

26 / 58
Resolución del Sistema de Ecuaciones

Resolviendo el sistema de ecuaciones:

x2 = 2λ, x1 = 3λ

Sustituyendo en la restricción 2x1 + 3x2 = 12, tenemos:

2(3λ) + 3(2λ) = 12

6λ + 6λ = 12
12λ = 12 ⇒ λ=1
Entonces:
x1 = 3(1) = 3, x2 = 2(1) = 2
La solución es x1 = 3 y x2 = 2.

27 / 58
Ejemplo Númerico 2

Minimizar:
f (x, y ) = x 2 + y 2
Sujeto a:
g(x, y) = x 2 + xy + y 2 = 3

28 / 58
El Teorema de la Envolvente

• Sensibilidad a los Parámetros: Mide cómo cambia el valor óptimo de la

función objetivo ante cambios en los parámetros.
• Teorema de la Envolvente: Proporciona una forma sencilla de calcular esta
sensibilidad.
• Interpretación: El multiplicador de Lagrange (λ) indica la sensibilidad del valor
óptimo ante cambios en la restricción.
• Aplicaciones:
Análisis de estática comparativa en economı́a.
Diseño de mecanismos y teorı́a de juegos.

29 / 58
Teorema de la Envolvente

El teorema de la envolvente es una herramienta importante en la microeconomı́a,

usada principalmente para estudiar el comportamiento de los consumidores bajo
restricciones presupuestarias. Existen dos escenarios en los que se aplica este
teorema:

• Sin restricciones: Donde el consumidor puede maximizar su utilidad sin

ninguna limitación.
• Con restricciones: Donde el consumidor tiene una restricción presupuestaria
que limita las opciones de consumo, lo que es el caso que abordaremos en
este análisis.

30 / 58
Teorema de la Envolvente con Restricciones - Consumidor

El consumidor busca maximizar su utilidad g(x, r), sujeta a una restricción

presupuestaria hj (x, r) = c, donde x = {x1 , x2 , . . . , xn } es un vector de decisiones y
r = {r1 , r2 , . . . , rm } es un vector de parámetros. La función de valor se define como:

f ∗ (x, r) = max g(x, r) : hj (x, r) = c, ∀j ∈ J


x

Donde f∗ es denominado como la función valor. Este teorema establece que, si la

función valor es diferenciable y existe un multiplicador de Lagrange λj asociado al
problema de maximización, entonces:

∂f ∗ (x) ∂g(x∗ (r), r) ∂hj (x∗ (r), r)

= + λ∗j
∂x ∂x ∂x
Donde x∗ (r) es la solución óptima para x dado el vector de parámetros r, y λj es el
multiplicador de Lagrange asociado a la restricción hj (x, r) = c.

31 / 58
Notación

• f ∗ (x): Es la función de valor que describe la utilidad máxima que el consumidor

puede alcanzar dada una restricción presupuestaria.
• g(x, r): Es la función de utilidad que depende de las decisiones del consumidor
x y r.
• h(x, r) = c: Es la restricción presupuestaria, que limita las opciones del
consumidor a un conjunto especı́fico de decisiones.
• λ: El multiplicador de Lagrange, que indica cuánto cambiarı́a la función de
valor f (x) si la restricción presupuestaria se modificara ligeramente.

32 / 58
Demostración (1/2)

Según el teorema de la envolvente general, el cambio en la función valor f ∗ (r) ante

un pequeño cambio en r es igual a la derivada parcial de la función Lagrangiana
L(x, r) con respecto a r, evaluada en la solución óptima x∗ (r):

∂f ∗ (r) ∂L(x∗ (r), r)

=
∂r ∂r
Derivando la función de valor f ∗ (r) con respecto a r usando la regla de la cadena,
obtenemos:
n
∂f ∗ (r) X ∂g(x∗ (r), r) ∂xi∗ (r) ∂g(x∗ (r), r)
= +
∂r ∂xi ∂r ∂r
i=1

33 / 58
Demostración (2/2)

Por las condiciones de primer orden para el problema de optimización, para todo
i = 1, . . . , n, se tiene que:

