Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Clculo de Variaciones
Formulacin del problema (PCV): Dados los nmeros t0 < t1 en , la funcin de clase C2,
t1
3
F: , y los nmeros reales a y b; se quiere maximizar la F ( x(t ), x (t ), t )dt
t0
sujeta
a que la funcin x() := {x: [t0, t1] tal que x C2}, x(t0) = a y x(t1) = b.
Ntese que si el problema consistiera en minimizar, en vez de maximizar, no hara falta
una nueva teora, pues la solucin que minimiza la integral de F es la que maximiza la
integral de F.
Ejemplo: Hallara la funcin real de variable real cuya grfica tenga longitud mnima
entre las que pasan por dos puntos dados, (a, ) y (b, ), siendo a b. Este problema se
b
Nociones preliminares:
En se definen las operaciones de adicin y de multiplicacin por escalares as:
1) Si x y , entonces x + y : [t0, t1] , se define por (x + y) (t):= x(t) + y(t). 2) Si x
, entonces x : [t0, t1] , se define por ( x)(t):= x(t).
Se comprueba fcilmente que , provisto de estas dos operaciones, es un espacio
vectorial real. Ahora bien, en dicho espacio vectorial se define una norma as: x:= max
{|x(t)|: t[t0, t1]}.
Ejemplos: Si t0 = 1 y t1 = 5, entonces para x(t) = t2 ser x = max {t2 : t [1, 5]} = 25; y
si y(t) = 1 + t t2/4, se tendr y = max {1 + t t2/4 : t [1, 5]} = 2.
Dada una norma en un espacio vectorial, ella induce una mtrica en l, i. e., una funcin
de distancia entre elementos del espacio, como se indica a continuacin. Si x y y son
elementos de , entonces la distancia entre ellos ser d (x, y):= x - y. As, para las
funciones del ejemplo anterior sera d (x, y) = max {t2 (1 + t t2/4): t[1, 5]} = 25.
Teniendo ya una mtrica el espacio vectorial, en l puede definirse la bola abierta de
centro x y de radio r como B(x, r) := {z : d(x, z) < r}.
En el contexto de optimizacin, que es el nuestro, se distingue entre mximo global y
mximo local. El primero es el que lleva a su mximo valor posible a la integral de la
funcin objetivo; el segundo es uno tal que en alguna bola abierta centrada en l ningn
otro elemento lleva a la integral de la funcin objetivo a un valor mayor que aquel que
alcanza con el mximo local. As, x* de es un mximo global del PCV si y de ,
t1 t1
x*(t1).
2
Pero, una x de es mximo local del PCV si r > 0 tal que y de B(x, r), se tiene que
t1 t1
x
(b) = , se tendr : F ( x (t ), x (t ), t ) = 1 x (t ) 2 , por lo que Fx = 0 y Fx
(1 x 2 )
.
Entonces, la ecuacin de Euler resulta ser: 0 = ( 1 x (t ) 2 )-3/2 x , i. e., 0 = x , ya que el
otro factor es distinto de 0. Las soluciones de esa ecuacin diferencial son todas las que
se obtienen dando valores arbitrarios a los parmetros h y k en x(t) = h + kt. Entre ellas,
las condiciones extremas exigen que = h + a k = h + kb, de donde slo queda que k
= ( - )/(b - a) h = - a ( - )/(b - a). Luego, si el problema tuviera solucin, ella
habra de ser la funcin x (t) = - a ( - )/(b - a) + (( - )/(b - a)) t.
(12tx x
2
Otro ejemplo: Se pide max ) dt sujeto a: x(0) = 2 x(2) = 12.
0
d
La ecuacin de Euler resulta ser: 0 = -12 t - ( 2 x ) = -12t + 2 x , i. e., x = 6t.
dt
Entonces, integrando, se obtienen todas las extremales (as se llaman las soluciones de
la ecuacin de Euler) son dadas por x(t) = t3 + ht + k. Las condiciones extremas exigen
que 2 = k 12 = 8 + 2h +k, de donde, h = 1 k = 2, por lo que la nica candidata a
solucin es la funcin x (t) = t3 + t +2.
