INSTITUTO POLITECNICO

NACIONAL

Escuela Superior de Economía

OPTIMIZACIÓN DINAMICA

Alumna: Mariana Rios Hernández

Profesor: Carlos Alber Yáñez Jiménez
4º Semestre
Febrero 2019
INTRODUCCION

La clasificación de los distintos métodos de optimización distingue entre la optimización estática

y la optimización dinámica. Este trabajo su enfoque será en la optimización dinámica.
La optimización dinámica sirve para calcular cadenas o secuencias óptimas de acciones en el
tiempo, es decir, para determinar la magnitud o valor óptimo de las variables que definen el
objetivo del problema en cada instante de tiempo dentro de un intervalo dado (período de
planificación). Estas secuencias de valores serán óptimas en el sentido de que hacen máximos
o mínimos los objetivos del problema teniendo en cuenta tanto las restricciones en éste
impuesta, como la relación dinámica existente entre sus variables. La solución de un problema
de optimización dinámica proporciona, por tanto, una trayectoria temporal óptima completa para
cada variable del problema, mostrando el mejor valor de la variable, hoy, mañana, y así hasta
el final del período de planificación.
A lo largo de este trabajo, se verán los Criterios de suficiencia, criterios se suficiencia de n-
variables y la condición de transversalidad, con explicaciones y sus respectivos ejemplo
incluyendo graficas.
Sea el funcional:
𝑡1
𝐽(𝑥) = ∫ 𝑓(𝑡, 𝑥, 𝑥 ′ )𝑑𝑡
𝑡0

𝑠. 𝑎 𝑥(𝑡0 ) = 𝑥0 , 𝑥(𝑡1 ) = 𝑥1

Y sea x* un extremo, si 𝑓(𝑡, 𝑥, 𝑥’)es cóncava en x, x’, entonces la trayectoria optima

corresponde a un máximo. Es un mínimo si la función es convexa.

Sea g una función c2 en un subconjunto abierto y convexo 𝑈𝐶ℝ𝑛 , entonces g es una función cóncava
si y solo sí, la matriz Hessiana H=∇2 𝜑(𝑥) es semidefinida, para todo 𝑥𝜖𝑢.

Existen dos caminos claramente entre lanzados para comprobar si la matriz Hessiana es
semidefinida negativa.

El primero consiste en calcular valores propios de la matriz.

𝑓𝑥𝑥 𝑓𝑥 ′ 𝑥
( ′ )
𝑓𝑥 𝑥 𝑓𝑥 ′ 𝑥 ′
Si son NO positivos, es una forma semidefinida negativa y se trata de un Máximo.
Si los valores propios son NO negativos, es una forma semidefinida positiva, existe un
Mínimo de valores propios con signos opuestos, representan una forma indeterminada,
conocida como punto de silla.
El otro camino es utilizar el criterio del determinante de
los menores de orden 1 son:
𝐻1 = {𝑓𝑥𝑥, 𝑓𝑥 ′ 𝑥 ′ }

Y el orden 2: 𝐻2 = {|𝐻|}
Las reglas son:
i. Si los menores de orden 1 son negativos, 𝐻1 ≤ 0 y el menor de orden 2 es
positivo, 𝐻2 ≥ 0 existe un Máximo relativo a x*.

ii. Si 𝐻1 ≥ 0 y 𝐻2 ≥ 0 existe un Mínimo relativo a x*.

 iii. Si no se cumplen algunas de las condiciones previas, entonces existe un Punto de
Silla.

EJEMPLO 1:
1
𝐽(𝑥) = ∫ (𝑡𝑥 + 2(𝑥 ′ )2 )𝑑𝑡
0

• Determinar la trayectoria (clasificarla)

Derivar parcialmente 𝑓𝑥, 𝑓𝑥’ 𝑦 𝑓𝑥’ con respecto al tiempo.
∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 𝑡𝑥 + 2𝑥 ′2
𝑓𝑥(𝑡, 𝑥, 𝑥 ′ ) = 𝑡
′
𝑓𝑥 ′(𝑡,𝑥,𝑥 ) = 4𝑥 ′
𝜕𝑓𝑥 ′
(𝑡, 𝑥, 𝑥 ′ ) = 4𝑥 ′′
𝜕𝑡
APLICAR ECUACIÓN DE EULER
− 4𝑥 ′′ = 𝑡
𝑡
− 𝑥 ′′ =
4
𝑑𝑥 ′ 𝑡
− =
𝑑𝑡 4
𝑡
− ∫ 𝑑𝑥 ′ = ∫ (4) 𝑑𝑡
𝑡2
− 𝑥′ = + 𝑘1
8
𝑑𝑥 𝑡2
− = + 𝑘1
𝑑𝑡 8
𝑡2
− ∫ 𝑑𝑥 = ∫ ( 8 + 𝑘1 ) 𝑑𝑡
𝑡3
− 𝑥(𝑡) = + 𝑘1 𝑡 + 𝑘2
24

CLASIFICANDOLA

∀𝑓𝑥 = 𝑡𝑓𝑥 ′ = 4𝑥 ′
𝐹𝑥𝑥 = 0 𝑓𝑥 ′ 𝑥 = 0
𝐹𝑥𝑥 ′ = 0𝑓𝑥 ′ 𝑥 ′ = 4
Calcular los valores propios de la matriz:

𝑓𝑥𝑥 𝑓𝑥 ′ 𝑥 0 0
𝐻= ( ′ ) ∴ 𝐻= ( )
𝑓𝑥 𝑥 𝑓𝑥 ′ 𝑥 ′ 0 4
Entonces:

𝐻1 = {𝑓𝑥𝑥. 𝑓𝑥 ′ 𝑥 ′ } = {0,4} 𝐻1 ≥ 0
𝐻2 = {|𝐻|} = {(0 ∗ 4) − (0 ∗ 0)} = {0} 𝐻2 ≥ 0
Mínimo relativo