∂g(x∗ (r), r)
=0
∂xi
Igualmente en el óptimo:

∂h(x∗ (r), r) = 0
Esta condición nos indica intuitivamente que efectivamente se cumple la restricción
presupuestaria. Por lo tanto, podemos escribir:
J
∂f ∗ (r) ∂g(x∗ (r), r) X ∗ ∂hj (x∗ (r), r)
= + λj
∂r ∂r ∂r
j=1

Finalmente, se demuestra que:

∂f ∗ (r) ∂L(x∗ (r), r)

=
∂r ∂r

34 / 58
Problema de Maximización del Consumidor

Supongamos que un consumidor tiene una función de utilidad dada por:

U(x, y ) = x 1/3 y 2/3

El consumidor tiene un ingreso w = 90, y los precios de los bienes x y y son
px = 14 y py = 11, respectivamente. El consumidor tiene que maximizar su utilidad
bajo la restricción presupuestaria:

px x + py y = w
Es decir, la restricción presupuestaria es:

14x + 11y = 90

35 / 58
Maximización de la Utilidad con px = 14

Utilizamos el método de Lagrange para resolver este problema. La función

Lagrangiana es:

L(x, y, λ) = x 1/3 y 2/3 + λ(90 − 14x − 11y)

Derivamos la función Lagrangiana con respecto a x, y, y λ y igualamos a cero:

• Para x:
∂L 1
= x −2/3 y 2/3 − 14λ = 0
∂x 3
• Para y:
∂L 2
= x 1/3 y −1/3 − 11λ = 0
∂y 3
• Para λ:
∂L
= 90 − 14x − 11y = 0
∂λ

36 / 58
Resolución y Utilidad con px = 14

Resolviendo el sistema de ecuaciones obtenido de las derivadas parciales,

obtenemos:

y 28
=
x 11
Sustituyendo en la restricción presupuestaria 14x + 11y = 90, obtenemos:
 
28 90
14x + 11 x = 90 ⇒ 42x = 90 ⇒ x ∗ = ≈ 2.142
11 42
28
Sustituyendo el valor de x ∗ en la ecuación y = 11
x, obtenemos:

28
y∗ = × 2.142 ≈ 5.451
11
La utilidad máxima es:

U(x ∗ , y ∗ ) = (2.142)1/3 (5.451)2/3 ≈ 3.998

37 / 58
Resolución y Utilidad con px = 15

Utilizando el mismo procedimiento, encontramos que la relación entre x y y es:

y 30
=
x 11
Sustituyendo en la nueva restricción presupuestaria 15x + 11y = 90, obtenemos:
 
30 90
15x + 11 x = 90 ⇒ 45x = 90 ⇒ x ′∗ = =2
11 45
30
Sustituyendo el valor de x ′∗ en la ecuación y = 11
x, obtenemos:

30
y ′∗ = × 2 = 5.45
11
La nueva utilidad máxima es:

U(x ′∗ , y ′∗ ) = (2)1/3 (5.45)2/3 ≈ 4.02

38 / 58
Verificación con el Teorema de la Envolvente (1/2)

El teorema de la envolvente nos permite calcular el cambio en la utilidad debido a

un cambio en px de la siguiente manera:

∂U ∗ ∂L
= = −λx ∗
∂px ∂px
Donde λ y x ∗ son los valores óptimos del problema original (con px = 14).
Calculamos λ del problema original:
De la ecuación 1:

1 −2/3 2/3
x y − 14λ = 0
3
Reemplazando con los valores óptimos:
 2/3
1 5.451
λ=
3 · 14 2.142
por tanto:

λ ≈ 0.0455

39 / 58
Verificación con el Teorema de la Envolvente (2/2)

Ahora, utilizamos el valor de λ y x ∗ en la fórmula para calcular el cambio de la

utilidad con respecto al cambio en el precio px :

∂U ∗
= −0.0455 × 2.142 = |0.0974|
∂px
La función de valor (Utilidad Indirecta) en este caso se puede escribir solo en
función de px , de tal manera que:
 1  2
30 3 60 3
f ∗ (px ) = V (px ) =
px 11
Se deriva la función con respecto a px , usando la regla de la cadena:
1 − 2  2
df ∗
 
