Está en la página 1de 80

UNIDAD I

Conceptos Bsicos y Clculo de


Variaciones
1.-Conceptos bsicos
Consideremos un monto de dinero

que se deposita en un banco,

por un periodo de t aos, a la tasa de inters anual i .


Cul ser el monto de dinero a retirarse al finalizar el ao t ?
Dnde:
n=

nmero de capitalizaciones

Capitalizacin : Es acumular interses a un monto de capital inicial.


CASO 1 : Capitalizacin anual
Aos

(n=1)

Monto Final

1 ao
2 ao

M + i M =M (1+i)

M ( 1+i ) +i M ( 1+i ) =M( 1+i)2

3 ao
M (1+ i)2 +i M (1+i)2= M (1+i)3

t aos
t

M (1+i)

CASO 2 : Capitalizacin semestral (n=2)


Aos

Monto Final

i
i
M + M = 1+
2
2

( )

1 ao

i i
i
i
+ M 1+ =M 1+
2 2
2
2

( )

M 1+

2 ao

( ) ( )
2

i
i
i
i
+ M 1+ =M 1+
2
2
2
2

i 4 i
i 4
i
+ M 1+ =M 1+
2
2
2
2

i 5 i
i 5
i
+ M 1+ =M 1+
2
2
2
2

i 6 i
i 6
i
+ M 1+ =M 1+
2
2
2
2

i 7 i
i 7
i
M 1+ + M 1+ = M 1+
2
2
2
2

i
i
i
1
+ M 1+ =M 1+
2
2
2
2

( )

M 1+

( )

M 1+

( ) ( )
( ) ( )

3 ao

( )

M 1+

4 ao

( )

M 1+

( )

M 1+

( )

( ) ( )

( ) ( )
( ) ( )
( ) ( )

Comprimiendo por ao:


Aos

1 ao
2 ao
3 ao
4 ao
t aos

Monto Final

i
2

i
2

i
2

i
M 1+
2

( )

M 1+

( )

M 1+

( )

M 1+

( )
i
2

2t

( )

M 1+

Caso 3 : Capitalizacin cuatrimestral (n=3)


Ao

Monto final

i
i
M + M =M 1+
3
3

( )

1 ao

i i
i
i
M 1+ + M 1+ =M 1+
3 3
3
3

( )

( ) ( )
2

i
i
i
i
+ M 1+ =M 1+
3
3
3
3

i 4 i
i 4
i
M 1+ + M 1+ =M 1+
3
3
3
3

i 5 i
i 5
i
+ M 1+ =M 1+
3
3
3
3

i 6 i
i 6
i
M 1+ + M 1+ =M 1+
3
3
3
3

i 8 i
i 8
i
+ M 1+ =M 1+
3
3
3
3

i 8 i
i 8
i
+ M 1+ =M 1+
3
3
3
3

i
i
i
i
M 1+ + M 1+ =M 1+
3
3
3
3

( )

( )

M 1+
2 ao

( )
( )

M 1+

( ) ( )

( ) ( )

( ) ( )

( ) ( )

3ao

( )
( )

M 1+

( )

M 1+

( ) ( )
( ) ( )
( ) ( )

Comprimiendo por ao:


Ao

Monto final

1ao

2ao

i
3

i
3

i
3

i
3

3t

( )

M 1+

( )

M 1+

3ao

( )

M 1+
t aos

( )

M 1+

Generalizando: n capitalizaciones al ao
No de
capitalizaciones

En General

n=1

i
n

n (t )

M 1+

n (t )

n=2

i
M 1+
n

n=3

i
n

n (t )

M 1+

n=n

i
M 1+
n

n (t )

Monto Final

( )

M ( 1+i )t
i
2

2t

i
3

3t

i
n

nt

( )

( )

M 1+

( )

( )

M 1+

( )

( )

M 1+

Considerando n capitalizaciones al ao, el monto final a retirarse al


finalizar el ao t ser S :

i
S=M 1+
n

( )

nt

Ejemplo:
Willy deposita 10 000 s/. en un banco, durante 5 aos, a la tasa de inters
anual de 10% ; el banco capitaliza intereses cada trimestre, al terminar el
quinto ao. Cul ser el monto que retirara Willy del banco?
M =10 000 S /.

t=5 a os

i=10 =0.1

i
n

nt

( )

S= 1+

n=4

S=( 1.025 )20 (10000)

S=1.6386164 (10000)

S= 1+

0.1
4

4 (5 )

(10000)

S=16386.2

S=( 1+0.025 )20 (10000)

1.1.-Factor de capitalizacin discreto


Sabemos:

i
n

nt

( )M

S= 1+

Si asumimos lo siguiente:

i
Z = 1+
n

nt

( )

Z= factor de capitalizacin discreto, dado que:

+ ; n=1,2,3, .
n Z

Recordemos del ejemplo anterior:


S=ZM S=1.6386164 ( 10 000 )

Observe que:

S=16386.2

Z =1.6386164

Caractersticas del factor de capitalizacin:

1.- Z

es un nmero puro (un nmero sin unidad de medida como

los nmeros ndice o factor)


2.- Z

depende de tres argumentos: i, n , t ; donde Z se relaciona

de manera directa con estos tres argumentos:

Z =Z ( i, n , t )

Examinando:
i

10

1.63862

*Cuando vara i, Z aumenta o disminuye.


i

15

2.08815

*Cuando vara n , Z aumenta o disminuye.


i

10

1.64194

*Cuando vara t, Z aumenta o disminuye.


i

10

10

2.68560

3.-

es un nmero puro cuyo valor est comprendido en el

siguiente intervalo.
a) Si la

i=0

Z =1

b) Si la i0 Z=1
4.- Finalmente Z

permite expandir valores presentes, en valores

futuros, sea conocer su monto en el futuro.

1.2.-Factor de descuento discreto

Es la inversa del factor de capitalizacin discreto.


1
= =Z1
Z

Sea:

= 1+
n

nt

Caractersticas del factor de descuento:


1.-

es un nmero puro.

2.-

depende inversamente de la tasa de descuento

nmero de capitalizaciones y el tiempo:

( i ),

el

= ( , n ,t )

3.- Si la i= entonces podemos inferir lo siguiente:


a) Si 0=1
b) Si 0 1
Entonces

es un nmero puro (ndice o parmetro) comprendido

en el intervalo de:

01

4.- Finalmente permite reducir valores


presentes.

futuros en valores

Ejemplo:
Los padres de Maribel le otorgaron un premio de 8000s/. al terminar sus
estudios de 5 aos. Actualmente la tasa de inters anual es de 5% (0.05) y
considerando capitalizacin mensual.
Cul ser el monto actual o el valor actual del premio, si Maribel
actualmente est cursando el 3er ao de estudios?

ao

1 ao
1 ao

Periodo de estudios
1 ao
1 ao

2012
2013
2017
2018

2014

1 ao
2015

1
2016

S=8000

n=12

i=5

t=3

S i= entonces:

nt

( )

M =S 1+

M =8000 1+

M =8000

12 ( 3 )

0.05
12

1
240

36

241
240

36

( )

M =8000(0.860976)
M =6887.8099

M =8000 1+

M =6887.81

Adems:
Valor final = VF = S

Valor actual = VA = M

Notemos que l factor de descuento est reduciendo el VF al 86% .

1.3.-Factor de capitalizacin contino


Sabemos:

Si

i=10 t=1

12

1.1047130

100

1.1051156

10000

1.1051703

100000

1.1051708

Qu ocurre con Z si

nt

n ?

i
n

nt

( )

lim Z=lim 1+

Se busca encontrar:
Analizando;

i
n

( )

Z = 1+

Replanteando:

( ni )

[ ( )]

lim ln Z=lim n . t ln 1+

nt

ln Z =ln 1+

i
n

[ ]
( ni )

ln 1+

Luego:

lim ln Z=lim

i
lim ln Z=lim ln 1+
n
n
n

nt

( )

1
n.t

[ ( )]

lim ln 1+
lim ln Z=

lim

i
n

1
n.t

0
0

lim ln Z=
n

Si observa que el lmite es una forma indeterminada especial por lo que es


necesario aplicar la regla de L Hospital.

( ni ); a( n)= nt1

x ( n )=ln 1+

Luego:

Segn la regla de L Hospital

lim ln Z=lim
n

x (n)
a(n)

lim ln Z=lim
n

Sabemos:
x ' ( n )=

i
(
i n )
1+
2

'

a ( n )=

1
n2 t

Luego:

[ ]
2

i/n
1+i/n
lim lnZ =lim
1
n
n
n2t

[ ]
x ' (n)
a ' (n)

[][

i
2
n

i
1+
2
n (n+ i)
n
lim
=lim
1
1
n
n
2
n t
n2 t

n+i

3
i n t
=lim
n2 (n+i) n
lim

lim
n

[ ]
it

1+

i
n

=it

Finalmente:

lim lnZ =it


n

Tomando antilogaritmos:
lim elnz =e it lim Z=e it
n

Ejemplo:
Un monto de dinero s/. 18 000 es depositado en un banco que ofrece pagar
una tasa de inters de 5%. Cul ser el monto a retirarse despus de
9aos?
a) Considere 12 capitalizaciones por ao.
b) Considere que el nmero de capitalizaciones tiende al infinito.

a) Con capitalizacin discreta:


b)
c)

f)

12 ( 9)

0.05
12

1
240

108

S= 1+

( 18 000 )

i)

S=28203.23969

g)
h)

d)

S= 1+

e)

. 18 000

S=s /.28203 .23

j) Con capitalizacin
continua:
k)
l)

( 0.05) ( 9 )

S=e

o)

( 18 000 )

q)

m)
n)

p)

S=e0.45 (18 000)

r)

S=28 229.61934
S=s /.28 229.61

s)

t) Factor de descuento contino


1.4.u)
v)

Es la inversa del factor de capitalizacin continuo:


w)
x)

=et

Donde : =i

y)

z)
En finanzas los montos de dinero se comparan en el mismo
momento de tiempo, es decir en un mismo periodo, actual o futuro pero
no mezclado.
aa)

1.5.ab)Diferencias entre la optimizacin


ac) esttica y dinmica:
ad)
ae)

Optimizacin esttica

af)

Caractersticas:

ag) 1.- Existe una funcin objetivo sujeto a restricciones


(ecuaciones algebraicas)
ah)

2.- Existe dos tipos de variables: endgenas y exgenas.

ai) 3.- La solucin es una forma reducida y considerando valores


fijos de las variables exgenas ser un conjunto de nmeros reales.
aj) 4.-Todas las variables son contemporneas (todas las variables
pertenecen al mismo periodo de tiempo)
ak)

Optimizacin Dinmica

al)

Caractersticas:

am) 1.- Existe un funcional objetivo sujeto a restricciones


(Ecuaciones diferenciales o ecuaciones en diferencias)
an)

2.- Existen dos tipos de variables estado y control.

ao) 3.- La solucin est conformada por funciones dinmicas de


estado o control.
ap) 4.- Las variables son intertemporales (las variables pertenecen
a diferentes momentos de tiempo)
aq)

1.6.-Funcional
objetivo
ar)
as) Es una aplicacin donde su dominio es un conjunto de
funciones y el rango un conjunto de nmeros reales, adems a todas
las funcionales se asocia un costo y un beneficio (ventaja y
desventaja).
R1 = R1(t)

at)

