Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Cálculo de Variaciones
Formulación del problema (PCV): Dados los momentos t0<t1en , la función de clase
C2, F: 3, y los estadosa y b en ; se quiere hallar una función de clase C2, x() que
t1
Ejemplo: Hallar la función real de variable real cuya gráfica tenga longitud mínima
entre las que pasan por dos puntos dados, (a, ) y (b, ), siendo ab. Este problema se
b
formula como: min 1 x (t )2 dt sujeto a: x(a) = x(b) = .
a
Nociones preliminares:
En el conjunto de las funciones reales de clase C2 definidas en [t0 ,t1] se definen las
operaciones de adición y de multiplicación por escalares así:
1º) Si xy, entonces x + y : [t0, t1] , se define por (x + y) (t):= x(t) + y(t). 2º)
Si x, entonces x : [t0, t1] , se define por (x)(t):= x(t).
Se comprueba fácilmente que , provisto de estas dos operaciones, es un espacio
vectorial real. Ahora bien, en dicho espacio vectorial se define una norma así: x:=
max {|x(t)|: t[t0, t1]}.
Ejemplos: Si t0 = 1 y t1 = 5, entonces para x(t) = t2, será x = max {t2 : t [1, 5]} =
25; y si y(t) = 1 + t – t2/4, se tendrá y = max {|1 + t – t2/4| : t [1, 5]} = 2.
Dada una norma en un espacio vectorial, ella induce una métrica en él, i. e., una función
de distancia entre elementos del espacio, como se indica a continuación. Si x y y son
elementos de , entonces la distancia entre ellos será d(x, y):= x - y. Así, para las
funciones del ejemplo sería d(x, y) = max{|t2 – (1 + t – t2/4)|: t[1, 5]} = 25.
Teniendo ya una métrica el espacio vectorial, en él 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 optimización, se distingue entre máximo global y máximo local. El
primero es el que lleva a su máximo valor posible a la integral de la función objetivo; el
segundo es uno tal que en alguna bola abierta centrada en él, ningún otro elemento lleva
a la integral de la función objetivo a un valor mayor que el que alcanza con el máximo
2
t1
Pero, una x de es un máximo local del PCV si r> 0 tal que y de B(x, r), se tiene
t1 t1
que F ( x(t ), x(t ), t )dt F ( y(t ), y (t ), t )dt si es que y(t0) = a = x(t0) y(t1) = b = x(t1).
t0 t0
Ejemplo:
b
Para el PCV de la página anterior, min 1 x (t )2 dt sujeto a: x(a) = x(b) = , vemos
a
b
que, ya que él equivale a: max 1 x (t )2 dt sujeto a: x(a) = x(b) = , se tendrá :
a
x
F ( x(t ), x (t ), t ) = 1 x (t ) 2 , por lo que Fx = 0 y Fx .
(1 x 2 )
Entonces, la ecuación de Euler es: 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 ecuación diferencial son todas las que se obtienen
dando valores arbitrarios a los parámetros h y k en x(t) = h + kt. Entre ellas, las
condiciones extremas exigen que = h + ak = h + kb, de donde sólo queda que k =
(- )/(b - a) h = - a ( - )/(b - a). Luego, si el problema tuviera solución, ella
habría de ser la función x (t) = - a (- )/(b - a) + (( - )/(b - a)) t.
2
Otro ejemplo: Se pide max (12tx x 2 )dt sujeto a: x(0) = 2 x(2) = 12.
0
d
La ecuación de Euler resulta ser: 0 = -12 t- ( 2 x ) = -12t + 2 x , i. e., x = 6t. Entonces,
dt
integrando, se obtienen todas las extremales (así se llaman las soluciones de la ecuación
de Euler). Ellas 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 única candidata a solución es
la función x (t) = t3 + t +2.
Ejemplo:
1
Se pide min (t x 2 )3 dt sujeto a: x(0) = x(1) = , con y dados.
0
H
Entonces, (2 – 3x x 2 ) - (-6x x ) x = h, de donde xx 2 H (cte.). Así, pues, x , de
x
3
donde x dx = ( H t K ) , que con las
H dt ; ahora, de esto se sigue que x3/2 =
2
condiciones extremas dan: K = 0 H = 4/9. Por lo tanto, la única posible solución sería
la función x(t) = t2/3.
