DECON
DEPARTAMENTO DE ECONOMÍA
Pontificia Universidad Católica del Perú
DEPARTAMENTO DE ECONOMÍA
Pontificia Universidad Católica del Perú
Nº 5
DEPARTAMENTO DE ECONOMÍA
Pontificia Universidad Católica del Perú
DEPARTAMENTOMATEMÁTICAS
DE ECONOMÍA
PARA Católica del Perú
Pontificia Universidad
DEPARTAMENTO DE ECONOMÍA
ECONOMISTAS
Pontificia Universidad Católica del Perú
DEPARTAMENTO DE ECONOMÍA
Pontificia Universidad Católica del Perú
Tessy Grace Vásquez
DEPARTAMENTO DE ECONOMÍA
Pontificia Universidad Católica del Perú
DEPARTAMENTO DE ECONOMÍA
Pontificia Universidad Católica del Perú
DEPARTAMENTO DE
ECONOMÍA
MATERIAL DE ENSEÑANZA N° 5
Abril, 2019
DEPARTAMENTO
DE ECONOMÍA
MATERIAL DE ENSEÑANZA 5
http://files.pucp.edu.pe/departamento/economia/ME005.pdf
Matemáticas para Economistas 1
Material de Enseñanza 5
Agosto, 2018
1 Las notas fueron revisadas por el Prof. Ramón Garcı́a Cobián, el Prof. Ale-
jandro Lugon y no hubiera sido posible sin la asistencia en redación de Christian
Maravı́, Marco Cerón y César Castro; ası́ como el apoyo del Departamento de
Economı́a, en ese entonces a cargo del Prof. Waldo Mendoza.
Matemática para Economistas 1
Resumen
El presente texto consolida las notas de las clases dictadas por el Prof. Ramón García-Cobián en el
curso “Matemática para Economistas 1". Aborda conceptos básicos de matrices, vectores y funciones,
así como una introducción al cálculo y análisis en Rn, incluyendo espacio euclidiano, cálculo diferencial
y el teorema de la función implícita. Este texto tiene como objetivo servir de guía a los estudiantes de
los primeros ciclos de la carrera de economía.
Palabras Clave: Matemáticas para la Economía. Funciones. Matrices. Vectores. Cálculo. Análisis real.
Abstract
This document presents the classroom notes of Prof. Ramón García-Cobián for the "Mathematics for
Economics 1" course. The notes cover the concepts of matrices, vectors and functions as well as
providing an introduction of calculus and analysis on Rn, including Euclidean space, differential calculus
and the implicit function theorem. The objective is to serve as a guide for students in the first year of
the Economics degree program.
Key Words: Mathematics for economics. Functions. Matrix. Vectors. Calculus. Real Analysis.
1
2 ÍNDICE GENERAL
Nociones de Funciones,
Matrices y Vectores
3
4CAPÍTULO 1. NOCIONES DE FUNCIONES, MATRICES Y VECTORES
∀X, Y : X = Y ⇔ (∀z : z ∈ X ⇐⇒ z ∈ Y ).
∀x : x ∈ x ∨ x ∈
/x
y defı́nase:
ϑ := {x : x ∈
/ x}.
Por lo tanto:
(ϑ ∈ ϑ) ∨ (ϑ ∈
/ ϑ).
Pero, si ϑ ∈ ϑ, entonces, por definición de ϑ, se sigue que ϑ ∈
/ ϑ. Y si ϑ ∈
/ ϑ,
igualmente se sigue que ϑ ∈ ϑ. De cualquier manera surge una contradicción.
Posteriormente, y como consecuencia de la paradoja, surge la axiomati-
zación de las teorı́as, atribuida a Peano, Zermelo y Von Neumann.
{x ∈ C : P (x)} .
A\B := {x ∈ A|x ∈
/ B}
Por ejemplo, no es relación el conjunto: {(2, −1), 3}, pero son relaciones
los conjuntos {(2, −1), (0, 3)} y ∅. Ejemplo de relaciones:
m2
= 2, por lo tanto m2 = 2n2 .
n2
Sin pérdida de generalidad se pueden tomar m y n como primos relativos,
i.e., que no poseen factor común.
Entonces m es par y:
m = 2R, ∃R ∈ N.
Luego
4R2 = 2n2 ∴ 2R2 = n2 .
Por lo que n también es par. Pero esto
√ contradice el que m y n fueran primos
relativos. Ası́, la respuesta es que 2 no es un número racional, sino un
“irracional”. √
2∈/ Q ⊆ R.
De manera similar se puede mostrar que:
π ∈R∧π ∈
/ Q.
1.5. Funciones
Definición 1.5.1 (Función) Una función es una relación en la que no hay
elementos diferentes que compartan el primer componente.
8CAPÍTULO 1. NOCIONES DE FUNCIONES, MATRICES Y VECTORES
cDS : {0}
Según definición 1.5.1 , R no es función, pero S sı́ lo es. Se dirá que R es
una “correspondencia” de DR a cDR y que S es una función de DS a cDS .
R : {1, 0} >> {0, −2}
S : {0, 1} → {0}
Notación para funciones: f : A → B
x → f (x) = x3 − 2x + 1
f (−2) = −3
f :R→R
Funciones Constantes
Son funciones que a cada número real le asignan una misma imagen:
x 7→ f (x) = 3 (polinomio de grado cero)
1.5. FUNCIONES 9
Funciones Polinómicas
Son aquellas f : R → R tales que f (x) es un polinomio en x:
f (x) = a0 + a1 x + a2 x2 + · · · + an xn .
Función Lineal
Si f (x) = a0 + a1 x, se dice que es lineal de grado 1, y tendrı́a la gráfica
1.3.
0 = y = 2x − 1.
Función Cuadrática
Si la función tiene la siguiente forma f (x) = a0 +a1 x+a2 x2 , se dice que es
una función cuadrática, y su gráfica es una parábola con vértice en x = −a 1
2a2
.
Si a2 > 0 entonces la abscisa del vértice de la parábola se encuentra abajo, y
si a2 < 0 entonces la abscisa del vértice de la parábola se encuentra arriba.
f (x) = x2 + 2x − 3.
En dicho caso a2 > 0, mientras que las propiedades del vértice de la parábola
permiten obtener:
2
abscisa del vértice = − = −1.
2
1.5. FUNCIONES 11
1
y = − x2 + 3x − 2.
