o que o decisor controla
trilha de estudo
Economia aplicada: 52 semanas para pensar com evidência
Uma trilha para transformar teoria, dados e causalidade em análises que podem ser defendidas.
promessa
Ao final, você não apenas reconhecerá conceitos: conseguirá formular uma tese, testá-la e explicar seus limites.
semana 02 · fundamentos quantitativos
Escolha sob restrições: álgebra, otimização e sensibilidade
Como economistas transformam decisões em problemas de otimização?
Você vai formular escolhas com vetores, matrizes, objetivos e restrições, resolver casos simples e interpretar preços-sombra e sensibilidade.
tese da semana
O valor da otimização não está em produzir um número elegante, mas em tornar explícitos objetivo, escassez, renúncia, restrições ativas e limiares que mudam a escolha.
antes de começar
- Semana 1 dominada.
- Equações lineares, porcentagens e leitura de gráficos.
posição de estudo
Usar vetores, matrizes e otimização para tornar trade-offs, gargalos e preços-sombra visíveis.
Ao concluir esta semana, você será capaz de
- Representar recursos, produtos e restrições com vetores e matrizes.
- Resolver e interpretar um sistema linear simples.
- Formular uma otimização com objetivo, escolha, restrição e condição de ótimo.
- Distinguir solução matemática de recomendação econômica.
- Usar folga complementar, preço-sombra e análise de sensibilidade para localizar o limiar que muda a decisão.
contrato acadêmicograduação quantitativa · métodos matemáticos7 horas · domínio mínimo 70%
núcleo formal
Vetores, matrizes, sistemas lineares, otimização restrita e estática comparativa.
- leitura guiada: 2h
- lista de problemas: 3h
- laboratório: 1h
- revisão e síntese: 1h
entregas obrigatórias
- Modelo de decisão com unidades explícitas.
- Solução por vértices e interpretação.
- Análise de sensibilidade de uma premissa crítica.
evidência de domínio
- Verificar dimensões antes de multiplicar matrizes.
- Distinguir solução factível de solução ótima.
- Interpretar restrição ativa e preço-sombra sem extrapolação.
erros não compensáveis
- Combinar grandezas com unidades ou domínios incompatíveis.
- Declarar ótima uma solução que viola alguma restrição.
- Extrapolar preço-sombra para além da faixa local em que a base ótima permanece válida.
Da decisão verbal ao modelo
O modelo comprime a decisão em objetos verificáveis e mostra qual premissa sustenta cada resultado.
o resultado priorizado
recursos, regras e capacidade
quanto cada escolha consome
combinação factível de maior valor
o que muda quando uma premissa muda
- Variáveis de escolhaMatriz técnicagera uso de recursos
- Matriz técnicaRestriçõescompara uso e capacidade
- Função objetivoSoluçãoordena alternativas
- RestriçõesSoluçãodefine o conjunto factível
- SoluçãoSensibilidadeé testada sob cenários
Do conceito à decisão
Cada capítulo fecha uma distinção importante e uma verificação de compreensão.
1. Vetores transformam listas em posições comparáveis
Representar uma decisão com várias dimensões sem perder a unidade de cada componente.
Um vetor organiza valores em uma ordem definida. A produção x=(40,20) pode representar 40 unidades do produto A e 20 do B; o preço p=(300,250) associa valor a cada unidade. O produto interno p·x soma 300×40 + 250×20 = 17.000. A operação é simples, mas disciplina unidade, ordem e interpretação.
Em economia, vetores representam cestas, preços, retornos, estados, probabilidades e coeficientes. A vantagem não é escrever colchetes: é impedir que uma análise combine dimensões incompatíveis ou esqueça componentes quando compara cenários.
Um vetor só faz sentido com dicionário. Se x muda de quantidade para receita ou de mês para produto sem aviso, o cálculo pode continuar válido e a interpretação se tornar falsa.
verificação de compreensãoSe p é o vetor de preços e x o de quantidades, o que p·x significa economicamente e quando essa operação deixa de ser válida?
resposta esperada
É a soma das quantidades ponderadas pelos preços. A interpretação só é válida quando posição, unidade, período e universo dos dois vetores são compatíveis.
