More Trabajo Final

Teora del control ptimo
Teora, supuestos y Aplicaciones Econmicas

Ao del servicio al buen ciudadano
UNIVERSIDAD NACIONAL FEDERICO

VILLAREAL
FACULTAD DE CIENCIAS ECONMICAS
ESCUELA DE ECONOMA
TRABAJO DE INVESTIGACIN
AUTORES:
De la cruz Briceo, Hamely
Milla Morales, Isaac Eduardo
Palacios Garcia, Douglas
Velsquez Chero, Katherine luz
Profesora:
Mag. Veronica A. More Sanchez
2017
1
Contenido
Dedicatoria........................................................................................................... 3
Introduccin ....................................................................................................... 4
Planteamiento del Problema ................................................................................ 6
Justificacin ........................................................................................................ 6
Objetivos............................................................................................................. 6
Marco terico ...................................................................................................... 7
Antecedentes ................................................................................................... 7
Conceptos fundamentales de la optimizacin dinmica ........................................ 9
La optimizacin ............................................................................................... 9
La dinmica econmica.................................................................................... 9
La optimizacin dinmica .............................................................................. 10
Condicin de Transversalidad........................................................................ 10
Optimizacin dinmica ...................................................................................... 20
Control optimo .............................................................................................. 20
Aplicaciones Econmica .................................................................................... 26
a) Asignacin de consumo y ahorro (Dixit, 1993)....................................... 26
b) Recurso no renovable (Chiang A. , 184) ................................................ 29
c) Problemas autnomos.............................................................................. 33
Horizonte de tiempo infinito (Ramseycass-koopmans, 17 Nov 2008) ................... 35
Metodologa de infinito (El modelo de Ramsey, 2012) ................................... 36
a) Condicin I ....................................................................................... 37
b) La condicin II................................................................................. 37
c) Condicin III ................................................................................... 39
La cuestin de la transversalidad ................................................................... 40
Condiciones de transversalidad (Accinelli, 2003) ............................................ 42
La Transversalidad condicin como parte de una condicin suficiente ............ 44
Modelo neoclsico de crecimiento optimo........................................................... 45
Construccin de un diagrama de fase ............................................................. 49
Conclusiones ..................................................................................................... 55
Bibliografa ....................................................................................................... 57
2
Dedicatoria
A nuestros padres, por estar con nosotros, por
ensearnos a crecer y a levantarnos cada vez que hemos
podido caer, por apoyarnos y guiarnos, por ser las bases
que nos ayudaron a llegar hasta aqu.
El presente trabajo es dedicado tambin a aquellas
personas que pudieron haber servido de gua para este
trabajo de investigacin, con las cuales estaremos
eternamente agradecidos.
3
Introduccin
Conforme ha ido evolucionando la teora econmica, las tcnicas de optimizacin
matemtica cada vez han cobrado una mayor importancia. stas han permitido que la
ciencia econmica formule y explique diversos problemas de una manera ms rigurosa y
precisa.
Al desarrollar el tema de optimizacin empezamos abordando el tema de optimizacin
esttica. En la optimizacin esttica, la tarea es encontrar un valor individual para cada
variable de eleccin, con el fin de maximizar o minimizar una funcin objetivo propuesta,
cualquiera que sea el caso. El problema en la optimizacin esttica es que no se contempla
la dimensin del tiempo. En contraste, el tiempo interviene en forma explcita y
prominente en el problema de optimizacin dinmica, y para ello necesitamos las
herramientas del anlisis dinmico como las ecuaciones diferenciales, ecuaciones en
diferencias e integrales; para abordar este tema.
La optimizacin dinmica estudia la obtencin de la solucin ptima de sistemas
evolucionan en el tiempo, susceptibles de influencia mediante decisiones externas. La
mejor decisin a tomar Depende del horizonte temporal desde el que se contemple el
problema a estudiar. En general, la decisin ptima en un contexto dinmico no se
obtiene mediante una secuencia de decisiones estticas ptimas para cada uno de los
instantes o periodos que constituyen dicho contexto dinmico.
Asimismo, las decisiones ptimas a corto plazo, en general, no coinciden con las
decisiones ptimas a largo plazo. la utilizacin de tcnicas de optimizacin dinmica
permite obtener la solucin ptima en cada caso.
4
Esta monografa se encuentra compuesta por cinco partes. En la primera se deriva la
condicin de primer orden al problema de control ptimo, tambin conocido como
principio del mximo. En la segunda, se explican las condiciones de transversalidad para
resolver el problema de control ptimo cuando se establecen condiciones alternativas para
el valor final de la variable de estado. En la tercera seccin, se revisan las condiciones de
suficiencia del problema de control ptimo. En la cuarta, se compara las similitudes
existentes entre el problema de control ptimo y el del clculo de variaciones, y se explica
cmo este ltimo constituye un caso especial de control ptimo. Finalmente, en la ltima
seccin, se desarrolla el problema de control ptimo para el caso de un horizonte temporal
infinito.
5
Planteamiento del Problema
Al desarrollar problemas de optimizacin esttica, slo nos ubicbamos en un instante de
tiempo, por lo tanto, el tiempo no era una variable relevante. Es aqu dnde nos
encontramos con la limitacin de la optimizacin esttica.
Para superar esta limitacin pasamos a la optimizacin dinmica, porque en este tipo de
optimizacin podemos hallar soluciones cundo el tiempo Interviene de manera explcita.
Podemos buscar soluciones ptimas para periodos de tiempo, es decir podemos
desarrollar problemas ms complejos.
Justificacin
Realizamos este trabajo para facilitar la comprensin de este tema que a simple vista
parece muy complejo. Y hacerlo ms sencillo para aquellas personas que van a leer este
trabajo.
Por ello hemos realizado un trabajo que contiene los conceptos bsicos de optimizacin
dinmica especficamente de la teora del control ptimo. Hemos indagado en distintas
fuentes, comparamos la informacin encontrada, analizamos e hicimos un resumen con
la informacin ms importante que debemos saber de este tema
Objetivos
Determinar la estructura bsica de la optimizacin dinmica
Analizar la teora de control optimo
Demostrar los Principios del Control Optimo
Aplicar la teora para solucionar problemas econmicos
6
Marco terico
Antecedentes
Se puede considerar que la optimizacin dinmica tiene races en el clculo de
variaciones, la teora de control y la programacin lineal y no lineal.
El clculo de variaciones surgi en el siglo XVIII y recibi en los trabajos de Euler (1707-
1783) y la de Lagrange (1736-1813) la forma de una teora matemtica rigurosa.
Tras algunos trabajos previos, Euler pblico en 1744 el libro Mtodo de bsqueda de
lneas curvas con propiedades de mximo y mnimo, o la relacin del problema
isoperimtrico tomado en su sentido ms amplio, que es el primer libro en la historia sobre
clculo de variaciones.
En 1755 Lagrange comunic a Euler el mtodo general analtico, creado por el, en el que
introduce la variacin de una funcin y en donde extiende a las variaciones las reglas del
clculo diferencial. Dicha idea de variaciones dara el nombre a la nueva disciplina.
Otras aportaciones importantes al clculo de variaciones se deben a Legendre (1752-
1833), Jacobi (1804-1851), Hamliton (1805-1865), Weierstrass (1815-1897), Bolza
(1857-1942) y Bliss (1876-1951).
El clculo de variaciones se aplic, tras el descubrimiento sobre la fsica, especialmente
en mecnica.
El desarrollo sistemtico de la teora del control se inici en estados unidos alrededor de
1930 en el campo de las ingenieras elctrica y mecnica.
Durante la segunda guerra mundial aparecieron sistemas de control en los que la
transicin eran ms importantes que la quietud: es la clase de los servos mecnicos,
sistemas de persecucin. Por ejemplo, el sistema de control para un arma de fuego
7
requerida para alcanzar un objetivo mvil como la ayuda de un radar. Aparece la llamada
teora clsica de control, basado en el dominio frecuencia. Se comprob que las
ecuaciones diferenciales que describan la dinmica del sistema eran a menudo
intratables, pero pasando al dominio frecuencia de Laplace se producan resultados
algebraicos a partir de los cuales se podan inferir caractersticas del sistema. Sin
embargo, esta teora presentaba serias limitaciones pues restringida el estudio a sistemas
lineales, con una sola variable de entrada y salida, e invariantes en el tiempo. Por otra
parte, se tena que determinar ciertos supuestos en los problemas.
Los mtodos de optimizacin introducidos por Belman (1957) y Pontryagin (1962),
fueron el origen de lo que se conoce como TEORA MODERNA DEL CONTROL
PTIMO, basada en la descripcin de un sistema segn el enfoque del espacio de los
estados. Los nuevos avances y sus aplicaciones no solo caan en el campo de la ingeniera
sino tambin en la de la economa, medicina, etc. En esos aos tuvieron lugar las
aplicaciones ms importantes del control ptimo al programa espacial americano.
En economa, aparecen en los aos 1950 1960 algunas aportaciones que utilizan la teora
del control, a partir de 1960 se utilizan ya sistemticamente tcnicas de control optimo en
la investigacin de la teora de crecimiento. Ya es en 1970 se toma mucho inters por la
teora del control ptimo ya que se empiezan a utilizar como un instrumento bsico para
describir el comportamiento de individuos y empresas cuando las actividades econmicas
se desarrollan a travs del tiempo.
En economa de la empresa se utilizan estas tcnicas, con muy buenos resultados para el
estudio de problemas con, control de inventarios, mantenimiento, planificacin de la
produccin, poltica de publicidad, etc. Todo ello desde la segunda mitad de los aos
setenta.
8
La teora del control ptimo se desarrolla ms en el campo de la macroeconoma
(Kendrick (1976), analizo noventa aplicaciones). En dicha dcada, la modelizacin
economtrica y teora del control alcanzan un alto grado de madurez y, al mismo tiempo,
haba importantes apoyos de software que permitan tratar problemas con altos
rendimientos computacionales.
En conclusin, se puede decir que este nuevo descubrimiento acerca de la teora de control
ptimo nos da una visin mucho ms real acerca de las diversas situaciones
macroeconmicas de un pas.
Conceptos fundamentales de la optimizacin dinmica
La optimizacin
La optimizacin es un tema predominante en el anlisis econmico. Por esta razn, los
mtodos de clculo clsicos de encontrar extremos libres y limitados y las tcnicas ms
recientes de programacin matemtica ocupan un lugar importante en el kit de
herramienta de uso diario de los economistas. til como son, estas herramientas slo son
aplicables a los problemas de optimizacin estticas. La solucin buscada en este tipo de
problemas por lo general consiste en " una sola magnitud ptima para cada variable de
eleccin, tales como el nivel ptimo de produccin por semana y el precio ptimo para
cobrar por un producto. No llama a un calendario de accin secuencial ptimo.
La dinmica econmica
Permite el estudio de los hechos que anteceden a un fenmeno econmico, el fenmeno
en s, las repercusiones o consecuencias de dicho fenmeno, as como su interrelacin.
La dinmica econmica permite el estudio de hechos y fenmenos en forma cambiante,
estudiando aspectos generales de los mismos, as como analizando concretamente la
forma en que se desarrollan los diversos aspectos econmicos
9
La optimizacin dinmica
Estudia la obtencin de la solucin ptima de sistemas dinmicos que evolucionan en el
tiempo; a estos sistemas se trata de guiar o controlar de manera ptima a lo largo de un
horizonte temporal dado de acuerdo a un objetivo fijado ya que son susceptibles de
influencia mediante decisiones externas.
La optimizacin dinmica, como su nombre indica, estudia la optimizacin dinmica de
sistemas dinmicos, es decir, la optimizacin de sistemas que evolucionan en el tiempo,
se trata de guiar o controlar el sistema de manera ptima a lo largo de un horizonte
temporal dado, de acuerdo an objetivo previamente fijado. Veamos algunos ejemplos
que puede ayudar a una primera compresin. Un problema de optimizacin dinmica
plantea la cuestin de cul es la magnitud ptima de una variable de eleccin en cada
perodo de tiempo dentro del perodo de planificacin (caso de tiempo discreto) o en cada
punto de tiempo en un intervalo de tiempo dado, digamos [0, 21 (caso de tiempo
continuo). Incluso es posible considerar un horizonte de planificacin infinito, de modo
que el intervalo de tiempo correspondiente es [0, co) - literalmente, "de aqu a la eternidad.
" La solucin de un problema dinmico de optimizacin sera por lo tanto tomar la forma
de una trayectoria temporal ptima para cada variable de eleccin, detallando el mejor
valor de la variable actual, tomar fila, y as sucesivamente, hasta el final del perodo de
planificacin. A lo largo de este libro, vamos a utilizar el asterisco para denotar
optimalidad. En particular, la trayectoria temporal ptima de un (- tiempo continuo)
variable y se denota por Y *(t).
Condicin de Transversalidad
Hasta el momento hemos ido desarrollando problemas de un valor terminal yT libre y un
horizonte de tiempo fijo T, este problema base del control optimo puede ser modificado
asumiendo un valor final de la variable de estado determinado (yT, T fijo), un horizonte
10
de tiempo indeterminado (T libre), o un valor final de la variable de estado que dependa
del tiempo (conocido como la Curva Terminal = ()). Para resolver estos tres casos,
es necesario contar con condiciones de transversalidad distintas a lo ya mencionado en el
principio del mximo. La condicin de transversalidad genrica con la cual vamos a
poder determinar estos tres casos se podrn obtener a partir de:
[]= () = 0
2.1 casos particulares de la condicin de transversalidad
Caso 1.- Valor terminal y horizonte temporal fijo
Si el valor terminal de la variable de estado y el horizonte temporal T se encuentran
fijos, entonces la condicin terminal misma debe dar la informacin para determinar una
constante. Entonces para hallar la solucin del problema de control ptimo, basta emplear
la condicin;
() = (, )
Ejemplo.- Halle las trayectorias y*(t), u*(t) y (t) que resuelvan el problema:
1 1
Maximizar = 0 ( [0,1])
1
Sujeto a =
(0) = 2
(1) = 1
Para desarrollar estos problemas emplearemos los mismos pasos del principio del
mximo de Pontryagin, primero hallamos la funcin Hamiltoniano del problema que
estara dado de la siguiente manera:
11
1
(, , , ) = + ( )
1
En este caso, el Hamiltoniano constituye una funcin no lineal, por lo cual pueden
emplearse las condiciones de optimizacin tradicionales (derivadas parciales de primer y
segundo orden):