2
En dicho caso, el coeficiente del término cuadrático es igual a:
1
a=− <0
2
y la fórmula de la abscisa da lugar a:
−3
abscisa del vértice = =3
−1
y la ordenada se obtiene reemplazando x por la abscisa del vértice:
1
y = − (9) + 9 − 2
2
Por lo tanto:
y = 2.5
Recuérdese que si se desea resolver una ecuación de la forma:
x2 − 6x + 4 = 0, (1.2)
1.5. FUNCIONES 13
racionales:
2x + 1
y =
x2 + 1
1
y =
x
y = 3x
Si x = 1 e y = −2 entonces z = 0.
Si x = 2 e y = −1 entonces z = 3.
Y ası́ sucesivamente.
x y u z
2 1 −1 7
.. .. .. ..
. . . .
1.6. Matrices
Definición 1.6.1 (Matriz) Se trata de una arreglo rectangular de números.
16CAPÍTULO 1. NOCIONES DE FUNCIONES, MATRICES Y VECTORES
1
3 1 0 0
0
C=
2 D = 0 −2 0
0 0 1 3×3
−1 4×1
π
2
2
E= 3
−1 4 2×2
Matrices cuadradas: D y E.
Matriz fila: B.
Matriz columna: C.
Matriz diagonal: D.
Ası́ que G11 = 2, G12 = 1, G21 = 1 y G22 = 3. Otra forma de extraer elemen-
tos de acuerdo a una ordenación puede expresarse de la siguiente manera:
A1·• = [−2 0 4], que indica la primera fila de la matriz A, o:
2
E•2 = 3
4
Esta matriz es conocida como simétrica pues cumple que hij = hji ∀i, ∀j.
Ejemplo 1.6.3
−2 0 4 1 0 0
A= 1 B=
2
π 3 79 2×3
0 −2 0 2×3
Como ambas matrices son del mismo tipo, entonces su suma es igual a:
−1 0 4
A+B = 1
2
π − 2 3 79 2×3
Ejemplo 1.6.4
1 1 0 −2
− A=
2 − 4 − 2 −1 89
1 π
2×3
Ejemplo 1.6.5
1 2 0
−2 0 4
A= 1 B = −1 1 1
π 3 97
2 2×3 0 −1 0 3×3
Por lo tanto:
−2 −8 0
AB = 1 7
2
− π π − 2 9
π 2×3
Por lo tanto:
−1 4 2 1 4 −2
CD = −1 2 1 DC = −2 −1 −1
−1 −2 0 3×3 0 −1 1 3×3
h
P
Si A es m × h y B es h × n entonces (AB)ij = aik bkj , con aik repre-
k=1
sentando el elemento ubicado en la fila i, columna k.
ab = 0 ⇒ (a = 0 ∨ b = 0)
(a 6= 0 ∧ ab = ac) ⇒ b = c
Mientras que para las matrices:
AB = 0 ; (A = 0 ∨ B = 0)
(A 6= 0 ∧ AB = AC) ; B = C
Ejemplo 1.6.9
2 6 a c 1 0
× =
1 3 b d 0 1
2a + 6b = 1
a + 3b = 0
2c + 6d = 0
c + 3d = 1
2 6
No existe solución, por lo tanto la matriz no tiene inversa.
1 3
Con ello, sedemuestra que algunas matrices cuadradas carecen de inversa.
2 0
Pero sı́ tiene inversa:
1 3
2 0 a c 1 0
× =
1 3 b d 0 1
2a = 1
a + 3b = 0
1.6. MATRICES 21
1
a=
2
1
b=−
6
2c = 0
c + 3d = 1
c=0
−1 1
1 2 0 2
0
d = . Entonces = −1 1
3 1 3 6 3
Transpuesta de matriz
Definición 1.6.11 Si A es matriz m × n entonces su transpuesta es otra
matriz n × m definida por:
(A0ij ) = Aji
Ejemplo 1.6.12
−1 2 0
A=
0 3 − 21 2×3
Entonces:
−1 0
A0 = 2 3
0 − 12 3×2
A − B := A + (−1)B
De ese modo,
−2 −3 1
A−B =
1 7 −3 2×3
0
AC =
8 2×1
3
X 1 1 1 1 11
= − + =
k=1
k 1 2 3 6
2
X k+1 1+1 2+1 7
= + =
k=1
k 1 2 2
∞
X 1 1 1 1
= + + + ···
k=11
k 11 12 13
∞
X a
ark = a + ar + ar2 + ar3 + · · · = a(1 + r + r2 + · · · ) =
k=0
1−r
2. (AB)0 = B 0 A0 . Ejemplo:
A=m×n
B =n×h
AB = m × h
(AB)0 = h × m = B 0 × A0
−1 −1 0
A =
−2 −1 2×2
0 −1 2
A =
0 −1 2×2
−1 0 −1 −2
(A ) =
0 −1 2×2
−1 −2
(A0 )−1 =
0 −1 2×2
Por lo tanto:
[A−1 ]0 = (A0 )−1
5. (A + B)0 = A0 + B 0 .
= a11 a22 a33 + a21 a32 a13 + a12 a23 a31 − a31 a22 a13 − a21 a12 a33 − a32 a23 a11
0 1 2 2 1 2
1+1
1+2
= (−1) × 1 3 1 0 + (−1) × (−2) 0 1 0
0 2 −4 −1 2 −4
2 0 2 2 0 1
1+3
1+4
+(−1) × 0 0 3 0 + (−1) × (−1) 0 3 1
−1 0 −4 −1 0 2
= 27
n−1
P
Si se elije fila i, entonces det(A) = Cik ; donde Cik := es el co-factor ik
k=1
de la matriz A se define como: Ci,k = (−1)i+k Mik y Mik es el determinante
de la matriz que queda luego de suprmir la fila i, columna k. Es preferible
elegir las filas o columnas con mayor cantidad de ceros.
Si ahora tenemos que la primera fila es igual a la primera fila más la tercera
fila: 1◦ f ila + (1)3◦ f ila de E2 :
0 2 −5
2 1 2 = −20 − 4 − 5 + 16 = −13
−1 2 −4
Teorema 1.6.20 Si en una matriz, las filas o las columnas son linealmente
dependientes entonces el determinente es nulo ∴ si son linealmente indepen-
dientes, el determinante es diferente de 0.
Las tres definiciones dan lo mismo según un teorema del álgebra lineal.
Ejemplo 1.6.21
2 −1 0
A= 1 0 2
3 −2 −2
1.6. MATRICES 27
0 Rango(A) mı́n(m, n)
Ejemplo 1.6.23
2 1
A=
−1 0
Ejemplo 1.6.24
1 0 −1
A= 2 1 0
−1 2 0
det(A) = −5
0
(−1)2 M11 (−1)3 M12 (−1)4 M13
1
A−1 = −M21 M22 −M23
−5
M31 −M32 M33
0 52 − 15
A−1 = 0 51 25
−1 52 − 15
Ejemplo 1.6.26
x−y =2
2y + z = −1
x + 2z = 4
1 −1 0
A = 0 2 1 ,
1 0 2
1.6. MATRICES 29
2
b = −1
4
det(A) = 3
2 −1 0
−1 2 1
4 0 2
x=
3
2
x= .