2. Matrizes descrevem tecnologias e interdependências
Ler uma matriz como um conjunto de relações entre escolhas e resultados.
Uma matriz A pode registrar nas linhas os recursos e nas colunas os produtos. O elemento aᵢⱼ diz quanto do recurso i é usado por uma unidade do produto j. Multiplicar Ax produz o uso total de cada recurso. Essa leitura aparece em produção, carteiras, insumo-produto, transições e regressão.
A forma da matriz é parte da pergunta. Se há dois recursos e três produtos, A tem duas linhas e três colunas. O vetor x precisa ter três componentes; o resultado Ax terá dois. Verificar dimensões antes de calcular evita um grande número de erros silenciosos.
Posto e dependência linear indicam informação redundante. Se duas restrições são múltiplas uma da outra, elas não acrescentam uma direção nova ao conjunto factível. Em dados, colunas quase redundantes tornam estimativas instáveis; em operação, métricas redundantes podem criar falsa sensação de controle.
verificação de compreensãoUma matriz 2×3 multiplicada por um vetor de tamanho 3 gera o quê?
resposta esperada
Um vetor de tamanho 2, normalmente um resultado para cada linha/recurso.
3. Otimização começa por renúncia explícita
Formular objetivo e conjunto factível sem esconder trade-offs.
Otimizar significa escolher, entre alternativas factíveis, aquela que maximiza ou minimiza um critério. O modelo exige variáveis de escolha, função objetivo e restrições. Se a empresa declara maximizar receita, pode sacrificar margem e caixa; se maximiza lucro de curto prazo, pode reduzir investimento. O objetivo é uma escolha normativa, não uma descoberta neutra.
A restrição transforma preferência em decisão. Em teoria do consumidor, preços e renda definem a cesta factível; em uma operação, horas, capacidade, caixa e qualidade delimitam produção. O ponto ótimo costuma ocorrer onde o ganho marginal de realocar recurso deixa de compensar o custo marginal.
Soluções de canto são economicamente importantes. Nem todo ótimo mistura alternativas; preços e retornos podem levar a concentrar recursos. Forçar diversificação porque “parece equilibrada” adiciona uma restrição que precisa ser declarada.
verificação de compreensãoPor que “maximizar crescimento” é objetivo incompleto?
resposta esperada
Porque falta definir a medida de crescimento, horizonte, risco, caixa e demais condições que não podem ser sacrificadas.
4. Multiplicador de Lagrange é valor da restrição
Interpretar a condição de ótimo e o preço-sombra sem reduzir tudo a derivadas.
Em uma escolha suave com restrição, o Lagrangiano incorpora a restrição ao objetivo. A condição de primeira ordem iguala ganhos marginais ajustados: no ótimo interior, mover uma pequena unidade de recurso entre usos não aumenta o objetivo. O multiplicador λ mede quanto o valor ótimo mudaria se a restrição fosse relaxada marginalmente.
Essa interpretação é mais útil do que decorar a fórmula. Um λ alto para horas de engenharia indica que uma hora adicional tem valor potencial elevado no modelo; um λ zero indica folga. Mas o preço-sombra vale localmente e depende de coeficientes, objetivo e horizonte.
Com restrições de desigualdade, as condições de Karush–Kuhn–Tucker acrescentam viabilidade primal, multiplicadores com sinal compatível e folga complementar. A relação λᵢgᵢ(x)=0 formaliza uma ideia econômica simples: ou a restrição está ativa e pode ter valor marginal positivo, ou há folga e seu multiplicador é zero. Essas condições caracterizam o ótimo sob hipóteses de regularidade e concavidade; fora delas, são candidatas que ainda precisam ser comparadas.