V1=15 min

R2

R2 = R2(t)

au)

V2=30 min

R1

av)

R3 = R3(t)

V3=120 min
aw)

Entonces: V =V ( f ) V =[ f (t ) ]

R3

ax) Formalizando:
ay)

Consideremos la funcin dinmica

y= y (t )

y adems dos

puntos inicial y final:


ba)

az)

y ( 0 )= y 0 y 0 fijo

bb)

y (T )= y T yt fijo Observe que se ha establecido un intervalo de

tiempo para el anlisis:


y (t)

t [ 0, T ]

Cul ser el mejor recorrido de

entre el punto inicial y el punto final?

bc) Dependiendo de la trayectoria dinmica elegida, se asumir un


costo o beneficio, por lo tanto se tendr un conjunto de relaciones
entre trayectorias costos y beneficios, de este conjunto la mejor
trayectoria ser aquella que maximic los beneficios o minimic los
costos.
bd)
bf)

Trayectoria

bg)

be)Costo o beneficio
bl)

y 2 (t)

bm)

y 3 (t)

V2
V3

bn)

bo)
bp)

bh)
bi)
bj)
bk)

V1

y 1 (t)

bq)
y (t)

br) V

bs)
bt)

Adems se debe observar que los costos o beneficios

dependern de la trayectoria elegida

y (t)

; es decir existe la

siguiente relacin funcional:


bu)

V =V [ y ( t ) ]

bv)
R

bw)
bx)

El grafico que representa estos datos por lo tanto ser:

by)
bz)

ca)

Yt

cb)

Y2(t)

cc)
cd)

ce)

Y1(t)

Y0

cf)

cg)

ch)

Y3(t)

ci) Qu es el funcional?

cj) Es una aplicacin en la que el dominio es un conjunto de funciones y


el rango un conjunto de nmeros reales.
ck) y=x +1 y=f ( x )
cl)
cm)
Regla de transformacin o aplicacin
cn)Si asumimos o asociamos un objetivo de maximizacin o
minimizacin al funcional, se tendr al funcional objetivo:
co)
cp)Maximizacin V =V [ y ( t ) ]
cq)
V =V [ y ( t ) ]

cr) Minimizacin

cs)
ct) En general optimizar

V =V [ y (t) ]

cu)
cv)
cw)
cx)

2.-Calculo de variaciones
cy)

cz)
Para entender la metodologa de clculo de variaciones de
manera preliminar, presentaremos el siguiente caso:
da)

Consideremos dos puntos A= (2,5 ) y B=( 7 ; 12 ) . Cul es la

distancia mnima entre dichos puntos?


db)

Solucin 1

dc)
Tomando en cuenta el teorema de Pitgoras la respuesta sera
la siguiente:
dd)
de)
12

R =7 +5

Y
2

R =49+25

df)

R =74

dg)

R= 74

A
dh)

R=8.6

di)

dj)
dk)
dl)

Solucin 2

dm) Se busca la distancia mnima entre A y B asumiendo que el


recorrido sea una lnea curva, a travs del clculo de variaciones lo
plantearemos de la siguiente manera:
dn)
Si tomamos un trozo o segmento de dicha curva y lo
analizamos, tendremos lo siguiente:
do)
dp)

dq)

12

dr)
ds)

dt)

du)

dv)
dw)

Segn el teorema de Pitgoras se puede hallar R:


( dR )2= ( dy )2+ ( dt )2

dx)

( dR )2 ( dy )2 ( dt )2
=
+
( dt )2 ( dt )2 ( dt )2

dy)

dR 2 dy 2
=
+1
dt
dt

( ) ( )

dz)

dR
=
dt

ec)

ea)

dy 2
+1
dt

eb)

dR=

dy 2
+1 dt
dt

dR= ( y ) +1 dt
2

La distancia total ser una suma de segmentos dR entre los

puntos A y B.
7

ed)

D= 1+ y 2 dt

ee)

El problema ser:

Distancia entre A y B

ef)

Minimizar

eg)

Sujeto a:

D= 1+ y 2 dt
2

y (2 )=5 y ( 7 )=12

eh)
ei)

2.1.-ej)El Problema de Clculo de


ek)
el)variaciones

em)
en)
eo)
El problema de clculo de variaciones
consiste en encontrar la trayectoria ptima de estado en un horizonte
de tiempo definido de tal forma que el funcional sea maximizado o
minimizado.
ep)
eq)
Optimizar
un
funcional:
T

V [ y ]= f ( y , y , t ) dt
0

er)

Sujeto a: y ( 0 )= y 0 y (T )= y r

es)
et)
eu)
ev)
V =V [ y ]

Dnde:
y= y ( t )

de

estado

funcional

ew)
ex)
y ( 0 )= y 0

Variable

f ( y , y , t )

Funcin

intermedia

Condicin inicial

ey)
ez)
fa)
fb)
fc)
fd)

y (T )= y T
t [ 0,T ]

Condicin terminal o final


Horizonte temporal de anlisis

fe)

Ejemplo

ff)
fg) Una firma monopolista presenta la siguiente funcin de costos
2
c=Q +Q+1, la produccin de esta fIrma no se almacena, por lo
tanto la cantidad producida siempre es igual a la cantidad
demandada, por otra parte la cantidad demandada depende tanto del

precio P (t ) como de la tasa de variacin de precio P y cuya

funcin de demanda es Q=22 P+ P .


fh) Plantee el problema de clculo de variaciones tomando en cuenta un
intervalo de tiempo [ 0,5 ] , un precio inicial de 3 y un precio final
de 6 .
fi) El objetivo del monopolista es maximizar sus beneficios o ganancias,
como cualquier empresario o ente econmico.
fj) Teniendo en cuenta esto, planteamos las funciones que determinan el
problema.
fk)
fl) Funcin de beneficios:
=ingresos costos ( 1)

fm)

fn)
fo) Sabemos:
fp) Ingresos= Precio x cantidad
fq)

I =P .Q

fr)
fs)

I =P ( 22 P+ P ) I =2 P2 P2 + P P (2)

ft)
fu) Costos

C=Q2+ Q+ 1

fv)
2

fw) C=( 22 P+ P ) + ( 22 P+ P ) +1
fx)
fy)

C=4 + ( 4 P 2 )+ P 2+ 2 [ (4 P )+ (2 P P )+ ( 2 P ) ]+22 P+ P+1

fz)

ga) C=4 +4 P + P 8 P4 P P +4 P+ 22 P+ P+1

gb)

2
2

gc) C= P + 5 P4 P P + 4 P 10 P+7 (3)

gd)
ge)Remplazamos ( 2 )
gf)

( 3 ) en ( 1 ) :

gg) =I C
gh)
gi)

(P
2+ 5 P4

4 P210 P+7 )
=2 P2 P2+ P P
P P+

gj)
2
2
2

gk) =2 P2 P + P PP 5 P+ 4 P P4 P +10 P7

gl)
gm)

2
2

=7+12 P6 P +5 P P5
PP

gn)

go)
gp)

En general:

gq) = ( P , P ) = ( P , P ( t ) )

gr)
gs)El monopolista busca maximizar las ganancias en el intervalo de
tiempo
gt) t [ 0 ;5 ] es decir:
gu)

i=0

i dt

gv)
5

gw)

, P ) dt
(P
max =
0

gx)
5

gy) max

P
2 ) dt
= (7+12 P6 P25 P+5
PP
0

gz)
ha)
hb)
hc)
hd)
Las condiciones del problema son:
he)
hf) P (0)=3 condicin inicial
hg)
P (5)=6 condicin final
hh)
hi) El problema es maximizar ganancias acumuladas que dependen del
tiempo:
hj)
hk)

Max
5

5P P
P 2 ) dt
[ P ]= ( 7+12 P6 P 25 P+
0

hl)
hm)

s . a. P ( 0 )=3 P ( 5 )=6

hn)

2.2.ho) Metodologa de Solucin


hp)
La solucin consiste en encontrar la mejor
trayectoria dinmica que maximice los beneficios.
hq)
1.- Condicin de primer orden: Ecuacin
de Euler
hr) Nos permite seleccionar de un conjunto de trayectorias admisibles de
un conjunto de estado aquella que resolver el problema.
hs)Dada la funcin intermedia: f =f ( y , y , y )
ht)
hu)

d
La Ecuacin de Euler es: f y = dt ( f y )

hv)
Toda ecuacin de Euler debe ser una
ecuacin diferencial de segundo orden y si no es de segundo orden
tendr algunos defectos.

hw)
f y =

hx)
hy)
hz)
ia)
ib)
ic)
id)
ie)

f y=

Dnde:

df
dy

df
d y

Desarrollando la ecuacin de Euler:


d
fy ( y , y ,t )= [ f y ( y , y , t ) ]
dt
fy=

df y d y df y dy df y dt
+
+
dy dt
dy dt dt dt

fy=f y y Y +f y y Y + f y t ..()
fyf y t=f y y Y +f y y Y

if)

ig) f y y Y + f y y Y =fyf y t
ih)
ii) Dividimos todo entre f y y
ij)
ik)

y +

f yy
fyf y t
Y=
f y y
f y y

il)
im)

Adems:

f y y =a fyf y t
=b
f y y
f y y

in)
io) x + a x =b y=x
ip)
iq) Se aprecia que la Ecuacin de Euler efectivamente se trata de una
ecuacin diferencial de 2do orden dado que la variable de estado
presenta derivadas con respecto al tiempo hasta de segundo orden.
ir)
is)
it) Procedimiento para resolver un problema de clculo de
Variaciones
iu)
iv) El problema consiste en:
iw)

ix) Optimizar el funcional

V [ Y ( t ) ] = f ( y , y ,t ) dt
0

iy)
iz) Sujeto a: Y ( 0 )=Y 0 Y ( T )=Y T
ja)
jb) Metodologa de Solucin:
jc)
jd)
Se identifica la funcin: f =f ( y , y ,t )
1) Aplicar la condicin de primer orden : Ecuacin de Euler
je)

fy=

df y
dt

jf)
Luego debe resolverse la ecuacin de
Euler para encontrar la funcin dinmica general y= y ( t ) .
2) Aplicar la condicin final Y 0=Y (0)
3) Aplicar la condicin de transversalidad:
jg) [ f y ] t=T Y T + [ f y f y ]t =T T =0
4) Aplicar la condicin final T T =Y (T )
jh)
Adems tenemos que tener en cuenta lo
siguiente:
YT,T
ji)
*Si en
es conocido entonces
T es fijo.
YT,T
jj)
*Si en
no es conocido
entonces T es libre.
jk)
jl)
jm)
jn)
jo) Sabemos: [ f y ] t=T y T + [ f y f y ]t =T T =0
jp)
jq) Dnde:
jr)
Y
js) T
Es el valor de estado en el ltimo instante del horizonte
temporal.
jt) T Es el horizonte temporal en el cual se llega al objetivo, o en el
cual se realiza el objetivo.
ju)