La ecuacin de Euler es: -2 x = h , de donde x(t) = -ht/2 + k, que con las condiciones
extremas da: 1 = x(0) = k 2 = x(1) = -h/2 + k. De esto resulta que h = -2 k = 1, por lo
que la nica posible solucin es x(t) = t + 1.
2) En la funcin F no aparece x :
Como Fx = 0, se obtiene que 0 = Fx , que es una ecuacin algebraica que no depende de
constantes arbitrarias, por lo que difcilmente se satisfarn las condiciones extremas.
Ejemplo:
1
(t x
2 3
Se pide min ) dt sujeto a: x(0) = x(1) = , con y dados.
0
La ecuacin de Euler es: 0 = Fx = 3 (-t + x2) 2x, de donde x(t) = 0, t x(t) = t x(t) = -
t . Hay cuatro casos posibles, a saber, (1) = 0 = ; entonces la nica posible solucin
sera x(t) = 0 t ; (2) = 0 = 1; entonces la nica posible solucin sera x(t) = t t ;
(3) = 0 = -1; entonces la nica posible solucin sera x(t) = - t t . En cualquier
otro caso, no habra solucin al problema planteado.
3) En la funcin F no aparece t:
d
Como F no depende de t, F Fx x Fx x , y como segn la ecuacin de Euler Fx =
dt
d d d d
Fx , se obtiene F ( Fx ) x Fx x = ( Fx x ) , de lo cual se sigue que ha de
dt dt dt dt
ser constante la expresin F - Fx x .
1
(2 3xx
2
Ejemplo: Se pide max ) dt sujeto a: x(0) = 0 x(1) = 1.
0
H
Entonces, (2 3x x 2 ) - (-6x x ) x = h, de donde xx 2 H (cte.). As, pues, x
x
,
3
de donde x dx = H dt ; ahora, de esto se sigue que x3/2 =
2
( H t K ) , que
con las condiciones extremas dan: K = 0 H = 4/9. Por lo tanto, la nica posible
solucin sera la funcin x(t) = t2/3.
t t
solucin general es x(t) = A et + B e-t + e . Las condiciones extremas dan como nica
2
e t
posible solucin a la funcin x(t) = (e t et ) et . Como Fx x = 2, slo se
2(1 e) 2
4
cumple la condicin de Legendre necesaria para un mnimo local. As, no hay solucin
para el problema si se tratase de maximizar, pero quiz s la haya para el problema de
minimizar.
Condiciones de transversalidad
El PCV planteado es uno de momentos inicial y final dados as como de estados inicial
y final tambin dados. Adems de ste, hay otros tipos de problemas, a saber:
a) problema de estado final libre pero estado inicial y momentos inicial y final dados;
b) problema de estado y momento finales libres pero estado y momento iniciales dados;
c) problema de momento final libre pero estado final y momento y estado iniciales
dados;
d) problema de estado y momentos iniciales parcialmente determinados por cierta
ecuacin dada: 0 = g(t, x), con estado y momento iniciales dados.
En todos estos casos siguen vigentes las condiciones necesarias dadas por la ecuacin
de Euler y la condicin de Legendre, pero aparece una nueva condicin necesaria, a
saber, la llamada condicin de transversalidad que se abreviar por . Para enunciarla,
se requiere definir el vector de ortogonalidad : v := (F - x Fx , Fx ) . Ahora bien, el
enunciado general de la condicin es el siguiente. En el punto terminal (t1*, x(t1*)) de
una curva ptima, x*(), el vector de ortogonalidad, v , ha de ser perpendicular (u
ortogonal) a cualquier direccin admisible1 desde el punto terminal.
Veamos qu se sigue de esto en cada uno de los casos antes mencionados.
Caso (a): Como la nica direccin admisible es la vertical, el v ha de ser horizontal, por
lo cual su segundo componente ha de ser nulo, i. e., es: 0 = Fx ( x * (t1 ), x * (t1 ), t1 ) .