Restrições inteiras, efeitos de escala, incerteza e dependências podem quebrar a aproximação suave. Contratar meia pessoa ou abrir 0,2 loja não é possível; aumentar capacidade pode exigir um bloco de investimento. Nesses casos, o modelo precisa representar a indivisibilidade.
verificação de compreensãoO que significa λ=0 para uma restrição?
resposta esperada
Que ela não está ativa no ótimo local; relaxá-la marginalmente não melhora o objetivo segundo o modelo.
5. Sensibilidade é mais valiosa que a solução única
Testar quando a recomendação muda e quais dados merecem investimento.
Uma solução pontual pode parecer precisa e depender de uma margem estimada com erro. Análise de sensibilidade altera lucro, capacidade, preço, demanda e risco para localizar limiares. A pergunta executiva é: qual premissa precisa mudar para outra escolha se tornar superior?
Se a decisão permanece igual em ampla faixa, a organização pode agir sem aperfeiçoar todos os dados. Se muda com variação pequena, o modelo identificou uma premissa crítica que merece teste. Assim, matemática reduz a coleta indiscriminada e direciona evidência.
O teorema do envelope explica por que, sob condições regulares, o efeito local de um parâmetro sobre o valor ótimo pode ser calculado mantendo a escolha na solução ótima: os efeitos indiretos via pequena realocação se anulam na primeira ordem. Isso permite interpretar multiplicadores e derivadas de valor, mas apenas localmente. Uma mudança grande pode ativar outra restrição, alterar o canto ótimo e tornar a derivada anterior inadequada.
O relatório final deve mostrar solução, restrições ativas, preço-sombra, cenários e condição de revisão. Exibir apenas a combinação ótima esconde o que realmente governa a escolha.
verificação de compreensãoQuando vale coletar um dado mais preciso?
resposta esperada
Quando a incerteza sobre esse dado atravessa o limiar que muda a decisão ou o risco aceitável.
O raciocínio sem etapas ocultas
Os números servem para expor as decisões do modelo — inclusive onde a resposta pode falhar.
Exemplo 1 — mix de produtos com duas restrições
Quantas unidades de A e B maximizam margem com horas limitadas?
dados e premissas
- A usa 2h de design e 1h de produção; margem R$300.
- B usa 1h de design e 2h de produção; margem R$250.
- Capacidade: 100h de design e 80h de produção.
- a,b ≥ 0.
resolução
- Formule max 300a+250b.
- Restrições: 2a+b≤100 e a+2b≤80.
- Interseção ativa: resolvendo 2a+b=100 e a+2b=80, obtemos a=40 e b=20.
- Margem na interseção: 300×40+250×20=R$17.000.
- Cantos: (50,0) gera R$15.000; (0,40) gera R$10.000. A interseção domina os cantos.
- resposta
- Produzir 40 unidades de A e 20 de B, usando integralmente as duas capacidades, maximiza a margem no modelo linear.
- interpretação
- Ambas as restrições estão ativas. A decisão muda se margens, consumo de horas ou demanda máxima mudarem.
- onde a análise costuma falhar
- Tratar margem unitária como lucro final e ignorar demanda, custos fixos, indivisibilidade, qualidade ou risco de execução.
Exemplo 2 — escolha Cobb–Douglas sob orçamento
Como uma pessoa aloca R$200 entre x e y com U(x,y)=√(xy)?
dados e premissas
- Preço de x: R$10.
- Preço de y: R$20.
- Orçamento: R$200.
- Preferências simétricas na forma Cobb–Douglas.
resolução
- Restrição: 10x+20y=200.
- No ótimo interior, taxa marginal de substituição y/x é igual à razão de preços 10/20=1/2.
- Logo y=x/2.
- Substituindo: 10x+20(x/2)=20x=200, então x=10 e y=5.
- Gasto: R$100 em cada bem; utilidade √50≈7,07.
- resposta
- A cesta ótima é (10,5) para essas preferências, preços e renda.
- interpretação
- A divisão igual do gasto vem dos expoentes iguais da função, não de uma regra universal. Alterar preferências muda a participação de gasto.