= = 0

De esta ecuacin podemos hallar nuestra variable de control en trminos de la variable de
coestado,
() = 1/
Empleamos la segunda derivada del Hamiltoniano respecto a la variable de control, ya
que esta nos muestra la no linealidad

= 1 0
2
Posteriormente se puede plantear las ecuaciones de movimiento para las variables de
estado y co-estado:

= =

= =

Al reemplazar la variable de control ptima en la ecuacin de movimiento de la variable
de estado, las dos ecuaciones anteriores constituiran un sistema de ecuaciones
12
diferenciales no lineales de primer orden. Para obtener las trayectorias ptimas debemos
resolver independientemente cada ecuacin de movimiento.
() = 1
Remplazando en la ecuacin de la variable de control obtenida:
1 1 1

() = ( ()) = (1 ) = 1 (2.1)
La senda ptima de la variable de estado puede hallarse reemplazando la variable de
control en la ecuacin de movimiento:
1

= 1
La solucin general de la ecuacin diferencial es la siguiente:
1

() = 2 + 1 (2.2)
1
Las constantes H1 y H2 del problema pueden obtenerse a partir de la condicin inicial y
terminal de la variable de estado
1

(0) = 2 + 1 = 2
1
1
(1) 1
1

= 2 + =1
1 1
Y tienen como soluciones los siguientes valores:

1 1 2
1 = [( )( 1 )]
1

13
1

2 1
2 = 1

Si reemplazamos las constantes 1 y 2 en (); () y () obtenemos la solucin
al problema de control ptimo.
Caso 2.- Valor terminal fijo o Lnea terminal Horizonta
En este caso, como el valor terminal de la variable de estado es constante, pero el
tiempo terminal T es libre, de modo que tenemos la flexibilidad de alcanzar el objetivo
muy de prisa o a un paso lento, como se ilustra en la siguiente figura. Entonces, como se
y(t)
y(T)
Ilustracin 1
t
aprecia este tipo de problemas nos permite escoger entre un conjunto de = (1 , 2 , 3 )
u otros tiempos terminales para alcanzar un nivel objetivo .
La solucin para este tipo de problema tiene que satisfacer la condicin de transversalidad
que esta denotada por una restriccin del Hamiltoniano (en vez de la variable de coestado)
para t=T.
[]= = 0
Es decir, el Hamiltoniano debe ser igual a cero en el ltimo periodo.
14
(Chiang A. , 184; Bonifaz F., Jos Luis; Lama C., Ruy, 1999) Maximizar =