3
1 2 0
0 −1 1
1 4 2
y=
3
−4
y= .
3
1 −1 2
0 2 −1
1 0 4
z=
3
5
z= .
3
x=2+y
z = −1 − 2y
30CAPÍTULO 1. NOCIONES DE FUNCIONES, MATRICES Y VECTORES
y =2+x
x = 4 − 2z
Resolviendo:
2 + y = 4 − 2z
2 + y = 4 − 2(−1 − 2y)
2 + y = 4 + 2 + 4y
−4
y=
3
5
z=
3
2
x=
3
Ejemplo 1.6.27
Y = C(Y ) + I(r) + G
M = P L(Y, r)
Donde:
r: Tasa de interés
Variables endógenas: Y, r
Variables exógenas: G, M, P
Entonces:
Y = a + bY + α − βr + G
M = P (γY − δr)
Equivalente a:
1−b β Y a+α+G
× =
P γ −P δ r M
1.7. VECTORES 31
1.7. Vectores
1.7.1. Multiplicación vectorial
Ejemplo 1.7.1 Consideremos los siguientes vectores:
2
u = −1 v= 3 −1 1×2
1 3×1
y
6 −2
u × v = −3 1 .
3 −1 3×2
Sea:
w= 3 −1 2 1×3
6 −2 4
u × w = −3 1 −2
3 −1 2 3×3
v = [ v1 v2 · · · vn ]
n
X
u.v = ui vi
i=1
(u + v) := (ui + vi )
4
También llamado “producto interno”.
1.7. VECTORES 33
α−β =0
α=0
Como:
α=β
Por lo tanto:
β=0
Existe una sola solución, a saber α = 0 = β; por lo tanto se dice que u y v
son vectores “ linealmente independientes”. Sea:
w = (−6, 3)
Ejemplo 1.7.6
15u + 5w = (0, 0)
((15(2), 15(−1)) + (5(−6), 5(3))) = (0, 0).
Entonces {u, w} es linealmente dependiente.
Ejemplo 1.7.8
15u + 5w = (0, 0)
36CAPÍTULO 1. NOCIONES DE FUNCIONES, MATRICES Y VECTORES
Ejemplo 1.7.9
15u + 5w = (0, 0)
No es nula la siguiente:
2u + w = (−2, 1)
Ejemplo 1.7.10
0u + 0w = (0, 0)
Ejemplo 1.7.11
15u + 5w = (0, 0)
αu + βv + θw = 0
1.8. ANÁLISIS DEL EQUILIBRIO ECONÓMICO 37
Reemplazando:
2α + β + 4θ = 0
7α + 8β + 5θ = 0
Como hay menos ecuaciones que incógnitas, este sistema tiene ∞ soluciones.
α = −3θ
β = 2θ
De ese modo las posibles soluciones pueden ser:
α = −3, β = 2, θ = 1
α = −6, β = 4, θ = 2
por lo tanto, estos vectores son linealmente dependientes y dicho sistema tiene
∞ soluciones.
Qd = a − bp
Qs = −c + dp
Qd (p∗ ) = Qs (p∗ )
con lo cual:
a − bp∗ = −c + dp∗
y por lo tanto:
a+c
p∗ = .
b+d
Qd = a − bp2 , la demanda y
Qs = −c + dp, la oferta.
1.8. ANÁLISIS DEL EQUILIBRIO ECONÓMICO 39
a − b(p∗ )2 = −c + dp∗
a + c = b(p∗ )2 + dp∗
∗ 1 p
2
p = −d ∓ d + 4b(a + c) .
2b
Dado que un precio con valor negativo no tiene sentido económico, la única
solución es:
1 p
p∗ = −d + d2 + 4b(a + c) > 0
2b
Por lo que existe un único equilibrio p∗ .
5 − 3p = 6p − 10
5
p=
3
Ejercicio 1.8.4 Sean las siguientes funciones, las ecuaciones de demanda y
oferta respectivamente:
Q d = 3 − p2
Qs = 6p − 10
3 − p2 = 6p − 10
p1 = 1
p2 = −7 (económicamente no es válido).
Por lo tanto, en este ejemplo la solución es: p = 1.
40CAPÍTULO 1. NOCIONES DE FUNCIONES, MATRICES Y VECTORES
Qs (p∗ ) = Qd (p∗ )
1 1
10 + = 5 −
p∗ p∗
2
p∗ = −
5
Dado que el valor obtenido es negativo, decimos que no existe precio que dé
solución a este problema; por lo tanto no hay equilibrio aun cuando varias
funciones sean convergentes.
Qd1 = f1 (p1 , p2 ) = a0 + a1 p1 + a2 p2
Qs1 = g1 (p1 , p2 ) = b0 + b1 p1 + b2 p2
Qd2 = f2 (p1 , p2 ) = α0 + α1 p1 + α2 p2
Qs2 = g2 (p1 , p2 ) = β0 + β1 p1 + β2 p2
θ1 p∗1 + θ2 p∗2 = h
θ3 p∗1 + θ4 p∗2 = k
42CAPÍTULO 1. NOCIONES DE FUNCIONES, MATRICES Y VECTORES
Determinantes:
θ1 θ2
θ3 θ4 = θ1 θ4 − θ2 θ3 (Regla de Cramer)
−α = 0 ∧ 0 = 0 ∧ α + β = 0 ∧ 0 = 0
α = β; β = 0
α=0∧β =0
Es una solución trivial. Por lo tanto, al ser la solución trivial la única com-
binación nula, estos vectores son linealmente independientes.
−α = 0 ∧ 0 = 0 ∧ α = 0 ∧ 0 = 0
45
46 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
¿(2, 1, 0, 2) ∈ S[C]?
Sı́, caso que ∃ᾱ, β̄ ∈ R tales que:
−ᾱ = 2 ∧ 0 + 0 = 1 ∧ α + β = 0 ∧ 0 + 0 = 2.
Como este resultado es incosistente, podemos afirmar que (2, 1, 0, 2) no per-
tenece a S[C].
¿(−2, 0, 3, 0) ∈ S[C]?
−α = −2 ∧ 0 = 0 ∧ α + β = 3 ∧ 0 = 0
α=2
β=1
Por lo tanto,(−2, 0, 3, 0) sı́ pertenece a S[C].