- onde a análise costuma falhar
- Confundir utilidade com felicidade mensurável ou assumir que a função representa comportamento sem verificar escolhas observadas.
Laboratório — matriz de capacidade e cenários
Qual recurso limita a margem e quanto vale expandi-lo?
ficha de proveniência
- Dados simulados e explicitamente rotulados como caso didático.
- Unidades: horas por unidade e margem de contribuição em reais.
- Objetivo: treinar formulação e sensibilidade, não descrever uma empresa real.
| produto | design (h) | produção (h) | margem (R$) |
|---|---|---|---|
| A | 2 | 1 | 300 |
| B | 1 | 2 | 250 |
| capacidade | 100 | 80 | — |
método
- Monte A=[[2,1],[1,2]], x=[a,b] e c=[300,250].
- Resolva os vértices do conjunto factível.
- Aumente design para 110h mantendo produção em 80h.
- Compare a nova solução e o ganho marginal.
- Repita elevando produção para 90h.
resultado verificável
- No caso-base, as duas restrições estão ativas.
- Expandir apenas um recurso desloca o ótimo até outra restrição dominar.
- O valor da capacidade depende do mix e não pode ser inferido apenas pelo custo da hora.
limites
- Linearidade presume coeficientes constantes.
- Não há limites de demanda nem lotes inteiros.
- Margem não incorpora todos os custos e riscos.
ver código completo do laboratório
import numpy as np
from scipy.optimize import linprog
# maximização vira minimização do negativo
c = np.array([-300, -250])
A = np.array([[2, 1], [1, 2]])
b = np.array([100, 80])
result = linprog(c, A_ub=A, b_ub=b, bounds=[(0, None), (0, None)])
print(result.x) # [40. 20.]
print(-result.fun) # 17000.0Exercícios com solução comentada
As tarefas avançam de domínio do fundamento para aplicação e transferência.
Leia a matriz
Com A=[[3,1],[2,4]] e x=[10,5], calcule Ax e interprete cada componente.
pistas
- Linha por coluna.
- Mantenha a ordem dos recursos.
abrir solução comentada
caminho de resolução
- Confirme as dimensões: uma matriz 2×2 multiplica um vetor 2×1 e produz um vetor 2×1.
- Primeiro recurso: 3×10+1×5=35.
- Segundo recurso: 2×10+4×5=40.
- Preserve a ordem das linhas: o primeiro resultado pertence ao recurso 1 e o segundo ao recurso 2.
resposta
O produto é Ax=[35,40], na mesma ordem em que os recursos aparecem nas linhas da matriz.
por que importa
Produzir 10 de A e 5 de B consome 35 unidades do recurso 1 e 40 do recurso 2; trocar a ordem mudaria o significado econômico.
critérios de uma boa entrega
- Cálculo correto.
- Unidades interpretadas.
- Ordem preservada.
Teste a restrição ativa
No caso-base, aumente design de 100 para 110 horas e encontre a nova interseção com produção em 80.
pistas
- Resolva 2a+b=110 e a+2b=80.
abrir solução comentada
caminho de resolução
- b=110−2a.
- a+2(110−2a)=80.
- -3a=-140, então a=46,67 e b=16,67.
- Margem≈R$18.166,67.
resposta
O ganho aproximado é R$1.166,67 para 10h adicionais de design.
por que importa
O valor marginal médio neste trecho é cerca de R$116,67 por hora, antes de indivisibilidade e outros custos.
critérios de uma boa entrega
- Sistema resolvido.
- Viabilidade verificada.
- Ganho comparado com custo de expansão.
Modele uma restrição sua
Transforme uma decisão real de tempo ou caixa em variáveis, objetivo, duas restrições e três cenários.
pistas
- Use a unidade por semana.
- Inclua ao menos uma condição de qualidade ou risco.
abrir solução comentada
caminho de resolução
- Nomeie escolhas controláveis.
- Escreva coeficientes por unidade.
