Parte I

Recursión de una Ecuación

Secuencial
πt = κxt + βπt+1

πt+1 = κxt+1 + βπt+2

πt+2 = κxt+2 + βπt+3

πt = κxt + β [κxt+1 + βπt+2 ]

πt = κxt + β [κxt+1 + β (κxt+2 + βπt+3 )]

CuandoI = 2

πt = κxt + βκxt+1 + β 2 κxt+2 + β 3 πt+3

I
X
πt = β i κxt+i + β I+1 πt+I+1
i=0

Cuando I → ∞, tenemos:

∞
X
πt = β i κxt+i
t=0

Parte II
Solución del Modelo BM usando
VFI
V (kt ) = ln (ct ) + βV (kt+1 )

kt+1 + ct = Aktα

1
Expresándolo en notación de programación dinámica

V (k) = ln (c) + βV (k 0 )

0
k + c = Ak α

Para no hacer Lagrange,

V (k) = ln (Ak α − k 0 ) + βV (k 0 )

Lo que vamos a hacer, es encontrar un k 0 tal que maximice V (k) =

ln (k 0 − Ak α ) + βV (k 0 ) dado k.
El problema es que no conocemos V (k 0 ), entonces vamos a iterar sobre la
ecuación arriba de la siguiente forma :

Vj+1 (k) = ln (k 0 − Ak α ) + βVj (k 0 )

Partiendo de j = 0, tenemos:

V1 (k) = ln (k 0 − Ak α ) + βV0 (k 0 )

Entonces el método sugiere hace una conjetura sobre V0 . Nuestra conjetura

será V0 = 0.
Entonces vamos a maximizar V1 (k) = ln (Ak α − k 0 ) . Como V0 = 0,
entonces al indidviduo No le importa el futuro, k 0 = 0.

Como k 0 = 0, entonces V1 (k) = ln (Ak α )=lnA + αlnk

Partiendo de j = 1 tenemos:

V2 (k) = ln (k 0 − Ak α ) + βV1 (k 0 )

Como V1 (k) = lnA + αlnk, entonces la ecuación de arriba quedaría:

V2 (k) = ln (k 0 − Ak α ) + β (lnA + αlnk 0 )

Después de encontrar c yk 0 que maximizan esta ecuación, obtenemos:

V2 (k) = φ2 + α (1 + αβ) ln (k).

Partiendo de j = 2 tenemos:

2
 V3 (k) = ln (k 0 − Ak α ) + βV2 (k 0 )

Como V1 (k) = lnA + αlnk, entonces la ecuación de arriba quedaría:

V3 (k) = ln (k 0 − Ak α ) + β [φ2 + α (1 + αβ) ln (k 0 )]

Después de encontrar c y k’ que
maximizan esta ecuación, obtenemos:

V3 (k) = φ3 + α 1 + αβ + α2 β 2 ln (k).
Si hacemos J veces esta operación,
tenemos, al final : VJ (k) = φJ +
α 1 + αβ + α2 β 2 + .... + +αJ−1 β J−1 ln (k).
 
α
CuandoJ → ∞, tendremos: V (k) = φJ + 1−αβ ln (k)

Part III
Programación en Matlab
u = ln (c)

Donde:

c = Ak α − k 0

Considere el siguiente vector de estados:

 
k0

 k1 

k=
 k2 

 .. 
 . 
knk

Considere el vector de elecciones optimas de capital para t + 1asociados a

estados en t

 
k1

 k5 

0
k =
 k10 

 .. 
 . 
k1

3
 Matriz de todos los posibles niveles consumo que pudiesen ocurrir en esta
economía:
 α α α α 
A (k0 ) − k0 A (k0 ) − k1 A (k0 ) − k2 ... A (k0 ) − knk
α α α α
 A (k1 ) − k0 A (k1 ) − k1 A (k1 ) − k2 ... A (k1 ) − knk 
 α α α α 

 A (k2 ) − k0 A (k2 ) − k1 A (k2 ) − k2 ... A (k2 ) − knk 

 .. .. .. .. 
 . . . ... . 
α α α α
A (knk ) − k0 A (knk ) − k1 A (knk ) − k2 ... A (knk ) − knk

