Optimizacin Dinmica: Clculo de

Variaciones - Aplicaciones en Economa e

Implementaciones en Maple y Mathematica

Jorge Mauricio Oviedo 1

Resumen: El presente trabajo tiene por objetivo integrar los

principios matemticos de la teora del Clculo de Variaciones y el
control ptimo con programaciones computacionales en Softwares
algebraicos. Para llevar a cabo dicha tarea se presenta una revisin
terica de tales tpicos de una manera clara y accesible sin por ello
perder rigurosidad en su tratamiento. Se brindan adems rutinas de
programacin en Mathematica 5.2 y Maple 10 que automatizan la
tarea de resolucin de dichos problemas. De esta manera, se logra
cumplir el fin de fomentar el uso de tales mtodos cuantitativos
minimizando el esfuerzo de aprendizaje y resolucin. Aplicaciones a
la Teora Econmica son incorporadas adicionalmente

Palabras clave: Ecuaciones Diferenciales, Calculo de Variaciones, Control ptimo,

Optimizacin, Ecuacin de Euler, Condiciones de Transversalidad.
1

joviedo@eco.unc.edu.ar

1.- Motivacin
A lo largo de la vida uno aprende a valorar la utilidad de realizar planes para el futuro. Las
decisiones presentes afectan las posibilidades de eleccin futura haciendo que ciertas
oportunidades estn o no dentro del rango de eleccin ms adelante. De esta manera las
elecciones presentes afectan nuestro bienestar a los largo de todo ese horizonte de
planeacin.
Sin embargo, la cuestin clave que emerge de esta reflexin es la interdependencia de las
decisiones presentes y futuras. De no ser as, el problema planeacin a lo largo del tiempo
es trivial en el sentido que todo lo que uno necesita hacer es elegir lo mejor en cada instante
del tiempo sin importar las repercusiones de tal decisin en el futuro.
Transcribiendo estas ideas de una manera algebraica podemos decir lo siguiente:
En un problema de optimizacin esttica el objetivo es hallar el valor de una variable que
maximice una cierta funcin, es decir:
(a)

max F ( x)
x

si dicha funcin es continuamente diferenciable se verificar que F(x*)=0 donde x* es un

valor que maximiza F.
Una generalizacin hacia un problema de mltiples periodos discretos involucra la eleccin
de ciertas cantidades xt

max
xt

F (t , x )
t

(b)

i =1

Siguiendo con el supuesto de que F es continuamente diferenciable se tendrn las siguientes

condiciones necesarias de primer orden:
Fx1 (1, x1 ) = 0
Fx2 (2, x2 ) = 0
#
FxN ( N , xN ) = 0
De donde emerge claramente que dicho sistema de ecuaciones no denota ningn tipo de
interdependencias por lo que cada ecuacin puede ser resuelta independientemente de las
dems. De esta manera, el problema es trivial y no marca ningn tipo de dinmica en la
eleccin de las variables. Obsrvese como stas reglas algebraicas coinciden con las
reflexiones hechas en prrafos anteriores.

El problema se transforma verdaderamente dinmico cuando las decisiones presentes no

solo afectan este instante si no tambin el futuro venidero. Algebraicamente sera el caso
de:

max
N
{ xt }t =1

F (t , x , x
t

i =1

t 1

(c)

luego las condiciones de primer orden sern:

Fx1 (1, x1 , x0 ) + Fx1 (2, x2 , x1 ) = 0
Fx2 (2, x2 , x1 ) + Fx2 (3, x3 , x2 ) = 0
#
FxN 1 (t 1, xN 1, xN 2 ) + FxN 1 (t , xN , xN 1 ) = 0
FxN ( N , xN , xN 1 ) = 0
Ntese como el valor de x0 debe ser fijado de antemano par determinar el valor de x1. Se
aprecia con nitidez la interdependencia del sistema periodo a periodo. Las variables no
pueden elegirse independientemente una de otras. Estamos pues frente a un problema de
optimizacin dinmico.
Para generalizar los problemas (c) y (d) al caso de horizonte de planeacin contino se
deben hacer algunas consideraciones previas:
Primero tngase presente que el anlogo continuo a la sumatoria es una integral y en
segundo lugar que la solucin ptima ser una funcin continua de t, x(t), en reemplazo de
la secuencia de valores anterior:
t1