- Defina objetivo e limites.
- Calcule alternativas extremas e combinação.
- Identifique a premissa que muda a escolha.
resposta
A solução varia conforme o caso; ela é completa se permitir recalcular a decisão quando uma premissa muda.
por que importa
O valor não é a fórmula, mas a transparência sobre o gargalo e a renúncia.
critérios de uma boa entrega
- Unidades consistentes.
- Objetivo explícito.
- Restrições reais.
- Sensibilidade calculada.
- Limite do modelo declarado.
Detecte uma multiplicação impossível
Uma matriz A possui três recursos nas linhas e dois produtos nas colunas. Determine as dimensões de A, x, Ax e c·x; explique por que Ax não existe se x contiver três componentes.
pistas
- Dimensões internas precisam coincidir.
- O vetor de decisão tem um componente por produto.
abrir solução comentada
caminho de resolução
- A possui dimensão 3×2.
- O vetor de produção x é 2×1.
- Ax é 3×1 e informa o uso dos três recursos.
- O vetor de margem c tem dois componentes; c·x é escalar.
- Um x 3×1 não pode multiplicar A 3×2 porque 2 e 3, as dimensões internas, não coincidem.
resposta
A estrutura válida é A₍₃×₂₎x₍₂×₁₎=b₍₃×₁₎ e c₍₁×₂₎x₍₂×₁₎ produz o valor escalar do objetivo.
por que importa
A checagem dimensional funciona como teste de unidade: bloqueia cálculos numericamente possíveis em código, mas economicamente sem definição.
critérios de uma boa entrega
- Todas as dimensões corretas.
- Erro explicado pela regra matricial.
- Interpretação econômica de linhas e colunas.
Inclua um limite de demanda
No mix A/B do exemplo, imponha b≤10. Encontre o novo ótimo e compare margem e recursos ociosos com a solução original.
pistas
- Com b=10, use as duas restrições para obter o maior a factível.
- Cheque todos os cantos relevantes.
abrir solução comentada
caminho de resolução
- Com b=10, design exige 2a+10≤100, então a≤45.
- Produção exige a+20≤80, então a≤60; design domina.
- O candidato (45,10) gera R$16.000.
- Compare com (50,0), que gera R$15.000, e (0,10), que gera R$2.500.
- O novo ótimo usa 100h de design e 65h de produção, deixando 15h de produção ociosas.
resposta
O ótimo passa a (45,10), com margem de R$16.000; a restrição de demanda de B reduz margem em R$1.000 e muda o gargalo operacional.
por que importa
Adicionar uma restrição comercial pode tornar o recurso antes escasso parcialmente ocioso; capacidade não possui valor independente do conjunto de oportunidades.
critérios de uma boa entrega
- Novos cantos verificados.
- Margem comparada.
- Folga calculada.
- Mudança do gargalo interpretada.
Calcule preços-sombra por perturbação
Use o caso-base para estimar o valor de uma hora adicional de design e de produção, aumentando uma capacidade por vez em uma unidade.
pistas
- Resolva novamente a interseção.
- O preço-sombra é local e vale enquanto a base ótima não mudar.
abrir solução comentada
caminho de resolução
- Com design=101 e produção=80, resolva 2a+b=101 e a+2b=80: a=40,67 e b=19,67.
- A margem torna-se aproximadamente R$17.116,67; design vale R$116,67 na margem.
- Com design=100 e produção=81: a=39,67 e b=20,67.
- A margem torna-se aproximadamente R$17.066,67; produção vale R$66,67 na margem.
- Compare esses valores ao custo efetivo de expandir cada recurso.
resposta
No entorno do ótimo, uma hora de design acrescenta cerca de R$116,67 e uma de produção cerca de R$66,67 ao objetivo modelado.
por que importa
O preço-sombra orienta qual capacidade expandir, mas não autoriza comprar horas ilimitadas: ele muda quando outra restrição, demanda ou indivisibilidade passa a dominar.
critérios de uma boa entrega
- Dois sistemas resolvidos.