Caso (b): Como toda direccin desde el punto terminal (t1, x*(t1)) es direccin admisible
puesto que son libres el momento y el estado finales, entonces el v ha de ser el vector
nulo. i. e., es:
0 = F ( x * (t1 ), x * (t1 ), t1 ) - x (t1 ) Fx ( x * (t1 ), x * (t1 ), t1 ) 0 = Fx ( x * (t1 ), x * (t1 ), t1 )
.
Ha de notarse que esto equivale a:
F ( x * (t1 ), x * (t1 ), t1 ) = 0 0 = Fx ( x * (t1 ), x * (t1 ), t1 ) .
Caso (c): como en este caso la nica direccin admisible desde un punto terminal es la
horizontal, el v ha de ser vertical, por lo cual su primer componente habr de anularse
en el punto terminal, i. e., es: 0 = F ( x * (t1 ), x * (t1 ), t1 ) -
x (t1 ) Fx ( x * (t1 ), x * (t1 ), t1 ) .
Caso (d): Como en este caso la nica direccin admisible desde el punto terminal es la
de la recta tangente en dicho punto a la grfica de la funcin 0 = g (t, x), se deduce que
el vector v habr de ser paralelo al gradiente de la funcin g en el punto terminal, i. e.,
es: grad g (t1 , x*(t1)) // (F - x Fx , Fx ) en (t1 , x*(t1)).
Ha de notarse que incluso en el PCV se cumple el enunciado general de la condicin de
, pues, no habiendo ninguna direccin admisible en el punto terminal, el vector de
ortogonalidad en dicho punto es absolutamente libre de tomar cualesquiera valores, ya
que no est obligado a ser perpendicular a ninguna direccin en particular.
Ejemplos
1
Se llama direccin admisible desde el punto terminal a cualquier recta tangente a una curva que parta
desde dicho punto terminal y satisfaga por un lapso positivo las condiciones finales dadas.
5
(tx x
2
1) Se pide optimizar )dt sujeto a: x (0) = 0. Entonces, la ecuacin de Euler
0
d
es: 0 = (t 2 x ) , de donde se sigue que ha de ser constante la expresin t 2 x
dt
= k. Esta ecuacin se resuelve fcilmente dando como solucin general x (t) = -t2/4
+ kt/2 + h. La condicin inicial da por resultado que 0 = h. As, slo quedan como
posibles soluciones las funciones de la forma x (t) = -t2/4 + kt/2. Veamos lo
referente a la condicin de Legendre: como Fx x (en t = 2) = 2 0, se ve que slo
puede haber mnimos locales. Finalmente, la condicin de exige que 0 = Fx (en t
= 2) = (t 2 x ) |t = 2 = 2 + 2(-1 + k/2) = k, por lo que la nica posible solucin es
x*(t) = -t2/4.
1
d
La ecuacin de Euler es: 0 = 2 x (2 x ) 0 x x , de donde se sigue que las
dt
extremales del problema son dadas por x(t) = Aet + Be-t, que con la condicin inicial
da 0 = A + B, por lo que las extremales se reducen a x(t) = A(et + e-t).
Adems, ya que x(1) 1, ha de ser A(e + e-1) 1, de lo que se sigue que A > 0.
La condicin de Legendre: Fx x = 2 0, de donde se sigue que slo puede haber
mnimos locales.
Ahora, supongamos, momentneamente, que x(1) > 1; entonces la condicin de
implicara que 0 = Fx |t = 1 = 2x (1) = 2 A (e + 1/e), que es imposible ya que A ha
de ser positivo como se estableci cuatro lneas arriba.
De todo esto concluimos que x(1) = 1, i. e., A = e /(e2-1), y que la nica posible
e
solucin es x* (t) = 2 (et e t ) .
e 1
t1
t1
0
d x x
La ecuacin de Euler: 0 = dt ( ) , de donde resulta: constante, por lo
1 x 2 1 x 2
que queda x = h, es decir, x = h t + k, y con la condicin inicial se obtiene k = 1.