EJEMPLO 2:
1
𝐽(𝑥) = ∫ (𝑥 2 + (𝑥 ′ )2 )𝑑𝑡
0

𝑠. 𝑎𝑥(0) = 0, 𝑥(1) = 1
• Clasificar la trayectoria en máximo, mínimo o punto de silla.
Derivar parcialmente 𝑓𝑥, 𝑓𝑥’ 𝑦 𝑓𝑥’ con respecto al tiempo.
∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 𝑥 2 + (𝑥 ′ )2
𝑓𝑥(𝑡, 𝑥, 𝑥 ′ ) = 2𝑥
′
𝑓𝑥 ′(𝑡,𝑥,𝑥 ) = 2𝑥 ′
𝜕𝑓𝑥 ′
(𝑡, 𝑥, 𝑥 ′ ) = 2𝑥 ′′
𝜕𝑡
APLICAR ECUACIÓN DE EULER
2𝑥 = 2𝑥 ′′
𝑥 = 𝑥 ′′
0 = 𝑥 ′′ − 𝑥
Determinar polinomio característico:
0 = 𝑟 2 − 1 = (𝑟 + 1)(𝑟 − 1) = 𝑟1 = −1, 𝑟2 = 1,
𝑥(𝑡) = 𝑘1 𝑒 −𝑡 + 𝑘2 𝑒 𝑡 SOLUCIÓN
S.A :
𝑥(0) = 0 ∶ 𝑘1 𝑒 −0 + 𝑘2 𝑒 0 = 0 ∴ 𝒌𝟐 = −𝒌𝟏
𝑥(1) = 0 ∶ 𝑘1 𝑒 −1 + 𝑘2 𝑒 1 = 1
 1
= 𝑘1 + 𝑘2 𝑒 = 1
𝑒
1
= 𝑘1 + (−𝑘1 )𝑒 = 1
𝑒
1
= 𝑘1 [ − 𝑒] = 1
𝑒
1
= 𝑘1 =
1
[𝑒 − 𝑒]

1
1 1 𝑒 𝒆
= 𝑘1 = 2 = 2 = ∴ 𝒌𝟏 =
1 𝑒 1−𝑒 1 − 𝑒2 𝟏 − 𝒆𝟐
[𝑒 − 𝑒 ] [ 𝑒 ]

𝑒 𝒆
𝑘2 = −𝑘1 = − [ 2
] ∴ 𝒌𝟐 = − [ ]
1−𝑒 𝟏 − 𝒆𝟐
Entonces:
𝒆 𝒆
𝑥 ∗ (𝑡) = 𝟐
𝑒 −𝑡 − [ ] 𝑒𝑡
𝟏−𝒆 𝟏 − 𝒆𝟐

∗ (𝑡)
𝒆𝟏−𝒕 𝒆𝟏+𝒕
𝑥 = −[ ] SOLUCIÓN
𝟏 − 𝒆𝟐 𝟏 − 𝒆𝟐

CLASIFICANDOLA
∀𝑓𝑥 = 2𝑥𝑓𝑥 ′ = 2𝑥 ′
𝐹𝑥𝑥 = 2 𝑓𝑥 ′ 𝑥 = 0
𝐹𝑥𝑥 ′ = 0𝑓𝑥 ′ 𝑥 ′ = 2
Calcular los valores propios de la matriz:

𝑓𝑥𝑥 𝑓𝑥 ′ 𝑥 2 0
𝐻= ( ′ ) ∴ 𝐻= ( )
𝑓𝑥 𝑥 𝑓𝑥 ′ 𝑥 ′ 0 2
Entonces:
𝐻1 ≥ 0
𝐻1 = {𝑓𝑥𝑥. 𝑓𝑥 ′ 𝑥 ′ } = {2,2}
𝐻2 ≥ 0
𝐻2 = {|𝐻|} = {(2 ∗ 2) − (0 ∗ 0)} = {4}
Mínimo relativo

EJEMPLO 3:
Encontrar el extremo de los siguientes funcionales y verificar si es un máximo, mínimos o
punto de silla mediante el criterio de los menores y la condición de Legendre.
𝑡1
𝐽(𝑥) = ∫ (4𝑡𝑥 − (𝑥 ′ )2 )𝑑𝑡
𝑡0

Derivar parcialmente 𝑓𝑥, 𝑓𝑥’ 𝑦 𝑓𝑥’ con respecto al tiempo.

∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 4𝑡𝑥 − (𝑥 ′ )2
𝑓𝑥(𝑡, 𝑥, 𝑥 ′ ) = 4𝑡
′
𝑓𝑥 ′(𝑡,𝑥,𝑥 ) = −2𝑥 ′
𝜕𝑓𝑥 ′
(𝑡, 𝑥, 𝑥 ′ ) = −2𝑥 ′′
𝜕𝑡
APLICAR ECUACIÓN DE EULER
4𝑡 = −2𝑥 ′′
−2𝑡 = 𝑥 ′′
𝑑𝑥 ′
= −2𝑡
𝑑𝑡

∫ 𝑑𝑥 ′ = ∫(−2𝑡)𝑑𝑡

𝑥 ′ = −𝑡 2 + 𝑘1
𝑑𝑥
= −𝑡 2 + 𝑘1
𝑑𝑡

∫ 𝑑𝑥 = ∫(−𝑡 2 + 𝑘1 )𝑑𝑡

𝑡3
𝑥(𝑡) = − + 𝑘1 𝑡 + 𝑘2 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
3
CLASIFICANDOLA
∀𝑓𝑥 = 4𝑡𝑓𝑥 ′ = −2𝑥 ′
𝐹𝑥𝑥 = 0 𝑓𝑥 ′ 𝑥 = 0
𝐹𝑥𝑥 ′ = 0𝑓𝑥 ′ 𝑥 ′ = 2
Calcular los valores propios de la matriz:

𝑓𝑥𝑥 𝑓𝑥 ′ 𝑥 0 0
𝐻= ( ′ ) ∴ 𝐻= ( )
𝑓𝑥 𝑥 𝑓𝑥 ′ 𝑥 ′ 0 −2
Entonces:
𝐻1 ≤ 0
𝐻1 = {𝑓𝑥𝑥. 𝑓𝑥 ′ 𝑥 ′ } = {0. −2}
𝐻2 ≥ 0
𝐻2 = {|𝐻|} = {(0 ∗ −2) − (0 ∗ 0)} = {0}
Máximo relativo
ENCONTRAR EL EXTREMO DE LOS SIGUIENTES FUNCIONALES CON DOS VARIABLES DE
ESTADO.
𝑡1
𝐽(𝑥1 , 𝑥2 ) = ∫ (𝑥 2 + 𝑥 ′ 𝑦 ′ + 𝑦 2 )𝑑𝑡
𝑡0

Derivar parcialmente “X” y “Y”

Para “x”

∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 𝑥 2 + 𝑥 ′ 𝑦 ′ + 𝑦 2
𝑓𝑥(𝑡, 𝑥, 𝑥 ′ ) = 2𝑥
𝑓𝑥 ′ (𝑡, 𝑥, 𝑥 ′ ) = 𝑦 ′
𝜕𝑓𝑥 ′
(𝑡, 𝑥, 𝑥 ′ ) = 𝑦 ′′
𝜕𝑡
APLICAR ECUACION DE EULER
2𝑥 = 𝑦 ′′
𝑦 ′′
𝑥= 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 1
2
𝑦 𝑖𝑣
𝑥 ′′ = 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛2
2
Para “y”

∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 𝑥 2 + 𝑥 ′ 𝑦 ′ + 𝑦 2
𝑓𝑦(𝑡, 𝑥, 𝑥 ′ ) = 2𝑦
𝑓𝑦 ′ (𝑡, 𝑥, 𝑥 ′ ) = 𝑥 ′
𝜕𝑓𝑦 ′
(𝑡, 𝑥, 𝑥 ′ ) = 𝑥 ′′
𝜕𝑡
APLICAR ECUACION DE EULER
2𝑦 = 𝑥 ′′
𝑥 ′′
𝑦= 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛 3
2
𝑥 𝑖𝑣
𝑦 ′′ = 𝑒𝑐𝑢𝑎𝑐𝑖ó𝑛4
2

Reemplazar ECUACION 2 EN ECUACION 3

𝑦 𝑖𝑣
𝑥 ′′
𝑦= ∴ 𝑦= 2
2 2
 𝑦 𝑖𝑣 𝑦 𝑖𝑣
𝑦= ∴0= −𝑦
4 4
Determinar polinomio característico:
0 = 𝑟 4 − 4 ∴ 0 = (𝑟 2 − 2)(𝑟 2 + 2)

0 = (𝑟 − √2)(𝑟 + √2)(𝑟 2 + 2) ∴ 𝑟 2 = −2 ∴ 𝑟 = ±√−2

𝑅1 = +√2 , 𝑅2 = −√2 , 𝑅3 = +√2 𝑖 , 𝑅4 = −√2 𝑖

𝛼 = 0 , 𝛽 = ±√2 𝑖
Solución:

𝑦(𝑡) = 𝐾𝑒 √2𝑡 + 𝐾𝑒 −√2𝑡 + 𝑒 −0 [cos √2 𝑡 + 𝑠𝑒𝑛 √2𝑡 ]

𝒚∗ (𝒕) = 𝑲𝒆√𝟐𝒕 + 𝑲𝒆−√𝟐𝒕 + 𝐜𝐨𝐬 √𝟐 𝒕 + 𝒔𝒆𝒏 √𝟐𝒕

𝑥 𝑖𝑣
Ecuación 4: 𝑦 ′′ = , reemplazar en Ecuación 1
2

𝑥 𝑖𝑣
𝑦 ′′
𝑥= ∴ 𝑥= 2
2 2
𝑥 𝑖𝑣 𝑥 𝑖𝑣
𝑥= ∴0= −𝑥
4 4
Determinar polinomio característico:
0 = 𝑟 4 − 4 ∴ 0 = (𝑟 2 − 2)(𝑟 2 + 2)

0 = (𝑟 − √2)(𝑟 + √2)(𝑟 2 + 2) ∴ 𝑟 2 = −2 ∴ 𝑟 = ±√−2

𝑅1 = +√2 , 𝑅2 = −√2 , 𝑅3 = +√2 𝑖 , 𝑅4 = −√2 𝑖

𝛼 = 0 , 𝛽 = ±√2 𝑖
Solución:

𝑥(𝑡) = 𝐾𝑒 √2𝑡 + 𝐾𝑒 −√2𝑡 − 𝑒 −0 [cos √2 𝑡 + 𝑠𝑒𝑛 √2𝑡 ]

𝒙∗ (𝒕) = 𝑲𝒆√𝟐𝒕 + 𝑲𝒆−√𝟐𝒕 − 𝐜𝐨𝐬 √𝟐 𝒕 − 𝒔𝒆𝒏 √𝟐𝒕

ENTONCES LAS SOLUCIONES :

𝑥 ∗ (𝑡) = 𝐾𝑒 √2𝑡 + 𝐾𝑒 −√2𝑡 − 𝑐𝑜𝑠 √2 𝑡 − 𝑠𝑒𝑛 √2𝑡

𝑦 ∗ (𝑡) = 𝐾𝑒 √2𝑡 + 𝐾𝑒 −√2𝑡 + 𝑐𝑜𝑠 √2 𝑡 + 𝑠𝑒𝑛 √2𝑡

 Sea 𝑥 ∗= (𝑥 ∗1 , … . , 𝑥 ∗𝑛 )el extremo del funcional :
𝑡1
𝐽(𝑥) = ∫ 𝑓(𝑡, 𝑥, 𝑥 ′ )𝑑𝑡
𝑡0

𝑠. 𝑎 𝑥(𝑡0 ) = 𝑥0 , 𝑥(𝑡1 ) = 𝑥1
Si la función 𝑓(𝑡, 𝑥, 𝑥 ′ )es cóncava, entonces 𝐽(𝑥 ∗) ≥ 𝐽(𝑥).

DEMOSTRACIÓN:

De igual forma suponer que la función 𝑓(𝑡, 𝑥, 𝑥 ′ )es C1, por concavidad de la función:
∗ ,𝑥 ′∗ )(𝑥′−𝑥 ∗ )
𝑓(𝑡, 𝑥, 𝑥 ′ ) − 𝑓(𝑡, 𝑥 ∗ , 𝑥 ′∗ ) ≤ 𝛻𝑓𝑥 (𝑡, 𝑥 ∗ , 𝑥 ′∗ )(𝑥−𝑥 ∗ ) + ∇𝑓𝑥 ′(𝑡,𝑥
Sea:
∗ ,𝑥 ′∗ )(𝜀ℎ ′ (𝑡))
𝑥(𝑡) = 𝑥(𝑡)∗ + 𝜀ℎ(𝑡) 𝑦 𝑥 ′ (𝑡) = 𝑥 ′ (𝑡)∗ + 𝜀ℎ′ (𝑡), 𝑓(𝑡, 𝑥, 𝑥 ′ ) − 𝑓(𝑡, 𝑥 ∗ , 𝑥 ′∗ ) ≤ 𝛻𝑓𝑥 (𝑡, 𝑥 ∗ , 𝑥 ′∗ )(𝜀ℎ(𝑡)) + ∇𝑓𝑥 ′(𝑡,𝑥

Entonces:
𝑡1 𝑡1 𝑡1
′) ∗ ′∗ )]𝑑𝑡 ∗ ′∗ )ℎ(𝑡)] ∗ ,𝑥 ′∗ )
∫ [𝑓(𝑡, 𝑥, 𝑥 − 𝑓(𝑡, 𝑥 , 𝑥 ≤ 𝜀 ∫ [𝛻𝑓𝑥 (𝑡, 𝑥 , 𝑥 𝑑𝑡 + 𝜀 ∫ [∇𝑓𝑥 ′(𝑡,𝑥 ℎ′ (𝑡)] 𝑑𝑡
𝑡0 𝑡0 𝑡0

𝑡1 𝑡1
𝐽(𝑥) − 𝐽(𝑥 ∗ ) ≤ 𝜀 {∫ [∑ 𝑓𝑥1 (∙)ℎ𝑖(𝑡)] 𝑑𝑡 + ∫ [∑ 𝑓𝑥1′ (∙)ℎ′ 𝑖(𝑡)] 𝑑𝑡}
𝑡0 𝑖𝜖𝑛 𝑡0 𝑖𝜖𝑛

Integrar un elemento arbitrario de la segunda ecuación del lado derecho:

 𝑡1 𝑡1
𝜕
∫ 𝑓𝑥1′ (∙)ℎ′ 𝑖(𝑡) = −∫ 𝑓𝑥 ∗ (∙)ℎ𝑖(𝑡)
𝑡0 𝑡0 𝜕𝑡 1

Introducir en la ecuación anterior:

𝑡1 𝑡1
𝜕
𝐽(𝑥) − 𝐽(𝑥 ∗)
≤ 𝜀 {∫ [∑ 𝑓𝑥1 (∙)ℎ𝑖(𝑡)] 𝑑𝑡 − ∫ [ ∑ 𝑓𝑥1′∗ (∙)ℎ𝑖(𝑡)] 𝑑𝑡}
𝑡0 𝑡0 𝜕𝑡
𝑖𝜖𝑛 𝑖𝜖𝑛

𝑡1
𝜕
≤ 𝜀 {∫ ∑ [𝑓𝑥 ∗ − 𝑓𝑥 ′∗ ] ℎ(𝑡) 𝑑𝑡}
𝑡0 𝑖𝜖𝑛 𝜕𝑡

𝑡1
𝜕
≤ 𝜀 {∑ ∫ [𝑓𝑥 ∗ − 𝑓𝑥 ′∗ ] ℎ(𝑡) 𝑑𝑡}
𝑡0 𝜕𝑡
𝑖𝜖𝑛

≤0
𝐽(𝑥) ≤ 𝐽(𝑥 ∗ )
Comprobar que 𝑓(𝑡, 𝑥, 𝑥 ′ ) es cóncava (convexa) es más sencillo si es una función C2,
porque se reduce a estudiar el criterio del determinante de la matriz de segundas
derivadas 𝐻 = 𝛻2 𝑓(𝑡, 𝑥, 𝑥 ′ ) .

El siguiente ejemplo ilustra como utilizar el criterio de los determinantes para comprobar la
condición de suficiencia.

EJEMPLO:

Determinar las condiciones necesarias y suficientes del funcional.

𝑡1
𝐽(𝑥1 , 𝑥2 ) = ∫ 𝑓(𝑡, 𝑥1 , 𝑥2 , 𝑥 ′1 , 𝑥 ′ 2 )𝑑𝑡
𝑡0

𝑠. 𝑎 𝑥1 (𝑡0 ) = 𝑥10 , 𝑥2 (𝑡0 ) = 𝑥20

𝑥1 (𝑡1 ) = 𝑥11 , 𝑥2 (𝑡1 ) = 𝑥21

Las condiciones necesarias para un extremo se obtienen al resolver las ecuaciones de

Euler.

fx1x1 fx1x2 fx’1x1 fx’1x2

𝛻 2 𝑓(𝑡, 𝑥, 𝑥 ′ ) = fx2x1 fx2x2 fx’2x1 fx’2x2
fx’1x1 fx’1x2 fx’1x’1 fx’1x’2
fx’2x1 fx’2x2 fx’2x’1 fx’2x’2
Probar si la función es semidefinida positiva o negativa. Requiere del análisis de los datos
menores de la matriz.

En este caso, la matriz es de dimensión 4, así que existe menores de orden 1,2,3 y 4.

El número de menores de orden 1 se obtiene de las combinaciones posibles de orden 1,

esto es,
𝑛!
𝑚(𝑟) = 𝑟!(𝑛−𝑟)!

En el caso de r=1 y dado que n=4 , entonces existen 4 menores de orden 1, entonces :
4!
𝑚(1) =
1! (4 − 1)!

Los menores se obtienen a partir de la 1era. fila. Elegir la posición de(𝑓𝑥1 , 𝑥2 ) y eliminar la
2da, 3era y 4ta fila de sus respectivas columnas.

El menor es (𝑓𝑥1 , 𝑥2 ), el segundo menor se obtiene al situarse en la posición de (𝑓𝑥1 , 𝑥2 ) ,

se eliminan 1era,3ra y 4ta columna con respectivas filas, elemento que sobrevive a la
eliminación es (𝑓𝑥2 , 𝑥2 ). Proceder de la misma manera en la obtención de los menores
(𝑓𝑥1 , 𝑥1 ) y (𝑓𝑥1 , 𝑥 ′ 2 ), cuyos valores son:
(𝑓𝑥 ′1 , 𝑥 ′1 ) 𝑦 (𝑓𝑥 ′ 2 , 𝑥 ′ 2 )
Los menores de orden 1 son:

𝑀1 = {𝑓𝑥1 𝑥1, 𝑓𝑥2 𝑥2, , 𝑓𝑥 ′1 𝑥 ′1, , 𝑓𝑥 ′ 2 𝑥 ′ 2, }

 4!
EL número de menores de orden 2 son 𝑚(2) = =6
2!(4−2)!

Se obtiene de las formas siguiente, elegir los elementos (𝑓𝑥1 , 𝑥1 , 𝑓𝑥2 , 𝑥2 ), entonces
cancelar las 3ra y 4ta columna con respectivas filas. El menor resultante es:
fx , x fx1 , x2
( 1 1 )
fx2 , x1 fx2 , x2

El siguiente menor, elegir la primera y tercera columna, entonces cancelar la 2da y 4ta
columna con respectivas filas:
fx x fx1 x3 fx x fx ′1 x1
( 1 1 ) ∴ ( 1 ′1 )
fx3 x1 fx3 x3 fx1 x 1 fx ′1 x ′1

Proceder del mismo modo y encontrar los cuatro restante combinaciones. Entonces los
menores de orden 2 son:

fx x fx1 x2 fx x fx ′1 x1 fx x fx1 x ′ 2 fx x fx2 x ′1 fx x fx2 x ′ 2 fx ′ x ′ fx ′1 x ′ 2

𝑀(2) = {( 1 1 ) , ( 1 ′1 ) , ( ′1 1 ) , ( ′2 1 ) , ( ′2 2 ) , ( ′ 1 ′1 )}
fx2 x1 fx2 x2 fx1 x 1 fx ′1 x ′1 fx 2 x1 fx ′ 2 x ′ 2 fx 1 x2 fx ′1 x ′1 fx 2 x2 fx ′ 2 x ′ 2 fx 2 x 1 fx ′ 2 x ′ 2

4!
Los menores de orden 3 son 𝑚(3) = 3!(4−3)! = 4.