0 (2 )1
Sujeto a =
(0) = 1
() = 5 ( )
La funcin Hamiltoniana del problema est dada por:
(, , , ) = 2 + ()
Aplicando las condiciones del principio del mximo, optimizamos la funcin
Hamiltoniana con respecto a la variable de control:

= 2 + = 0

2
= 2 < 0
2

De hallamos nuestra variable de control , () = ( )/2
Posteriormente, obtenemos el sistema cannico dado por las ecuaciones de
movimiento de las variables de estado y co-estado:

= =

= =0

1 (Chiang A. , 184; Bonifaz F., Jos Luis; Lama C., Ruy, 1999)
15
Integrando ambos lados de la ecuacin de movimiento de la variable de co-estado
obtenemos su trayectoria ptima, que en este caso es una constante:
= 0
() = 1
Reemplazando esta solucin en la variable de control, obtenemos la siguiente
senda optima
1 1
() = +
2 2
Ya que y = u integramos la ecuacin anterior para poder hallar la variable de estado
1 1
= ( + )
2 2
1 1
() = 2 + + 2
4 2
Para hallar las constantes H1 y H2 , debemos emplear tres condiciones. La primera se
obtiene al evaluar la variable de estado y (t) en el punto inicial; la segunda, al evaluar la
misma variable en el punto final (con el horizonte de tiempo desconocido); y la tercera
por la condicin de transversalidad []= = 0
Entonces hallando H1 y H2
En primer lugar, a partir de la primera condicin y(0)=1 se obtiene el valor de la constante
H2 :
(0) = 2 = 1
Segundo lugar, la condicin de transversalidad brinda la siguiente relacin:
16
[]= = ()2 () + () () = 0
Esta condicin junto con la senda optima de control u (t) = ( t)/2, se reduce a la
ecuacin u2 (T) = 0 o u(T) = 0
Entonces si u(T) = 0
1 1
() = + =0
2 2
1 =
En tercer lugar, evaluamos la variable de estado en el punto final T y utilizamos la
condicin H1 = T, obtenemos la siguiente ecuacin cuadrtica:
1 1
() = 2 + + 1 = 5
4 2
1 1
() = 2 + 2 + 1 = 5
4 2
Cuyas soluciones son los valores T = 4 como el tiempo no puede ser negativo entonces
la solucin de T ser T=4.
Reemplazando los datos obtenidos en (t); y (t) y u (t) obtenemos la solucin al
problema de control ptimo:
1
() = 2 + 2 + 1
4
1
() = + 2
2
() = 4
Caso 3.- curva terminal
17
En este caso, el valor terminal de la variable de estado depende del horizonte de tiempo
a travs de la funcin yT = (T). La manera en la que se soluciona este problema es
cumplindose la siguiente condicin de transversalidad:
[H ]t=T = 0
caso 4. -Lnea terminal vertical truncada2
Si tenemos un tiempo terminal fijo T, y el estado terminal es libre, pero est sujeto a la
y(t)
ymin
T t
disposicin de que yT ymin
Ilustracin 2: Lnea
denotaterminal vertical
un nivel truncada
permisible de y mnimo dado, enfrentamos
una lnea terminal vertical truncada, como lo muestra la ilustracin 3.
La condicin de transversalidad para este caso puede enunciarse como la condicin de
holgura complementaria encontrada en las condiciones de Kuhn- Tucker:
(T) 0 yT ymin (yt ymin )(T) = 0
El enfoque prctico para resolver este tipo de problema es probar primero (T) = 0 como
la condicion de transversalidad y probar si la yT resultante satisface la restriccin yT
ymin .
2Fundamental Methods of Mathematical Economics 4th Edition. by Kevin Wainwright,

Alpha C Chiang
18
Si es as, el problema est resuelto. Si no, entonces se debe tratar el problema como un
problema de punto terminal dado con ymin como el estado terminal.
Caso 5.- Lnea terminal horizontal truncada3
Cuando el estado terminal esta fija en yT, y el tiempo terminal es libre, pero est sujeto a
la restriccin T Tmx, donde Tmx denota el tiempo permisible ms reciente (una fecha
limite) para alcanzar el yT dado, enfrentamos una lnea terminal horizontal truncada, como
se ilustra en la siguiente figura. La condicin de transversalidad se transforma en:
= 0 ( )= = 0
yT
Tmx t
Ilustracin 2
Nuevamente esto aparece en el formato de la condicin de holgura complementaria.
El enfoque prctico para resolver ese tipo de problemas es probar primero Ht=Tmx = 0.
Si el valor de la solucin resultante es T* Tmx, entonces el problema est resuelto. Si
3 Fundamental Methods of Mathematical Economics 4th Edition. by Kevin Wainwright,

Alpha C Chiang
19
no, debemos entonces tomar a Tmx como un tiempo terminal fijo, el cual, junto con el yT
dado, define un punto final fijo, y resuelve el problema como un problema de punto final
fijo.
Optimizacin dinmica
El enfoque clsico de la optimizacin dinmica se llama clculo de variaciones, pero hay
un enfoque ms fuerte conocido como la teora del control ptimo, mediante la cual
pueden desarrollarse problemas de optimizacin intertemporal ms complejos.
En esta parte describiremos los aspectos esenciales de cada enfoque y haremos una
comparacin
Control optimo
En el problema de control ptimo intervienen bsicamente tres tipos de variables: el
tiempo (), la variable de estado () y la variable de control (). En estos casos la variable
de control, est sujeta a la decisin del agente que enfrenta el problema de optimizacin
intertemporal, mientras que la variable de estado, refleja el resultado de las decisiones
tomadas sobre la variable de control. (Bonifaz, 2013)
En este tipo de problemas, debemos recordar siempre un periodo de planeacin, digamos
desde un tiempo inicial = 0 hasta un tiempo terminal = , y trataremos de
encontrar el mejor curso de accin a seguir durante el perodo completo. Entonces la
solucin para cualquier variable adoptar la forma de una trayectoria de tiempo completa
y no un solo valor.
Podemos enunciar el problema ms sencillo de control ptimo como:

Maximizar 0 (, , )
20

Sujeto a = (, , )

(0) = ()
() [0, ]
El primer rengln, la funcin objetivo, es una integral cuyo integrando (, , ) muestra
la forma en que la eleccin de la variable de control para el tiempo , junto con la
resultante para el tiempo , determina nuestro objetivo de maximizacin para t.
El segundo rengln es la ecuacin de movimiento para la variable de estado .
Esta ecuacin suministra el mecanismo mediante el cual nuestra eleccin de la variable
de control puede traducirse a un patrn especfico de movimiento de la variable de
estado . Normalmente, el enlace entre y Puede describirse adecuadamente mediante
una ecuacin diferencial de primer orden = (, , ) sin embargo, si el patrn de
cambio de la variable de estado requiere una ecuacin diferencial de segundo orden,
entonces debemos transformar esta ecuacin en un par de ecuaciones diferenciales de
primer orden. en este caso hay que introducir una variable de estado adicional. tanto el
integrando como la ecuacin de movimiento se suponen continuas para todos sus
argumentos y poseen derivadas parciales continuas de primer orden respecto a la variable
de estado y la variable de tiempo , pero no necesariamente la variable de control .
En el tercer rengln, indicamos que el estado inicial, el valor de para = 0 , es una
constante A, pero el estado terminal () se deja sin restricciones. Finalmente el cuarto
rengln indica que las elecciones permisibles de se limitan a una regin de control
U. Por supuesto que puede suceder que () no tenga restricciones. (Chiang A. C., 2006)
21
Una de las ventajas que presenta la tcnica de control ptimo, es que no requiere
necesariamente la continuidad y diferenciabilidad de las sendas de las variables de control
y de estado en todo el horizonte de tiempo [0, T] (Bonifaz, 2013)
Ejemplo:
Considere una economa que elabora una produccin Y con el uso de capital K y una
cantidad fija de mano de obra L, de acuerdo con la funcin de produccin
= (, )
Adicionalmente, la produccin se usa tanto para el consumo C como para la inversin I.
S ignoramos el problema de la depreciacin, entonces:
en otras palabras, la inversin es el cambio de las existencias respecto al tiempo. entonces
tambin podemos expresar la inversin como:

= = (, ) =

qu nos da una ecuacin diferencial de primer orden en la variable K.
Si Nuestro objetivo fuera maximizar alguna forma de utilidad Social para algn perodo
fijo de planeacin, Entonces el problema se transformara en
22

Maximizar 0 ()

Sujeto a = (, )

y (0) = 0 () =
Dnde 0 son el valor inicial y el valor terminal (objetivo) de . observe que el
estado terminal es un valor fijo, que no se deja Libre como en el primer caso. aqu sirve
como la variable de control y es la variable de estado. El problema es escoger la
trayectoria de control ptimo () de tal manera que su efecto en la produccin y el
capital , y las repercusiones de eso sobre mismo, van a maximizar juntos la utilidad
agregada para el perodo de planeacin. (Chiang A. C., 2006)
EL PRINCIPIO DEL MXIMO DE PONTRYAGIN
La clave para la teora del control ptimo es una condicin necesaria de primer orden
conocida como el principio del mximo. (Chiang A. C., 2006)
En el control ptimo, a partir de la funcin intermedia (, , ), la ecuacin de
movimiento = (, , ) y una variable auxiliar (), denominada variable de
coestado, se determina la funcin Hamiltoniana del siguiente modo:
(, , , ) = (, , ) + ()(, , )
23
Para determinar la senda de las variables de control y estado que resuelven el problema,
a partir de la funcin Hamiltoniana se emplea una condicin de primer orden, denominada
principio del mximo. (Bonifaz, 2013)
El principio del mximo
Las sendas (), () y (t) resuelven el problema si satisfacen las condiciones del
principio del mximo establecidas para la funcin Hamiltoniana:
a. Max (, , , ) sujeto a () .

b. =

c. =
d. () = 0
La primera condicin establece que el Hamiltoniano debe ser maximizado con respecto a
la variable de control, sujeto a la restriccin dada por el conjunto . La maximizacin del
Hamiltoniano puede brindar bsicamente dos tipos de soluciones: una solucin al interior
del conjunto . o una solucin en el contorno. Asumiendo que el conjunto de control es
igual a = [1 , 2 ] (1 , 2 ) y que H es una funcin que depende de manera no
lineal de u, entonces nos encontraramos en una situacin como la presentada en la
parte (a) del Grfico. En este caso, para maximizar H, en el punto A se debe cumplir que
la primera derivada con respecto a la variable de control sea igual a cero y que el
2
Hamiltoniano sea cncavo con respecto a u ( = 0; 2 0). Por otra
parte, con el mismo conjunto , si H dependiera linealmente de la variable de control, la
primera derivada nunca se hara igual a cero. En este caso, la maximizacin dara una
solucin de esquina, tal como se ilustra en la parte (b) del Grfico ( > 0).
24
La segunda condicin constituye la ecuacin de movimiento de la variable de estado. La
tercera condicin representa la ecuacin de movimiento de la variable de coestado. Estas
dos ecuaciones, simultneamente, se denominan sistema cannico o sistema
Hamiltoniano. Finalmente, la cuarta condicin consiste en la condicin de transversal
idad para el problema de control ptimo, cuando el valor terminal de la variable de estado
es libre.
Como regla prctica, para determinar la solucin al problema (1) se pueden seguir los
siguientes pasos:
1) Resolver la condicin (a) del principio del mximo y, si es posible, expresar en
funcin de , " e .
2) Plantear el sistema de ecuaciones diferenciales ordinarias de primer orden para la
variable de estado y coestado, a partir de las condiciones (b) y (c) del principio del
25
mximo. Si en este sistema apareciera la variable de control, debe reemplazarse por la
expresin hallada en el primer paso.
3) Resolver el sistema de ecuaciones diferenciales considerando las constantes (0) =
0 y () = 0.
4) Expresar , como funciones del tiempo. (Bonifaz, 2013)
Aplicaciones Econmica
a) Asignacin de consumo y ahorro (Dixit, 1993)4
En este ejercicio aplicativo consideraremos a un individuo que vive T aos, a lo largo
de los cuales percibe una remuneracin igual a w, gana una tasa de inters r sobre sus
ahorros, y paga sus deudas a la misma tasa. Dado una senda optima del nivel de consumo
(C) a lo largo del tiempo, sus ahorros evolucionan de acuerdo con la siguiente ecuacin:
= +
Esta ecuacin de movimiento establece que la diferencia entre los ingresos (w + rS) y el
consumo (C) determina la variacin del ahorro.
La funcin a maximizar es la funcin de utilidad inter-temporal que presenta el individuo:
= ()
0
Algunos supuestos que establecemos son los siguientes:
4Esta aplicacin fue tomada de Dixit, Avinash, Optimization in Economic Theory, Oxford:
Oxford University Press, 1993, pp. 154-155
26
1. El individuo no ha recibido herencia alguna.
2. El individuo consume toda su riqueza a lo largo de su vida.
Por lo tanto, S (0) = S(T) = 0
Entonces nuestros dados para resolver el ejercicio son:

Maximizar = 0 ()
Sujeto a S = w + rS C
S (0) = 0
S(T) = 0
Solucin:
La funcin Hamiltoniana del problema es la siguiente:
(, , , ) = () + ( + )
Aplicamos las condiciones de optimizacin tradicionales:
1
= =0

2 1
2
= 2 0

De la primera ecuacin obtenemos = . Por otro lado, la variable de coestado puede

obtenerse a partir de su ecuacin de movimiento:

= =

Integrando nos queda () = 1 , esta funcin lo reemplazamos en nuestra funcin

consumo = entonces tendramos

27
()
() =
1
Por ultimo para hallar el ahorro, reemplazamos el consumo ptimo en la ecuacin de
movimiento:

()
= = + = +
1
Resolviendo la ecuacin diferencial obtenemos la siguiente funcin de ahorro:
1 ()
() = 2 +
1
Ahora evaluemos en esta funcin del ahorro en la condicin inicial y final S(0) = S(T) =
0, obtenemos el siguiente sistema de ecuaciones que determina las constantes 1 y 2 :
1
(0) = 2 + =0
1
1 ()
() = 2 + =0
1
Las soluciones de estas ecuaciones son las siguientes:
( 1)
1 =
(1
( () 1)
2 =
( 1)
Entonces conforme pase el tiempo el consumo depender del valor relativo de la tasa de
inters con respecto a la tasa de descuento. Por ejemplo, si la tasa de descuento de la
utilidad es superior a la tasa de inters, la tasa de crecimiento del consumo seria negativa:
28

=<0

En este caso se dice que el consumo sera superior al ingreso laboral (salario w) hasta el
periodo t, e inferior a w si pasa dicho periodo. Esto implica que, en un periodo de
tiempo, el individuo acumula deudas y posteriormente disminuye su consumo para ser
frente a dichas deudas contradas previamente. Esta interpretacin lo podemos ilustrar en
la siguiente figura.
t
Ilustracin 3
b) Recurso no renovable (Chiang A. , 184)
Sea s(t) un inventario de un recurso no renovable y q(t) la tasa de extraccin para un
instante tal que
29
El recurso extrado produce un bien de consumidor final c tal que
= () donde > 0, < 0
El bien de consumo es el nico argumento en la funcin utilidad de un consumidor
representativo con las siguientes propiedades:
= () donde > 0, < 0
El consumidor desea maximizar la funcin utilidad para un intervalo dado [0, T], Como
c es una funcin de q, la tasa de extraccin, q va a servir como la variable de control.
Por simplicidad ignoramos el aspecto del descuento respecto al tiempo. Entonces, el
problema dinmico es escoger la tasa optima de extraccin que maximice a la funcin
utilidad sujeta solo a una restriccin no negativa sobre la variable de estado s(t), el
inventario del recurso no renovable.
La formulacin es

Maximizar 0 (())
Sujeto a =
y (0) = 0 () 0
30
Donde 0 y estn dados.
El hamiltoniano del problema es
H = U(c(q))
Como H es cncava en q por especificaciones del modelo para la funcin U(c(q)),

podemos maximizar H haciendo =0

= (()) ()