2.3.-Condiciones de Transversalidad

jv) Dependiendo de la condicin terminal (final) y (T )= y T se tendr


varios casos:
jw)
Y
jx) CASO 1: T fijo y T fijo
jy)
kb)
S
Y
T T =0
jz) Si t es fijo T =0
i T es fijo
ka)
kc)
Y
kd)
YT
ke)
kf)
kg)
kh)
Y0
ki)
kj)
kk)
kl)
T
t
km)
kn)
Incorporando en la condicin de
transversalidad general se verifica el cumplimiento automtico por lo
que no ser necesario aplicar ninguna condicin de transversalidad
especial, bastara aplicar las condiciones inicial y final para resolver
el problema.
ko)
Y
kp)
CASO 2: T libre y T fijo
kq)
ks)
T 0
Y
Y T =0
kr) Si T libre
kt) Si T fijo
ku)
kv)
Y
kw)
YT
kx)
ky)
kz)
la)
Y0
lb)
lc)
ld)
le)
t
lf)
lg) Entonces la condicin de transversalidad es:


lh) [ f Y f y ]t=T =0

li)
Y
lj) CASO 3: T fijo y T libre
lk)
Y
YT 0
ll) Si T T =0
ln) Si T libre
lm)
lo)
lp)
lq)
Y
lr)
YT
ls)
lt)
lu)
lv)
Y0
lw)
lx)
ly)
lz)
T
t
ma)
mb)
Entonces la condicin de transversalidad
es:
[ f y ] t=T =0
mc)
md)
YT
me)
CASO 4: T libre y
libre
mf)
a) Curva terminal: El valor de estado en el ltimo instante del horizonte
temporal es una funcin del tiempo.
YT
mg)
Asumimos que
es una funcin de
T
T =Y T = )
YT

y T

mh)

Entonces

por
mi)

Observe diferenciando totalmente:

mj)

Si d

mk)

Si

ml)

Y T =(T )

d Y T=

d (T )
dT
dT

estn relacionadas

Y T = ' (T ) T

mm)
mn)

[ f y ] t=T Y T + [ f y f y ]t =T T =0

mo)
mp)

f y Y T + ( f y f y ) T =0

mq)
mr)

f y ' ( T ) T + ( f y f y ) T =0

ms)
mt)

T ( f y ' T + f y f y ) =0

mu)
mv)

T [ f y ( ( T ) y ) + f ]=0
'

mw)

mx)
my)

Recordando:

mz)

[ f + f y ( ( T ) y ) ]
'

t=T

T =0

na)
nb)

Pero T 0 dado que T es libre.

nc)

Se exige:

nd)
ne)
nf)
ng)

[ f + ( ( T ) y ) f y ]
'

t=T

=0

nh)
ni)
YT

nj)

nk)
nl)
nm)
nn)

Y0

no)
np)
nq)
nr)
ns)
Y
b) Asumiendo que T
independiente de T o

no es una funcin de T es decir que


Y TT

no estn relacionados.

t
YT

es

nt)

Si

no hay un punto
dar
nu)

YT

YT

YT

no est en funcin de t entonces

en el grafico porque ningn valor de tiempo

.
nv)

Ejemplo

nw)
1

nx)

Optimizar:

V [ Y ]= e0.5 t ( Y Y 22 Y 2 ) dt
0

ny)
Sujeto a: Y ( 0 )=0 Y ( 1 )=2
nz)
oa)
En trminos grficos tenemos:
ob)
oc)
Y
od)
oe)
of)
2
og)
oh)
oi)
Y(t)
oj)
1
ok)
ol)
om)
on)
1 2
t
oo)
1) Identificamos la funcin intermedia
f =e0.5t ( Y Y 22 y 2 ) (1)
op)
oq)

2) Aplicamos la condicin de primer orden: Ecuacin de Euler:


or)
os)

f y=

df y
..(1)
dt

ot)
ou)
ov)
ow)

ox)

Obteniendo

f y:

f
=( 12 y ) e0.5 t . ( 2 ) f y =( 12 y ) e0.5 t
y

oy)
oz)

f y :

Obteniendo

f
=4 y e0.5t ( 3 ) f y =4 y e0.5t
y

pa)

pb)
pc)
df y =

f y
f y
df y f y d y f y dt
d y +
dt
=
+
y
dt
dt
y dt
t dt

pd)

df y
=( 4 e0.5t ) y + (4 y ) (0.5 ) ( e0.5 t )
dt

pe)
pf)

df y
=4 y e0.5 t + 2 y e0.5t .(4)
dt

pg)

ph)
pi)
pj)

Remplazando (2) y (4) en 1


f y=

pk)

df y
dt

pl)

( 12 y ) e0.5 t =4 y e0.5 t +2 y e0.5 t

pm)
pn)

12 y=4 y + 2 y

po)
pp)

4 y 2 y 2 y=1

pq)

pr)
ps)
diferencial:
pt)

Tenemos que resolver esta ecuacin

pu)

qa)
qb)
qc)

1
y p= =0.5
2
pv)
pw)
px)
r t
r t
y c = A1 e + A2 e
1

py)
4 y 2 y 2 y=1
2
pz) 2 r r1=0

r=

1 124 (2 )(1 )
2( 2)

qd)
r=

1 1+8 1 9
=
4
4

qe)

qf)

1+3
r 1=
=1
4

r 2=

qg)
t

qk)

0.5 t

y c = A1 e + A2 e

qh)

13
=0.5
4

ql)
0.5 t
t
y (t )= A 1 e
+ A 2 e +0.5

qi)
qj)
qm)
y
(t)
qn)
Pero
no solo es la solucin
general, es tambin un conjunto de trayectorias de estado, pero para
determinar la ms ptima tenemos que determinar dos constantes de
acuerdo a las condiciones inicial i final.
qo)
3) Aplicamos la condicin inicial:
qp)
qq)
y ( 0 )=0

qt)
qu)
y ( 0 )= A1 + A2 +0.5

qr)
qs)
y ( 0 )= A1 e 0+ A 2 e0 +0.5

qv)
qw)
A 1 + A 2=0.5 .(5)

qx)
4) Aplicamos la condicin de transversalidad
qy)
qz)
T =fijo T =0

rb)
Y T =fijo Y T =0

ra)

rc)
Por lo tanto no es necesario aplicar la
condicin de transversalidad.
rd)
5) Aplicamos la condicin final:
y (1 ) =2

re)
rf)

y (1 ) =A 1 e0.5 + A 2 e 1+ 0.5

rg)
0.5

A1 e

rh)
ri)
rj)

+ A 2 e=1.5 . ( 6 )

Resolviendo (5) y (6)

rk)
1+ A 2=0.5
A

rn)
ro)

rl)
rm)
e0.5 A 1+ eA2 =1.5

rr)
rs)

A 1=

1.5+0.5 e
e0.5 e

rp)
rq)
A 1=1.3539

A 2=0.85

rt)

ru)
rv)

Sustituimos en la solucin general:

rw)

y (t )= A 1 e0.5t + A 2 e t +0.5

rx)

y (t )=1.35 e0.5 t +0.85 e t +0.5 .. ( 7 )

ry)
rz)
es:
sa)

Finalmente la trayectoria ptima de estado

sb)

y (t )=1.35 e0.5 t +0.85 e t +0.5

sc)
sd)
se)

Valor optimo del funcional:


1

V [ y( t)] = e0.5 t ( y y 2 y 2 ) dt

sf)

sg)
sh)
1

V [ y( t) ] = e0.5 t (1.445 e2 t +1.1475 e 1.5 t 2.278125 et + 0.25 ) dt


0

si)
1

V [ y( t)] = (1.445 e1.5t +1.1475 et 2.278125 e1.5 t +0.25 e0.5 t ) dt


0

sj)

V [ y( t)] =2.365435139

sk)
sl)

sm)

Ejemplo:

sn)
so) Dado el siguiente funcional objetivo, sujeto a la restriccin
temporal.
sp)

J [ x ] = ( 3 x 212 x ) dt

sq)

Optimizar:

sr)
ss)

Sujeto a: x ( 0 )=0

st)
su)
sv)
sw)
sx)
sy)
sz)
ta)
tb)
tc)
td)
te)
tf)
tg)
th)

a) Halle la extremal.
b) Halle el valor ptimo del funcional.
c) Realice un grfico del problema.
d) Es J [ x ] un mximo o mnimo?
e) Explique la solucin, encontrada.
Sea la funcin intermedia
f =3 x 212 x .(1)

Condicin de primer orden: Ecuacin de Euler


fx=

df x
.(2)
dt

De (1) se obtiene:

ti)

fx=12 .. ( 3 )

tj)

f x =6 x (4)

tk)

df x
=6 x (5)
dt

tl)
tm)
tn)

Remplazando (3) y (5) en 2:


fx=

df x
dt

to)

12=6 x

tp) Simplificando
tq)

x =2 (6)

tr)

x + a1 x +a 2 x=b

ts)
tt)

1 a2=0
a
x + 0 x +0 x=2

tu) Solucin complementaria:


tv) x + 0 x +0 x=0

0 02 4 ( 1 ) (0)
ty) r=
2(1)

r +0 r +0=0

tw)

tz)

b b 4 ac
tx) r=
2a
2

r=0/2r 1=0 r 2=0

ua)Como son races repetidas entonces la frmula es:


x c =A 1 er t + A 2 er t t
1

ub)

x c =A 1 + A 2 t

uc)Solucin Particular:
x + 0 x +0 x=2

ud)

ue) 2 K =2

ug)

xp= K t 2

uf) K=1

uh)

xp=t

ui) Finalmente obtenemos la solucin general:


uj) x ( t )=x c + x p
uk)

x ( t )= A1 + A2 t+ t 2

ul) La cual se puede expresar de la siguiente forma:


um)
un)

x ( t )=t 2+ K 0 t+ K 1 (7)

Condicin inicial:

uo)

x ( 0 )=0

up)

x ( 0 )=02 + K 0 ( 0 ) + K 1

uq)

K 1=0 ..(8)

ur) Condicin de
transversalidad:
us) T =5 fijo x ( 5 ) libre

ut) Por lo que la condicin de transversalidad es la siguiente:


uu)

[ f x ]t =5=0 ..(9)

uv)
(9):

Remplazando (4) en

va)

10+ K 0=0
K 0=10 .(10)

uw)

[ 6 x ]t =5 =0

vb)

ux)

[ x ]t =5 =0

vc)Remplazando (8) y (10) en


7

uy)

[2t + K 0 ]t=5=0

vd)

x ( t )=t 2+ K 0 t+ K 1

2
ve) x ( t )=t +10 t+ 0

uz) 2 ( 5 ) + K 0 =0

vf)

x ( t )=t 2+10 t

vg)
vh)
a) Halle extremal:
vi)
vj) En nuestro ejercicio la mayor trayectoria de estado es:
x ( t )=t 2+10 t
vk)
vl)
vm)
Valor optimo del funcional
5

vn)

J [ x ] = ( 3 x 212 x ) dt
0

vo)
5

vp)

J [ x ] = 3 (2t +10 )212 (t 2 +10 t ) dt


0

vq)
2
2
vr) [ 3 (2 t+ 10t ) 12 (t +10 t ) ] dt

vs)
vt)
vu)

[ 3 ( 4 t240 t+100 )+ 12t 2120 t ] dt

vv)
vw)

[ 12t 2120 t+ 30012 t2120t ] dt

vx)
vy)

( 24 t 2240 t+ 300 ) dt

vz)
5

wa)
wb)

J [ x ] = ( 24 t 2240 t +300 ) dt
0

wc)
wd)

J [ x ] =500

c) Halle el valor optimo del funcional


we)
El valor ptimo del funcional es -500, es el valor que toma
cuando su variable de estado se evala en el extremal.
d) Realice un grfico del problema
wf)

wg)
wh)

25

wi)
wj)

X(t)

wk)
wl)
wm)
wn)

5t
Observe:

wo)

x ( t )=t 2+10 t

wp)

x ( 5 ) =25+ 50
x ( 5 ) =25

wq)
wr)

e) Es J [x] un mximo o un mnimo:


ws)Para dar respuesta a esta pregunta tenemos que dar a conocer las
condiciones de segundo orden.

wt)
2.4.-Condiciones
de Segundo Orden
wu)
wv)

Si de manera general definimos una funcin intermedia

f =f ( y , y ,t ) ..(1)

ww)
wx)
a)

Y planteamos lo siguiente:

Si d=f <0
f

wy)
J x

b)

es estrictamente cncava lo que indica que el funcional

se maximiza.