1
La condicin de Legendre: Fx x > 0, por lo que slo puede haber
(1 x 2 )3 / 2
mnimos locales. De la condicin terminal se obtiene h t1 + 1 = 3 t1. La condicin de
: v (pto. term.) // grad (pto. term.), donde (t , x) := - 3 t + x. Esto es: - 3 =
F x Fx
( ) |pto. term. , i. e., x (t1 ) 1 = h t1 = 3/10. Entonces, la nica posible
Fx 3
solucin es la funcin x (t) = 1 t /3 con t1 = 3/10.
t1
t1
t1
una funcin equivale (en trminos de soluciones) a maximizar dicha funcin sumada
con una constante cualquiera, el problema puede formularse como el de
t1
d
= Fx S ( x ) x
( Fx S ( x)) Fx Fx x .
dt
2
La condicin de Legendre: 0 2 ( F S ( x) x ) ( Fx S ( x )) Fx x .
x x
La condicicin de : 0 ( F ( x, x , t ) S ( x ) x ) |pto. term.= ( Fx S (x ) )|pto. term..
x
Teorema: Si F es cncava en ( x, x ) y S() es cncava, entonces cualquier funcin
x ()
que satisfaga la ecuacin de Euler, la condicin de Legendre, la condicin de y las
condiciones extremas es un mximo global.
Nota: Si se quisiera minimizar, en vez de concavidad en ( x, x ) para la funcin F,
habra de exigirse convexidad en ( x, x ); adems, para la funcin S() tambin habra
que exigirse convexidad en lugar de concavidad.
1
F ( x, x , x,..., x
(n)
Ahora el problema es: max , t ) dt sujeto a:
t0
d d2 dn
La ecuacin de Euler-Poisson es: 0 = Fx Fx 2 Fx x ... (1) n n Fx ( n ) .
dt dt dt
1
d d2 d2
La ecuacin de Euler-Poisson es: 0 = Fx Fx 2 Fx x = 0 0 + 2 ( 2 x) = 2 x(4).
dt dt dt
3 2
De esto se sigue que x(t) = h t /6 + k t /2 + l t + m. Las condiciones extremas dan: m = 0
l = a h = 6 (a + b) k = -2 (b + 2a), luego x(t) = (a + b) t3 (b + 2a) t2 + at es la nica
posible solucin. Adems se verifica fcilmente que se cumplen las condiciones de
Legendre y la de concavidad.
9
Interpretacin econmica:
Esto equivale a hallar una x* (t) tal que max ( ( x (t )) cx(t ))dt
t0
sujeto a:
x (t 0 ) x 0 x (t1 ) 0 .
Se asume que () es estrictamente cncava y que despus del momento t1 el producto es
d d
nulo. Entonces, la ecuacin de Euler es: 0 = Fx Fx = -c + (q ) , i. e. , c =
dt dt
d d
(q ) = ( q )(t ). Como c es constante, se sigue que ct + h = (q(t)). Puesto
dt dt
que () < 0, ()-1, por lo cual ()-1(ct + h) = q(t) = - x (t ) , de donde x (t) = k +
t1 t
t0 t0
1 1
Si, por ejemplo, (q) = q , entonces (q) = () 1 ( z ) , luego
2 q 4z2
t t t0
1 1 1
() (ct h)dt t 4(ct h)2 dt 4c ct h con lo que
1
t0 0 t
1 1 1 1 1 1
x (t ) x0 ( ) 0 x(t1 ) x0 ( ) de donde sale el
4c ct h ct0 h 4c ct1 h ct0 h
valor de h . Como Fx x ( x ) < 0, puede haber mximo local. F es ( x, x )-cncava,
as que s es mximo global.
.
10
d d d
La ecuacin de Euler: 0 = Fk Fk u(c)( f ( k ) ) u(c) , y como u (c ) =
dt dt dt
u(c)
u() c , se obtiene: c ( f (k ) ) .Esta ecuacin, junto a la que se obtiene de la
u(c )
ley dinmica: k f ( k ) k c , forman un sistema de dos ecuaciones diferenciales no
lineales.
Se obtiene un equilibrio, (k*, c*), del sistema imponiendo las condiciones de nulidad de
las velocidades de cambio k y c . As, k* = (f)-1() y c* = f (k*) - k*.