La concavidad de H nos asegura que maximiza a H, pero podemos verificar fcilmente la
condicin de segundo orden y confirmar que 2 / 2 es negativo.
El principio del mximo estipula que:

= =0

Lo que implica que
() = 0 una constante
Para determinar c0 , hacemos referencia a las condiciones de transversalidad. Dado que el
modelo especifica K(T) 0, tiene una linea terminal vertical truncada, de modo que
aplica
() 0 () 0 ()() = 0
31
En las aplicaciones prcticas, el paso inicial es probar () = 0, despejar q, y ver si la
solucin va a funcionar. Puesto que ()es una constante, el probar () = 0 implica que
H
() = 0 para todo t, y q en se reduce a
() () = 0
de donde (en principio) podemos despejar q. Como t no es un argumento explcito de U
o de c, la trayectoria de solucin para q es constante respecto al tiempo:
() =
Ahora revisamos si satisface la restriccin s(T) 0. Si es una constante, entonces
la ecuacin de movimiento
puede integrarse rpidamente, dando
() = + 1 [1= constante de integracin]
Usando la condicin inicial (0) = 0 da una solucin para la constante de integracin
1 = 0
32
y la trayectoria de estado optima es
() = 0
Sin especificar las formas funcionales de U y c, no podemos encontrar ninguna solucin
numrica para . Sin embargo, a partir de las condiciones de transversalidad, podemos
concluir que si () 0, entonces . es aceptable tal como se obtiene en la solucin.
Pero si () < 0, para el dado, entonces la tasa de extraccin es demasiado alta y
necesitamos encontrar una solucin diferente. Dado que fallo la solucin de prueba
() = 0, ahora tomamos la alternativa de (T) > 0. Aun en este caso, sin embargo,
es todava una constante mediante (20.25). Y (20.24) puede suministrar aun (en principio)
un valor solucin 2 constante pero diferente. Se sigue qu permanece valido. Pero esta
vez, con () > 0, la condicin de transversalidad exige que () = 0, o en vista de
0 2 = 0
Entonces podemos escribir la tasa de extraccin optima revisada (constante) como
0
2 =
Este nuevo valor solucin debe representar una tasa de extraccin ms baja que no viole
la condicin de frontera s(T) 0.
c) Problemas autnomos
33
En el marco de referencia del problema general de control, la variable t puede intervenir
en la funcin objetivo y se puede enunciar la ecuacin directamente. La especificacin
general
T
Maximizar 0 F(t, y, u)dt
Sujeto a y = f(t, y, u)
y condiciones de frontera
Donde t interviene explcitamente en F y f significa que la fecha tiene importancia. Es
decir, el valor generado por la actividad u(t) depende no slo del nivel, sino tambin de
donde tiene lugar exactamente esta actividad.
Los problemas en los cuales t est ausente de la funcin objetivo y la ecuacin se enuncia
tal como
T
Maximizar 0 F(y, u)dt
Sujeto a y = f(y, u)
y condiciones de frontera
se llaman problemas autnomos. En estos problemas, como el hamiltoniano
H = F(y, u) + f(y, u)
no contiene a t como un argumento, las ecuaciones de movimiento son ms fciles de
resolver.
34
Incluso en un problema que por lo dems es autnomo, el tiempo t interviene en la escena
como parte del factor descuento ert , pero no en otro lado, de modo que la funcin
objetivo adopta la forma de
T
G(y, u)ert dt
0
Estrictamente este problema tiene la apariencia de ser un problema no autnomo. Sin
embargo, es fcil convertir el problema en autnomo al emplear el as llamado
hamiltoniano a valor presente, definido como:
Hc Hert = G(y, u) + f(y, u)
Donde:
ert
Es el multiplicador de Lagrange a valor presente. Al centrarse en el valor presente (sin
descuento), podemos eliminar t del hamiltoniano original.
Horizonte de tiempo infinito (Ramseycass-koopmans, 17 Nov 2008)
Para un individuo, generalmente es adecuado planificar para un intervalo finito de tiempo
[0, ], incluso para la persona ms perspicaz probablemente no planificar demasiado ms
all de su vida til. Sino para la sociedad en su conjunto, o incluso para una corporacin,
puede haber buenas razones para esperar o asumir su existencia a ser permanente. Por lo
tanto, puede ser deseable extender su horizonte de planificacin indefinidamente en el
futuro, y cambiar el intervalo de integracin en el objetivo funcional de [0, ] a [0, .
Tal extensin del horizonte tiene la ventaja de hacer que el marco de optimizacin ms
amplia. Por desgracia, tambin tiene el inconveniente de compensacin de comprometer
35
la plausibilidad de la hiptesis de hecho a menudo-que todos los valores de los parmetros
en un modelo permanecern constantes durante todo el perodo de planificacin. Ms
importante, el horizonte de planificacin infinito implica algunas complicaciones
metodolgicas.
Metodologa de infinito (El modelo de Ramsey, 2012)
En este caso al menos dos de los principales aspectos metodolgicos deben ser atendidas.
Uno tiene que ver con la convergencia del objetivo funcional, y el otro se refiere al asunto
de las condiciones de transversalidad.
El problema de la convergencia surge porque el objetivo funcional, ahora en forma de

0 (, , , ) , es una integral impropia que puede o no puede tiene un valor finito. En
el caso en que la integral diverge, pueden existir ms de una trayectoria para x(t) que
produce un valor infinito para el objetivo funcional y sera difcil determinar que entre
estas trayectorias es ptima.
Es cierto que incluso en la situacin divergente, Se han propuesto varias maneras de
hacer una seleccin apropiada de una trayectoria temporal de entre todas las trayectorias
con un valor integral infinita. Pero ese tema es complicado y, adems, no se refiere al
clculo de variaciones, como tales, por lo que no deber ahondar en l aqu.
En su lugar, como paso previo a la discusin de las aplicaciones econmicas en las dos
secciones siguientes, que debern hacer algunos comentarios sobre ciertas condiciones
que son (o supuestamente son) suficiente para la convergencia.
36
a) Condicin I

dada la integral impropia 0 (, , , ) Si el integrando F es finito en todo el intervalo
de integracin, y si f alcanza un valor de cero en algn punto de tiempo finito, es decir,
existe un 0 , y permanece en cero para todos > 0 , entonces la integral converge.
Esta es la naturaleza de una condicin suficiente. Aunque nominalmente la integral tiene
un horizonte infinito, el lmite superior de la efectiva integracin es un valor finito, 0 as,
la integral impropia dada nos da la garanta de que se integrar a un valor finito.
b) La condicin II

(falso) Dada la integral impropia 0 (, , , ) , si 0 cuando , entonces la
integral converge.
Esta condicin a menudo es tomada para ser una condicin suficiente, pero no lo es.
Para ver esto, considere las dos integrales
1 1
1 = 0 2 = 0
(1+)2 1+
cada una de ellas tiene un diferencial que tiende a cero cuando . Pero mientras 1
converge, 2 no lo hace.
1
1 = lim [1+] =1 2 = lim [(1 + )] =
0 0
37
que explica esta fuerte diferencia en los resultados? La respuesta est en la velocidad a
la que el integrando cae hacia cero. En el caso de 1 , donde el denominador del integrando
es un trmino al cuadrado, la fraccin cae con una velocidad suficientemente alta como t
toma valores cada vez ms grandes, lo que resulta en la convergencia. En el caso de 2 ,
por otro lado, la velocidad de descenso no es lo suficientemente grande, y los integral
diverge.
El resultado es que, en s misma, la condicin de " 0 cuando " no garantiza la
convergencia. Es de inters tambin para hacer la pregunta inversa: Es la condicin de

" 0 cuando , " una condicin necesaria para que 0 (, , , ) pueda
converger? Tal condicin necesaria parece intuitivamente plausible, y es, de hecho,
comnmente aceptados como cierta.
Pero contraejemplos se pueden producir para demostrar que una integral impropia puede
converger a pesar de que F no tiende a cero, por lo que la condicin no es necesaria.
Por ejemplo, si
1
() = {1, +
2
0,