30 3 10 30 3 60 3
=−
dpx px px2 px 11
Evaluando esto para px = 14:
− 2  2
df ∗

10 30 3 60 3
=− 2 ≈ |0.0974|
dpx 14 14 11

40 / 58
Condiciones de Karush-Kuhn-Tucker

Las condiciones de Karush-Kuhn-Tucker (K-T) son necesarias para resolver

problemas de optimización con restricciones de desigualdad. Para un problema de
maximización sujeto a restricciones de tipo desigualdad:

max f (x) sujeto a gi (x) ≤ 0, hj (x) = 0

x

Las condiciones de K-T son las siguientes:

• Condiciones de las derivadas parciales: Las derivadas parciales de la

función Lagrangiana respecto a las variables de decisión deben ser cero.

41 / 58
Condiciones de Karush-Kuhn-Tucker

Las condiciones de Karush-Kuhn-Tucker (K-T) son necesarias para resolver

problemas de optimización con restricciones de desigualdad. Para un problema de
maximización sujeto a restricciones de tipo desigualdad:

max f (x) sujeto a gi (x) ≤ 0, hj (x) = 0

x

Las condiciones de K-T son las siguientes:

• Condiciones de las derivadas parciales: Las derivadas parciales de la

función Lagrangiana respecto a las variables de decisión deben ser cero.
• Multiplicadores de Lagrange no negativos: Los multiplicadores asociados a
las restricciones de desigualdad deben ser mayores o iguales que cero. Es
decir, λi ≥ 0.

41 / 58
Condiciones de Karush-Kuhn-Tucker

Las condiciones de Karush-Kuhn-Tucker (K-T) son necesarias para resolver

problemas de optimización con restricciones de desigualdad. Para un problema de
maximización sujeto a restricciones de tipo desigualdad:

max f (x) sujeto a gi (x) ≤ 0, hj (x) = 0

x

Las condiciones de K-T son las siguientes:

• Condiciones de las derivadas parciales: Las derivadas parciales de la

función Lagrangiana respecto a las variables de decisión deben ser cero.
• Multiplicadores de Lagrange no negativos: Los multiplicadores asociados a
las restricciones de desigualdad deben ser mayores o iguales que cero. Es
decir, λi ≥ 0.
• Condición de complementariedad: La multiplicación de un multiplicador λi y
la restricción asociada gi (x) debe ser cero. Es decir, λi gi (x) = 0. Esto significa
que si la restricción es activa (es decir, gi (x) = 0), entonces el multiplicador no
puede ser cero, y si la restricción no es activa, el multiplicador debe ser cero.

41 / 58
Condiciones de Karush-Kuhn-Tucker

Las condiciones de Karush-Kuhn-Tucker (K-T) son necesarias para resolver

problemas de optimización con restricciones de desigualdad. Para un problema de
maximización sujeto a restricciones de tipo desigualdad:

max f (x) sujeto a gi (x) ≤ 0, hj (x) = 0

x

Las condiciones de K-T son las siguientes:

• Condiciones de las derivadas parciales: Las derivadas parciales de la

función Lagrangiana respecto a las variables de decisión deben ser cero.
• Multiplicadores de Lagrange no negativos: Los multiplicadores asociados a
las restricciones de desigualdad deben ser mayores o iguales que cero. Es
decir, λi ≥ 0.
• Condición de complementariedad: La multiplicación de un multiplicador λi y
la restricción asociada gi (x) debe ser cero. Es decir, λi gi (x) = 0. Esto significa
que si la restricción es activa (es decir, gi (x) = 0), entonces el multiplicador no
puede ser cero, y si la restricción no es activa, el multiplicador debe ser cero.
• Condición de las restricciones: Las restricciones deben cumplirse, es decir,
gi (x) ≤ 0 y hj (x) = 0.

41 / 58
Conjunto de Puntos Factibles

• El conjunto de puntos factibles está formado por aquellos puntos que

satisfacen todas las restricciones del problema.
• En un problema de optimización, este conjunto es la intersección de las
regiones determinadas por cada restricción.