2.1. ESPACIO EUCLIDIANO RN 47
¿(2, 5) ∈ S[P ]?
Sı́, pues:
(ᾱ, ᾱ − β̄) = (2, 5)
Resolviendo encontramos:
ᾱ = 2
β̄ = −3
Todos los vectores de R2 pertenecen a S[P ], pues:
(α, α − β) = (a, b)
α=a
β =a−b
Ejemplo 2.1.6 P es una base de R2 , pues si α(1, 1) + β(0, −1) = (0, 0),
entonces.
α=0∧β =0
Por lo que P sı́ es base por ser linealmente independiente y generar todo el
espacio.
48 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
Ejemplo 2.1.7
(2α, β − α) = (a, b)
a a
α= ∧β =b+
2 2
a a
∴ (a, b) = ( )(2, −1) + (b + )(0, 1)
2 2
Por lo tanto sı́ es base.
Ejemplo 2.1.9 En R2 una base es Bc = {(1, 0); (0, 1)} (Base Canónica de
R2 ), ya que la única solución de:
Ejemplo 2.1.10 En Rn una base es Bc = {(1, 0, ..., 0); (0, 1, 0, ..., 0); ...; (0, 0, ..., 1)}.
∗:V ×V →V
u ∗ v = v ∗ u;
u ∗ (v ∗ w) = (u ∗ v) ∗ w;
∃θ ∈ V, ∀u ∈ V, θ ∗ u = u; ∀u ∈ V, ∃ū ∈ V, u ∗ ū = θ.
F:R×V →V.
(αF(βFu) = (αβ)Fu;
1Fu = u;
αF(u ∗ v) = (αFu) ∗ (αFv);
(α + β)Fu = (αFu) ∗ (βFu).
Teorema 2.1.14 Cualquier espacio vectorial tiene bases y todos las bases de
un mismo espacio son igualmente abundantes, i.e., (todas las bases tienen el
mismo número de elementos); y por lo tanto al número de elementos de una
cualquiera de las bases se llama “dimensión del espacio vectorial”.
Demostración:
1. Asociatividad de la adición:
2. Conmutatividad de la adición:
por lo tanto:
a + 0 = a, ∀a ∈ M (m, n).
(αβ)aij = α(βaij )
por lo tanto:
(αβ)a = α(βa)
1aij = aij
por lo tanto:
1a = a
M (m, n) junto con las dos operaciones binarias (+, ·) satisface los ocho
axiomar anteriores y por lo tanto es un espacio vectorial (real).
Ejercicio 2.1.15 Una base para el espacio vectorial de las matrices M [(2, 2)]
está conformado por:
1 0 0 1 0 0 0 0
, , y .
0 0 0 0 1 0 0 1
Tarea: Demostrarlo.
52 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
2. d(x, y) = 0 ⇐⇒ x = y.
Ejemplo 2.1.18
p
dE ((−1, 2), (5, 5)) := (−1 − 5)2 + (2 − 5)2
√ √
:= 36 + 9 = 3 5
Ejemplo 2.1.20
Ejemplo 2.1.22
Ejemplo 2.1.24
dD ((−1, 2), (5, 5)) = 1
a11 x1 + · · · + a1n x1 = b1
..
.
am1 x1 + · · · + amn xn = bn
a11 · · · a1n x1 b1
.. . .. .
.. ... ..
= .
.
am1 · · · amn xn bn
Esto puede ser reescrito como:
n
X
a1j xj = b1
j=1
..
.
n
X
amj xj = bn
j=1
54 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
Ejemplo 2.1.27
x+y =1
2x − y = 0
x + 3y = 1
1 1 1
2 −1 x = 0
y
1 3 1
1
x=
3
x = 1 ⇒⇐
2.1. ESPACIO EUCLIDIANO RN 55
Cuando existen más ecuaciones que incógnitas suele aparecer una con-
tradicción, por lo que en tales casos no existe solución.
Cuando hay mas incógnitas que ecuaciones suelen existir infinitas (∞)
soluciones.
Ax = b
A−1 Ax = A−1 b
Ix = x = A−1 b
Caso (2) ¬∃A−1
∴ si b 6= 0 entonces ¬∃ solución.
∴ si b = 0 entonces ∃ ∞ soluciones.
f :R→R
x 7→ f (x) = 2x3 − x + 1
f (−2) = −16 + 2 + 1 = −13
Función Real de Variable Vectorial:
f : Rn → R
Un caso especı́fico:
f : R2 → R
(x, y) 7→ f (x, y) = 2xy − x + y
f (−1, 2) = −1
Otro caso:
f (x, y, z) = xy − y 2 z + 2x − z
0 = f1 (x1 , x2 , . . . , xn ; α1 , α2 , . . . , αm )
0 = f2 (x1 , x2 , . . . , xn ; α1 , α2 , . . . , αm )
.. ..
. .
0 = fn (x1 , x2 , . . . , xn ; α1 , α2 , . . . , αm )
Donde fi representa la diferencia entre la demanda en el mercado i y la oferta
en ese mismo mercado.
Variables endógenas: Precios de los bienes x1 , x2 , . . . , xn .
en G de 0,2, M de -2 y ∆P = 0?
G̃ = 90, 2 M̃ = 198 P̃ = 1
∴ ∆Y ∗ ∼
= ∆r∗ ∼
=
Para responder esta pregunta tenemos que analizar diversos conceptos:
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 59
Si y ∗ = 12 cambia a ŷ = 24
∴ ∆y ∗ = 12 (Totalidad de y ∗ )
12
Decimos que el cambio relativo de “x” es: x∗ = = 0, 1 = 10 %
120
12
y de “y”es: y ∗ = = 1 = 100 %
12
Si x = 2, entonces y = 5
x = 3 =⇒ y = 10
x = 2, 1 =⇒ y = 5, 41
∆x ∆y
1 5
0,1 0,41
∆y
Conjetura: “A medida que ∆x ↓ 0; ∆x → 4”. Entonces, el nuevo valor
de x es 2 + ∆x y el nuevo valor de y es (2 + ∆x)2 + 1. Por lo tanto, el cambio
en Y es (2 + ∆x)2 + 1 − 5 = 4∆x + (∆x)2 .
∆y 4∆x+(∆x)2
De esa manera, el cambio relativo de y respecto a x es ∆x = ∆x
−
∆y
4 + ∆x. Entonces, si ∆x ↓ 0, ∆x → 4.
∆y
En ese caso se dice:“El Lı́mite de ∆x cuando ∆x → 0 es 4”
∆y
Tan cerca como se quiera de 4 estará ∆x
con solo hacer que ∆x esté
bastante cercano a 0.