Max F (x(t ), t )dt

x (t )

sujeto a

x(0) = x0

Al igual que en (c) el mismo resulta ser no dinmico dado que el integrando solo depende
de las elecciones contemporneas de x. Para lograr el equivalente dinmico de un problema
en horizonte temporal continuo, se debe hacer aparecer una derivada de la variable de
eleccin en el integrando. Dicho dependencia de la tasa de crecimiento es el puente que
comunica ntertemporalmente las decisiones tomadas transmitiendo as dinmica al sistema
continuo.
t1

Max F (x(t ), x'(t ), t )dt

x (t )

sujeto a

x(0) = x 0

Las condiciones necesarias para resolver esta clase de problemas se brindarn en las
prximas secciones.

2.- Ecuacin de Euler

Comencemos por tratar el ms sencillo de los casos de Optimizacin dinmica. Para ellos
consideremos primero el siguiente problema:
t1

Max F (x(t ), x'(t ), t )dt

x (t )

sujeto a

(1)

t0

x(t0 ) = x0 ,

x(t1 ) = x1

Es decir se pretende hallar una funcin x(t) de modo tal que la integral del Funcional F(.)
sea mxima sujeto a las condiciones iniciales y terminales fijadas, x0 y x1 . Cualquier
funcin x(t) continuamente diferenciable en [t0, t1] que satisfaga las condiciones iniciales y
terminales se dice una funcin admisible .2
Se asume que F es continua en sus tres argumentos y tiene derivadas parciales continuas
con respecto a x y a x.
Para esbozar una demostracin de las condiciones necesarias que una funcin debe
satisfacer para resolver ste problema, seguiremos ste plan:
a) Con el objetivo de transformar esta optimizacin funcional en una optimizacin de
variable comn, se tratar de condensar todo el espacio de funciones admisibles en
el espacio de una variable (R) de modo tal que en un determinado valor de la
variable se alcance el ptimo.
b) En base a las condiciones necesarias para optimizar funciones de una variable se
lograr desenmascarar ciertas condiciones para la optimizacin de funcionales como
en el problema planteado
Para llevar a cabo esta idea, se parte de la idea que existe una funcin x*(t) admisible que
resuelve el problema en cuestin. A esta funcin le podemos llamar el camino o la
trayectoria ptima en el sentido que maximiza la integral. En base a sta funcin se procede
a considerar una funcin arbitraria h(t), llamada funcin perturbacin, con la siguiente
propiedad:

h(t0)= h(t1)=0

(2)

Dicho pedido se efecta con el fin de que la siguiente funcin perturbada sea admisible:

y(t) = x*(t) + a h(t)

(3)

para cualquier constante a. De sta forma y(t) cumple con las condiciones de admisibilidad
gracias a (2). Ntese que cualquier funcin que satisfaga (2) tiene derecho a ser considerada
funcin perturbacin. Tal arbitrariedad en la definicin de h(t) cobrar vital importancia
ms adelante queriendo destacar con esto que tal arbitrariedad no es meramente caprichosa.
2

(El caso de mnimo puede ser tratado como el problema de maximizar la integral de F(.)

En base a stas definiciones podemos ahora construir la siguiente funcin:

t1

g (a ) = F ( y (t ), y'(t ), t )dt
t0
t1

= F ( x *(t ) + ah(t ), x *'(t ) + ah '(t ), t )dt

t0

la cual slo depende de a. En consecuencia se puede hallar el valor de a que hace resuelve
(1) siguiendo las reglas usuales de la optimizacin de funciones de una variable.
Ahora bien, dado que las definiciones de x*(t), h(t) y a se han hecho con la intencin de
que (1) se maximice en a=0, se sabe por las condiciones necesarias de primer orden que:

g(a) = 0

(4)

debe verificarse para a = 0.