2
Si d f >0

wz)
J x

es estrictamente convexa la que indica que el funcional

se minimiza.

xa)Recordemos que lo que tratamos de evaluar es la concavidad o


convexidad de la funcin intermedia con respecto a y y , y , t ,

sin

y y

es

embargo para evaluarla podemos tomar en cuenta solo


decir:
f =f ( y , y )

xb)

Por lo tanto la primera y segunda diferencial debe

ser solo con respecto a estas dos variables, lo que implica que la
segunda diferencial ser:
xc)

df =

f
f
d y +
dy
y
y

xd)
xe) df =f y d y + fydy
xf)
d ( df )=d [ f y ( y , y ) ] d y +d [ fy( y , y ) ] dy
xg)
xh)

] [

f y
f y
fy
dy
2
xi) d f = y d y + y dy d y + y d y + y dy dy

xj)
xk)
xl)
xm)

d 2 f =f y y d y 2+ f y ydyd y + fy y d y dy + fyyd y 2
d 2 f =f y y d y 2+ f y ydyd y + fy y d y dy + fyyd y 2 (2)

xn)
xo)

Segn el Teorema de Young: f y y=fy y


2

d f =f y y d y + f y ydyd y + fy y d y dy + fyyd y
xp)
xq)
2
2
2
xr) d f =f y y d y + f y ydyd y + f y yd y dy+ fyyd y
xs)
2
2
2
xt) d f =f y y d y + 2 f y ydyd y +fyyd y ( 3)
xu)
xv)
Por complecin de cuadrados perfectos y factorizando:

xw)
xx)
xy)

2 f y ydyd y f y ydy 2 f y ydy


+

f y y
f y y
f y y

d 2 f =f y y d y 2 +

xz)
ya)

2 f y ydyd y
+ fyyd y 2
f y y

d 2 f =f y y d y 2 +

d 2 f =f y y d y 2 +

2 f y ydyd y f y ydy
+
f y y
f y y

) (

)]
2

f y y

) ]+ fyyd y
2

2
f y ydy
+
f y y

yb)
f y ydy 2
f y ydy 2
d 2 f =f y y d y +
f y y
+ fyyd y 2
yc)
f y y
f y y

yd)
f y ydy 2 f y y 2 ( )2
2
d 2 f =f y y d y +

dy + fyy ( dy )
ye)
f y y
f y y

yf)
yg)

f y ydy 2 f y y 2
2
d 2 f =f y y d y +

fyy ( dy )
f y y
f y y

) (

yh)
2

)(

f y ydy
f y y
2
2
yi) d f =f y y d y + f y y + fyy f y y ( dy )

yj)
yk)

f y ydy 2 fyyf y y f y y 2
2

d f =f y y d y +
+
( dy ) (4 )
f y y
f y y
2

yl) Podemos conducir que:

)(

ym)

a) Si

2
f y y 0 f y y fyyf y y > 0 d f > 0

esto nos lleva a conducir

lo siguiente:
yn)

a.1) La funcin intermedia es estrictamente convexa.

yo)

a.2) El funcional objetivo V [ y ] es un mnimo o el funcional

ha sido minimizado.
yp)
*Por lo tanto el problema de clculo de variaciones es de
minimizacin.
yq)
*Adems cuando es minimizacin la matriz que lo constituye
es una matriz Hessiana, que en este caso ser matriz Hessiana
positiva definida.
yr) b) Si

f y y <0 y f y y fyyf y y > d 2 f < 0

esto nos lleva a conducir lo

siguiente:
ys)b. 1) La funcin intermedia es estrictamente cncava.
yt) b.2) El funcional objetivo

V [y]

es un mximo o el funcional ha

sido maximizado.
yu)
*Por lo tanto el problema de clculo de variaciones es de
maximizacin.
yv)
*Adems cuando es maximizacin de matriz que lo constituye
es una matriz Hessiana, que en este caso ser matriz Hessiana
negativa definida.
yw)
Alternativamente, si analizamos la expresin (2) podemos
apreciar que es una forma cuadrtica, y por lo tanto susceptible de
expresarse matricialmente:
yx)

d 2 f =f y y d y 2+ f y ydyd y + fy y d y dy + fyyd y 2

yy)

d 2 f = [ d y dy ] f y y f y y d y
fy y
fyy dy

][ ]

yz)La matriz cuadrada se denomina, matriz hessiana

H= f y y f y y
za)
fy y
fyy

zb)Cuyos menores principales son las siguientes determinantes:


zc) |H 1|=|f y y|=f y y

f y y f y y

( )2
zd) |H 2|= fy y fyy =f y y fyy fy y

ze)En el ejercicio anterior la funcin intermedia es:


2
zf) f =3 x 12 x

][ ]

H= f x x
zg)
f x x

f x x = 6 0
fxx
0 0

zh) fx=12 fxx=0 fx x =0


zi) f x =6 x f x x=0 f x x =6
H =f x x =6 6<0
zj) | 1|
2
zk) |H 2|=f x x fxxf x x =6 ( 0 )0=0 0=0

zl)
zm)
Analizando la segunda diferencial de la ecuacin para saber si
el ejercicio anterior es un mnimo o mximo.
f x xdx 2 fxx f x x f x x 2
2
2
x x d x +
d
f
=f
+
( dx )
zn)
f x x
f x x

)(

zo)Dado que se ha demostrado que f es dbilmente convexa o


cuasiconvexa el funcional se est minimizando, en este caso la
matriz H es positiva semidefinida.
zp)Ejemplo:
zq)Hallar la distancia entre los puntos (2;5) y (7;12)
zr)

zs)
zt)

12 B

zu)
zv)

zw)
zx)

t
zy)*Por Pitgoras podemos tener como respuesta 8.6.
zz)*Pero formulando el problema en base a la metodologa del clculo
de variaciones el problema es:
7

aaa)

Min D= 1+ y 2 dt

aab)

s . a: y ( 2 )=5 y ( 7 )=12

aac)

Necesitamos establecer un marco de anlisis:

aad)

Sabemos que

aae)

Y la ecuacin de Euler es

aaf)

Alternativamente:

aag)

Del ejercicio dado podemos apreciar f =( 1+ y 2 ) 2 =f ( y )

aah)

Luego: f y y Y + f y y Y + f y t

f =f ( y ; y ; t ) (1)

fy=

df y
.(2)
dt

aai)
aaj)

0=f y y Y +0 Y +0 f y y Y =0 (5)

Esa es la ecuacin de Euler especial, que se debe utilizar

cuando la funcin intermedia solo depende de y .


aak)

Si observamos esta condicin, nos damos cuenta que

obligatoriamente f y y o Y Debe ser cero, lo que da lugar a dos casos:

aal)

aam)
aan)

CASO I:
f y y =0 Y 0

1) Si f y y =0, implica que :


aao)
aap)

f =3 y +7 f y =3 f y y =0

La funcin intermedia es lineal con respecto a Y , porque de

lo contrario su segunda derivada con respecto a y no sera cero.

2) En cambio si Y 0 , implica que:

aaq)

y=3 y 3 +2 t 2 +t y =9 t 2 + 4 t+ 1 Y =18t +4

aar)

y=8 t 2+ 5 t+2 y =16 t +5 Y =16

aas)

La trayectoria dinmica debe ser igual a cualquier funcin no

n
lineal: y (t )=a+b t n> 1

aat)
aau)
1) Si
aav)
aaw)

CASO II:
f y y 0 Y =0

f y y 0,

implica que:

f =7 y 2+ 4 y +2 f y =14 y +4 f y y =14

La funcin intermedia es no lineal con respecto a Y , porque

si fuera lineal su segunda derivada con respecto a

Y ser igual a cero

y no se cumplir la condicin.

2) En cambio si Y =0, implica que:

aax)
aay)

y=6 t +8 y =6 Y =0

La trayectoria dinmica debe ser lineal: y (t )=a+bt

aaz)

Retornando al ejercicio anterior:

aba)

En el ejercicio anterior la funcin intermedia es no lineal con

respecto a Y , por lo que la trayectoria de estado ser lineal, es decir:


1
2 2

entonces y (t )=k 0 +k 1 t k 0 , k 1 R

abb)

Si f =( 1+ y )

abc)

Segn la condicin inicial

abd)

y (2 )=5 y ( 2 )=k 0+ k 1 ( 2 ) k 0 +2 k 1=5

abe)

y (7 )=12 y ( 7 )=k 0 +k 1 ( 7 ) k 0 +7 k 1=12

abf)

Resolviendo el sistema:

abg)

k 0 +2 k 1 =5

abh)

k 0 +7 k 1=12

abi)

k 02 k 1 =5

abj)

abm)

k 0 +2 k 1 =5

abn)

k 0 +2

abo)

5 k 0 +14=25

k 0 +7 k 1=12

abp)

k 1=

abl)

abs)

abu)

k0 =

abq)

7
5

11
5

11 7
Portando la trayectoria: y (t )=k 0 +k 1 t y ( t )= 5 + 5 t

El valor ptimo del funcional es el siguiente:


7

abt)

5 k 0=11

5 k 1=17

abk)

abr)

( 75 )=5

D= ( 1+ y 2 ) 2 dt
2

Si

y =

7
5

abw)

D= 1+

2
7

abx)

2 1
2

( ( ))

abv)

D= 1+

7
5

dt

49 2
dt
25

aby)

D=

abz)

D=

2
7

74
25

( )

1
2

dt

74
dt
5

74
74
( 7 )
( 2)
5
5

aca)

D=

acb)

D= 74

D=8.602325267
acc)
acd)
El valor mnimo que tomara el funcional D al recorrer la
trayectoria y (t) es de 8.60233.
2

ace)

2.5.- Condicionesacf)de Legendre


acg)
Mximo absoluto: Es el punto mximo para todo el
dominio.
ach)
Mximo relativo: Es el punto, mximo para un intervalo
del dominio.
aci)
Es
una condicin que expresa la concavidad o
convexidad de la funcin intermedia de manera lineal (extremo
lineal).
acj)

Dada la funcin intermedia f ( y , y , t)

ack)

Es posible hallar: f y y

acl)

Luego:

acm)

a)Si, f y y >0 entonces la trayectoria optima de estado

encontrada permite minimizar el funcional.


acn)

b)Si,

f y y <0

entonces el extremal maximiza el

funcional.
aco)
acp)
acq)
f y y

Observacin:

2
f y y fyyf y y 2
d 2 f =f y y [ .. ] +
d y2
f y y

Las condiciones de Legendre solo toman en cuenta esto:

acr)
acs)
act)
acu)
acv)
acw)
acx)
acy)
acz)
ada)
adb)
adc)
add)
ade)

Unidad II
Control ptimo y
Programacin Dinmica
adf)

adg)
adh)
adi)
adj)

1.- adk)
Control ptimo
adl)
Control ptimo es una metodologa de anlisis dinmico para
problemas de optimizacin, estudia el comportamiento, de dos tipos de
variable: variable de estado y la variable de control con el fin de
maximizar o minimizar el funcional.
La variable de estado es la variable que recure en cada instante del
tiempo.