Dado: ε > 0, hay un δ > 0 tal que:
∆y
− 4 < ε0
Si|∆x| < δ, entonces,
∆x
Otro ejemplo:
x = 20 ∧ y = 401
Entonces, el nuevo valor de x es 20+∆x, el nuevo valor de y es (20+∆x)2 +1;
y el cambio en y es (20 + ∆x)2 + 1 − 401 = 40∆x + (∆x)2 .
Ejemplo 2.2.4
y = f (x) = x3 − 2x
x=a
y = a3 − 2a
Si el nuevo valor de x fuese a + ∆x, el nuevo valor de y serı́a (a + ∆x)3 −
2(a + ∆x). El cambio de y es:
dy
(5) = 3
dx
Ejemplo 2.2.6
x
y= −2
3
1 4
dy (4 + ∆x) − 2 − −2 1
(4) = 3 3
=
dx ∆x 3
∆y 1
lı́m =
∆x→0 ∆x 3
62 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
dz du dv
2. Si z = u(x) + v(x), entonces dx
= dx
+ dx
.
dz
3. Si z = αu(x), entonces dx
= α du
dx
Las dos últimas propiedades nos muestran que la “derivación es una operación
lineal”.
Ejemplo 2.2.7
3 1
y = −2 + 6x + x3 − x4
5 2
4
3 3 d − x2
dy d(−2) d(6x) d 5 x
∴ = + + + =
dx dx dx dx dx
9
= 6 + x2 − 2x3
5
Por lo tanto:
f (a + ∆x) − f (a)
f 0 (a) = lı́m
∆x→0 ∆x
f (a+∆x)−f (a)
Donde ∆x
es el cociente diferencial.
∆y dy
f 0 (a) = lı́m = (a)
∆x→0 ∆x dx
f 0 (a) : Es la pendiente de la recta tangente a la gráfica de la función en el
punto de abscisa a.
f (10 + ∆x) − 63
= lı́m
∆x→0 ∆x
(10 + ∆x)2 − 4(10 + ∆x) + 3 − 63
100 + 20∆x + ∆x2 − 40 − 4∆x − 60 ∆x2 + 16∆x
=
∆x ∆x
lı́m (16 + ∆x) = 16
∆x→0
dy
(10) = 16
dx
Ejemplo 2.2.9
y = x3
dy
= 3x2 ≥ 0 ∀ x ∴
dx
dy
x dx
y
0 0 0
1 3 1
−1 3 −1
Ejemplo 2.2.10
y = x2 − 4x + 3
64 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
dy
= 2x − 4
dx
dy
(a) = 0
dx
dy
queremos evaluar: dx
(α) si y solo si 2α − 4 = 0, α = 2 ∴ vértice es (2, −1)
dy
∴ Si b > 2 =⇒ (b) > 0
dx
dy
Si b < 2 =⇒ (b) < 0
dx
Ejemplo 2.2.11 Calcular:
x2 − x − 2
lı́m
x→−1 x+1
x2 − x − 2
∴ lı́m = lı́m (x − 2) = −3
x→−1 x+1 x→−1
Pero para:
x2 − x − 21
x+1
no hay lı́mite cuando x → −1, pues lı́m (x2 − x − 21) = 1 − (−1) − 21 = −19
x→−1
por lo que, si x vale “casi”−1, el cociente valdrá “casi” −19
, con un número
tan pequeño como queramos, es decir, el cociente será de valor absoluto tan
grande como queramos.
Definición:
Si f : R → R y a ∈ Dom(f )
Entonces:
f :R→R
1 + 2x, si x > 3
x → f (x) :=
−x + 2, si x ≤ 3
lı́m f (x) = 7
x→3+
lı́m f (x) = −1
x→3−
lı́m f (x) = 1
x→1−
f (x)
lı́m f (x)
x→a
4. lı́m = si lı́m g(x) 6= 0
x→a g(x) lı́m g(x) x→a
x→a
n
5. lı́m (f (x))n = lı́m f (x)
x→a x→a
Pero:
x+7
lı́m
= no existe
x−7 x→7
f (x) = −x3
Por ejemplo,
Si a 6= 0, entonces, (2.2)
p
ε
con δ < min ; ε , se obtiene que δ 2 + 2|a|δ <
2 6|a|
ε
2
+ ε
2
= ε.
El caso para a = 0 se deja como ejercicio.
Entonces definimos una función:
f :R→R
y donde a ∈ R, decimos que “f es continua en a”si:
1. Existe el lı́m f .
x→a
2. lı́m f .= f (a).
x→a
3. a pertenece al dominio de f
Chang: “Si uno de estos tres requisitos falla, entonces f es discontinua en a”.
Nos: “f es discontinua en a”si:
1. a pertence al dominio de f .
2. lı́m f 6= f (a)
x→a
d dy dz
(y ∓ z) = ∓ ;
dx dx dx
equivalentemente podemos escribir
y = x3 − 2x ∧ z = 2x2 + x
Ası́
(f gh)(x) = f (x)[g(x)h(x)]
= [f ( gh )](x) = (f ϕ)(x)
|{z}
ϕ
de modo que
d
IM = (Q ∗ IA)
dQ
d
IM = (Qf (Q))
dQ
d(Q)
IM = .f (Q) + Qf 0 (Q)
dQ
IM = f (Q) + Qf 0 (Q)
| {z }
IA
IM − IA = Q f 0 (Q) < 0
|{z}| {z }
+ −
I P
IA = =Q =P
Q Q
IA > IM
Ingreso medio > Ingreso marginal
C(Q)
CA =
Q
74 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
por lo que:
d d C(Q)
(costo medio) =
dQ dQ Q
d
Q dQ C(Q) − C(Q) dQ
dQ
=
Q2
0
C (Q) C(Q)
= −
Q Q2
1 0 C(Q)
= C (Q) −
Q Q
1
= (CM − CA)
Q
luego:
d
(CA) T 0 si y solo si CM T CA (ver gráfico 2.6)
dQ
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 75
entonces:
0 5 Q 5 5, de modo que:
d
(IA) = 2Q − 8
dQ
d d
IM = I= (Q3 − 8Q2 + 16Q + 2Q)
dQ dQ
IM = 3Q2 − 16Q + 18
d
0 = IM = 6Q − 16
dQ
de modo que:
8
Q=
3
8 64 8 10
IM ( ) = 3. − 16. + 18 =
3 9 3 3
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 77
dz
Podemos encontrar: ¿ ?
dx
Definición 2.2.34 Sean:
f : R → R ∧ g : R → R dada.