1
Ejemplo: Dado el problema de opt ( x 2 x 2 2 xet )dt sujeto a: x(0) = 0 x(1) = 1/2 ,
0
la ecuación de Euler es 0 = (2x + 2et) – d(2 x )/dt , que equivale a: x x et , cuya
t
solución general es x(t) = A et + B e-t + et . Las condiciones extremas dan como única
2
e t
posible solución a la función x(t) = (et et ) et . Como Fxx = 2, sólo se
2(1 e) 2
cumple la condición de Legendre necesaria para un mínimo local. Así, no hay solución
para el problema si se trata de maximizar, pero quizá sí la haya para el problema de
minimizar.
Condiciones de transversalidad
El PCV planteado es uno de momentos inicial y final dados así como de estados inicial
y final también dados. Además de éste, 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
ecuación dada: 0 = g(t, x), con estado y momento iniciales dados.
En todos estos casos siguen vigentes las condiciones necesarias dadas por la ecuación
de Euler y la condición de Legendre, pero aparece una nueva condición necesaria, a
saber, la llamada condición de transversalidad que se abreviará por Ŧ. Para enunciarla,
se requiere definir el vector de ortogonalidad:v:= (F - xFx , Fx ) . Ahora bien, el
enunciado general de la condición Ŧ es el siguiente. En el punto terminal (t1*, x(t1*)) de
una curva óptima, x*(), el vector de ortogonalidad, v, ha de ser perpendicular (u
ortogonal) a cualquier dirección admisible1 desde el punto terminal.
Veamos qué se sigue de esto en cada uno de los casos antes mencionados.
Caso (a): Como la única dirección admisible es la vertical, el vha de ser horizontal, por
lo cual su segundo componente ha de ser nulo, i. e., Ŧ es: 0 = Fx ( x * (t1 ), x * (t1 ), t1 ) .
Caso (b): Como toda dirección desde el punto terminal (t1, x*(t1)) es dirección admisible
puesto que son libres el momento y el estado finales, entonces el vha de ser el vector
nulo. i. e., Ŧ 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 única dirección admisible desde un punto terminal es la
horizontal, el v ha de ser vertical, por lo cual su primer componente habrá de anularse
en el punto terminal, i. e., Ŧ es: 0 = F ( x * (t1 ), x * (t1 ), t1 ) - x (t1 ) Fx ( x * (t1 ), x * (t1 ), t1 ) .
Caso (d): Comoen este caso la única dirección admisible desde el punto terminal es la
de la recta tangente en dicho punto a la gráfica de la función 0 = g (t, x), se deduce que
1
Se llama dirección admisible desde el punto terminal a cualquier recta tangente a una curva que parta
desde dicho punto terminal y satisfaga las condiciones finales dadas durante un lapso positivo.
5
Ejemplos
2
1) Se pide optimizar (tx x 2 )dt sujeto a: x (0) = 0. Entonces, la ecuación de Euler
0
d
es: 0 = (t 2 x ) , de donde se sigue que ha de ser constante la expresión t 2x .
dt
Esta ecuación se resuelve fácilmente dando como solución general x (t) = -t2/4 +
kt/2 + h. La condición inicial da por resultado que 0 = h. Así, sólo quedan como
posibles soluciones las funciones de la forma x (t) = -t2/4 + kt/2. Veamos lo
referente a la condición de Legendre: como Fxx (en t = 2) = 2 0, se ve que sólo
puede haber mínimos locales. Finalmente, la condición de Ŧ exige que 0 = Fx (en t
= 2) = (t 2 x ) |t = 2 = 2 + 2(-1 + k/2) = k, por lo que la única posible solución es
x*(t) = -t2/4.
1
2) Se pide optimizar ( x 2 x 2 )dt sujeto a: x(0) = 0 x(1) 1.
0
d
La ecuación 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 condición inicial
da 0 = A + B, por lo que las extremales se reducen a x(t) = A(et-e-t). Además, ya que
x(1) 1, ha de ser A(e-e-1) 1, de lo que se sigue que A> 0. La condición de
Legendre: Fxx = 2 0, de donde se sigue que sólo puede haber mínimos locales.