42 / 58
Actividad de las Restricciones

• Restricción Activa: Una restricción se considera activa en una solución si la

igualdad g(x, y) = 0 se satisface en el punto óptimo. Es decir, el punto se
encuentra exactamente sobre la curva o superficie que representa la
restricción.
• Restricción Inactiva: Si g(x, y) < 0 en la solución, la restricción no está en su
punto lı́mite y se considera inactiva.

43 / 58
Ejemplo Práctico: Aplicación en Optimización de Empresas

• En un problema de maximización (por ejemplo, el beneficio de una empresa

con restricciones de recursos), si solo una restricción es activa (como la de
espacio de bodega), esto sugiere que para mejorar los beneficios, la
empresa deberı́a ampliar la bodega.
• Si dos restricciones son activas (como el espacio de bodega y la mano de
obra), entonces para mejorar el valor objetivo, es necesario relajar las
restricciones activas, como aumentando tanto la bodega como la mano de
obra.
• Si la solución es interior (ninguna restricción activa), esto significa que es
posible relajar las restricciones y seguir manteniendo el valor de la función
objetivo.

44 / 58
Análisis de Sensibilidad

• Propósito: El análisis de sensibilidad busca determinar cómo las variaciones

en las variables del problema afectan las soluciones de optimización. Este
análisis es fundamental para entender las relaciones entre las restricciones
y la función objetivo, y puede ayudar a la toma de decisiones en función de
cómo los cambios en los parámetros del problema afectan el resultado.
• Relajación de Restricciones: En el contexto del análisis de sensibilidad,
relajar las restricciones activas (por ejemplo, aumentando la capacidad de la
bodega o contratando más mano de obra) puede mejorar el valor objetivo en
problemas de maximización.

45 / 58
Ejemplo Numérico con Condiciones de KT

Consideremos el siguiente problema de optimización:

max f (x, y ) = −x 2 − y 2
x
s.a:

(y − x 2 − 10)3 ≤ 0,
x ≥ 2,
y ≥0

46 / 58
C.P.O

La función Lagrangiana asociada es:

 
L(x, y, λ1 , λ2 , λ3 ) = −x 2 − y 2 − λ1 (y − x 2 − 10)3 + λ2 (x − 2) + λ3 y

Ahora derivamos respecto a x, y, λ1 , λ2 , y λ3 :

∂L
= −2x − 2λ1 · 3(y − x 2 − 10)2 · 2x + λ2 = 0
∂x
∂L
= −2y + 3λ1 (y − x 2 − 10)2 + λ3 = 0
∂y
∂L
= −(y − x 2 − 10)3 = 0
∂λ1
∂L
=x −2=0
∂λ2
∂L
=y =0
∂λ3

47 / 58
C.P.O

Por condiciones de complementariedad :

 
L(x, y, λ1 , λ2 , λ3 ) = −x 2 − y 2 − λ1 (y − x 2 − 10)3 + λ2 (x − 2) + λ3 y

Ahora derivamos respecto a x, y, λ1 , λ2 , y λ3 :

∂L
= −2x − 2λ1 · 3(y − x 2 − 10)2 · 2x + λ2 = 0
∂x
∂L
= −2y + 3λ1 (y − x 2 − 10)2 + λ3 = 0
∂y
∂L
= −(λ1 )(y − x 2 − 10)3 = 0
∂λ1
∂L
= (λ2 )(x − 2) = 0
∂λ2
∂L
= (λ3 )y = 0
∂λ3

48 / 58
Casos

Ya que las soluciones pueden estar en la igualdad o en la parte interior, el número

de posibles casos a analizar resulta ser 2ng , en este caso 8.