La variable de control es la variable que puedes cambiar y as


manipular indirectamente a la variable de estado.
adm)

1.1.- Metodologa del Control Optimo

adn)

ado)
Variable de estado: Es una variable dinmica cuyo
compartimiento es efectuado de manera indirecta por la variable de
control, en otras palabras es aquella variable que refleja el resultado de
las decisiones tomadas sobre la variable de control, se caracteriza por
no ser controlada de manera directa por la gente que toma decisiones,
es decir un resultado del problema.
adp)
Ejemplo:
adq)
BCR:
Empresa:
adr)
OM
Inflacin
Publicidad
Inversin
ads)
adt)
Variable de Control: Se caracteriza por ser tpicamente un
instrumento poltico econmico dado que se utiliza para influir en la
variable de estado, es una variable que es objeto de una eleccin
discrecional arbitraria (manipulado) por parte del investigador o el
agente que toma decisiones.
adu)
Ejemplo:
adv)
BCR:
adw)
OM
Inflacin
adx)
ady)

Aplicacin de la relacin entre variables de estado y


variables de control

adz)
Consideremos un pas en el que existe un recurso natural
extrable R petrleo la extraccin de este recurso se realiza a
travs del tiempo por tanto R es una funcin del tiempo R= R (t).
aea)
Segn estudios de ex petroleros se ha determinado que los
recursos existentes (condicin inicial) son:
aeb)

R ( 0 )=R 0 ; R0

Fijo

aec)
A lo largo del tiempo estos recursos se irn agotando (tasa de
extraccin- determina la velocidad en la que se agota el recurso)

debido a la tasa de extraccin de este recurso. Que ser establecida


por los agentes que toman decisiones.
aed)
aee)

Tasa de extraccin
dR(t )
=E ( t )
dt

Dnde:

R (t) es la variable de estado,

E (t) es la variable de control


E ( t )

aef)

Adems

influye en

aeg)

Se aprecia de la variable

dR(t )
dt

E ( t )

que es una variable de

control porque est determinado por la gente que toma decisiones


una mayor tasa de extraccin implica un mayor agotamiento del
recurso R (t), en tanto una menor tasa de extraccin implica un
menor agotamiento en R(t), esto significa que la variable

E (t)

es

una variable discrecional (control) en tanto que R(t) es una variable


de estado.
aeh)

En

Resumen:

El

E (t)

comportamiento

definir

el

comportamiento de R(t).
aei)
El recurso extrado permitir producir bienes y servicios
orientados a la satisfaccin de necesidades humanas mediante el
consumo de los mismos, esto significa la existencia de una funcin
de utilidad con las siguientes caractersticas:
aej)

u=u [ E( t) ]

Si la U=U [ C (t) ] y el consumo depende del nivel de bienes y

servicios que se consuma.


aek)

C(t) B /S R(t) E (t)

ael)
Entonces inducimos que la utilidad o el bienestar mantiene una
relacin directa en la explotacin de recursos.
aem)

Consideramos un pedido de explotacin

tE [ 0, T ]

(horizonte

temporal), en cada instante del tiempo se obtiene un nivel de

bienestar, luego el bienestar acumulado, durante el periodo de


explotacin es:
aen)

U=U 0+

U1
U2
U3
Un
+
+
+ ..
2
3
1+i ( 1+i ) ( 1+i )
( 1+i )n
T

aeo)

En trminos discretos ser:

(
t=0

U
=V
N
1+ i )

e t udt=V

aep)

En trminos continuos ser:

aeq)

Donde el funcional V es el bienestar acumulado.

aer)
Podemos generalizar que lo que un pas buscara ser
maximizar el bienestar (utilidad) derivado de la explotacin del
recurso.
aes)
Dado que el objetivo del pas es maximizar el bienestar de la
poblacin, el problema consiste en:
T

aet)

aeu)

Maximizar:

V = e t U [ E(t ) ] dt

Sujeto a:

dR(t)
=E ( t ) , R ( 0 )=R 0 , R ( T ) =RT
dt

aev)

1.2.El problema del Control Optimo


aew)
aex)
El problema consiste en hallar las trayectorias ptimas de
estado y control que maximizan el funcional en el horizonte temporal
dado (sealado) y cumplan las restricciones establecidas.
T

aey)

Maximizar:

aez)

Sujeto a:

afa)

Dnde:

V = f ( y , u , t ) dt
0

y =g ( y ,u ,t ) y ( 0 ) = y 0 y 0 fijo y (T )= y T

V=funcional

afb)
y=variable de estado
movimiento

g=Ecuacin de

afc)
u=variable de control
intermedia

f=funcin

afd)

1.3.- El principio del mximo de Pontryagin


afe)
H=f ( y , u , t ) + g( y , u , t)

aff)

Dada la Hamiltoniana:

afg)

Maximizar H con respecto U; t [ 0, T ] , u

afh)

Se tiene dos usos: solucin interior y solucin de contorno.

afi)

Solucin interior

afj)

La funcin H es no
lineal

afk)
afl)

con respecto a u.
Se exige:

Hmax

dH
d2 H
=0
du
du2

afm)
afn)
u
afo)

u1

u*

u <u1 , u2>

Solucin de contorno

afp)
H
funcin lineal con
afq)
respecto a u
afr)
Hmax

Si H es una

Observe:

afs)

dH
>0 u =u 2
du

aft)

dH
>0 u =u 1
du

u2

afu)

u1

u2

Se exige:

dH
0
du
y =

afv)

Ecuacin de movimiento de estado:

afw)

Ecuacin de movimiento de coestado:

dH
d

=dH
dy

afx)
Dependiendo de las anteriores condiciones, ser necesario
aplicar la condicin de transversalidad.
afy)

[ H ]t =T T ( T ) Y T =0

afz)
aga)

agb)

Ejemplo:

Resolver el siguiente problema de control ptimo.


3 y2 u2

Maximizar:

V =
0

y =3 u1 y ( 0 ) =1

agc)

Sujeto a:

agd)

2
Formamos la Hamiltoniana: H=3 y2u + (3 u1)

age)

Aplicamos el principio del mximo: du =0

agf)

Debido a que la Hamiltoniana es no lineal con respecto a u:

dH

agg)

dH
=4 u+3 4 +3 =0
du

agh)

d2 H
=4 <0
d u2

el problema es un caso de maximizacin.

agi)

Despejamos la ecuacin con respecto a la variable de control:


u=

3
4

agj)

La ecuacin de movimiento de estado:

agk)

Ecuacin de movimiento de coestado:

y =

dH
y =3 u1
d

=dH =3 =3
dy

agl)

Solucin de la ecuacin diferencial:

( t )= A3t

( t )=3t + A

agm)
Buscamos determinar u, pero no es el caso por lo que
aplicamos las condiciones de transversalidad:
agn)

Si

T =2 yT

libre
ago)
[ H ]t =T T ( T ) Y T =0
agr)

T =0 ; y T 0

agq)

Se exige ( T )=0

Aplicamos la condicin de transversalidad

ags)

agu)

( T )=0

agt)

agp)

agw)
0=6+ K 0

( 2 )=0
T =2

agv)
( 2 )=3 ( 2 ) + K 0

agy)

Obtendremos:

agz)

Reemplazando:

aha)
3
3
u= u= (3t +6)
4
4

agx)

( T )=3t +6

ahb)

u=

9 t 9
+
4
2

K 0=6

ahc)
Remplazando
nuevamente:
ahd)

y =3 u1

ahe)

y =3

ahh)
Aplicamos la
condicin inicial

9 t 9
+ 1
4
2

ahf)

ahi)

y ( 0 )=1 K 1=1

ahj)

y (t )=

ahk)

y dt =

27 t 25
+ dt
4
2

ahl)

Resumen:
27 t 2 25 t
(
)
yt=
+
+1
8
2

ahg)
2

y ( t )=

aho)

27 t 25 t
+
+K 0
8
2

27 t 2 25 t
+
+1
8
2

9 t 9
+
4
2

ahm)

u (t)=

ahn)

( t )=3t +6

Hallando el valor optimo del funcional:


2

ahp)

V = ( 3 y 2u 2) dt
0

ahq)

V =
0

[(
(

ahr)

V =

ahs)

V =27

) (

27 t 25 t
9t 9
3
+
+1 2
+
8
2
4
2
2

) ] dt
2

81 t 156 t 75
+

dt
4
2
2

aht)

Ejemplo:

V = 5 ydt

ahu)

Maximizar

ahv)

Sujeto a

ahw)

Construimos la funcin Hamiltoniana:

y = y +u y ( 0 )=5 u [ 1 ; 3 ]
H=5 t+ ( y +u )

ahx)
y

Si H es lineal con respecto a u, se exige lo siguiente:


u

ahy)

Tenemos dos abscisas:

ahz)

Si:

aib)

Ecuacin de movimiento de estado:

aic)
aid)
aie)
aif)
aii)

y =

>0 u=1

aia)

Si:

<0 u=3

dH
y = y +u
d

Ecuacin de movimiento de coestado:


=dH
dy
=(5+ )

aig)

=5

aih)

( t )= A et +5

Aplicamos la condicin de transversalidad:

aij)

[ H ]t =T T ( T ) y T =0

aik)

y (T )= y T y (4)= y T

ail)

T fijo T =0 y T libre y T 0

aim)

( 4 )=0

ain)

A e4 +5=0 A=5 e 4

aio)

( t )=5 e4 et +5=5 e4 t +5

aip)

( t )=5 e4 t +5

aiq)

dH
0
du

( 4 )= A e +5

Analizamos si es negativo o positivo, tengamos en cuenta


t=[ 0 ; 4 ]

t [ 0 ; 4 <0

air)

Observe:

ais)

Reemplazando:

ait)

y = y +3

aiu)

y=B e t3

aiy)

u=3

aiv)

Sabemos:

aiw)

y ( 0 )=5

aix)

y (t )=8 et 3

B=8

Finalmente hemos obtenido las trayectorias ptimas:

aiz)

aja)

y (t )=8 et 3

ajb)

( t )=5 e4 t +5

u ( t ) =3

ajc)
ajd)

Calculamos el valor del funcional:


4

aje)

V = 5 ydt
0

ajf)

V = 5 [ 8 e t3 ] dt
0

ajg)

V = ( 40 et 15 ) dt

ajh)

V =2083.926001

aji)

Ejemplo:

V = ln ( 4 yu ) dt

ajj)