Ahora, supongamos, momentáneamente, que x(1) > 1; entonces la condición de Ŧ
implicaría que 0 = Fx |t = 1 = 2x (1) = 2 A(e- 1/e), que es imposible ya que A ha de ser
positivo como se estableció cinco líneas más arriba.
De todo esto concluimos que x(1) = 1, i. e., A = e /(e2-1), y que la única posible
e
solución es x* (t) = 2 (e t e t ) .
e 1
t1
d
La ecuación de Euler: 0 = 10t (2 x ) 10t 2 x por lo que las extremales son
dt
5
dadas por x 5t 2 / 2 h x(t ) t 3 ht k . Con la condición inicial se obtiene
6
5
que las extremales se reducen a x(t) = t 3 ht 1 .
6
g g
2
Recuérdese que el gradiente de una función g (t, x) := ( , )
t x
6
t1
d
La ecuación de Euler: 0 = 1 - (6 x ) = 1 - 6x , por lo que las extremales son dadas
dt
1 t2
por x t h x(t ) ht k . Ahora, con la condición inicial sale que k = 0.
6 12
La condición de Legendre: Fxx 6 0 , por lo que sólo puede haber mínimo local.
2
t1
La condición terminal: 5 = x (t1) = ht1 .
12
La condición de Ŧ: 0 = ( F xFx ) |pto. term.= ( x 3x 2 ) |.= 5 – 3 (t1/6 + h)2.
De estas dosúltimas condiciones se obtiene que t1 = 60 h = 0, por lo que la única
posible solución es x (t) = t2/12.
5) Encontrar, si existe, la senda más corta desde el punto (0, 1) hasta la recta de
ecuación: x = 3t. El problema puede ponerse en la forma típica del cáculo de
t1
d x x
La ecuación de Euler: 0 = ( ) , de donde resulta: constante, por lo
dt 1 x 2
1 x 2
que queda x = h, es decir, x = h t + k, y con la condición inicial se obtiene k = 1.
1
La condición de Legendre: Fxx > 0, por lo que sólo puede haber
(1 x 2 )3 / 2
mínimos locales. De la condición terminal se obtiene h t1 + 1 = 3 t1. (i)La
condición de Ŧ : v (pto. term.) // grad (pto. term.), donde (t , x) := - 3 t + x.
F xFx 1
Esto es: - 3 = ( ) |pto. term. , i. e., h = x (t1 )
Fx 3
(ii)lo que con (i) da quet1 = 3/10. Entonces, la única posible solución es la función x
(t) = 1 – t /3 con t1 = 3/10.
t1
1
Ejemplo: Se quiere min ( x 2 x 2 )dt sujeto a: x (0) = 1x (1) libre.
0
La función F es convexa en ( x , x ) pues su matriz hessiana correspondiente a esas
F Fxx 2 0
variables es positivo-definida, ya que xx , matriz todos cuyos
Fxx Fxx 0 2
autovalores son positivos. Así, la posible solución hallada mediante la ecuación de
Euler, la condición de Ŧ y la condición inicial, a saber x*(t) = (1 + e2)-1 (et+ e2-t), es un
mínimo global.
donde son datos los momentos t0 y t1 así como las funciones F(, ,) y S() .
Teorema: Una función x() es un máximo local del problema PCV sólo si satisface la
d
ecuación de Euler: 0 = Fx Fx , la condición de Legendre: Fxx 0 , la condición
dt
inicial y la nueva condición de Ŧ : 0 = ( Fx S ( x(t )) )|pto. term..
Demostración:
8
t1
d
Como
dt
S ( x(t )) S ( x(t )) x (t ) , se tiene que S ( x) xdt S ( x(t )) S ( x(a)) .
t0
1
t1
una función equivale (en términos de soluciones) a maximizar dicha función sumada
con una constante cualquiera, el problema puede formularse como el de
t1
d d
Para éste, la ecuación de Euler es: 0 = Fx S ( x) x ( Fx S ( x)) = Fx Fx . La
dt dt
2
condición de Legendre: 0 2 ( F S ( x) x ) ( Fx S ( x)) Fxx .
x x
La condicición de Ŧ : 0 ( F ( x, x, t ) S ( x) x ) |pto. term.= ( Fx S (x) )|pto. term..
x
Teorema: Si F es cóncava en ( x , x ) y S() es cóncava, entonces cualquier función x ()
que satisfaga la ecuación de Euler, la condición de Legendre, la condición de Ŧ y las
condiciones extremas es un máximo global.