Entonces se quiere:
dz dy dz
= .
dx x=a dx y=f (a) dy x=a
β→α→δ→γ
y = 2x3 − x + 6
1
z = .
y
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 79
Entonces:
dV dV dC 2 −1 1 −1
= = C 3 Y 2
dY Y =1
dC C=2 dY Y =1
3 C=2 2
Y =1
80 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
dV 2 1 1 1
= √ .√
dY 3 32 2 1
1√3
= 2
3
Decimos que si la derivada es:
y = u3 + 1 ∧ u = 5 − x2
entonces:
dy dy du
= . = (3u2 )(−2x)
dx du dx
dy du
= . = 3(5 − x2 )2 (−2x)
du dx
ası́
dy
| x=2 = 3(5 − (2)2 )2 (−2(2)) = −12
dx
dy dy du
| x=2 = |y=1 . |x=2 = (3)(−4) = −12
dx du dx
Ejemplo 2.2.39 Sean las siguientes variables:
w = ay 2 ∧ y = bx2 + cx
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 81
entonces:
dw
= (2ay)(2bx + c)
dx
de modo que podemos descomponer y operar de la siguiente manera:
dw dw dy
| x=−1 = |y=b−c . |x=−1
dx dy dx
dw
| x=−1 = (2ay) |y=b−c .(2bx + c) |x=−1
dx
dw
| x=−1 = 2a(b − c)(−2b + c)
dx
dy
Ejercicio 2.2.40 Calcular dx
en cada uno de los siguientes casos:
2
1. y = (3x
| {z − 13})3 , entonces:
u
dy
= 3u2 ,6x = 3(3x2 − 13)2 (6x)
dx
d(log z) 1
4. y = log(5x2 − 2x) ∧ = , entonces,
z z
dy 1
= 2
.(10x − 2)
dx (5x − 2x)
82 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
−2 1
y = (16x
| {z+ 3}) que puede ser expresada como y = (16x + 3)2
u
dy
entonces para calcular dx
usamos la regla del cociente:
dy du dy
. = = −2(16x − 3)−3 (16)
du dx dx
que proviene de:
dy (16x + 3)2 (0) − (1)2(16x + 3)(16) −2(16)
= 4
=
dx (16x + 3) (16 + 3)3
Ejemplo 2.2.42 Sea la siguiente función f , definida como:
y = f (x) := 7x + 21
por lo tanto:
dy
=7
dx
además existe su función inversa local pues en cualquier punto es inyectiva.
De de ese modo:
y − 21
inversa de x = , es f −1 (y)
7
por lo que:
x − 21
f −1 (y) =
7
y
1
(f −1 )0 (x) =
7
de ese modo:
(f −1 )0 (x)f 0 (x) = 1
gof es la identidad, donde identidad es definida como una función : R → R es tal que x 7→ x,
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 83
es decir, que:
x → identidad(x) = x
donde la identidad corresponde gráficamente a la bisectriz del primer y tercer
cuadrante.
f : R→R
7 x3
: x→
g : R→R
√
: x→
7 3
x
entonces:
f (x) = x3
por lo tanto:
f 0 (x) = 3x2
f 0 (2) = 12
por lo que:
1
(f −1 )0 (2) =
12
paralelamente:
√
f −1 (y) = 3
y
de modo que:
1 1
(f −1 )0 (y) = .
3 y 23
con y = 23
Por lo tanto, una función tendrá inversa si todas las lı́neas horizontales
cortan a la función en solo un punto o no lo cortan. Sin embargo, si se define:
1 1
ϕ : 2 , 3 =⇒ R
2 2
x 7→ ϕ(x) = x2
entonces ϕ es inyectiva, por lo tanto existe la inversa de ϕ , es
1decir, existe
−1 1
ϕ . En lo anterior, se dice que ϕ es una restricción de f al 2 2 , 3 2 por lo
que se habla de inversas locales, pues en este caso ϕ−1 es una inversa local
de f cerca de 3.
f :R→R
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 85
L = L(Y , r )
+ −
esto quiere decir que la demanda de dinero depende directamente del ingreso
o salario (es decir, a mayores niveles de ingreso, mayor será la cantidad de-
mandada de dinero de los agentes), pero, a su vez, esta función de demanda
de dinero depende inversamente de la tasa de interés (en otras palabras, a
mayores niveles de tasa de interés, menor será la cantidad demandada de
dinero de los agentes, pues mayor será el costo de oportunidad de mantener
dinero).
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 87
z = 2x3 y − xy 2 + 6x − 3y
de manera que:
∂z
= 6x2 y − y 2 + 6
∂x
y del mismo modo:
∂z
zy ≡ = 2x3 − 2xy − 3
∂y
de ahora en adelante cualquier función f con subı́ndice x (fx ) muestra la
diferenciación parcial de la función f con respecto a su argumento x, ası́:
∂z ∂z
zx ≡ | x=2 ≡ (2, −1) = −24 − 1 + 6 = −19.
∂x y=−1 ∂x
Ejemplo 2.2.54 (Mercado y Estática Comparativa)
Demanda = Of erta
a − bP ∗ = −c + dP ∗
a+c
P∗ =
b+d
y reemplazando, obtenemos:
Q∗ = a − bP ∗
a+c
= a − b( )
b+d
ad − bc
=
b+d
∂P ∗ 1
= > 0, prop. directa
∂a b+d
∂P ∗ −(a + c)
= < 0, prop. indirecta
∂d (b + d)2
∂P ∗ ∂P ∗
>0>
∂c ∂d
Ejemplo 2.2.55 (Macroeconomı́a) El nivel de demanda agregada, medi-
do por el gasto es equivalente a la suma agregada del consumo privado, el
nivel de inversión privada y el nivel de consumo público en un contexto de
economı́a cerrada.
Y =C +I +G
Sin embargo, el consumo agregado es calculado mediante la siguiente ecua-
ción:
C = a0 Y0 + a1
donde a1 es el nivel de consumo autónomo, y a0 es la propensión marginal a
consumir e Y0 es el nivel de ingreso disponible, es decir el ingreso menos los
impuestos T 2 .