Maximizar:

ajk)

Sujeto a:

ajl)

Construimos la Hamiltoniana:

y =4 y (1u)

y ( 0 )=1

y (1 ) =e 2

H=ln ( 4 yu ) + (4 y4 yu)

ajm)
Principio del mximo: la Hamiltoniana es no lineal con
respecto a u.

ajn)

Debe cumplirse entonces que:

ajo)

dH 1
= 4 y
du u

ajp)

1
4 y=0
u
u=

ajq)

1
4 y

dH
=0
du

ajr)

dH 1
= 4 y
du u

ajs)

d 2 H 1
=
d u2 u2

ajt)

d2 H
= 0
d u2

aju)
Lo que confirma que efectivamente se trata de un caso de
maximizacin.
ajv)

Aplicamos la ecuacin de movimiento de estado:

ajw)
y =

ajx)
y =4 y4 yu

dH
d

ajz)

=dH
dy

akb)
= 4 u + ( 44 u )
4 yu

ake)

Remplazando u :

akf)

=1 4 (1u)
y

akh)

y =4 y (1u )

Ecuacin de movimiento coestado.

aka)

akg)

ajy)

=1 4 1 1
y
4 y

=1 4 + 1
y
y

akc)

= 1 + 4 ( 1u )
y

akd)

=1 4 ( 1u )
y

aki)

=4

akj)

+ 4 =0

akk)

( t ) = A0 e

4 t

akl)
akm)

Remplazamos u :

akp)

y =4 y 1

1
4 y

)
akr)

ako)

y =4 y (1u)

akq)
akn)

y 4 y=

y =4 y

aks)

4 t
Pero ( t )= A0 e

y 4 y=

1
A0 e4 t

y 4 y=

1 4 t
e
A0

akt)
Resolviendo la ecuacin diferencial de primer orden con
coeficiente y trmino variable, con el mtodo de coeficientes
indeterminados:
aku)
akw)
akx)

4t

y=k e t

akv)

Reemplazamos estos valores en la ecuacin diferencial:


y 4 y=e 4 t

akz)
4 k e 4 t t+ e4 t k4 k e 4 t t=

aky)
e 4 t k ( 4 t+1 ) 4 k e4 t t=

alb)
alc)

ald)

4t

k=

alk)

4t

e k=

ala)

Podemos notar que :


ke =

e 4 t
A0

4t

e
A0

1 4 t
e
A0

y=k e4 t t
y=

alg)
resolveremos

y 4 y=0

La solucin general ser:

e 4 t
A0

ale)
Entonces la solucin
ser:
alf)

1
A0

alh)
Seguidamente
homognea:
ali)

y =e4 t k ( 4 t +1 )

alj)

la

1 4 t
e t
A0

ecuacin
y c = A1 e 4 t

diferencial

y ( t )= A 1 e 4 t +

all)

4t

e t
A0

alm)

aln)
Para determinar la trayectoria
condiciones inicial y final dadas:
y ( 0 )=1

alo)

alu)

0
e (0 )
y ( 0 ) = A1 e
A0

ptima

e4t t
A0

aplicamos

A1 e

e4
2
=e
A0

alp)
alq)

A 1=1

alr)

y (1 ) =e 2

als)

e4
y (1 ) =A 1 e (1)
A0

alt)

e4
y (1 ) =A 1 e
A0

ama)

alv)

e 4

e4
=e2
A0

alw)

e4
4
2
=e e
A0

alx)

A 0=

aly)

A 0=1.15651

alz)

A 0=1.16

amc)

( t )=1.16 e4 t

e
4
2
e e

Las soluciones definidas sern:


y (t )=e 4 t

amb)
amd)

e4t t
1.16

Reemplazamos para hallar u


u=

ame)

1
4 y

amf)
u=

4t

y (t )= A 1 e

4 e4 t

4t

e t
( 1.16 e4 t )
1.16

u=

1
4 ( 1.16 e 0e 0 t )

amh)

u=

1
4 ( 1.16t )

ami)

u=

1
4.644 t

amj)

u(t)=( 4.644 t )1

amg)

las

amk)
Finalmente obtuvimos las tres trayectorias ptimas de estudio,
aml)
amm)
amn)
del problema:
4 t

( t )=1.16 e

e4 t t
y (t )=e
1.16
4t

amo)

Hallamos el valor ptimo del funcional:


1

amp)

ams)

1
v = ln 4 y .
dt
4 y
0
1

amr)

v = ln ( 4 yu ) dt

amq)

1
( 4.644
t)

u(t)=

v = ln
0

1
dt

()

v = ln
0

( 1.161e ) dt
4 t

e4 t
dt
1.16

( )

amt)

v = ln

amu)

v =1.851579995

amv)
amw)

1.4.-Aplicacin econmica del control optimo


amx)

amy) Modelo de crecimiento neoclsico


amz)
La Produccin.-Consideramos una funcin de produccin que
tiene las siguientes caractersticas:
ana)

Y =f ( K , L ) ( I )

anb)

Y: producto

anc)

K: stock de capital

and)

L: trabajo

ane)
Segn la teora neoclsica la funcin de produccin posee
rendimientos constantes de escala (funcin linealmente homognea)
(esto significa que cuando se aumenta en una proporcin los factores
de produccin, la produccin debe aumentar en la misma
proporcin).

anf)
En este sentido, si alteramos esta proporcin todos los
factores productivos, la produccin se altera en la misma proporcin
es decir:
ang)

anh)

Y =f ( K , L)

Si

ani)

1
L

Y
K L
=f
,
L
L L

anj)
Adems, dado el supuesto del pleno empleo, toda la poblacin
esta empleada. Luego:
ank)

Y=

Y
L

Produccin percapita, es la produccin por cada

unidad de la poblacin, o nivel de produccin con que contribuye.


anl)

k=

K
L

Cuanto stock de capital promedio tiene cada

individuo en un instante del tiempo.


anm)
ann)

Y =f ( K ; 1 ) Y =f ( K ) ( II )

Caractersticas:

Productividad Marginal del Capital: f ' ( K ) >0


ano) Porque se sugiere que uno incrementa el capital para aumentar
la produccin
Productividades Marginales Decrecientes:
anp)
anq)
ans)

Condiciones de inada:
'
lim f ( k )=
k0

anr)

'
lim f ( k )=0
k0

La Demanda Agregada.-Se dan los siguientes supuestos:

Economa cerrada
Ausencia del estado
ant)

f ' ' ( K ) <0

En este contexto:

DA=C + I ( I )

C=C(t)

anu)

anv)

I =I ( t )

anw)
Inversin: La inversiones toda variacin del stock de capital y
el monto de depreciacin para mantener el stock de capital es decir la
inversin se orienta al incremento del stock de capital y al remplazo
de la maquinaria, formalmente podemos plantearlo de la siguiente
forma.
dk
+ k .. II =tasa de depreciacion
dt

anx)

I=

any)

I =
k=

dk
=
dt

Inversion Bruta

Inversin neta

depreciacin

anz)
El objetivo es expresar la demanda agregada en trminos
percapita, por lo tanto: (II) en (I)
aoa)
aoc)
aod)
aof)
aog)

DA=C + I

aob)

DA=C +

aoe)

da=c+

dK
+ K
dt

Dividiendo por L
DA C 1 dK K
= +
+
L
l L dt
L

1 dK
+k
Ldt

Equilibrio:
y=da

y=f (k )

III
1 dK
f ( k )=c +
+K )
L dt

aoh)
aoi)

Observa:
LdK KdL

d K
dt
dt
=
2
dt L
L

( )

aoj)

aok)

dk 1 dK K dL
=

dt L dt L2 dt
1 dL
Si: n= L dt

1 dK
k =
n. k
L dt

aol)
aom)

aon)
1 dK
= k +nk ( IV )
L dt

Luego despejamos:

aoo)
Reemplazando
en (III):
aop)
aoq)
aor)

(IV)

f ( k )=c + k + nk +K

Despejando

aos)
k =f ( k )c( n+ ) k ( 5 )

aot)

k :

k =f ( k )cnkk

Si:
k >0 f ( k ) >c + ( n+ ) k s >0

aou)

f ( k )c( n+ ) k > 0

aov)
Esta ecuacin fundamental expresa que si en el pas existe
ahorro la inversin se incrementara y con ello tambin la produccin,
generndose as un crculo virtuoso en el que la produccin cada vez
ira mejorando como consecuencia del mejor ahorro generado.
aow)
La funcin de Utilidad.-El objetivo final del modelo de
crecimiento es la maximizacin del bienestar de la poblacin:
u=u [ c ( t ) ]

aox)

Caractersticas:

aoy)

Las utilidades marginales del consumo son positivas:


u' ( c ) >0

aoz)
apa)
apc)

Las utilidades marginales son decrecientes:


lim u ' ( c )=
c0

apb)

u' ' ( c ) < 0

lim u ' ( c )=0


c

Considerando un horizonte temporal infinito t [ 0 ;

apd)
El funcional ser: El cual representa el bienestar total
acumulado en valor presente durante el horizonte temporal de
anlisis.

v = et u ( c ) dt

ape)

apf)

Modelo de crecimiento econmico:

apg)

Maximizar:

aph)

Sujeto:

v = et u ( c ) dt
0

k =f ( k )c (n+ )K

k ( 0 ) =k 0 ; k 0 fijo

0 c f (k)

api)

'
''
'
'
f ( k ) >0 ; f ( k ) <0 ; lim f ( k )= ; lim f ( k )=0

apj)

k 0

u' ( c ) >0 ; u' ' ( c ) < 0; lim u' ( c ) = ; lim u' ( c )=0

apk)

c 0

apl)

Solucin:

apm)

t
Funcin Hamiltoniana: H=e u ( c ) + [ f ( k )c ( n+ ) k ]

a) Principio del mximo de Pontryagin: Se aprecia que la funcin


Hamiltoniana, es una expresin no lineal con respecto al consumo
per cpita.
apn) Maximizar H con respecto al consumo:
apo)

dH
=0
dc

apq)

app)

dH t u
=e

dc
c

apr)

dH t '
=e u ( c ) + (1)
dc

dH t '
=e u ( c ) ( I )
dc

aps) Debemos igualarlo a cero:


apt)

et u' ( c ) =0

=et u' ( c ) (II )

apu) Comprobando si es mximo o un mnimo el funcional

apv)

d 2 H t ' ( )
=e u c < 0
d c2

Se comprueba que es un mnimo

b) Ecuacin de movimiento de K:
apw)

dH
k =
k =f ( k )c( n+ ) k (III )
d

c) Ecuacin de movimiento de
apx)

=dH = [ f ' ( c )(n+) ] ( IV )


dk

apy)
Es posible reducir el anlisis a solo dos ecuaciones, para tal
efecto consideramos la expresin dos, derivndola con respecto al
tiempo.
t

'

apz)

=e

aqa)

d
= et u ' ( c ) +et u' ' ( c ) c
dt

aqb)

=e t u' ( c )+ et u' ' ( c ) c (V )

aqc)

u (c )

Remplazando II y V en IV:

aqd)

= [ f ' ( c )(n+) ]

aqe)

e t u' ( c )+ et u' ' ( c ) c =et u' ( c ) [ f ' ( c )(n+) ]

aqf)

u' ( c )+ u' ' ( c ) c =u ' (c ) [ f ' ( c )(n+ ) ]

aqg)