1
Ejemplo: Se pide min ( x1 x22 2 x1 )dt sujeto a: x (0) = (1, 0) x (1) = (3/2, 1).
2
x(t0 ) a x (t0 ) a ... x ( n 1) (t0 ) a n 1 x(t1 ) b x (t1 ) b1 ... x ( n 1) (t1 ) b n 1
1
d d2 dn
La ecuación de Euler-Poisson es: 0 = Fx Fx 2 Fx ... (1) n n Fx( n ) .
dt dt dt
1
Ejemplo: Se quiere min x2 dt sujeto a: x(0) = 0 = x(1) x (0) a x (1) b .
0
d d2 d2
La ecuación de Euler-Poisson es: 0 = Fx Fx 2 Fx = 0 – 0 + 2 (2 x) = 2 x(4).
dt dt dt
De esto se sigue que x(t) = ht3/6 + kt2/2 + lt + m.
Las condiciones extremas dan: m = 0 l = ah = 6 (a + b) k = -2 (b + 2a), luego x(t) =
(a + b) t3 – (b + 2a) t2 + at es la única posible solución. Además se verifica fácilmente
que se cumplen las condiciones de Legendre y la de concavidad.
Interpretación económica:
t1
x(t 0 ) x0 x(t1 ) 0 .
Se asume que () es estrictamente cóncava y que después del momento t1 el producto
es nulo.
d d d
Entonces, la ecuación de Euler es: 0 = Fx Fx = -c + (q ) , i. e. ,c = (q ) =
dt dt dt
d
( q)(t ). Como c es constante, se sigue que ct + h = (q(t)). Puesto que ()< 0,
dt
()-1, por lo cual ()-1(ct + h) = q(t) = - x (t ) , de donde x (t) = k +
t1 t
() (ct h)dt x0 x(t0 ) k 0 , de donde k = x0x(t) = x0- () (ct h)dt .
1 1
t0 t0
1 1
Si,por ejemplo,(q) = q , entonces (q) = () 1 ( z ) , luego
2 q 4z 2
t0
1 1
t t
1
t () (ct h)dt t 4(ct h)2 dt 4c ct h con lo que
1
0 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 Fxx ( x ) < 0, puede haber máximo local.F es ( x , x )-cóncava, así
que sí hay máximo global.
d d d
La ecuación 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 ecuación y la que se obtiene de la ley
u(c)
dinámica: 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 . Así, k* = (f)-1() y c* = f (k*) - k*.
Puede comprobarse que, debido a las asunciones hechas, este equilibrio es uno del tipo
de ensilladura. En efecto, la matriz jacobiana del sistema evaluada en el equilibrio es:
11
f (k *) 1
J* = u(c*) . Ya que su traza es J*11 = 0 y su determinanteJ*21< 0 , se
f (k *) 0
u (c*)
deduce que los autovalores de J* son de signos opuestos, por lo que el equilibrio
correspondiente ha de ser una ensilladura.
Ejemplo
En el modelo de crecimiento de Ramsey con horizonte temporal infinito:
max u (c)e t dt sujeto a: f (k) = c + k + kk(0) = k0k() = k , la condición de Ŧ es:
0
2.Control Óptimo
Formulación de Bolza
t1
Es de notarse que en este problema hay una jerarquización natural entre las variables de
estado y de control, siendo la principal esta última, pues para cada forma específica que
ella asuma, en condiciones bastante generales, hay sólo una forma funcional para la
variable de estado correspondiente, ya que, entonces, la ley dinámica se habría
convertido en una ecuación diferencial en la variable de control. Teniendo en cuenta que
los términos “causa” y “efecto” son de muy discutible precisión, parece preferible
interpretar a las variables de control y de estado como “estímulo” y “respuesta”,
respectivamente.
Formulación de Mayer
PCOM :maxS(x (t1)) sujeto a x f ( x, u, t ) x(t0 ) a u(t ) t t .