Para obtenerlos primero eliminar la 4ta columna y respectivamente dila, el menor que
resulta es:
fx1 x1 fx1 x2 fx1 x ′1
( fx2 x1 fx2 x2 fx2 x ′1 )
fx ′1 x1 fx ′1 x2 fx ′1 x ′1

Los menores restantes son:

fx1 x1 fx1 x2 fx1 x′ 2 fx1 x1 fx1 x′1 fx1 x′ 2 fx2 x2 fx2 x′1 fx2 x′ 2
𝑀(3) = {( fx2 x1 fx2 x2 fx2 x 2 ) , (fx′1 x1 fx′1 x′1 fx′1 x 2 ) , (fx1 ′x2 fx′1 x′1 fx′1 x′ 2 )}
′ ′

fx′ 2 x1 fx′ 2 x2 fx′ 2 x′ 2 fx′ 2 x1 fx′ 2 x2 fx′ 2 x2 fx′ 2 x1 fx′ 2 x′2 fx′ 2 x2
 4!
Solo existe un menor de orden 4 , 𝑚(4) = 4!(4−4)! = 1

Constituye el determinante de la matriz de segundas derivas. Una función es convexa si es

semidefinida positiva. En ese caso, todos los menores deberán ser positivos.

𝑀(1) ≥ 0

𝑀(2) ≥ 0

𝑀(3) ≥ 0

En caso de concavidad los menores alternos de signo mediante el siguiente esquema:

𝑀(1) ≤ 0

𝑀(2) ≥ 0

𝑀(3) ≤ 0

De no cumplirse alguno de los esquemas el extremo constituye un punto de silla.

EJEMPLO:

CON EL EJEMPLO ANTERIOR DETERMINAR LAS CONDICIONES NECESARIAS Y SUFICIENTES DEL

FUNCIONAL .
𝑡1
𝐽(𝑥1 , 𝑥2 ) = ∫ (𝑥 2 + 𝑥 ′ 𝑦 ′ + 𝑦 2 )𝑑𝑡
𝑡0

Entonces:

fx= 2x fx’=y’ fy=2y fy’=x’

fxx=2 fx’x=0 fyx=0 fy’x=0
fxx’=0 fx’x’=0 fyx’=0 fy’x’=1
fxy=0 fx’y=0 fyy=2 fy’y=0
fxy’=0 fx’y’=1 fyy’=0 fy’y’=0

fx1x1 fx1x2 fx1x’1 fx1x’2 2 0 0 0

0 2 0 0
fx2x1 fx2x2 fx2x’1 fx2x’2 =
0 0 0 1
fx’1x1 fx’1x2 fx’1x’1 fx’1x’2
0 0 1 0
fx’2x1 fx’2x2 fx’2x’1 fx’2x’2

𝑀1 = {2,2,0,0}
2 0 2 0 2 0 0 2 2 0 0 1
𝑀2 = [( ),( ),( ),( ),( ),( )]
0 2 0 0 0 0 0 0 0 0 1 0

2 0 0 2 0 0 2 0 0 2 0 0
𝑀3 = [(0 2 0) , ( 0 2 0) , ( 0 0 1 ) , ( 0 0 1)]
0 0 0 0 0 1 0 1 0 0 1 0
Sustituye a la condición final. La siguiente proposición da las condiciones necesarias de
optimalidad local para el problema .

Proposición 2.1

Si 𝑥 ∗ (𝑡) es un máximo local :

𝑡1
𝑚á𝑥 𝐽(𝑥) = ∫ 𝐹(𝑥(𝑡), 𝑥 ′ (𝑡))𝑑𝑡
𝑡0

𝑠. 𝑎 𝑥(𝑡0 ) = 𝑥0
Entonces en Si 𝑥 ∗ (𝑡), se verifican:

✓ La ecuación de Euler,, junto con la condición inicial x(t0)=x0, y la condición de

transversalidad [𝐹𝑥’]𝑡=𝑡1 = 0
✓ La condición de Legendre.

DEMOSTRACIÓN

Se parte de la demostración de la deducción de la ecuación de Euler.

Sea 𝑥 ∗ (𝑡) máximo local del Problema .

Para cada número real ε, se define la función:

𝑥𝜀 (𝑡) = 𝑥 ∗ (𝑡) + 𝜀𝜂(𝑡)

Siendo 𝜂 función de clase C2 definida en [t0,t1], verificando que 𝜂(𝑡0 ) = 0 , pero siendo
ahora 𝜂(𝑡1 ) libre con ‖𝜂‖ ≠ 0.

Se define:

𝑡1
𝐽(𝜀) = 𝐽(𝑥𝜀 ) = ∫ 𝐹(𝑥 ∗ (𝑡) + 𝜀𝜂(𝑡), 𝑥 ′∗ (𝑡) + 𝜀𝜂′ (𝑡), 𝑡)𝑑𝑡 𝐸𝐶𝑈𝐴𝐶𝐼𝑂𝑁 𝐴
𝑡0

en donde Fx y Fx’ están definidas [𝑥 ∗ (𝑡), 𝑥 ′∗ (𝑡), 𝑡].

Si 𝑥 ∗ (𝑡) es máximo local del Problema , también lo. será del problema que resulta de
∗
añadirle al mismo la condición final 𝑥(𝑡1 ) = 𝑥 ′ (𝑡1 ), ya que el conjunto de funciones
admisibles del problema con la condición final añadida es un subconjunto del de
funciones admisibles del Problema de un inicio.

Y por tratarse de un problema con condición final fijada, F tiene que cumplir las
condiciones de Euler y Legendre, como se ha demostrado en los Teoremas 2.1 y 2.2.

La condición inicial 𝑥(𝑡0 ) = 𝑥0 hay que imponerla.

Como se cumple la ecuación de Euler para la función 𝑥 ∗ (𝑡), será por lo que
 𝑡1
𝜕
∫ 𝜂(𝑡) [𝐹𝑥 − 𝐹𝑥 ′ ] 𝑑𝑡 = 0,
𝑡0 𝜕𝑡

Por lo que (ecuación A) queda:

𝜂(𝑡1 )[𝐹𝑥’]𝑡=𝑡1 = 0

Como 𝜂(𝑡1 )puede tomar cualquier valor, se deduce que, en x*(t) tiene que
cumplirse:

𝐹𝑥 ′ [𝑥 ∗ (𝑡1 ), 𝑥 ′∗ (𝑡1 ), 𝑡1 ] = 0 , 𝑞𝑢𝑒 𝑒𝑠 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑣𝑒𝑟𝑠𝑎𝑙𝑖𝑑𝑎𝑑.