- Ganho marginal correto.
- Caráter local explicitado.
- Comparação com custo proposta.
Faça estática comparativa do consumidor
Para U(x,y)=√(xy), renda R$200 e py=R$20, aumente px de R$10 para R$20. Resolva a nova cesta e decomponha o que pode e não pode ser inferido.
pistas
- Com expoentes iguais, metade do orçamento vai para cada bem.
- Não confunda a solução do modelo com estimativa empírica.
abrir solução comentada
caminho de resolução
- A demanda Cobb–Douglas simétrica gasta R$100 em cada bem.
- Com px=20, x=100/20=5.
- Como py=20, y=100/20=5.
- A cesta muda de (10,5) para (5,5).
- A quantidade de x cai 50% no modelo, mantendo renda, preço de y e preferências constantes.
resposta
A nova cesta ótima é (5,5); o aumento de px reduz x, enquanto y permanece em cinco unidades sob as hipóteses específicas da Cobb–Douglas simétrica.
por que importa
O resultado é uma previsão condicional. Estimar elasticidade real exige dados e uma estratégia capaz de separar preço de renda, qualidade e mudanças de preferência.
critérios de uma boa entrega
- Cesta antes e depois.
- Hipóteses mantidas explícitas.
- Previsão diferenciada de evidência empírica.
Escreva um memorando de sensibilidade
Escolha uma decisão real, construa o modelo mínimo e entregue uma tabela com cenário-base, otimista, pessimista e o limiar exato que muda a recomendação.
pistas
- Varie uma premissa por vez antes de combinar choques.
- O limiar é mais importante que uma previsão pontual.
abrir solução comentada
caminho de resolução
- Defina variável de escolha, objetivo e restrições com unidades.
- Calcule uma solução-base e identifique restrições ativas.
- Crie faixas plausíveis para margem, capacidade e demanda.
- Resolva os três cenários de forma comparável.
- Localize por interpolação ou busca o valor em que outra alternativa domina.
- Recomende coleta adicional apenas se a incerteza atravessar o limiar.
resposta
O memorando completo informa a escolha atual, a premissa decisiva, o limiar de reversão, o custo de errar e a próxima medição capaz de mudar a ação.
por que importa
Esse formato aproxima matemática de decisão executiva: o modelo deixa de ser demonstração escolar e passa a organizar risco, informação e alocação.
critérios de uma boa entrega
- Modelo recalculável.
- Três cenários.
- Limiar numérico.
- Custo de erro.
- Plano de evidência proporcional.
O modelo vale pelo limiar, não pelo número bonito
A melhor saída não é “40 e 20”; é saber quais restrições estão ativas e em que preço, margem ou capacidade a decisão muda.
por que uma resposta genérica falha
Respostas genéricas explicam custo de oportunidade, mas raramente constroem a matriz, resolvem cantos e mostram sensibilidade.
regra operacional
Só invista em precisão adicional quando a faixa de incerteza atravessar um limiar capaz de mudar a escolha.
O que cada referência sustenta
A referência não é decoração: o localizador permite conferir a afirmação na fonte original.
QuantEcon — Linear AlgebraSeções 2.2–2.4: vetores, matrizes e sistemas de equações
Notação, dimensões, operações, posto e solução de sistemas.
MIT 14.121 — Consumer Theory, Lectures 3–4Lectures 3–4: Consumer TheoryPreferências, restrição orçamentária e escolha ótima.
MIT OCW 14.121 — Microeconomic Theory IReadings, lectures 3–5Estrutura avançada da teoria do consumidor e aplicações.
The Economy 2.0 — Microeconomics and MacroeconomicsMicroeconomia, unidade 3Escassez, bem-estar e escolha sob restrições.
UChicago ECON 200 — Elements of Economic Analysis INotas e listas sobre escolha, otimização restrita e estática comparativaFormalização de condições de ótimo, multiplicadores e exercícios de teoria econômica.