Matriz de valores de utilidad

 α α α α 
ln (A (k0 ) − k0 ) ln (A (k0 ) − k1 ) ln (A (k0 ) − k2 ) ... ln (A (k0 ) − knk )
α α α α
 ln (A (k1 ) − k0 ) ln (A (k1 ) − k1 ) ln (A (k1 ) − k2 ) ... ln (A (k1 ) − knk ) 
 α α α α 

 ln (A (k2 ) − k0 ) ln (A (k2 ) − k1 ) ln (A (k2 ) − k2 ) ... ln (A (k2 ) − knk ) 

 .. .. .. .. 
 . . ...
. . 
α α α α
ln (A (knk ) − k0 ) ln (A (knk ) − k1 ) ln (A (knk ) − k2 ) . . . ln (A (knk ) − knk )

La función valor puede ser representada a través de la ecuación de Bellman:

V (k) = ln (Ak α − k 0 ) + βV (k 0 )

Recuerde que se usa una conjetura para la interacción j = 0 de V0 (k 0 ) = 0,

entonces nuestra Matriz de valores de la función valor V (k):

 α α α α 
ln (A (k0 ) − k0 ) ln (A (k0 ) − k1 ) ln (A (k0 ) − k2 ) ... ln (A (k0 ) − knk )
α α α α
 ln (A (k1 ) − k0 ) ln (A (k1 ) − k1 ) ln (A (k1 ) − k2 ) ... ln (A (k1 ) − knk ) 
 α α α α 

 ln (A (k2 ) − k0 ) ln (A (k2 ) − k1 ) ln (A (k2 ) − k2 ) ... ln (A (k2 ) − knk ) +β [0]nkxnk

 .. .. .. .. 
 . . ...
. . 
α α α α
ln (A (knk ) − k0 ) ln (A (knk ) − k1 ) ln (A (knk ) − k2 ) . . . ln (A (knk ) − knk )

La solución a este problema es un vector nkx1, de la siguiente forma:

 
k1

 k5 

0
k =
 k10 

 .. 
 . 
k1

ln (Ak0α − k1 )
 
 ln (Ak1α − k5 ) 
ln (Ak2α − k10 )
 
En el optimo calculamos V1 (k) =  + β [0]nkxnk
 
 .. 
 . 
α
ln (Aknk − k1 )

4
 Ahora para la iteración j = 1

 α α α α 
ln (A (k0 ) − k0 ) ln (A (k0 ) − k1 ) ln (A (k0 ) − k2 ) ... ln (A (k0 ) − knk )
α α α α
 ln (A (k1 ) − k0 ) ln (A (k1 ) − k1 ) ln (A (k1 ) − k2 ) ... ln (A (k1 ) − knk ) 
 α α α α 

 ln (A (k2 ) − k0 ) ln (A (k2 ) − k1 ) ln (A (k2 ) − k2 ) ... ln (A (k2 ) − knk ) 

 .. .. .. .. 
 . . . ... . 
α α α α
nk ) − k0 ) ln (A (knk ) − k1 ) ln (A (knk ) − k2 ) . . . ln (A (knk ) −knk )
ln (A (k
ln (Ak0α − k1 ) ln (Ak0α − k1 ) ln (Ak0α − k1 ) ln (Ak0α − k1 )
 ln (Ak1α − k5 ) ln (Ak1α − k5 ) ln (Ak1α − k5 ) ln (Ak1α − k5 ) 
 ln (Ak2α − k10 ) ln (Ak2α − k10 ) ln (Ak2α − k10 ) α
 
+β  . . . ln (Ak2 − k10 ) 

 .. .. .. .. 
 . . . . 
α α α α
ln (Aknk − k1 ) ln (Aknk − k1 ) ln (Aknk − k1 ) ln (Aknk − k1 )

La solución a este problema es un vector nkx1, de la siguiente forma:

 
k2

 knk 

0
k =
 k1 

 .. 
 . 
k10