Tabla de valores de λ para las restricciones

λ1 0 0 0 + 0 + + +
λ2 0 0 + 0 + 0 + +
λ3 0 + 0 0 + + 0 +

49 / 58
Resumen de Soluciones del Problema

Se analizan diferentes combinaciones de los valores de λ1 , λ2 , λ3 :

• Si λ1 = 0, λ2 > 0, λ3 = 0, entonces x = 2 y y = 0. La primera ecuación da

λ2 = 2x = 4.
• Si λ1 > 0, λ2 = 0, λ3 = 0, entonces y = x 2 + 10, pero x = 0, lo que no es
factible.
• Si λ1 = 0, λ2 > 0, λ3 > 0, entonces x = 2 y y = 0, pero la combinación no
satisface las restricciones.
• Si λ1 > 0, λ2 = 0, λ3 > 0, entonces y = x 2 + 10, pero y = 0 es imposible.
• Si λ1 > 0, λ2 > 0, λ3 = 0, entonces y = x 2 + 10 y x = 2, pero la segunda
ecuación da λ1 = 2y = 28, lo que contradice λ1 = 0.
• Si λ1 > 0, λ2 > 0, λ3 > 0, no hay solución factible para cualquier valor de y.
Resultado final: La solución es x = 2, y = 0, λ1 = 0, λ2 = 4, λ3 = 0, obtenida de
la primera combinación analizada.

50 / 58
Ejemplo Numérico 2

Min C(K , L) = rK + wL

s.a min{aK , bL} = q

51 / 58
Ejemplo Numérico 2

−Max − C(K , L) = −(rK + wL)

s.a aK ≥ q, bL ≥ q, K ≥ 0, L ≥ 0

52 / 58
Uso del Negativo de la Función Objetivo

• Relación Maximización-Minimización:

Mı́nimo de f = Máximo de (−f )

• Unificación de métodos:
Los mismos métodos (gradientes, programación lineal) sirven para
maximización y minimización.
• Tratamiento de la función objetivo:
Maximización: Función objetivo sin cambios.
Minimización: Negativo de la función objetivo.
• Restricciones:
Se mantienen igual, ya que la transformación solo afecta la dirección del
óptimo (mı́nimo vs. máximo).

53 / 58
Correspondencia entre restricciones

Si a = 2, b = 3 y q = 6, entonces:

54 / 58
Ejemplo Numérico 3

Min C(K , L) = rK + wL

s.a aK + bL ≥ q

55 / 58
Anexo
Aversión al Riesgo

La aversión al riesgo describe la preferencia de los individuos por evitar

incertidumbres en sus decisiones. En el ámbito económico, se refiere a cómo los
consumidores o inversionistas toman decisiones ante situaciones inciertas o
riesgosas.

En términos generales, un individuo es considerado averso al riesgo si prefiere una

opción con certeza a una con incertidumbre, incluso si la opción incierta tiene un
valor esperado superior. Este comportamiento es crucial para modelar decisiones
en finanzas, consumo y producción.

56 / 58
Curva de Aversión al Riesgo: CARA

La Curva de Aversión al Riesgo (CARA, por sus siglas en inglés, Constant Absolute
Risk Aversion) describe una función de utilidad en la que la aversión al riesgo es
constante a medida que cambia el nivel de riqueza del individuo.

La función de utilidad bajo CARA se expresa de la siguiente manera:

U(W ) = −e−αw
Donde: - w es la riqueza del individuo.
- α es el parámetro de aversión al riesgo (un valor positivo que mide la aversión al
riesgo).
Propiedades:

• La aversión al riesgo es constante, independientemente de la cantidad de

riqueza del individuo.
• La aversión es absoluta, es decir, no cambia con el nivel de riqueza.

57 / 58
Curva de Aversión al Riesgo: CRRA

La Curva de Aversión al Riesgo Relativa (CRRA, por sus siglas en inglés,

Constant Relative Risk Aversion) es otro enfoque que modela cómo cambia la
aversión al riesgo en función de la riqueza del individuo.

La función de utilidad bajo CRRA se expresa como:

W 1−ρ
U(W ) =
1−ρ
Donde: - W es la riqueza del individuo.
- ρ es el parámetro de aversión relativa al riesgo.
Propiedades:

• La aversión al riesgo es relativa, lo que significa que depende del nivel de

riqueza.
• Si ρ > 1, el individuo es averso al riesgo. Si ρ < 1, el individuo tiene una
actitud favorable al riesgo.
• A medida que la riqueza aumenta, la aversión al riesgo disminuye, lo que
refleja un comportamiento más tolerante al riesgo cuando el individuo tiene
más recursos.

58 / 58
¡Gracias!