Resulta evidente que es esta formulación un caso particular de la de Bolza y que
corresponde al caso en que en ésta se da la función nula en el papel de la F.
Que la de Bolza sea representable como la de Mayer es algo que se muestra a
continuación.
Defínanse las variables x1 y x2 así: x1 := x x2 := F(x1,u, t) con x2(t0) = 0. Entonces, el
t1
problema puede formularse como: max x2 (t ) dt max x 2 (t ) tt10 = maxx2 (t1) sujeto a:
t0
x1 f ( x1 , u , t )
, donde S(x1,x2) := x2.
x2 F ( x1 , u , t )
Formulación de Lagrange
t1
Condiciones necesarias para que una u*(), con su respuesta x*(), den un máximo local
del problema PCOL
1) Ha de haber una función *(), llamada covariable de estado, tal quet, sea
* (t ) H x ( x*, u*, t ) * (t1 ) 0 x * (t ) f ( x*, u*, t ) x * (t0 ) a , en donde
la función H, llamada hamiltoniana¸se define como H (x, u, ,t) := F(x, u, t) +
13
1
Ejemplo: max ( x u )dt sujeto a: x 1 u 2 x(0) 1 .
0
Ejemplos
5
1) max (ux u 2 x 2 )dt sujeto a: x x u x(1) 2 .
1
3
La definición de dirección admisible es la misma que la que se usó en Cálculo de Variaciones.
14
1
en lo que toca a soluciones, al de min (u 2 2 x( x u )) dt sujeto a las mismas
0
se sigue que u*(t) = 2. Para t [2 , 2], de la gráfica de ((t) - 3) u – u2,se sigue
2, t [0, 1 ]
1
que u*(t) = 0. En suma, u*(t) = ( * (t ) 3), si t [ 1 , 2 ] .Si se quisiera
2 t [ 2 ,2]
0,
calcular la respuesta, x*(), a esta función de control, habría que proceder en tres
etapas. 1º) para t [0, 1 ] , de x x 2 x(0) 5 , se sigue que x*(t) = 7et – 2;
2º) para t [ 1 , 2 ] , de x x ( (t ) 3) / 2 e2 t 5 / 2 x(1 ) 7e 1 2 , se
sigue: x*(t) = Bet– (e2-t )/2 + 5/2, en donde B sale de la condición “inicial” en 1;
e2 5
3º), para t [ 2 ,2] , de x x 0 x( 2 ) Be 2 e 2 , se sigue quex*(t) =
2 2
Cet en dondeC sale de la condición “inicial” en 2.
Todo esto porque en general se quiere que la respuesta sea una función continua.
Interpretación económica
t1
define la “función valor”, V*, como aquella que a cada estado y momento inicial
posibles, (z, t´), asigna el valor máximo que puede alcanzarse con el subproblema que se
inicia en t´ desde el estado z, esto es,
V*: ×[t0 , t1] ,
t1
Así, V* (a, t0) dará el máximo valor alcanzable en el problema original. Sea (t) :=
V * ( z , t ) , i.e., la sensibilidad de la función valor respecto a cambios en t del estado
z
“inicial”; es lo que suele llamarseprecio sombra del capital.
Sea que x (t) represente el acopio de capital de la empresa, siendo el inicial a en el
momento t0. Que sea u(t) la tasa de producción decidida y que sea F (x(t), u(t), t) la tasa
de beneficio instantánea medida en soles por día. El cambio temporal en el acopio del
capital, x , depende del nivel de éste, x (t), de la decisión de la empresa, u(t), y del
momento actual, t : x (t ) f ( x(t ), u (t ), t ) .
A partir de un momento t del horizonte temporal en el que el nivel del capital es x(t) y la
decisión empresarial es u(t), considérese un breve lapso dt. Entonces, Hdt = Fdt + fdt =
F dt + x dt = Fdt + dx. Aquí, F dt es la contribución directa en soles a la función
objetivo desde t hasta t + dt, si el estado en t era x(t) y la decisión fue u (t). Por otra
parte, dx es el valor en soles del incremento en el nivel de acopio de capital; es la
contribución indirecta a la función de valor. Luego, H dt es la contribución total a la
función de valor durante el lapso dt. Así, se ve que lo que ha de maximizarse en cada
momento t es H, y no sólo F, lo cual muestra cuán razonable resulta ser el principio del
máximo.