F (t) no tiene lmite cuando t tiende a infinito; sin embargo, la integral 0 ()
1
converge a la magnitud 2
=1( 2 ). Como otro ejemplo, la integral 0 ( ) puede
1
demostrar que converger al valor 2 2 a pesar de que el integrando-funcin seno no tiene
cero como su lmite. Ntese, sin embargo, que estos contraejemplos implican o bien un
tipo inusual de integrando discontinua o un integrando que cambia peridicamente,
permitiendo as que las contribuciones a la integral de los intervalos de tiempo vecina a
cancelarse entre s. Tales funciones no son por lo general utilizado en los funcionales
38
objetivas en los modelos econmicos. Tpicamente, el integrando en un modelo que
represente en econmica es la funcin de ganancia, la funcin de utilidad, y similares-se
supone que es continua y no negativa. Para este tipo de funciones, los contraejemplos
seran irrelevantes.5 (Chiang A. , 184)
c) Condicin III

En 0 (, , , ) si el integrando toma la forma de (, , , ) , donde es un
ndice positivo de descuento, y la funcin G est acotada, entonces la integral converger.
Una caracterstica distintiva de esta integral es la presencia del descuento factor de ,
que, ceteris paribus, proporciona una fuerza dinmica para conducir el integrando hacia
abajo, hacia cero en el tiempo a una buena velocidad. Cuando el (, , , ) componente
del integrando es positivo (como en la mayora de las aplicaciones econmicas) y tiene
una cota superior, por ejemplo, a continuacin, la fuerza hacia abajo de es
suficiente para hacer Converger la integral. Ms formalmente, ya que el valor de la
funcin G nunca puede exceder el valor de la constante , podemos escribir.

(, , , ) =
0 0
la ltima igualdad, basado en la frmula para el valor actual de un flujo constante
perpetua, muestra que la segunda integral, con el lmite superior en el integrando, es
convergente. de ello se desprende que la primera integral, cuya integrando es ,
tambin deben ser convergentes tenemos aqu otra condicin suficiente para la
convergencia.
5 (Chiang A. , 184)
39
Existen tambin otras condiciones suficientes, pero no son fciles de aplicar. en lo
siguiente, si la funcin F se da en la forma general, siempre vamos a suponer que la
integral es convergente. Esto implicara, para aplicaciones econmicas normales, que la
funcin integrando F tiende a cero cuando t tiende al infinito. Cuando se utilizan
funciones especficas, por otro lado, la convergencia es algo que debe ser verificado de
forma explcita.
La cuestin de la transversalidad
Las condiciones de transversalidad entrar en juego cuando nos encontremos con el tiempo
final o el estado final, o ambos, son variables. Cuando el horizonte de planificacin es
infinito, ya no hay un valor T terminal especfico para nosotros cumplir. Y el estado de la
terminal tambin puede dejarse abierta. Por lo tanto, son necesarias condiciones de
transversalidad.
Para desarrollar las condiciones de transversalidad, podemos utilizar el mismo
procedimiento que en el problema de horizonte finito. Esencialmente, esta condicin
surgir naturalmente como un subproducto del proceso de derivacin de la ecuacin de
Euler.
En el presente contexto, debe ser modificado6 (Ramseycass-koopmans, 17 Nov 2008)
[ . . ] + [ . ] = 0
donde cada una de las dos condiciones deben desaparecer individualmente. Dado que no
se fija ningn T en el presente contexto, es distinto de cero, y esto exige que el estado
6 (Ramseycass-koopmans, 17 Nov 2008)
40
lim . . = 0 [condicin de transversalidad para el horizonte infinito]
Esta condicin tiene la misma interpretacin econmica como condicin de la
transversalidad en el marco de horizonte finito. Si el problema se refiere a una empresa
de maximizar beneficios, por ejemplo, la condicin requiere la empresa para sacar el
mximo provecho de todas las oportunidades de beneficios.
En cuanto al segundo trmino si un estado terminal asinttica est especificado en el
problema:
lim () = = una constante dada
[que es la contraparte del horizonte infinito de y(t) = z en el problema del horizonte finito],
entonces el segundo trmino se desvanecer en su propio = 0 no es necesaria la
condicin de transversalidad. Pero si el estado terminal es libre, entonces debemos
imponer la condicin adicional
lim . = 0 (transversalidad acondicionado gratis estado terminal]
Esta condicin puede darse la misma interpretacin econmica como
condicin de la transversalidad para el problema del horizonte finito. Si el problema es
que una empresa de maximizar beneficios con el estado y la variable que representa el
stock de capital, el mensaje es para la empresa a utilizar todo su capital cuando
.Cabe aadir que si el estado terminal es libre y est sujeto a una restriccin como
entonces debe de utilizarse las condiciones de Kuhn-Tucker.
En aplicaciones prcticas, sin embargo, siempre podemos aplicar.
En primer lugar. Si la restriccin es satisfecha por la solucin, entonces
41
hemos terminado con el problema. De lo contrario, tendremos que utilizar como un
determinado estado terminal.
Aunque estas condiciones de transversalidad son intuitivamente razonables, su validez es
a veces en entredicho. Esto es porque en el campo de la teora de control ptimo,
supuestos y contra ejemplos han presentado para demostrar que la transversalidad
condiciones estndar no son necesariamente aplicables en problemas de horizonte
infinito. Y las dudas se han diseminado para el clculo de variaciones. Cuando lleguemos
al tema de control ptimo, sin embargo, tendremos que sostienen que estos no son
realmente
vlidos.
Condiciones de transversalidad7 (Accinelli, 2003)
En su clebre libro, Pontryagin et al. ocupan casi exclusivamente con problemas con un
horizonte de planificacin finita. La digresin slo en el caso de mal-funcional integral
es una discusin de tres pginas de un problema autnomo en el que la "Condicin del
lmite a infinito" se supone que tienen la forma especfica siguiente.
lim () =
En otras palabras, el horizonte infinito est especificado para ser acompaado por un
estado terminal fijo. En ese caso, se muestra que el principio de mxima condicin-
incluyendo la condicin de transversalidad para lo que hemos venido refiriendo a la lnea
de horizontal-terminal problema-aplicar como lo hacen a un problema de horizonte finito.
7 (Accinelli, 2003)
42
En el segundo caso, la condicin de transversalidad
[]= = 0
cuando el problema es autnomo, adems, el valor maximizado del Ha miltoniano es
conocida por ser constante a lo largo del tiempo, por lo que la condicin = 0 se puede
comprobar no slo en t = T, sino en cualquier momento de tiempo. En consecuencia, la
condicin de transversalidad perteneciente a un horizonte infinito problema autnomo
con la condicin del lmite puede ser expresada no slo como
lim = 0

pero ms ampliamente como
= 0, [0, )
El hecho de que la condicin de transversalidad para el problema de lnea horizontal
terminal puede ser adaptado desde el horizonte finito al horizonte infinito de contexto es
verosmil esperar que una adaptacin similar funcionar para otros problemas.
Si el estado de la terminal es libre cuando , por ejemplo, podemos esperar que la
condicin de transversalidad para tomar la forma
lim () = 0 [condicin de transversalidad para una condicin terminal libre]
del mismo modo, en el caso de la variable estado terminal est sujeta a un nivel mnimo
pre-especificados cuando , podemos esperar que el horizonte infinito la
condicin de transversalidad sea
lim () 0 y lim ()[() ] = 0

43
La Transversalidad condicin como parte de una condicin suficiente
aunque la condicin de transversalidad lim () = 0 no es universalmente aceptado

como una condicin necesaria para el horizonte infinito, problemas que implican una
condicin lmite hace entrar como parte integrante de una concavidad condicin
suficiente para tales problemas. En una forma amalgamada-combinar las disposiciones
de concavidad Mangasarian as como los de flecha la suficiencia teorema establece que
las condiciones en el principio del mximo son suficientes para el sistema mundial de
maximizacin de V en el problema del horizonte infinito.