Despejando c :

aqh)

u' ( c )u ' ( c ) [ f ' ( c )( n+ ) ]


c =
u ' '( c)

aqi)

c =

'
u (c )
[ f ' ( c )+(n+ )]
u ' '(c)

c =

aqj)
aqk)

'
u ( c ) '
[ f ( c ) (n+ + )]
u' ' ( c )

El sistema de ecuaciones diferenciales de primer orden es:


k =f ( k )c( n+ ) k

aql)
aqm)

'
u ( c ) '
c = ' '
[ f ( k )(n++ ) ]
u (c )

aqn)
aqo)
aqp)
aqq)

El Diagrama De Fase
k =f ( k )c( n+ ) k (I )

c =

'
u ( c ) '
[ f ( k )( n+ + ) ] ( II )
u' ' ( c )

aqr)

Curvas de demarcacin:

aqs)

Para: k =0

aqt)
0=f ( k ) c( n+ + ) k
aqu)
c=f ( k )( n+ ) k ( III )
aqv)

aqw)

Sea:
k =f ( k )c( n+ ) k
d k
=1
dc

Para:

aqz)
ara)
0=

u' ( c ) '
[ f ( k )( n+ + ) ]
u' ' ( c )
0=f ' ( k )(n+ + )

arb)
arc)

'
f ( k ) =( n++ ) (IV )

ard)

Sea:
c =

aqx)

aqy)

d k
=1<0
dc
+0
c k

c =0

are)

'
u ( c ) '
[ f ( k )( n+ + ) ]
u' ' ( c )

'
d c u ( c )
= ''
[ f ' (k )]
dk u ( c )

+0
arf) k c

arg)

arh)
ari)
arj)
ark)
arl)
arm)
arn)
aro)
arp)
arq)
arr)
ars)

2.- Programacin Dinmica

art)
aru)
Para introducirnos en la programacin dinmica consideremos
el siguiente problema de rutas:
arv)

Determinacin de la ruta ptima:

arw)
Una persona desea viajar desde la ciudad A hasta la ciudad H
de tal manera que su bienestar sea el mximo posible, el diagrama
siguiente muestra las rutas disponibles en la cual las flechas indican el
sentido de direccin y el nivel de bienestar (entre las ciudades) de cada
ruta entre ciudades.
arx)

20
E

ary)
arz)

15

asa)
asb)

19

15
A

10

16

asc)

21

17

asd)
15
ase)

25

17

16

23
18

asf)
asg)
ash)
El problema consiste en elegir la mejor ruta que une las
ciudades Ay H que permita obtener el mximo nivel de bienestar.
asi)El problema consta de tres etapas:
asj)Etapa I: Ir de A hasta B, C o D
ask)

Etapa II: Ir de B, C o D hasta E, F o G

asl)Etapa III: Ir desde E, f, G hasta H


asm)

asn)
Programacin Dinmica analiza un problema comenzando
desde la ltima etapa hasta llegar a la primera, en cada una de ellas
establece la mejor decisin.
aso)
Adems dado que existen tres etapas, la programacin
dinmica considerara tres problemas, de una etapa cada una.
asp)
asq)

Solucin:

Etapa III: Ir desde E, F o G hasta H.

asr)Las rutas disponibles y el nivel de bienestar que ofrecen son:


ass)

E- H =19

ast)F- H =21
asu)

G- H= 15

asv)

Etapa II: Ir desde B, C o D hasta E, F o G.

asw)
39

B - E - H =20 + 19 =

asz)
34

asx)
38

B - F - H-= 17 + 2 1=

ata)C- F - H = 16 + 21 = 37

asy)
32

B - G -H =17 + 15 =

atb)
=32

C- E- H = 15 +-19 =

C - G - H =17 +156

atc)
atd)

D - E - H = 23 + 19 = 42

ate)D - F - H -= 18 + 21 =39
atf) Etapa I: Ir desde A hasta B, C o D
atg)

A - B - G - H= 15 + 40 = 55

ath)

A - C F - H= 10 + 37 = 47

ati) A -D - E- H = 16 + 42 = 58
atj) *Las rutas resaltadas son las rutas ptimas para cada una de las
etapas respectivas.

atk)
La persona deber ir por A- D -E -H, siguiendo esta ruta
obtendr una utilidad de 58 tiles.
atl)

2.1.-Programacin Dinmica
atm)

atn)
Es una metodologa orientada a la solucin de
problemas de optimizacin dinmica.
ato)

Caractersticas:

Programacin dinmica como mtodo de solucin de


problemas de optimizacin utiliza el anlisis discreto del
tiempo.
Programacin dinmica resuelve un problema de T periodos,
mediante la resolucin de T problemas de un periodo.
El anlisis de solucin se inicia en el ltimo periodo del
horizonte temporal de anlisis.
atp)

2.1.- El
atq)Problema de Programacin dinmica
atr) El problema consiste en maximizar el funcional (que es la
suma acumulativa del bienestar en cada periodo).
T 1

ats) Maximizar:

J = F [ x t ,u t ,t ] + S [ xt ]
i=0

att) Sujeto a: x t+1 =f [ x t ,u t , t ] ; t=0 ; 1; 2 ; 3 ; T


atu)

x0

Fijo

ut

atv) Dnde:
atw) F: funcin intermedia
atx) f : ecuacin de movimiento
aty) x : variable de estado
atz) u : variable de control

aua) El propsito es encontrar la secuencia ptima de estado y


control que permita maximizar el funcional en el horizonte de
anlisis establecido.
aub)
auc)

2.1.- La Ecuacin De Bellman


aud)

aue)
Para hallar la secuencia optima de estado y control, se
requiere aplicar las siguientes condiciones:
t=T J T { x T }=S ( x T )

auf)

Para

aug)

Para t<T J t { x t } =Max [ F ( x t ,u t ,t ) + J t +1 { g ( x t ,u t , t ) }]

auh)

Para cada periodo hay que maximizar con respecto a la

variable de control

ut

aui)

Ejemplo:

auj)
Hallar la secuencia optima de la variable de estado y de
control que permita minimizar el siguiente funcional:
auk)
aul)

Min J =( u01 ) 2+ ( u12 )2 +2 x2

s. a:

x 0=1

x 1=3 x0 +2 u0

x 2=x 1+2 u1

aum)
Primero identificamos el horizonte temporal de anlisis,
y en el ejercicio el horizonte temporal de anlisis es:
aun)

t=0, 1,2

auo)

Adems

T =2
S ( xT )=2 x 2

aup)
Determinacin para t=2 se exige la siguiente
condicin:
auq)

J T { x T } =S ( xT ) J 2 { X 2 } =2 X 2 (1)

aur)
Determinacin para t=1 la ecuacin de Bellman es la
siguiente:

aus)

J 1 { x 1 } =Min F ( x1 , u1 ) +J 1+1 { g ( x 1 , u1 ) }

aut)

J 1 { x 1 } =Min [ ( u 12 )2 +J 2 { x2 } ]

auu)

Observe: ( 3 ) ( 4 )

auv)

F ( x 1 ,u1 ) =( u12 ) 2

auw)
aux)
auy)
auz)
ava)

g ( x1 , u1 )=x 1 +2u 1=x 2

Remplazando en (2)
J 1 { x 1 } =Min [ ( u 12 )2 +J 2 { x2 } ] (5)

Remplazando (1) en (5):


J 1 { x 1 } =Min [ ( u 12 )2 +2 x2 ] ( 5 )

Remplazando (4) en ( 5 ) :

avb)

J 1 { x 1 } =Min [ ( u 12 )2 +2 ( x1 +2 u1 ) ]

avc)

J 1 { x 1 } =Min [ ( u 12 )2 +2 x1 + 4 u1 ]

avd)

Remplazando (7) en (6):

ave)

J 1 { x 1 } =( 02 ) +2 x 1+ 4( 0)

avf)

J 1 { x 1 } =4+ 2 x 1 (8)

avg)
Bellman
avh)

Anlisis para: t=0 se requiere la siguiente ecuacin de


J 0 { x0 }=Min [ ( u01 ) 2+ J 1 { x 1 } ]

avi)

J 0 { x0 }=Min [ ( u01 ) 2+2 x 1+ 4 ]

avj)

J 0 { x0 }=Min [ ( u01 ) 2+2 ( 3 x 0 +2u 0 ) +4 ]

avk)

J 0 { x0 }=Min [ ( u01 ) 2+6 x 0 + 4 u0 +4 ]

avl)
avm)

CPO:
2 ( u01 ) + 4=0

avn)

2 ( u01 ) =4
u01=2

avo)
avp)

u0=1

CSO: Se comprueba que se est minimizando.


2

avq)

d [ 2 ( u01 )+ 4 ]
du 2
0

=2>0

avr)

J 0 { x0 }=Min [ ( u01 ) 2+6 x 0 + 4 u0 +4 ]

avs)

J 0 { x0 }=(11 ) +6 x 0+ 4 (1 )+ 4

avt)

J 0 { x0 }=4 +6 x 04+ 4=6 x0 + 4

avu)
avv)

Pero

x 0=1

J 0 { x0 }=6 x 0 +4=6 ( 1 ) + 4=10

avw)
avx)

Observe:
avy)

x 1=3 x0 +2 u0=3 ( 1 ) +2 (1 )=32=1

avz)

x 2=x 1+2 u1=1+2 ( 0 ) =1

awa)

La secuencia ptima de control y estado es:

awb)

x 0=1

x 1=1

awc)

u0=1

u1=0

awd)

El valor mnimo del funcional ser:

awe)

J =( u 01 )2 + ( u1 2 )2+ 2 x 2

awf)

J =(11 )2 + ( 01 )2+ 2(1)

awg)

J =4+ 4+2=10

awh)

Ejemplo:

Min J =x 0 u0 + x i u 1+ x 2

awi)
awj)
awk)

x 2=1

x t+1 =xt u t +ut ; t=0 ;1


2

s. a:
x 0=2

ut {1; 0; 1 } ; t=0,1

awl)

Se aprecia los valores posibles de estado para t=0,1,2

awm)

Si

awn)
awo)
awp)
awq)

x 0=2

t=0

Pero :u0 {1; 0 ; 1 }

Si x 1={1 ; 0 ; 3 }
Pero :u1 {1 ; 0 ; 1 }

x 1=x 0 u0 +u 0

x 1={1 ;0 ; 3 }
t =1

x 2=x 1 u1 +u12 ;

x 2={2; 0 ; 1 ; 2; 4 }

Resumen:
awr)

Variable de estado

aws)

x0

awt)

x1

(1)

Valor
2
1, 0, 3

x2

awu)

2, 0, 1,2, 4

awv)

Aplicacin de la ecuacin de Bellman

aww)

Para: t=T T =2

awx)

Reemplazando (2) en (1):

awy)

J 2 {x 2 }

awz)

axa)

J 2 { x 2 } =x22 ( 2 )

x2

-2

axb)

1
axc)

axd)

16

axe)

Para: t=1 J 1 { x 1 }=Min [ F ( x 1 ,u1 ) + J 2 { g ( x 1 ,u 1) }]