La condición H x da: -d = Fxdt + (fxdt), que dice que en la senda óptima ha de
igualarse la caída del precio sombra del capital y el ingreso marginal de invertir ese
capital, que es la suma de las contribuciones marginales directa e indirecta.
Teorema (de Mangasarian): Si F y f son funciones (x, u)-cóncavas y, caso que f(x, u, t)
no sea lineal en (x, u), la covariable de estado, *(), que sale junto a u*() y x*() de las
ecuaciones canónicas y del principio del máximo, es innegativa; entonces u*() es el
control óptimo.
Notas:
1)La premisa de este teorema puede formularse así:
(F y f son funciones (x, u)-cóncavas t) (f(x, u, t) no es lineal en (x, u) *(t) 0).
También puede adoptar la forma:
(F y f son funciones (x, u)-cóncavas) (f(x, u, t) es lineal en (x, u) *(t) 0).
1
Ejemplo: En max ( x u )dt sujeto a: x 1 u 2 x(0) 1 , se ve que F y f son (x, u)-cóncavas y como f(x,
0
u, t) no es (x, u)-lineal, debe tenerse que *() sea innegativa para que se cumplan las
condiciones suficientes de Mangasarian. Como H = x + u + ()(1 – u2), la segunda
ecuación canónica es H x 1 con (1) = 0 y, por la condición de Ŧ: *(1) = 0, se
17
5
Ejemplo: En max (ux u 2 x 2 )dt sujeto a: x x u x(1) 2 , se ve que
1
0 0
f ( x, u , t ) x u es (x, u)-cóncava, pues es lineal, por lo que su hessiana es
0 0
negativo-semidefinida.
2 1
La función F ( x, u , t ) tiene hessiana en (x, u): , que es negativo-semidefinida,
1 2
pues sus menores principales valen -2 y 3. Como f ( x, u , t ) es ( x, u ) -lineal, no hay nada
que exigir a la función *(). Luego, se cumplen las condiciones suficientes de
Mangasarian, por lo que el control u*() que salga con x*() y *() será óptimo (Ver el
ejem. 1 de la pag. 14).
1
Ejemplo: En el problema de min( u 2 dt x(1) 2 ) sujeto a: x x u x(0) 1 ,ya se sabe
0
que puede adoptarse la formulación de Lagrange, puesto que por serS(x) = x2, se tiene
1
d d
que S ( x(t )) S ( x(t )) x (t ) 2 x(t )( x(t ) u (t )) .Además, ya que S ( x(t ))dt = S(x(1))
dt 0
dt
– S(x(0)) = x(1) – 1, y que la constante 1 en la funcional objetivo, como sumando ó
2
sustraendo no afecta a los óptimos del problema; resulta equivalente pedir: max
1
4 2
convexa, pues su hessiana tiene menores principales 4 y 4; además, f , por ser
2 2
lineal en (x, u), es convexa. Igual que antes, la condición: “si f no es lineal en (x, u),
entonces *() 0” se cumple trivialmente ya que f sí es lineal. Valen, pues, las
2e 2 t
condiciones suficientes de Mangasarian, por lo que la función u*(t) = 2 e , del
e 1
ejemplo 3 de la página 14, es óptimo.
Hay otra condición suficiente para máximo global en el PCOL debida aArrow.
1
Ejemplo: Se pide max ( x u )dt sujeto a: x 1 u 2 x(0) 1 .
0
1
Resulta que H0(x, ,t) = x + + , que es x- cóncava (pues es x- lineal), por lo que se
4
1
cumplen las condiciones suficientes de Arrow, y así, el controlu* (t) = ya
2(1 t )
hallado en la página 18, es óptimo.
G e- t + e-tf = e- t(G + f) =: e- t , donde se define := G + f. Esta función
se llama hamiltoniana de valor corriente.
Principio del máximo: t, u*(t) ha de ser máximo 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 máximo en términos de
la hamiltoniana de valor corriente es así: t, u*(t) ha de ser máximo global de
(x*(t), , *(t), t).