Y0 = Y − T
Las variables endógenas son: Y , C, Y0 y las variables exógenas: I, G, T , a0 ,
a1 , por lo que reeplazando obtenemos:
Y = a0 (Y − T ) + a1 + I + G
de modo que:
I + G + a1 − a0 T
Y∗ =
1 − a0
Por lo tanto las variaciones de la demanda ante cambios en las variables
exógenas, serán medidos por:
∂Y ∗ 1 ∂Y ∗ 1 ∂Y ∗ −a0
∂I
= 1−a0
>1 ; ∂G
= 1−a0
>1 ; ∂T
= 1−a0
<0
2
En algunos casos también se agregan a las transferencias
90 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
∂Y ∗
= (1 − a0 )−2 ((−T )(1 − a0 ) + (I + G + a1 − a0 T ))
∂a1
= (1 − a1 )−2 ( I + G + a1 − T )
| {z }
puede ser directa o inversa
Sı́, sea:
G(y, z) := ln y − ez
entonces,
G(ex , ln x) = ln(ex ) − eln x = 0 ∀x.
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 91
y1 = f1 (x1 , x2 , ..., xm )
y2 = f2 (x1 , x2 , ..., xm )
..
.
yn = fn (x1 , x2 , ..., xm )
y = x1 + x2 − x3
z = x21 + x22 + x23 + 2x1 x2 − 2x1 x3 − 2x2 x3
z = y2
G(y, z) := −z + y 2 = 0, ∀x
92 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
siendo el jacobiano:
1 1 −1
J(y,z)x =
2(x1 + x2 − x3 ) 2(x2 + x1 − x3 ) 2(x3 − x1 − x2 )
ası́ su rango vale 1 < n = 2 relación funcional (es decir, dependencia entre
funciones).
y1 = 2x2 − x3
y 2 = x1 − x2
y3 = −x1 + 5x2 − 2x3
2A1 − A2 = A3
2A1 − A2 − A3 = 0
por lo que:
G(y1 , y2 , y3 ) = 2y1 − y2 − y3 = 0
2.2.10. Diferenciales
Considere el siguiente ejemplo:
Ejemplo 2.2.63 Sea, la siguiente función:
y = f (x) = −1 + x − x3
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 93
entonces:
f 0 (x) = 1 − 3x2
si x = 2, entonces,
y = f (x) = −7
Diferencial de f en 0:
∆x 7→ ∆y = 1(∆x)
Diferencial de f en 1:
∆x 7→ ∆y = −2(∆x)
diferencial de f en 12 :
1
∆x 7→ ∆y = (∆x)
4
El incremento en la variable independiente ocasionado por un incremen-
to pequeño de la variable dependiente, se expresa como: dy = −11dx, para
x = 2, pues f 0 (2) = 1 − 12 = −11.
5 10
Entonces, si Y cambia en 2 %, C cambia en 7
(2 %) = 7
%.
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 95
dC 1
εCY = dY
C ; εyx (20) = 2
40
Y 20
∆x ∆y
si x
= 1 12 %, entonces y
= 34 %.
f 0 (x)
εyx (x) = y
x
entonces,
dy
= −2
dx
ası́:
−2x x
εyx (−2) = = (−2)
y y
−2 × 3 −3
εyx (3) = =
14 7
Definición 2.2.71 (Elasticidad) Para y = f (x), se dice que “es elástica
respecto de x en x = x”si |εyx (x)| > 1, y se dice que “y es inelástica respecto
de x en x = x”si |εyx (x)| < 1.
Ejemplo 2.2.73 Sea una economı́a en donde la demanda por dinero es de-
notada por M . Esta es función directa del nivel de ingreso Y definido como:
+
M = f (Y )
1.
dC C a + bY a
= b, además = = + b.
dY Y Y Y
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 97
2.
Y dC b
εCY = . = a <1
C dY Y
+b
como Y > 0, entonces εCY > 0, por lo que es inelástica.
3.
Y > 0 =⇒ |εCY | < 1
z = f (x, y) = 2xy 2
∆z ∼
= (2y 2 ) |(2,1) ∆x + (4xy) |(2,1) ∆y
∆z = (2)(0,01) + (8)(−0,02)
= 0,02 − 0,16 = −0,14
por lo que diferencial de z en (2, 1), es df (2, 1), que se define como una
función definida en:
R2 → R
∂z ∂z
(∆x, ∆y) → |(2,1) ∆x + | ∆y
∂x ∂y (2,1)
Si:
z = f (x1 , x2 , ..., xn ),
entonces,
df (a1 , a2 , ..., an ) = df (a) =⇒ dz
98 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
Rn → R
∂z ∂z ∂z
(∆x1 , ∆x2 , ..., ∆xn ) → |a ∆x1 + |a ∆x2 + · · · + | ∆xn
∂x1 ∂x2 ∂xn a
Como se sabe:
∂C ∂C
∆C = ∆Y + ∆r
∂Y ∂r
1
∆C = (−2) + (−2)(0,01)
3
2
= − − 0,02
3
= −0,67 − 0,02
= −0,69
xi ∂z
εzxi := . |
z ∂xi x=a
z = f (x1 , x2 , ..., xn )
Existe (a1 , a2 , ..., an ), tal que f (a1 , a2 , ..., an ) = b, entonces la diferencial total
de f en a es la función:
df (a) : Rn → R
∂f ∂f
: (v1 , ..., vn ) → (a)v1 + ... + (a)vn
∂x1 ∂xn
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 99
n
∂f (a)
vi ∼
X
= df (a)(v) = sf |a (v)
i=1
∂x1
en general:
n
∂f (a)
f (a + v) − f (a) ∼
X
= (v)
j=1
∂xj
Ahora, si:
z = f (x, y, u) ∧ u = ϕ(x, y)
entonces:
∆z : directa
∆x =⇒
∆z : indirecta vı́a u
de modo que:
dz ∂z ∂z ∂u
= + .
dx ∂x ∂u ∂x
dz ζz
≡ , derivada parcial total.
dx y=cte ζx
por lo que:
ζz ∂z ∂z ∂u
= + .
ζx ∂y ∂u ∂y
eso quiere decir que apesar de que la función depende de dos variables, la
variación solo es observada en una de ellas.
dz
Ejercicio 2.2.82 Hallar la derivada total de:
dy
z = (x + y)(x − 2y)
dz
Ejercicio 2.2.83 Hallar en:
dt
1. Para una función z:
z = f (x, y, t) ∧ x = a + bt ∧ y = c + dt
entonces:
dz ∂z ∂z dx ∂z dy
= + . + .
dt ∂t ∂x dt ∂y dt
dz ∂z ∂z ∂z
= + .(b) + .(d)
dt ∂t ∂x ∂y
2. Para otra función z:
z = 3u + vt con u = 2t2 ∧ v = t + 1
entonces:
dz ∂z ∂z du ∂z dv
= + . + .
dt ∂t ∂u dt ∂v dt
dz
= v + 3(4t) + t(1) = 13t + v
dt
dz
= 13t + t + 1 = 14t + 1
dt
dz
¿y cuanto será |t=2 ?