✓ Si se trata de minimizar el funcional objetivo, la proposición anterior es válida, sin
más que cambiar máximo por mínimo.
✓ Si en el problema no se tuviera la condición inicial 𝑥(𝑡0 ) = 𝑥0 , aparecería de
manera análoga la condición de transversalidad en t0:
[𝐹𝑥’]𝑡=𝑡1 = 0

EJEMPLO 1:

Resolver el siguiente problema extremo:

2
𝐽(𝑥) = ∫ (𝑥 + 𝑥 ′2 + 𝑡)𝑑𝑡
0

𝑠. 𝑎 𝑥(0) = 1, 𝑥(2) = 𝐿𝑖𝑏𝑟𝑒

∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 𝑥 + 𝑥 ′2 + 𝑡
𝑓𝑥 = 1
𝑓𝑥 ′ = 2𝑥′
𝜕𝑓𝑥 ′
= 2𝑥′′
𝜕𝑡
Aplicando Ecuación de Euler:
1
1 = 2𝑥 ′′ ∴ 𝑥 ′′ =
2
1
∫ 𝑑𝑥 ′ = ∫ 𝑑𝑡
2
 𝑡
𝑥′ = + 𝑘1 𝑡
2
𝑡
∫ 𝑑𝑥 = ∫( + 𝑘1 𝑡)𝑑𝑡
2
𝑡2
𝑥(𝑡) = + 𝑘1 𝑡 + 𝑘2
4
➢ s.a :
02
𝑥(0) = + 𝑘1 0 + 𝑘2 = 1 ∴ 𝑘2 = 1
4
➢ Por lo tanto
𝑡2 𝑡
𝑥(𝑡) = + 𝑘1 𝑡 + 1 𝐸𝐶𝑈𝐴𝐶𝐼𝑂𝑁 1 ∴ 𝑥′(𝑡) = + 𝑘1
4 2
➢ APLICANDO TRANVERSALIDAD → 𝑥(𝑡1 ) = 𝐿𝑖𝑏𝑟𝑒
𝐹𝑥 ′ (𝑡1 ) = 0 → 2𝑥 ′ (𝑡1 ) = 0
Sustituir x’(t):
𝑡
2 ( + 𝑘1 ) =0
2 𝑡=2

Sustituir t=2 en t
2 2
2 ( + 𝑘1 ) = 0 ∴ 2 + 2𝑘1 = 0 ∴𝑘1 = − = −1
2 2
Entonces la solución general:

∗ (𝑡)
𝑡2
𝑥 = −𝑡+1
4
Clasificar la trayectoria con su Hessiana:
𝑓𝑥𝑥 𝑓𝑥 ′ 𝑥 0 0
𝐻= ( ′ ) ∴ 𝐻= ( )
𝑓𝑥 𝑥 𝑓𝑥 ′ 𝑥 ′ 0 2
Entonces:
𝐻1 ≥ 0
𝐻1 = {𝑓𝑥𝑥. 𝑓𝑥 ′ 𝑥 ′ } = {0,2}
𝐻2 ≥ 0
𝐻2 = {|𝐻|} = {(0 ∗ 2) − (0 ∗ 0)} = {0}
Mínimo relativo

Si el punto final corresponde a un punto de la función g(t), entonces x1 y t1, son

libres.
No obstante, la ecuación debe cumplirse y su derivada es:
𝑑𝑥(𝑡1 ) + 𝑥 ′ (𝑡1 )𝑑𝑡1 = 𝑔′ (𝑡1 )𝑑𝑡1
 Sustituir 𝑑𝑥 (𝑡1 ) :
𝑓𝑥 ′ (𝑡1 )[𝑔′ (𝑡1 ) − 𝑥 ′ (𝑡1 )] − 𝑑𝑡1 = 0
Simplificando
[𝑓(𝑡1 )[𝑔′ (𝑡1 ) − 𝑥 ′ (𝑡1 )]] − 𝑑𝑡1 = 0
La condición de transversalidad es:
𝑓(𝑡1 ) + [𝑔′ (𝑡1 ) − 𝑥 ′ (𝑡1 )]𝑓𝑥′(𝑡1 ) = 0 ECUACION M

Si x1 es fijo la función 𝑔(𝑡1 ), es una línea horizontal con pendiente cero,

𝑔′(𝑡1 ) = 0.
La condición de transversalidad a partir de la ecuación M, es:
𝑓(𝑡1 ) − 𝑥 ′ (𝑡1 )𝑓𝑥′(𝑡1 ) = 0

EJEMPLO 2:

Encontrar el extremo de :
𝑇
2
𝐽(𝑥) = ∫ (𝑥 + 𝑡 + 𝑥 ′ )𝑑𝑡
0

En los siguientes casos y determinar si se trata de un máximo o mínimo.

𝑠. 𝑎 𝑥(0) = 1 , 𝑥(2) = 𝐿𝑖𝑏𝑟𝑒

𝑥(0) = 4 , 𝑥(𝑇) = 0 , 𝑇 = 𝑙𝑖𝑏𝑟𝑒
❖ Derivar parcialmente 𝑓𝑥, 𝑓𝑥’ 𝑦 𝑓𝑥’ con respecto al tiempo.
2
∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 𝑥 + 𝑡 + 𝑥 ′
𝑓𝑥(𝑡, 𝑥, 𝑥 ′ ) = 1
′
𝑓𝑥 ′(𝑡,𝑥,𝑥 ) = 2𝑥 ′
𝜕𝑓𝑥 ′
(𝑡, 𝑥, 𝑥 ′ ) = 2𝑥 ′′
𝜕𝑡
❖ APLICAR ECUACIÓN DE EULER
1 = 2𝑥 ′′
1
= 𝑥 ′′
2
1 1 1
𝑑𝑥 ′ = 𝑑𝑡 → 𝑥 ′ = 𝑡 + 𝑘1 → ∫ 𝑑𝑥 = ∫ ( 𝑡 + 𝑘1 ) 𝑑𝑡
2 2 2
Solución:
𝑡2
𝑥(𝑡) = + 𝑘1 𝑡 + 𝑘2
4
 ❖ s.a:

02
𝑥(0) = + 𝑘1 0 + 𝑘2 = 1 ∴ 𝑘2 = 1
4

ENTONCES:

𝑡2
𝑥(𝑡) = + 𝑘1 𝑡 + 1 ∴
4
𝑡
𝑥′(𝑡) = + 𝑘1
2
❖ APLICANDO TRANSVERSALIDAD

𝐹𝑥 ′ (𝑡1 ) = 0 → 2𝑥 ′ (𝑡1 ) = 0
Sustituir x’(t):
𝑡
2 ( + 𝑘1 ) =0
2 𝑡=2

Sustituir t=2 en t
2 2
2 ( + 𝑘1 ) = 0 ∴ 2 + 2𝑘1 = 0 ∴𝑘1 = − = −1
2 2
Entonces la solución general:

∗ (𝑡)
𝑡2
𝑥 = −𝑡+1
4
❖ PARA LOS OTROS S.A :
𝑥(0) = 4 , 𝑥(𝑇) = 0 , 𝑇 = 𝑙𝑖𝑏𝑟𝑒
s.a:

02
𝑥(0) = + 𝑘1 0 + 𝑘2 = 4 ∴ 𝑘2 = 4
4
ENTONCES:

𝑡2
𝑥(𝑡) = + 𝑘1 𝑡 + 4 𝐸𝐶𝑈𝐴𝐶𝐼𝑂𝑁 1
4
𝑡
𝑥′(𝑡) = + 𝑘1
2
❖ APLICANDO TRANSVERSALIDAD
𝑓(𝑡1 ) − 𝑥 ′ (𝑡1 )𝑓𝑥′(𝑡1 ) = 0
Valores:
2
𝑓(𝑡1 ) = 𝑥 + 𝑡 + 𝑥 ′
𝑓𝑥 ′ (𝑡1 ) = 2𝑥′
Reemplazando valores:

𝑓(𝑡1 ) − 𝑥 ′ (𝑡1 )𝑓𝑥′(𝑡1 ) = 0

2
(𝑥 + 𝑡 + 𝑥 ′ ) − 𝑥 ′ ∗ 2𝑥 ′ = 0
2
𝑥 + 𝑡 + 𝑥 ′ − 2𝑥 ′2 = 0
𝑥 + 𝑡 − 𝑥 ′2 = 0 𝐸𝐶𝑈𝐴𝐶𝐼𝑂𝑁 𝐴
❖ ∀ 𝑆𝑢𝑠𝑡𝑖𝑡𝑢𝑖𝑟 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑒𝑛 𝐸𝐶𝑈𝐴𝐶𝐼𝑂𝑁 𝐴

𝑡2
𝑥(𝑡) = + 𝑘1 𝑡 + 4
4
𝑡
𝑥′(𝑡) = + 𝑘1
2
❖ SUSTITUYENDO

𝑡2 𝑡 2
𝑥 + 𝑡 − 𝑥 ′2 = 0 ∴ ( + 𝑘1 𝑡 + 4) + 𝑡 − ( + 𝑘1 ) = 0
4 2
𝑡2 𝑡2
+ 𝑘1 𝑡 + 4 + 𝑡 − − 𝑘1 𝑡 − 𝑘12 = 0
4 4
4 + 𝑡 − 𝑘12 = 0
𝑡 = 𝑘12 − 4
❖ Sustituir 𝑡 = 𝑘12 − 4 en ecuación 1

(𝑘12 − 4)2
𝑥(𝑡) = + 𝑘1 (𝑘12 − 4) + 4
4
(𝑘12 − 4)2
𝑥(𝑡) = 4 [ + 𝑘1 (𝑘12 − 4) + 4]
4

𝑥(𝑡) = (𝑘12 − 4)2 + 4𝑘1 (𝑘12 − 4) + 16

𝑥(𝑡) = 𝑘14 − 8𝑘12 + 16 + 4𝑘13 − 16𝑘1 + 16
𝑥(𝑡) = 𝑘14 + 4𝑘13 − 8𝑘12 16𝑘1 + 32
VALORES:

𝑘1 = −2.4605
𝑘1 = −4.6643
𝑘1 = 1.5624 + 0.5889𝑖
𝑘1 = 1.5624 − 0.5889𝑖
o 𝑡 = 𝑘12 − 4:
𝑡1 = (−2.4605)2 − 4 = 2.0540
𝑡1 = (−4.6643)2 − 4 = 17.7556
𝑡1 = (1.5624 + 0.5889𝑖)2 − 4 = 𝑐𝑜𝑚𝑝𝑙𝑒𝑗𝑜
𝑡1 = (1.5624 − 0.5889𝑖)2 − 4 = 𝑐𝑜𝑚𝑝𝑙𝑒𝑗𝑜
SOLUCIONES
𝑡2
• 𝑥(𝑡) = − 2.4605𝑡 + 4
4
𝑡1 = 2.0540
𝑡2
• 𝑥(𝑡) = − 4.6643𝑡 + 4
4
𝑡1 = 17.7556

GRAFICAS:
Resolver el siguiente problema:
∞
2
𝐽(𝑥) = ∫ 𝑒 −𝑟𝑡 (𝑥 2 + 𝑥 + 2𝑥′ + 𝑥 ′ )𝑑𝑡
0
𝑠. 𝑎 𝑥(0) = 0
❖ Derivar parcialmente 𝑓𝑥, 𝑓𝑥’ 𝑦 𝑓𝑥’ con respecto al tiempo.
2
∀ 𝑓(𝑡, 𝑥, 𝑥 ′ ) = 𝑒 −𝑟𝑡 (𝑥 2 + 𝑥 + 2𝑥′ + 𝑥 ′ )
𝑓𝑥(𝑡, 𝑥, 𝑥 ′ ) = 𝑒 −𝑟𝑡 (2𝑥 + 1)
𝑓𝑥 ′ (𝑡, 𝑥, 𝑥 ′ ) = 𝑒 −𝑟𝑡 (2 + 2𝑥′)
𝜕𝑓𝑥 ′
(𝑡, 𝑥, 𝑥 ′ ) = 𝑒 −𝑟𝑡 (2𝑥 ′′ ) + (−𝑟𝑒 −𝑟𝑡 )(2 + 2𝑥′)
𝜕𝑡
❖ APLICAR ECUACIÓN DE EULER

𝑒 −𝑟𝑡 (2𝑥 + 1) = 𝑒 −𝑟𝑡 (2𝑥 ′′ ) + (−𝑟𝑒 −𝑟𝑡 )(2 + 2𝑥 ′ )

𝑒 −𝑟𝑡 (2𝑥 + 1) = 𝑒 −𝑟𝑡 [(2𝑥 ′′ ) − 2𝑟 − 2𝑟𝑥′)]
(2𝑥 + 1) = (2𝑥 ′′ ) − 2𝑟 − 2𝑟𝑥′)
1
∗ [1 + 2𝑟 = 2𝑥′′ − 2𝑟𝑥 ′ − 2𝑥]
2
1
+ 𝑟 = 𝑥 ′′ − 𝑟𝑥 ′ − 𝑥
2
𝐸𝐶𝑈𝐴𝐶𝐼𝑂𝑁 𝐷𝐼𝐹𝐸𝑅𝐸𝑁𝐶𝐼𝐴𝐿 𝐷𝐸 2𝐷𝑂. 𝑂𝑅𝐷𝐸𝑁 𝑁𝑂 𝐻𝑂𝑀𝑂𝐺𝐸𝑁𝐸𝐴
𝑥ℎ (𝑡) = 0 → 𝑥 ′′ − 𝑟𝑥 ′ − 𝑥 = 0
❖ Determinar polinomio característico.