Puede comprobarse que, debido a las asunciones hechas, este equilibrio es uno de tipo
de ensilladura. En efecto, la matriz jacobiana del sistema evaluada en el equilibrio es:
f (k *) 1
J* = u ( c*)
f (k *) 0 . Porque J*11 = 0 > J*21 , se encuentra que es nula la traza
u (c*)
de J* y que es negativo su determinante. Esto hace que los autovalores de J* sean de
signos opuestos, por lo que el equilibrio correspondiente ha de ser una ensilladura.
G ( x, x , t )e dt
t
, t ) e t dt M e t dt
G ( x, x
M
e
t 0
M
.
0 0 0
Para este problema siguen vigentes la ecuacin de Euler, la condicin de Legendre, pero
ahora la condicin de toma una forma algo diferente. As, para el caso de haber una
condicin terminal asinttica b = limt x(t), la condicin de es ( F x Fx )|t = = 0; y
para el caso en que no hay condicin terminal, es: ( F x Fx )|t = = 0 = Fx |t = .
Ejemplo
En el modelo de crecimiento de Ramsey con horizonte temporal infinito:
u (c )e
t
max dt sujeto a: f (k) = c + k + k k(0) = k0 k() = k , la condicin de
0
2.Control ptimo
Formulacin de Bolza
t1
Formulacin de Mayer
PCOM : max S (x (t1)) sujeto a x f ( x, u, t ) x(t0 ) a u (t ) t t .
Resulta evidente que es esta formulacin un caso particular de la de Bolza y que
corresponde al caso en que en sta se da la funcin nula en el papel de la F.
Que la de Bolza sea representable como la de Mayer es algo que se muestra a
continuacin.
Defnanse las variables x1 y x2 as: x1 := x x 2 := F(x1 , u, t) con x2(t0) = 0. Entonces, el
t1
x1 f ( x1 , u , t )
a: , donde S(x1 , x2) := x2.
x 2 F ( x1 , u , t )
Formulacin de Lagrange
t1
Condiciones necesarias para que una u*(), con su respuesta x*(), den un mximo local
del problema PCOL
1) Ha de haber una funcin *(), llamada covariable de estado, tal que:
* (t ) H x ( x*, u*,t ) * (t1 ) 0 x * (t ) f ( x*,u*, t ) x * (t0 ) a , en
donde la funcin H, llamada hamiltonianase define como H (x, u, , t) := F(x, u,
t) + f(x, u, t). Las ecuaciones diferenciales de esta condicin se conocen como
las ecuaciones cannicas.
2) t [t0 , t1], u*(t) ha de ser un mximo global de H(x*(t), , *(t), t). sta
condicin se conoce como principio del mximo de Pontriaguin.
Ejemplos
5
mismas condiciones del original. Entonces, H = u2 + 2x2 + 2xu + ()(x + u). Las
ecuaciones cannicas: x x u H x 4 x 2u . Como H es u-
convexa, el principio del mximo (en verdad: mnimo): 0 = Hu = 2u + 2x +, de
donde, u = -x -/2, lo que llevado a las ec. cannicas da el sistema dinmico en x
1
y : x 2 x . De aqu, por eliminacin, sale: x x 0 , que, con la
2
condicin inicial da: x(t ) Aet Bet 1 A B . La segunda cannica da:
(t ) 2 Aet 2 Be t 0 (1) 2 Ae 2 Be 1 . Entonces, A = (e2 + 1)-1 B =
e 2 t et
e2/(e2 + 1), de lo que se sigue x * (t ) (e 2 1) 1 (et e) * (t ) 2 2 .
e 1
14
(2 x 3u u
2
4) Se pide max )dt sujeto a: x x u x(0) 5 t, t [0, 2].
0
2 2
en donde C sale de la condicin inicial en 2.
Interpretacin econmica
t1
As, V* (a, t0) da el mximo valor alcanzable en el problema original. Sea (t) :=
A partir de un momento t del horizonte temporal en el que el nivel del capital es x(t) y la
decisin empresarial es u(t), considrese un breve lapso dt. Entonces, Hdt = Fdt + f dt
= F dt + x dt = F dt + dx. Aqu, F dt es la contribucin directa en soles a la funcin
objetivo desde t hasta t + dt, si el estado en t era x (t) y la decisin fue u (t). Por otra
parte, dt es el valor en soles del incremento en el nivel de acopio de capital; es la
contribucin indirecta a la funcin de valorLuego, H dt es la contribucin total a la
funcin de valor durante el lapso dt. As, se ve que lo que ha de maximizarse en cada
momento t es H, y no slo F.