dt
será:
dz
|t=2 = 3 + 24 + 2 = 29
dt
dQ
Ejercicio 2.2.84 Calcular para:
dt
Q = A(t)Ktα Lt1−α
con A(t) creciente en t, donde:
Kt = K0 + at ∧ Lt = L0 + bt
por lo tanto:
dQ ∂Q dA ∂Q dK ∂Q dL
= . + . + .
dt ∂A dt ∂K dt ∂L dt
dQ dA
= Ktα L1−α
t + αA(t)Lt1−α Ktα−1 (a) + (1 − α)A(t)Ktα L−α
t (b)
dt dt
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 103
dw dw
Ejercicio 2.2.85 Calcular y si:
du dv
w = f (x1 , x2 )
donde:
x1 = 5u2 + 3v y x2 = u − 4v 3
dw ∂w ∂x1 ∂w ∂x2
= . + .
du ∂x1 ∂u ∂x2 ∂u
dw ∂w ∂w
= (10u) + (1)
du ∂x1 ∂x2
∂w ∂w
= 10u +
∂x1 ∂x2
dw ∂w ∂x1 ∂w ∂x2
= . + .
dv ∂x1 ∂v ∂x2 ∂v
dw ∂w ∂w
= (3) + (−12v 2 )
du ∂x1 ∂x2
∂w ∂w
= 3 + 12v 2
∂x1 ∂x2
1. Si
y = ϕ(x) + ψ(x)
|{z} |{z}
u v
entonces:
dy = ϕ0 (x)dx + ψ 0 (x)dx
de donde:
d(u ± v) = du ± dv
104 CAPÍTULO 2. NOCIONES DE CÁLCULO Y ANÁLISIS EN RN
dx
dv du
= u. + v dx
dx dx
= (uv 0 + vu0 )dx = (u)(v 0 x) + (v)(u0 dx) =
= udv + vdu
d(k) = 0
6.
d(u ± v ± w) = du ± dv ± dw
7.
d(uvw) = vwdv + uwdv + vudw
1. Sea:
y = 2x3 − x + 1
Se da explı́citamente la función:
R → R
x → 2x3 − x + 1
2. Sea:
0 = 2x3 − x + 1 − y ∀x ∈ R, ∃ y ∈ R
Se da la función implı́citamente. En este caso puede obtenerse una
forma explı́cita de ella:
y = 2x2 − x + 1
3. Sea:
0 = 2x5 y 2 − x3 y 7 + 2, ∀x ∈ R, ∃ y ∈ R
F : R2 → R
se sabe que para x ∈ R, y ∈ R, 0 = F (x, y). ¿Hay una función ϕ que dé y a
partir de x para x cerca de x, tal que para ∀x cercano a x, 0 = F (x, ϕ(x))?.
∂F
= 4x4 y + 6x2 y 5
∂y
xy − z 3 x2 + 2 = 2 − 4 + 2 = 0
Luego ¿existirá ϕ(x, y) cerca de (2, 1) que para todo punto (x, y) cercano a
(2, 1), 0 = F (x, y, ϕ(x, y))?
∂F
= −3z 2 x2 |(2,1,1) = −12 6= 0
∂z
por lo que la respuesta es Sı́.
Ahora,
−1
∂(sistema) ∂(sistema) ∂(sistema)
(3, 10) = − ×
∂(exógena) ∂(endógena) (3,10,2,1) ∂(exógena) (3,10,2,1)
1 18 −18 0 −1
= − ×
180 −3 13 2 0
36 18
1 −36 −18
= − = −26 180 180
−3
180 26 3 180 180
es decir,
∂ϕ1 ∂ϕ1 ∂F1
−1 ∂F1 ∂F1
(x, z) · · · ∂F
∂x1
(x) · · · ∂xm
(x) ∂z1
1
∂zn
(x, z) ∂x1
(x, z) · · · ∂x m
(x, z)
.. . . .. .. . . .. .. . . ..
= ×
. . . . .. . ..
∂ϕn ∂ϕn ∂Fn ∂F1 ∂F1
∂x1
(x) · · · ∂xm (x) ∂z1
(x, z) · · · ∂Fn
∂zn
(x, z) ∂x1
(x, z) · · · ∂xm (x, z)
∂ϕ ∂F
−1 ∂F
∂x
(x) =− ∂z
(x, z) ∂x
(x, z)
Jacobiana de las endógenas de Jacobiana del sistema Jacobiana del sistema
= ×
equilibrio resp. a las exógenas respecto a endógenos respecto a exógenas
Ejemplo 2.2.96 Si:
0 = x3 y 2 + xy − b
y si a = 3 ∧ b = 10 entonces:
0 = axy 3 − 6
en donde las soluciónes son x = 2 y = 1 ¿Que solución hay si a = 2,987∧b =
10,001? en donde las variables endógenas son: x, y y las variables exógenas
son: a, b en el cual
2 2
∂(sistema) 3x y + y 2x3 y + x
=
∂(endógena) ay 3 3axy 2
∂(sistema) 13 18
| a=3 =
∂(endógena) b=10 3 18
x=2
y=1
Ejemplo 2.2.97 (Modelo IS-LM lineal) Sea que el ingreso Y está deter-
minado de una agregación de la variable consumo C, inversión I, y gasto G.
Y =C +I +G (IS)
2.2. CÁLCULO DIFERENCIAL Y ANÁLISIS MATEMÁTICO 111
M = PL (LM)
−1 + C(Y ∗ ) I 0 (r∗ )
∂(sistema)
=
∂(endógena) P LY (Y ∗ , r∗ ) P Lr (Y ∗ , r∗ )
entonces:
−1
∂ϕ ∂(sistema) ∂(sistema)
= −
∂(exógena) ∂(endógena) ∂(exógena)
0
∂ϕ 1 18 −3 0 −1
= −
∂(exógena) 180 −18 13 2 0
∂ϕ 1 18 −18 0 −1
= −
∂(exógena) 180 −3 13 2 0
∂ϕ 1 −36 −18
= −
∂(exógena) 180 26 3
38 18
∂ϕ 180 180
= −26 −3
∂(exógena) 180 180
por lo que:
∆x ∼ ∂ϕ ∆a
= ×
∆y ∂(exógena) ∆b
1 36 18 −0,013
= ×
180 −26 −3 0,001
" #
−36(0,013)+18(0,001)
= 180
26(0,013)−3(0,001)
180
pues el sistema tendrá inversa si y solo sı́ det(A) 6= 0 ⇐⇒ ∃A−1 . Este proceso
es conocido como la sensibilidad de la variable endógena respecto a la variable
exógena.