Se trata, no de hallar la senda más corta, sino la de más breve recorrido. Así, se
pretende minT sujeto a: x f ( x, u, t ) x(0) a x(T ) b u(t ) t , con T
libre.
T T
Como T = 1dt , la funcional objetivo es 1dt .
0 0
x x 4(u v) x (u v) 1 x ( 0) 1 .
0 L u - 4u - 4 Lx 4 x
Así, las condiciones necesarias son:
0 Lv 4v 4 x L x 4(u v)
,junto con:x = (u + v) +1 x(0) = 1. Ahora bien, como u + v = x – 1, se sigue que
x x 4( x 1) , i. e., x 5x 4 con x (0) = 1.
Entonces, x*(t) = Ae-5t + 4/5 1 = x(0) = A + 4/5, por lo que A = 1/5 con lo que x*(t)
1 4
= e 5t . De las dos primeras se sigue que u = v, por lo cual, de u + v = x – 1
5 5
1 1
sale que u*(t) = v*(t) = - ( x * (t ) 1) (e 5t 1) . Finalmente, la covariable de
2 10
estado sale de 4 x , con =4u + 4 (de la primera), por lo que
1 1
4 x 4u 4 , de donde: *(t) = Be5t + e 5t , que con la condición
25 50
de Ŧ: *(1) = 0, da el valor de B.
T
b) Restricciones integrales: Se quiere max F ( x, u, t )dt sujeto a: x f ( x, u, t )
0
T
Ejemplo: Hallar la curva desde (0, a) hasta (1, b) de longitud dada l, que maximice
1
el área 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 .
t
Pongamos y 1 u 2 , que sale de y(t) :=
0
1 u 2 dt . Ahora, el problema es el de
1
x u x(0) a y (0) 0
max x(t )dt sujeto a: con .
0
y 1 u 2
x(1) b y (1) l
23
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
2 u
principio del máximo exige que 0 = Hu = 1 + . De todo ello sale: 1 = A –
1 u2
Bu tA
t2 = B, por lo que 0 = A – t + que da u*(t) = . Ahora,
1 u 2
B (t A) 2
2
T
x f ( x, u , t )
c) Restricciones de desigualdad: Se quiere max F ( x, u, t )dt sujeto a:
0
h ( x, u , t ) 0
con condiciones extremas.
El principio del máximo implica que t, u*(t) ha de ser máximo global de
H(x*(t), , *(t), t) sujeto a: h(x*(t), , t) 0. Esto puede lograrse con la función
lagrangianaL := F + f - h. Entonces, las condiciones necesarias de primer
orden son las siguientes. 0 = Lu Lx x f h 0 0 0 h ,
además de la condición de Ŧ y las condiciones extremas.
1
Ejemplo: Se quiere max u 2 dt sujeto a: x x u x(0) 1 xu 2 .
0
3. Programación Dinámica
Para resolver este problema suele usarse la llamada inducción regresiva, que es un
método consistente en convertir un problema de múltiples etapas en varios
problemas de una sola etapa retrocediendo en el tiempo. Para ilustrarlo se da el
siguiente ejemplo.
24
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 éstas, puede llegarse a la ciudad H. Se pretende seguir la ruta más
corta, siendo las distancias entre ciudades las que se indican en la siguiente figura.
En la primera etapa, las tres posibles rutas óptimas son ABGH(11), ACEH(15) y
ADGH(12). Luego, la ruta óptima 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) sólo 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 dinámica
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 dinámica determina el estado x(j+2) = f (x(j+1), u(j+1), j+1), y así sucesivamente
hasta que x(k) resulte determinado por x(k-1) y u(k-1) según f (, , k-1).
Teorema de Bellman:
25
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).
Nótese aquí que F( x(0), u (0),0 ) = (u(0) - 2)2, F( x(1), u (1),1 ) = (u(1) - 4)2,
S(x(2)) = x(2), x(1) = f(x(0), u(0), 0) = 3x(0) + u(0) y, finalmente, que
x(2) = f(x(1), u(1), 1) = x(1) + 2u(1).
2º) 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 mínimo global se
obtiene haciendo 0 = 2(u - 4) + 2, i.e., u* = 3, siendo el valor mínimo
correspondiente J1 (z) = (3-4)2 + (z + 23) = 7 + z.