La condicin H x da - d = Fx dt + (fx dt), que dice que en la senda ptima ha de
igualarse la cada del precio sombra del capital y el ingreso marginal de invertir ese
capital, que es la suma de las contribuciones marginales directa e indirecta.
cncavas y como f(x, u, t) no es lineal en (x, u), debe tenerse que *() sea innegativa
para que se cumplan las condiciones suficientes de Mangasarian. Como H = x + u + ()
(1 u2), la segunda ecuacin cannica es H x 1 con (1) = 0 por la condicin
de , se sigue que *(t) = 1 t, que en [0, 1] es 0. Luego, la u* (t) =
1 1
, que sale del principio del mximo: 0 = Hu, es el control ptimo.
2 * (t ) 2(1 t )
ya que puede adoptarse la formulacin de Lagrange, puesto que como S(x) = x2, se tiene
d
que S ( x(t )) S ( x(t )) x (t ) 2 x (t )( x (t ) u (t )) , de donde, ya que
dt
1
d
dt S ( x(t ))dt = S(x(1)) S(x(0)) = x(1)2 1, y que la constante 1 en la funcional
0
objetivo, como sumando sustraendo no afecta a los ptimos del problema, resulta
16
4 2
que F es (x, u)-convexa, pues su hessiana es de menores principales 4 y 4;
2 2
adems, f , por ser lineal en (x, u), es convexa. Igual que antes, la condicin: si f no es
lineal en (x, u), entonces *() 0 se cumple trivialmente ya que f s es lineal. Valen,
pues, las condiciones suficientes de Mangasarian.
Hay otro juego de condiciones suficientes para mximo global en el PCOL: son las de
Arrow.
Teorema: Para el problema de PCOL defnase la funcin hamiltoniana derivada, H0,
mediante: H0 : [t0 , t1] , (x, , t) max H ( x, u , , t ) para u t. Entonces, si
H 0 ( x, * (t ), t ) es x- cncava t del [t0 , t1], se sigue que la u*() que sale de las
ecuaciones cannicas y del principio del mximo es el control ptimo.
Nota: En un problema de minimizacin, ha de reemplazarse la x- concavidad de
H0(x, *(t), t) por la x- convexidad.
1
1
Resulta que H0(x, , t) = x + + , que es x- cncava, por lo que se cumplen las
4
condiciones suficientes de Arrow.
u
2
Ejemplo: Se pide max dt sujeto a: x x u x(0) 1 x (1) 0.
0
u
2
Ejemplo: Se pide max dt sujeto a: x x u x(0) 1 x(1) 3.
0
por determinarse.
La hamiltoniana es: H t 2 u 2 ( )(u ) . La segunda ecuacin cannica:
H x 0 , de donde (t) = A. Como H es estrictamente convexa en u, el
principio del mximo implica que 0 = Hu = 2u + , de donde u(t) = -A/2. De la
primera ecuacin cannica x u = -A/2 con su condicin inicial se obtiene que
x (t) = -At/2 + 4. La condicin de : 0 = H ( x (t1 ), u (t1 ), (t1 ), t1 ) = t12 + (-A/2)2
+ (A) (-A/2), esto es, t12= A2/4. La condicin terminal 5 = x (t1) = -At1/2 + 4. De
estas dos ltimas ecuaciones salen t1 = 1 A = -2. Por lo tanto, la nica candidata
que queda a ser control ptimo es u*(t) = 1 en el intervalo [0, 1].
18
G ( x, u , t ) e
t
Para el problema de max dt sujeto a: x f ( x, u , t ) x(0) a ,
0
El principio del mximo: u*(t) ha de ser mximo global de H (x*(t), , *(t), t).