𝑥ℎ (𝑡) = 0 → 𝑥 ′′ − 𝑟𝑥 ′ − 𝑥 = 0
𝑣 2 − 𝑟𝑣 − 1 = 0
−𝑏±√𝑏 2 −4𝑎𝑐
❖ Raíces: 𝑥 = 2𝑎

−(−𝑟) ± √(−𝑟)2 − 4(1)(−1)

𝑉1,2 =
2
Entonces:

𝑟 + √𝑟 2 + 4
𝑉1 =
2
 𝑟 − √𝑟 2 + 4
𝑉2 =
2
❖ Solución homogénea
𝑟+√𝑟 2 +4 𝑟−√𝑟 2 +4
𝑥ℎ (𝑡) = 𝐾𝑒 2 𝑡 + 𝐾𝑒 2 𝑡

Para solución propuesta

𝑥𝑝 (𝑡) = 𝐴𝑡 + 𝐵 , 𝑥𝑝 (𝑡)′ = 𝐴, 𝑥𝑝 (𝑡)′′ = 0

Sustituir en ecuación :
1 1 1
+ 𝑟 = 0 − 𝑟𝐴 − (𝐴𝑡 + 𝐵) ∴ + 𝑟 = −𝐴𝑟 − 𝐴𝑡 − 𝐵 ∴ + 𝑟 = −𝐴𝑡 + (−𝐴𝑟 − 𝐵)
2 2 2
−𝐴𝑡 = 0 → 𝐴 = 0
𝑃𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜
1
+ 𝑟 = −(0)𝑟 − 𝐵
2
1
+ 𝑟 = −𝐵
2
1 1
+ 𝑟 = −𝐵 → 𝐵 = − − 𝑟
2 2

SOLUCION TOTAL/GENERAL:
𝑟+√𝑟 2 +4 𝑟−√𝑟 2 +4 1
𝑡 𝑡
𝑥ℎ (𝑡) + 𝑥𝑝 (𝑡) = 𝐾1 𝑒 2 + 𝐾2 𝑒 2 − −𝑟
2
❖ S.A:

𝑟+√𝑟 2 +4 𝑟−√𝑟 2 +4 1
0 0
𝑥(0) = 𝐾1 𝑒 2 + 𝐾2 𝑒 2 − −𝑟 =0
2
1
= 𝐾1 + 𝐾2 − − 𝑟 = 0
2
1
𝐾1 = − 𝐾2 + + 𝑟
2

SI:
𝑟+√𝑟 2 +4
E: 𝑡
2
𝑟−√𝑟 2 +4
H: 𝑡
2
NOTA: Cuando el horizonte y el tiempo es indeterminado entonces:
[𝐹𝑥’]𝑡=𝑡1∗ = 0 𝑦 [𝑓 − 𝑥 ′ ∗ 𝑓𝑥′]𝑡=𝑡1 ∗ = 0

1
𝑥𝑇 (𝑡) = 𝐾1 𝑒 E𝑡 + 𝐾2 𝑒 Ht − − 𝑟
2
 ❖ APLICANDO LA SEGUNDA TRANSVERSALIDAD ([𝑓 − 𝑥 ′ ∗ 𝑓𝑥′]𝑡=𝑡1 ∗ = 0)

2
[𝑒 −𝑟𝑡 (𝑥 2 + 𝑥 + 2𝑥′ + 𝑥 ′ ) − 𝑥 ′ ∗ 𝑒 −𝑟𝑡 (2 + 2𝑥′)]𝑡=𝑡 ∗ = 0
1

2
𝑒 −𝑟𝑡 [𝑥 2 + 𝑥 + 2𝑥 ′ + 𝑥 ′ − 2𝑥 ′ − 2𝑥 ′2 )]𝑡=𝑡 ∗ =0
1

[𝑥 2 + 𝑥 − 𝑥 ′2 )]𝑡=𝑡1 ∗ = 0

❖ Sustituir valores en [𝑥 2 + 𝑥 − 𝑥 ′2 )]𝑡=𝑡1 ∗ = 0

1 1
[(𝐾1 𝑒 E𝑡 + 𝐾2 𝑒 Ht − − 𝑟)2 + 𝐾1 𝑒 E𝑡 + 𝐾2 𝑒 Ht − − 𝑟 − (𝐾1 𝑒 E𝑡 + 𝐾2 𝑒 Ht )2 ] = 0
2 2
Entonces lim
𝑡=∞

1 1
[(𝐾1 2 𝑒 2E𝑡 + 𝐾2 2 𝑒 2Ht + (− − 𝑟)2 + 2(𝐾1 𝑒 E𝑡 )(𝐾2 𝑒 Ht ) + 2(𝐾1 𝑒 E𝑡 ) (− − 𝑟)
2 2
1 1
+ 2( 𝐾2 𝑒 Ht ) (− − 𝑟) + 𝐾1 𝑒 E𝑡 − − 𝑟 − 𝐾1 𝑒 E𝑡 − 𝐾2 𝑒 Ht ] = 0
2 2
1 1
= (− − 𝑟)2 − − 𝑟 = 0
2 2
1 1
= (−1)( + 𝑟)2 − − 𝑟 = 0
2 2
1 1 1
𝑟2 − =0 ∴ 𝑟1 = , 𝑟2 = −
4 2 2
❖ Si R1= ½

Entonces :
1
𝐾1 = − 𝐾2 + 2 + 𝑟
1
Si 𝑟1 = ∴ 𝐾1 = 1 𝑦 𝐾2 = 0
2

1 1
1= −0+ +
2 2
1 = 1 −→ 0 = 1 − 1 ∴ 0 = 0
SUSTITUYENDO EN SOLUCION GENERAL.
1 √ 1 2
+ ( ) +4
2 2
𝑡 1 1
𝑥∗ = 𝑒 2 − −
2 2
 1+√17
𝑡
𝑥∗ = 𝑒 4 −1
s.a

𝑥(0) = 𝑒 0 − 1 = 1 − 1 = 0
1+√17
(∞)
𝑒 4
𝑥(∞) = 𝑒 −1 =∞−1=∞

Graficas:
CONCLUSIÓN

El objetivo central de este trabajo es saber entender y analizar cada uno de los
temas vistos.
Se puede concluir que, con el uso de la optimización dinámica aplicada en el
análisis económico, cabe destacar el de un consumidor debe decidir, en cada
instante, las cantidades a comprar de cada bien, con objeto de maximizar su
función de utilidad. Cada tema visto en este trabajo nos ayudara a entender el por
qué es importante la decisión de cada individuo o empresario que busca la
cantidad a producción de un único producto, y maximizar su beneficio. Como dijo
el autor Posner (1977), para quien la economía “(…) analiza y contrasta las
implicaciones de suponer al individuo maximizado de sus fines en la vida, es decir la
satisfacción de lo que denominaremos su propio interés”.
BIBLIOGRAFÍAS

▪ Optimización Dinámica, Emilio Cerdá.

▪ Optimización dinámica restringida en economía: métodos matemáticos e

implementación en el genera, l algebraic modeling system, Julio 2002 Dr. P.
Rubén Mercado

▪ Optimización Dinámica, Lorenzo Escot Mangas, Elena Olmeda Fernández, Eva

del Pozo García

▪ OPTIMIZACIÓN DINÁMICA Y TEORÍA ECONÓMICA, José Luis Bonifaz F., Ruy

Lama C. 1ª edición: junio 1999, noviembre 1999.

▪ Cálculo Diferencial e Integral en Varias Variables. Montalvo F.