J 1 { x 1 } =Min x 1 ,u 1+ J 2 { x 1 ,u 1+u 1 } (4)

axf)

x 1 {1; 0; 3 }

axg)

Sabemos:

axh)

Observe (3) y (5) en (4):


x1

axi)
axj)

(3)

-1

x 1 u1 + J 2 { x 1 u1 +u1

u1

-1

u1 {1,0 ; 1 } (5)

1+J {1+1 }=1+ J {2 }=5

axk)

-1

0+ J { 0+0 }=0+ J { 0 }=0

axl)

-1

0+ J { 0+0 }=1+ J {0 }=1

axm)

-1

0+J { 0+1 }=0+J { 1 }=1

axn)

0+ J { 0+0 }=0+ J { 0 }=0

axo)

axp)

0+ J { 0+1 }=0+J { 1 }=1

1
3

3+ J {3+1 }=3+ J {2 }=1

-1

axq)

0+ J { 0+0 }=0+ J { 0 }=0

axr)

3+ J {3+ 1 }=3+ J { 4 }=19

axs)
Solo tomamos los valores donde se minimiza porque eso
es lo que nos pide la ecuacin de Bellman.
axt)

Resumiendo:
J 1 {x 1 }

axu)

x1

u1

axv)

-1

-1

axw)

axx)

axy)

Para t=0

axz)

Sabemos que

(6)

J 0 { x0 }=Min x 0 u0 + J 1 { x 0 u 0 +u02 } (7)


x 0=2 u0 {1 ; 0 ; 1 } (8)

aya)

J 0 { x0 }=x 0 u 0+ J 0 { x0 u0 +u02 }

x0

ayb)

2+ J {1 }=21=3

ayc)

0+ J { 0 } =0+0=0

u0

-1

( 9)

ayd)

2+J { 3 }=2+0=2

J 0 { x0 }=3

aye)

Entonces

ayf)

De (9), (6) y (3) y la ecuacin de movimiento se obtiene:

ayg)

x 0=2

u0=1

J 0 { x0 }=3

ayh)

x 1=1

u1=1

J 1 { x 1 } =1

J 2 { x 2 } =0

x 2=0

ayi)
ayj)

Hallando el funcional:

ayk)

Min J =x 0 u0 + x 1 u1 + x 2

ayl)

2
Min J =( 2 )(1 ) + (1 )( 1 ) +0 =21+ 0=3

aym)
ayn)

Ejemplo:

Min ( x 110 )2+ ( x2 15 )2 +u0 +u1 +u2

ayo)

s.a.:

x t+1 =2 x t +u t ; t =0 ; 1; 2

ayp)

con:

x 0=6 x 3=20

ayq)

El problema consta de 4 periodos

t=0 ; 1; 2 ; 3

T=3
ayr)
ays)
ayt)

Para el periodo T=3 la ecuacin de Bellman es:


J 3 { x3 } =0 .(1)

Para el periodo t=2 la ecuacin de Bellman es:

ayu)

J 2 { x 2 } =Min [ ( x 2 +15 )2 +u 2+ J 3 { x 3 } ]

ayv)

J 2 { x 2 } =Min [ ( x 2 +15 ) +u 2 ] (2)

ayw)
ayx)

Sabemos que

x 3=20

x 3=2 x 2 +u2 2 x 2 +u2=20

siendo

ayy)
ayz)

1
x 2=10 u2 (3)
2
x2

Remplazando

a la ecuacin (3) en (2)

aza)

J 2 { x 2 } =Min [ ( x 2 +15 ) +u 2 ]

azb)

J 2 { x 2 } =Min [ ( 100.5 u215 )2+ u2 ]

azc)

J 2 { x 2 } =Min [ ( 50.5 u2 ) +u2 ]

azd)

CPO:

aze)

2 ( 50.5 u2 ) (0.5 )+ 1=0

azf)

5+0.5 u2 +1=0

azg)

CSO: Se corrobora que se est minimizando


d [ (50.5 u2 ) + u2 ]
=0.5>0
d u2
2

azh)

u2=12

2
azi) J 2 { x 2 } =[ ( 5+0.5 u2 ) +u 2 ]

2
azj) J 2 { x 2 } =[ ( 5+0.5(12) ) +(12) ]

azk)

J 2 { x 2 } =[ (1 )2 12 ]=1

azl)Para el periodo t=1 la ecuacin de Bellman es:


azm)

J 1 { x 1 } =Min [ ( x 110 )2+ u1+ J 2 { x 2 }]

azn)

J 1 { x 1 } =Min [ ( x 110 )2+ u1+(11) ]

azo)

1
x 2=10 u2
2

azp)

Si

u2=12

azq)

1
x 2=10 (12 ) x 2=16
2

azr)

x 2=2 x 1 +u1 2 x 1 +u1=16

azs)

1
x 1=8 u 1
2

2
azt) J 1 { x 1 } =Min [ ( 80.5 u110 ) +u111 ]

azu)
azv)

J 1 { x 1 } =Min [ ( 2+ 0.5u 1) 2+u 111 ]

CPO:

azw)

2 ( 2+ 0.5 u1 ) (0.5)+1=0

azx)

2+0.5 u1

azy)

+1=0

CSO: Por lo tanto se corrobora que se est minimizando


d 2 [ ( 2+ 0.5u 1) 2+u 111 ]

azz)

u1=6

d u1

=0.5> 0

baa)

J 1 { x 1 } =Min [ ( 2+ 0.5u 1) 2+u 111 ]

bab)

J 1 { x 1 } =[ ( 2+ 3 )2+ ( 6 )11 ]=[ 1611 ] =16

bac)

Para el periodo t=0 la ecuacin de Bellman es:

bad)

J 0 { x0 }=Min F ( x 0 ,u 0) + J 1 { g ( x 0 , u0 ) }

bae)

J 0 { x0 }=Min [ u0 +J 1 { x 1 } ]

baf)

Primero hallamos

x1

]
J 0 { x0 }=Min [ u 016 ]

bag)

1
x 1=8 u 1
2

bai)

x 1=11

baj)

bah)

1
x 1=8 (6)
2

bal)

11=2 ( 6 )+u 0

Segunda la remplazamos
bak)

x 1=2 x 0 +u0
u0=1

bam)
ban)
bao)
bap)

Incorporando

u0

en

J 0 { x0 }

J 0 { x0 }=Min [u 016 ] =(116 )=17

Finalmente organizamos los resultados:


baq)

x 0=6

x 1=11

x 2=16

x 20=20

bar)

u0=1

u1=6

u2=12

bas)
Podemos concluir que la variable de estado ira
disminuyendo a medida que se disminuya ms la variable de
control
bat)

Min J =( x 110 )2 + ( x 215 ) 2+u 0+u 1+u 2

bau)

Min J =1+ 11612=17

bav)
baw)
3

bax)

Min [ x t 2+u t2 ]
t =0

Ejemplo:

bay)

s. a:

x t+1 +1= xt + ut

baz)

Con:

x 0=0 x 4=8

bba)

Siendo:

bbb)

El horizonte temporal consta de 5 periodos:

xt ,

t=0 ; 1; 2 ; 3

numero entero no negativo

t { 0; 1 ; 2 ; 3; 4 }

bbc)
bbd)
bbe)

Periodo T=4, la ecuacin de Bellman es la siguiente:


J 4 { x 4 } =0

Periodo t=3, la ecuacin de Bellman apreciable es:

bbf)

J 3 { x3 } =Min [ x 32 +u32 +J 4 { x 4 } ]

bbg)

J 3 { x3 } =Min [ x 32 +u32 ]

bbh)

Observe segn la ecuacin de movimiento

bbi)

x 4=x 3 +u3

bbk)

x 3+u 3=8

bbj)

x 4=8

bbl)

x 3=8u3

bbm)

Entonces:

bbn)

J 3 { x3 } =Min [ ( 8u 3 )2+ u32 ]

bbo)

Optimizando el valor de

bbp)

CPO:

bbq)
2 ( 8u 3 ) (1 ) +2u 3=0

bbs)
bbt)

u3=4

u3

bbr)

16+ 2u 3+2 u3 =0

x 3=8u3=4

CSO: Por lo tanto se corrobora que se est minimizando

bbu)

bbv)
bbw)

d 2 [ ( 8u3 ) 2+u 32 ]
d u3

d2[ .]
>0
d u 32

=4

J 3 { x3 } =[ ( 84 )2+ 4 2 ]=32

Periodo t=2, la ecuacin de Bellman relevante es:

bbx)

J 2 { x 2 } =Min [ x 22 +u22+ J 3 { x 3 } ]

bby)

J 2 { x 2 } =Min [ x 22+ u22+ 32 ]

bbz)

Observe segn la ecuacin de movimiento

bca)

x 3=x 2+u 2

bcc)

x 2+u 2=4

bcb)

x 3=4

bcd)

x 2=4u2

bce)

J 2 { x 2 } =Min [ ( 4u2 )2 +u22 +32 ]

bcf)

Optimizando el valor de

bcg)

CPO:

bch)

bck)
bcl)

bcm)
bcn)

bci)

2 ( 4u2 ) (1 )+ 2u2=0

bcj)

u2

8+2u 2+2 u2=0

u2=2

x 2=4u2 =2

CSO: Por lo tanto se corrobora que se est minimizando


d 2 [ ( 4u2 )2 +u22 +32 ]
d u2

=4

d 2 [ .. ]
>4
d u 22

J 2 { x 2 } =[ ( 42 )2 +22 +32 ]=40

Periodo t=1, la ecuacin de Bellman relevante es:

bco)

J 1 { x 1 } =Min [ x 12+ u12+ J 2 { x 2 } ]

bcp)

J 1 { x 1 } =Min [ x 12+ u12+ 40 ]

bcq)

x 2=x 1+u 1

bcs)

x 1+u 1=2

bcr)

x 2=2

bct)

x 1=2u1

bcu)

J 1 { x 1 } =Min [ ( 2u1 )2 +u12 +40 ]

bcy)

4+ 4 u1=0

bcz)

u1=1

bda)

x 1=2u1

bdb)

x 1=1

bcv)

Optimizando el valor de

bcw)
2 ( 2u1 ) (1 )+2 u1=0

bcx)
4+2 u1 +2 u1=0

u1

bdc)
bdd)

J 1 { x 1 } =[ ( 21 )2 +12+ 40 ] =42

Periodo t=0, la ecuacin de Bellman relevante es:

bde)

J 0 { x0 }=Min [ x02 +u02 + J 1 { x 1 } ]

bdf)

J 0 { x0 }=Min [ x02 +u02 + 42 ]

bdg)

x 1=u0 + x 0

bdh)
bdi)
bdj)
T=4

Si

x 1=1

x 0=0 u0=1

J 0 { x0 }=[ 02 +12 +42 ] =43

Organizando los resultados desde el periodo t=0 hasta


x 0=0

bdl)

x 1=2

u1=1

J 1 { x 1 } =42

bdm)

x 2=2

u2=2

J 2 { x 2 } =40

bdn)

x 3=4

u3=4

J 3 { x3 } =32

bdo)

x 4=8

bdp)
bdq)
bdr)
bds)
bdt)
bdu)
bdv)

u0=1

J 0 { x0 }=43

bdk)

J 4 { x 4 } =0

bdw)
bdx)
bdy)
bdz)
bea)

También podría gustarte