Pero H (x*(t), u, *(t), t) H (x*(t), u, *(t), t) ssi (x*(t), u, *(t), t)
(x*(t), u, *(t), t), de donde se sigue que el principio del mximo en trminos
de la hamiltoniana de valor corriente es as: t, u*(t) ha de ser mximo global de
(x*(t), , *(t), t).
e
t
Ejemplo: Se quiere min (u 2 ( x 1) 2 )dt , con positivo, sujeto a:
0
x 2 x 3u x (0) 5 .
Entonces, = u2 + (x - 1)2 + () (2x 3u). La segunda ecuacin cannica es:
= -x + = - (2 (x - 1) + 2 ) + . El principio del mximo, dada la
convexidad estricta de respecto a u es: 0 = u = 2u - 3, de donde, u = 3/2.
Entonces, reemplazando u por 3/2 en la primera cannica se obtiene un sistema
9
x 2 x
dinmico lineal en x y : 2
( 2 ) 2 x 2
Si de la primera se despeja y luego se la deriva respecto a t para reemplazar en
la segunda, se obtiene una ecuacin diferencial de segundo orden en x cuya
solucin permitir luego hallar y u. Esta ltima ser el control ptimo pues se
cumplen las condiciones de suficiencia de Mangasarian.
e
t
Se considera el problema con una integral F ( x, u , t ) dt . La condicin
t0
(2 x 2u 2 2v 2 )dt sujeto a:
2
Ejemplo: Se quiere max
0
x x 4(u v) x (u v) 1 x (0) 1 .
0 Lu - 4u - 4 Lx 4 x
As, las condiciones necesarias son: ,
0 Lv 4v 4 x L x 4(u v )
de donde, x = (u + v) +1 x(0) = 1.
As, pues, resulta que L = 2x2 2u2 -2v2 + ()(-x-4u-4v) - (x u v -1). Entonces,
las condiciones necesarias son:
0 Lu 4u 4 Lx 4 x x (u v ) 1
.
0 Lv 4v 4 x L x 4(u v) x(0) 1
T
G ( x (t ), u (t ), t ) . Ahora, el problema es el de max F ( x, u, t )dt sujeto a:
0
x f ( x, u , t )
con y(0) = 0 y(T) = K.
y G ( x, u , t )
Ejemplo: Hallar la curva desde (0, a) hasta (1, b) de longitud dada l, que maximice
1
el rea encerrada por ella y por el eje de abscisas. Entonces, se trata de max xdt
0
1
sujeto a: l =
0
1 u 2 dt x u x(0) a x (1) b .
1
x u x (0) a y (0) 0
max x(t )dt
0
sujeto a:
y 1 u 2 con
x (1) b
y (1) l
.
21
1 H x 1
2 H y 0
Entonces, la hamiltoniana es: H = x + 1u + 2 (1+u2) y el
x u
y 1 u 2
2u
principio del mximo exige que 0 = Hu = 1 + . De todo ello sale: 1 = A t
1 u2
Bu tA
2 = B, por lo que 0 = A t + que da u*(t) = B (t A) 2
2 . Ahora,
1 u 2
u
2
Ejemplo: Se quiere max dt sujeto a: x x u x (0) 1 xu 2 . Entonces,
0
3. Programacin Dinmica
Para resolver este problema suele usarse la llamada induccin regresiva, que es un
mtodo consistente en convertir un problema de mltiples etapas en varios
problemas de una sola etapa retrocediendo en el tiempo. Para ilustrarlo se da el
siguiente ejemplo.
22
Ejemplo: Desde una ciudad A se quiere llegar a una ciudad H, no siendo posible
hacerlo en una sola etapa. En la primera etapa se puede llegar a una de las ciudades
B, C y D. En la segunda etapa, partiendo de una cualquiera de estas ciudades, puede
llegarse a una de las ciudades E, F y G. En la tercera etapa, partiendo de una
cualquiera de stas, puede llegarse a la ciudad H. Se pretende seguir la ruta ms
corta, siendo las distancias entre ciudades las que se indican en la siguiente figura.
En la primera etapa, las tres posibles rutas ptimas son ABGH(11), ACEH(15) y
ADGH(12). Luego, la ruta ptima es ABGH de longitud 11.