3º) 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- cóncava, el mínimo
global se obtiene haciendo 0 = 2 (u - 2) + 1. i.e., u* = 3/2, y el valor mínimo es
J0 (z) = (3/2 - 2)2 + 3z + 3/2 + 7 = 3z + 35/4.
Así, pues, el mínimo valor de la funcional del problema planteado, J*(1), se obtiene
como igual a J0 (1) = 47/4. Este valor se alcanza con la sucesiónde controles
óptimos: 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) = 3x*(0) + u*(0) = 31 + 3/2 = 9/2 y,
finalmente, x*(2) = f (x*(1), u*(1), 1) = x* (1) + 2 u*(1) = 9/2 + 23 = 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)2x (0) = 2 k = {1, -1, 0}.
26
x(k 1) f ( x(k ), u (k ), k ) x (0) a con los 1, .., N-1 dados; la ecuación de
Bellman también puede obtenerse como: VN ( x( N )) S ( x( N )) k {0, …, N -1},
Vk ( x(k )) maxu( F ( x(k ), u(k ), k ) Vk 1 ( f ( x(k ), u(k ), k )) ).
V3 ( z ) ( z 5) 2 .
V2 ( z ) min u (u 2 ( z 4) 2 V3 ( z 3u )) . Como esta función es u-convexa, el
mínimo global sale de: 0 = 2u 2 ( z 3u 5)3 , i.e., u* = 1.48 – 0.3 z.
Así, V2 ( z) 1.1 z2 – 9z + 18.47.
Similarmente, V1 ( z ) min u (u 2 ( z 2) 2 V2 ( z 2u )) =
min u (u 2 ( z 2) 2 (1.1( z 2u ) 2 9( z 2u ) 18.47)) . El mínimo global es u* =
1.63 – 0.4 z, por lo que V1 ( z ) 1.2 z 2 3.63z 4.42 .
Finalmente, V0 (0) min u (u 2 V1 (u )) = min u (u 2 (1.2u 2 3.63u 4.42)) . El
mínimo global es u*(0) = 0.65 y V0(0) = 2.73. Además, se obtiene que x*(0) = 0,
u*(0) = 0.65, x*(1) = 0.65, u*(1) = 1.37, x*(2) = 3.39, u*(2) = 0.46 y x*(3) = 4.77.
k 0
k
F ( xk , uk ) sujeto a la misma ley dinámica y a las mismas restricciones de
arriba. En tal caso, si se designa por Jk(z) al valor máximo del subproblema
correspondiente que empieza desde el estado z en la etapa k, y por Vk (z) := -kJk (z),
el algoritmo de Bellman era: VN (z) = 0, z; y luego Vk (z) = max u (
F ( z, u) Vk 1 ( f ( z, u)) ).
Ha de notarse aquí que Jk(z) es el valor máximo del subproblema antedicho
expresado en unidades de valor de la etapa inicial 0, mientras que Vk (z) es el
correspondiente valor pero expresado en unidades de valor de la etapa k.
Como se comprueba fácilmente, resulta que V0 (z) = J0 (z).
Ahora bien, para poder generalizar más fácilmente en el caso de horizonte temporal
infinito, conviene cambiar un poquito la notación definiendo las funciones
Vk* := VN-kk. Así, se obtienen consecutivamente del algoritmo de Bellman las
funciones V*0 , V*1, …, V*N , siendo esta última el valor máximo buscado de la
funcional objetivo, es decir, J0 (z).
28
Lema 1: Cualesquiera sean las funciones W y W´, si WW´, (i.e. z, W(z)W´(z)),
entonces k, Tk(W)(z)Tk(W’)(z), es decir, que las iteraciones del operador
preservan el eventual orden de las funciones.
Ejemplo: Se quiere max c (.) t ln c(t ) sujeto a: kt 1 (kt ) ct ct [0, (kt ) ] , t
t 0
estando dado el valor inicial k0, así como las constantes positivas menores que 1, y
. Se busca la función de valor máximo, J (k), para cualquier estado inicial k.
Aplicandoel proceso iterativo del teorema 1, se puede partir de una función
cualquiera, por ejemplo, la función nula V0(k) = 0, k. A ésta se la aplicará el
29