Maximizar = 0 (, , )
S.a. , = (, , )
(0) = 0 (0 dado)
Si bien = (, , ) + (, , ) es cncavo en (y, u) para todos [0, ] o 0 =
(, , ) + (, , ) es cncavo en para todo , dado un .
lim ()[() () ] 0

Donde y*(t) denota la trayectoria de estado ptimo y(t) es cualquier otra trayectoria de
estado admisible. El estado terminal puede ser fija o libre. Tenga en cuenta que hemos
combinado la concavidad con las condiciones de Mangasarian sobre el y f funciones y
condicin de no negatividad para () hasta la condicin de concavidad en el
Hamiltoniano H. la concavidad de est en (, ), conjuntamente. En contraste, el
vectoar es la condicin que 0 sea cncavo en la una sola variable.
44
El lmite de la expresin es la contraparte del horizonte infinito de la
Expresin ()[() () ] que hemos encontrado anteriormente en la prueba
del teorema Mangasarian.
En dicha prueba, la expresin apenas citadas se muestra a desaparecer, de manera que el
resultado emerge, estableciendo V* para ser un mximo global. Pero, a fin de
establecer la maximalidad de V*, de hecho es tambin aceptable tener ()[()
() ] positivo.
A lo largo de la misma lnea de razonamiento que el estado restringe
el lmite de ()[() () ] para ser positivos o cero cuando .
Modelo neoclsico de crecimiento optimo
La funcin de produccin neoclsica estndar expresa el producto Y como una funcin
de dos insumos8 (Mangas):
mano de obra(L) y el capital (K).
Su forma general es
= (, )
Donde (, ) es una funcin linealmente homognea con las propiedades
> 0 > 0 < 0 < 0
Reescribiendo la funcin de produccin en trminos per cpita da
8 J. Lorenzo Escot Mangas
45
= (k) con (k) > 0 y () < 0
Donde y = y k = .
El producto total Y se asigna al consumo 0 a la inversin bruta I
Sea la tasa de depreciacin del inventario del capital . Entonces, la inversin neta a
los cambios del inventario de capital puede escribirse como
= =
Denotando el consumo per cpita como = podemos escribir como
K
=

El miembro derecho est en trminos per cpita, pero el izquierdo no lo est. Para unificar
observamos que
dk d dL dk
K = = () = +

Si la tasa de crecimiento de la poblacin es
dL

= de modo que = entonces se transforma en

K
K = knL + Lk sea = + k

La sustitucin de esto en la transforma en una ecuacin totalmente en trminos per cpita
k = ( + ) = () ( + )
Sea () la funcin de bienestar social expresada en trminos per cpita donde
() > 0 y () < 0 y para eliminar las soluciones de esquina tambin suponemos

46
() cuando 0
() 0 cuando
Si denota la tasa de descuento social y la poblacin inicial de normaliza a uno, la funcin
objetivo puede expresarse como

= () 0 = () ()
0 0

= () =
0
En esta versin del modelo neoclsico del crecimiento optimo, la utilidad se sopesa por
una poblacin que crece continuarme a una tasa n. sin embargo, si = > 0,
entonces el modelo no es diferente matemticamente de uno sin pesos de poblacin, pero
con una tasa de descuento positiva r.
Ahora el problema ptimo de crecimiento podemos enunciarlo como

Maximizar = 0 ()
S.a. , = () ( + )
(0) = 0 (0 dado)
0 () ()
Donde k es la variable de estado y c la variable de control
El hamiltoneado para el problema es
= () + [() ( + )]
47
Donde H es cncavo en c, el mximo de H corresponde a una solucin interior en la
regin de control 0 () (), y por lo tanto podemos encontrar el mximo de H a
partir de

= () = 0

sea () =
La interpretacin econmica es que a lo largo de la trayectoria optima, la utilidad marginal
del consumo per cpita debe ser igual al precio sombra del capital () descontado por .
Al verificar las condiciones de segundo orden, encontramos
2
= () < 0
2
Por lo tanto, se maximiza el hamiltoneano.
A partir del principio del mximo tenemos dos ecuaciones de movimiento.

, = = () ( + )

, = = [ () ( + )]

Las dos ecuaciones de movimiento combinadas con () = deben en principio
definir una solucin para , , . Sin embargo, para este nivel de generalidad no podemos
hacer ms que acometer el anlisis cualitativo del anlisis.
El hamiltoneano a valor presente
48
Como el modelo anterior es un ejemplo de un problema autnomo (t no es un argumento
separado en la funcin utilidad o en la ecuacin de estado, sino solo aparece en el factor
de descuento) podemos usar el hamiltoneano a valor presente escrito como
= = () + [() ( + )]
Donde =
El principio del mximo requiere que

= () = 0

o sea = ()

, = = () ( + )

, = + = [ () ( + )] +

= [ () ( + + )]
Estas dos ltimas ecuaciones constituyen un sistema de ecuaciones diferenciales
autnomas esto hace posible un anlisis cualitativo mediante el diagrama de fase.
Construccin de un diagrama de fase
Las variables de las ecuaciones son k y u. Cmo en las ecuaciones anteriores implica una
funcin de a saber () en ves de sola, seria mas sencillo construir un diagrama de
fase en el espacio en vez del espacio . Para hacer esto trataremos de eliminar .
Como = (), mediante la diferenciacin respecto a nos da
49
= () .
La sustitucin de estas expresiones de , en la ecuacin da
()
= [ () ( + + )]
()
Que es una ecuacin diferencial en . Ahora tenemos el sistema de ecuaciones
diferenciales autnomas
= () ( + )
()
= [ () ( + + )]
()
Para construir el diagrama de fase en el espacio kc, dibujamos primero las curvas = 0
la ecuacin tiene la misma
Para construir el diagrama de fase en el espacio kc, dibujamos primero las curvas =
0 = 0
= () ( + ) ( = 0)
() = + + ( = 0)
Estas dos curvas se ilustran en la siguiente figura
50
La ecuacin para la curva = 0 tiene la misma estructura que la ecuacin fundamental
del modelo de crecimiento de solow.
Entonces la curva = 0 tiene la misma forma general que la siguiente figura.
51
Por otro lado, la curva = 0 se grafica como una lnea vertical ya que dadas las
especificaciones del modelo () > 0 y () < 0, () se asocia con una curva
cncava con pendiente hacia arriba, con una pendiente diferente para cada uno de los
puntos en la curva, de modo que solo un valor nico de pueda satisfacer. La interseccin
de las dos curvas en el punto E determina los valores de equilibrio Inter temporal de y
, ya que para el punto E, ni ni van a cambiar de valor respecto al tiempo, lo que
conduce a un estado permanente. Podemos rotular estos valores como y para los
valores de equilibrio Inter temporal, pero vamos a denotarlos como y , ya que
tambin representan a los valores de equilibrio para el crecimiento ptimo9.
Anlisis del diagrama de fase
El punto de interseccin E de la figura1 nos da un estado permanente nico. pero qu
ocurre si inicialmente nos encontramos en algn punto que no sea E? Regresando a
nuestro sistema de ecuaciones diferenciales de primer orden podemos deducir que

= 1 < 0

()
= () < 0
()

Como < 0, todos los puntos debajo de la curva = 0 se caracteriza por > 0 y

todos los puntos arriba de la curva < 0. En forma similar, dado que < 0, todos los