Propiedad de causalidad en la PD
Para dos etapas cualesquiera, j y k, ocurre que si j < k, entonces x(k) slo depende de
x(j) y de los controles u(j), u(j + 1), , u(k - 1)
Esto es claro, pues si en j el estado es x(j) y se aplica el control u(j), la ley dinmica
determina el estado x(j+1) = f (x(j), u(j), j); si en j+1 se aplica u(j+1), de nuevo, la
ley dinmica determina el estado x(j+2) = f (x(j+1), u(j+1), j+1), y as sucesivamente
hasta que x(k) resulte determinado por x(k-1) y u(k-1) segn f (, , k-1).
Teorema de Bellman:
N 1
j{1, , N -1}, (u * ( k )) j es un control ptimo del problema PDj consistente en
N 1
Ejemplo: Se quiere minu ((u(0) - 2)2 + (u(1) - 4)2 + x(2)) sujeto a: x(0) = 1 x(1) =
3x(0) + u(0) x(2) = x(1) + 2u(1).
2) J1 (z) = minu ((u-4)2 + J2 (f(z, u, 1))) = minu ((u-4)2 + J2 (z + 2 u))) = minu ((u-4)2 +
z + 2u) y como (u-4)2 + z + 2u es u- convexa estrictamente, el mnimo global se
obtiene haciendo 0 = 2(u - 4) + 2, i. e., u* = 3, siendo el valor mnimo
correspondiente J1 (z) = z + 7.
3) J0 (z) = minu ((u-2)2 + J1 (f(z, u, 0))) = minu ((u-2)2 + J1 (3z + u)) = minu ((u-2)2 +
3z + u + 7) y como (u-2)2 + 3z + u + 7 es estrictamente u- cncava, el mnimo
global se obtiene haciendo 0 = 2 (u - 2) + 1. i. e., u* = 3/2, y el valor mnimo es
J0 (z) = 3z + 35/4.
As, pues, el mnimo valor de la funcional del problema planteado, J*(1), se obtiene
como igual a J0 (1) = 47/4. Este valor se alcanza con la sucesinde controles
ptimos: u*(0) = 3/2 y u*(1) = 3, siendo la correspondiente respuesta del sistema:
x*(0) = 1, x*(1) = f (x*(0), u*(0), 0) = 3 x*(0) + u*(0) = 3 (1) + 3/2 = 9/2 y,
finalmente, x*(2) = f (x*(1), u*(1), 1) = x* (1) + 2 u*(1) = 9/2 + 2 (3) = 21/2.
Ejercicio: Se pide minu (x(0) u(0) + x(1) u(1) + x(2)2) sujeto a: x (k+1) = x(k)u(k) +
u(k)2 x (0) = 2 k = {1, -1, 0}.
1 1 1
negativa, el mximo global sale de 0 = ( u z u) = ( ) , por lo
u 2 u z u
que u* = z /2 que s [0, z]. As, resulta JN-2 (z) = 2z .
De manera enteramente similar, se obtienen JN-3 (z) = 3 z con mximo global u*(z)
= z /3, y, ms generalmente, que JN-m (z) = mz con mximo global u*(z) = z /m.
Finalmente, J*(z) = JN-N (z) = Nz con mximo global u*(z) = z /N. Por lo tanto el
valor mximo de la funcional objetivo del problema planteado es J*(C) = NC y
los controles ptimos, junto con los estados generados por ellos, son u*(0) = C/N,
x*(1) = x*(0) - u*(0) = C - C/N = (1 1/N) C, u*(1) = x*(1)/(N - 1) = C/N, x*(2) =
x*(1) - u*(1) = (1 2/N) C, u*(2) = x*(2)/(N-2) = C/N, etc.
k 0
V3 ( z ) ( z 5) 2 .
V2 ( z ) minu (u 2 ( z 4) 2 V3 ( z 3u )) . Como esta funcin es u-convexa, el mnimo
global sale de: 0 = 2u 2 ( z 3u 5)3 , i. e., u* = 1.48 0.3 z.
As, V2 ( z ) 1.1 z2 9z + 18.47.
Procediendo de manera similar, se halla que V1 ( z ) min u (u ( z 2) V2 ( z 2u )) =
2 2