puntos a la izquierda de la lnea = 0 se caracterizan por > 0 y todos los puntos a la
9 Ahorro: un enfoque de control ptimo Juan Marcos Ortz Olvera, Economa Informa nm. 370
septiembre -octubre 2011
52
derecha de la lnea de < 0. Entonces la curva = 0 y la lnea = 0 dividen el
espacio de fase en cuatro regiones, cada una con sus propios pares de signos de y .
estos se reflejan en la figura siguiente.
Mediante las flechas direccionales en Angulo recto en cada regin
Las lneas de corriente que siguen las flechas direcciones en cada regin nos dicen que el
estado permanece en el punto E. pero cualquier punto inicial que no est situado sobre
una rama estable nos va a obligar, ya sea a bordear alrededor del punto E, sin alcanzarlo
nunca, o a alejarse consistentemente de l. Si seguimos las lneas de corriente de los
ltimos casos, finalmente terminaremos cuando ya sea como = 0 agotamiento
del capital o = 0 consumo per cpita que disminuya hasta cero, siendo los dos
econmicamente inaceptables. As, la nica alternativa viable es escoger al para (, ) a
fin de ubicar nuestra economa sobre una rama estable, por as decirlo, un camino de
ladrillos amarillos que nos lleve al estado permanente en E. No hemos hablado
53
explcitamente acerca de la condicin de transversalidad, pero si lo hubiramos hecho nos
hubiera guiado al estado permanente E, donde el consumo per cpita puede conservarse
a un nivel constante a partir de ese momento.
54
Conclusiones
El objetivo en un problema de control optimo es encontrar la trayectoria ptima de la
variable de decisin, que maximiza un valor funcional.
Este problema es mucho ms complejo que encontrar el mximo de una funcin mediante
el empleo de clculo estndar. Esto obedece a que la solucin consiste en una funcin
completa la trayectoria temporal de la variable de decisin.
En problemas matemticamente complicados, puede resultar til iniciar por una
aproximacin numrica a la solucin. Ciertamente, los matemticos y economistas suelen
converger en buscar dichas aproximaciones para con ello revisar su validez.
El xito de la aproximacin propuesta depender de igual modo de la intuicin,
experiencia y de la suerte.
En una solucin de control ptimo, claramente, no es realista tratar de adivinar la forma
exacta de la trayectoria temporal de la variable de decisin. Pero, para propsitos
analticos se puede conjeturar que la trayectoria temporal de la variable de decisin es
conocida.
La funcin de valor ptimo muestra la relacin entre los niveles de ahorro y el retorno de
sus activos, asumiendo aversin al riesgo y comportamiento ptimo. Al derivar la funcin
de valor ptimo se genera el valor de una unidad de ahorro y as como su precio sombra
La necesidad de la convergencia de la integral obedece al hecho de que si no esto no
sucediere pudieran existir demasiadas funciones candidatas a ptimo y decidir sobre ellas
suele ser una tarea ardua y difcil.
55
En muchos problemas de horizonte temporal infinito es imposible encontrar
analticamente la trayectoria de la variable de estado por lo que se debe optar por analizar
el problema cualitativamente mediante un diagrama de fase.
56
Bibliografa
El modelo de Ramsey, C. P. (2012). Crecimiento Econmico Notas de clase. En l. i.
2012, Crecimiento Econmico Notas de clase. Argentina, Buenos Aires.
Accinelli, E. (2003). Pro Matemtica VOL XVII. En E. Accinelli, Nota sobre las
condiciones de transversaliad en problemas de control ptimo.
al., C. e. (2016). / Revista de Investigacin en Modelos Matemticos Aplicados a la
Gestin y la Economa . En C. e. al., / Revista de Investigacin en Modelos
Matemticos Aplicados a la Gestin y la Economa (pgs. 235 - 250 ).
Bonifaz F., Jos Luis; Lama C., Ruy. (1999). Optimizacin Dinmica y teora
econmica. Lima.
Bonifaz, J. L. (2013). Optimizacin Dinamica y Teora Econmica. Lima: Centro de
Investigacin de la Universidad del Pacfico.
Chiang, A. (184). Mtodos fundamentales de Economa Matemtica. En A. Chiang,
Mtodos fundamentales de Economa Matemtica (pgs. 647 - 649). Mxico:
INTERAMERICANA EDITORES, S. A. DE C.V.
Chiang, A. C. (2006). Mtodos Fundamentales de Economa Matemtica. Mexico: the
McGraw-Hill Companies, Inc.
Dixit, A. (1993). Optimization in Economic Theory. En A. Dixit, Optimization in
Economic Theory (pgs. 154 - 155). oxford : Oxford University Press.
Mangas, J. L. (s.f.). Optimizacin Dinmica. En J. L. Mangas, Optimizacin Dinmica.
Espaa: Universidad de Sevilla Eva del Pozo Garcia.
Ramseycass-koopmans, B. Z. (17 Nov 2008). Optimizacion dinmica y modelos de
crecimiento con consumo ptimo. En B. Z. Ramseycass-koopmans,
57
Optimizacion dinmica y modelos de crecimiento con consumo ptimo. Apuntes
de economa ISSN 1794-029X - Universidad ICESI.
Ahorro: un enfoque de control ptimo Juan Marcos Ortz Olvera, Economa Informa
nm. 370 septiembre -octubre 2011
58

More Trabajo Final

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

More Trabajo Final

Uploaded by

Copyright:

Available Formats

Teora del control ptimo

Teora, supuestos y Aplicaciones Econmicas

UNIVERSIDAD NACIONAL FEDERICO

A nuestros padres, por estar con nosotros, por

ensearnos a crecer y a levantarnos cada vez que hemos

podido caer, por apoyarnos y guiarnos, por ser las bases

que nos ayudaron a llegar hasta aqu.

El presente trabajo es dedicado tambin a aquellas

personas que pudieron haber servido de gua para este

trabajo de investigacin, con las cuales estaremos

Conforme ha ido evolucionando la teora econmica, las tcnicas de optimizacin

ciencia econmica formule y explique diversos problemas de una manera ms rigurosa y

Al desarrollar el tema de optimizacin empezamos abordando el tema de optimizacin

esttica. En la optimizacin esttica, la tarea es encontrar un valor individual para cada

cualquiera que sea el caso. El problema en la optimizacin esttica es que no se contempla

la dimensin del tiempo. En contraste, el tiempo interviene en forma explcita y

prominente en el problema de optimizacin dinmica, y para ello necesitamos las

herramientas del anlisis dinmico como las ecuaciones diferenciales, ecuaciones en

diferencias e integrales; para abordar este tema.

La optimizacin dinmica estudia la obtencin de la solucin ptima de sistemas

evolucionan en el tiempo, susceptibles de influencia mediante decisiones externas. La

problema a estudiar. En general, la decisin ptima en un contexto dinmico no se

instantes o periodos que constituyen dicho contexto dinmico.

decisiones ptimas a largo plazo. la utilizacin de tcnicas de optimizacin dinmica

permite obtener la solucin ptima en cada caso.

Esta monografa se encuentra compuesta por cinco partes. En la primera se deriva la

condicin de primer orden al problema de control ptimo, tambin conocido como

principio del mximo. En la segunda, se explican las condiciones de transversalidad para

resolver el problema de control ptimo cuando se establecen condiciones alternativas para

el valor final de la variable de estado. En la tercera seccin, se revisan las condiciones de

suficiencia del problema de control ptimo. En la cuarta, se compara las similitudes

existentes entre el problema de control ptimo y el del clculo de variaciones, y se explica

seccin, se desarrolla el problema de control ptimo para el caso de un horizonte temporal

Planteamiento del Problema

Al desarrollar problemas de optimizacin esttica, slo nos ubicbamos en un instante de

encontramos con la limitacin de la optimizacin esttica.

optimizacin podemos hallar soluciones cundo el tiempo Interviene de manera explcita.

Podemos buscar soluciones ptimas para periodos de tiempo, es decir podemos

desarrollar problemas ms complejos.

dinmica especficamente de la teora del control ptimo. Hemos indagado en distintas

fuentes, comparamos la informacin encontrada, analizamos e hicimos un resumen con

la informacin ms importante que debemos saber de este tema

Determinar la estructura bsica de la optimizacin dinmica

Analizar la teora de control optimo

Demostrar los Principios del Control Optimo

Aplicar la teora para solucionar problemas econmicos

Se puede considerar que la optimizacin dinmica tiene races en el clculo de

variaciones, la teora de control y la programacin lineal y no lineal.

1783) y la de Lagrange (1736-1813) la forma de una teora matemtica rigurosa.

lneas curvas con propiedades de mximo y mnimo, o la relacin del problema

isoperimtrico tomado en su sentido ms amplio, que es el primer libro en la historia sobre

clculo diferencial. Dicha idea de variaciones dara el nombre a la nueva disciplina.

Otras aportaciones importantes al clculo de variaciones se deben a Legendre (1752-

1833), Jacobi (1804-1851), Hamliton (1805-1865), Weierstrass (1815-1897), Bolza

(1857-1942) y Bliss (1876-1951).

El clculo de variaciones se aplic, tras el descubrimiento sobre la fsica, especialmente

El desarrollo sistemtico de la teora del control se inici en estados unidos alrededor de

1930 en el campo de las ingenieras elctrica y mecnica.

Durante la segunda guerra mundial aparecieron sistemas de control en los que la

transicin eran ms importantes que la quietud: es la clase de los servos mecnicos,

sistemas de persecucin. Por ejemplo, el sistema de control para un arma de fuego

teora clsica de control, basado en el dominio frecuencia. Se comprob que las

ecuaciones diferenciales que describan la dinmica del sistema eran a menudo

intratables, pero pasando al dominio frecuencia de Laplace se producan resultados