Con esto se pueden ahora destilar las condiciones que deben cumplirse para que (1) se
maximice pues hay que deducir las relaciones que deben verificarse entre F y sus
argumentos para que g(a) = 0 teniendo en cuanta la arbitrariedad de h(t). En otras
palabras, debemos deducir que relacin debe observarse para que (4) evaluado en a=0 se
cumpla para cualquier funcin de perturbacin admisible h(t).
Procedamos ahora a computar g(a). Para computar tal derivada hay que tener en cuenta
que estamos derivando bajo el signo integral, por ende se hace necesario utilizar la Regla de
Leibnitz que dice lo siguiente:
Regla de Leibnitz: sea f(x,r) una funcin continua con derivadas continuas en r y sean
adems A(r) y B(r) funciones continuamente diferenciables. Si
B(r )

V (r ) =

f ( x, r )dx

A( r )

Entonces
B(r )

V '(r ) = f [ B (r ), r ]B '(r ) f [ A(r ), r ] A '(r ) +

f ( x, r )

dx
r
A( r )

Regresando a nuestro objetivo de calcular g y teniendo en cuenta que los extremos de

integracin estn fijos, se tiene que:

t1

g '(a) = [ Fx ( x *(t ) + ah(t ), x *'(t ) + ah '(t ), t ) ] h(t ) + [ Fx ' ( x *(t ) + ah(t ), x *'(t ) + ah '(t ), t )] h '(t ) dt
t0

Evaluando en a=0, ya que por construccin en dicho punto g es cero, se tiene que:
t1

g '(0) = [ Fx ( x *(t ), x *'(t ), t ) ] h(t ) + [ Fx ' ( x *(t ), x *'(t ), t ) ] h '(t ) dt = 0

(5)

t0

La expresin (5) haciendo uso de la regla de integracin por partes puede expresarme de
manera ms sencilla por:

t1

F ( x *(t ), x *'(t ), t ) dt [ F

x'

t0

( x *(t ), x *'(t ), t ) ] h(t ) dt = 0

Dado que h(t) es una funcin de perturbacin admisible arbitraria la nica manera que
dicha integral se anule es que el coeficiente que acompaa a h sea nulo para todo t en
[t0,t1]. Es decir debe verificarse con carcter de necesario la siguiente relacin:

Fx ( x *(t ), x *'(t ), t )

d
[ Fx ' ( x *(t ), x *'(t ), t )] = 0
dt

La misma es una ecuacin diferencial de segundo orden, en general no lineal, denominada

Ecuacin de Euler3.

En el caso de mltiples variables de eleccin la Ecuacin de Euler puede deducirse de manera similar
definiendo mltiples funciones de perturbacin admisibles. El problema puede plantearse as:
t1

Max J [x(t )] = f (x(t ), x'(t ), t )dt

x (t )

t0

x(t0 ) = x0
x(t1 ) = x1
donde:

x(t ) = ( x1 (t ),..., xn (t ))
x'(t ) = ( x '1 (t ),..., x 'n (t ))
En tal caso la ecuacin de Euler puede escribirse como:

f d f
( )=0
x dt x'

Ntese que el segundo trmino del lado izquierdo de la Ecuacin de Euler denota la
derivada total de Fx. Expandiendo tal derivada se arriba a sta expresin alternativa a la
condicin de Euler:
Fx = Fx ' x x '+ Fx ' x ' x ''+ Fx 't
donde las derivadas parciales estn evaluadas en (x(t), x(t), t). Se ve claramente que la
misma es una ecuacin diferencial de segundo orden en x con coeficientes en general no
lineales dados por las derivadas parciales de F. Dicha ecuacin suele ser difcil en general
de resolver por medios analticos pero en la mayora de los casos se puede analizar el
comportamiento de la solucin ptima de una manera cualitativa.
De esta manera la ecuacin de Euler mas las condiciones iniciales-terminales permiten
obtener una funcin que, en la medida que la condiciones de segundo orden se verifiquen,
resolver (1). Las soluciones de la Ecuacin de Euler suelen denominarse extremales de
(1) siendo esta denominacin el anlogo a los puntos estacionarios candidatos a ptimos en
optimizacin de funciones de una variable.

2.- Condiciones de segundo orden:

En problemas de optimizacin una funcin f(x) dos veces continuamente diferenciable en
una simple variable sobre un intervalo abierto, es bien conocido que si x* maximiza f es
necesario que f(x*)=0 y f(x*) 0. A su vez si x* satisface f(x*) = 0 y f(x*) < 0,
entonces x* brinda un mximo local para f. De manera anloga, en los problemas
variacionales como (1) se pueden deducir condiciones necesarias y suficientes para
mximos locales de los funcionales.
Regresando a (3)
t1

g '(0) = ( Fx h + Fx ' h ') dt = 0

t0

sta expresin es usualmente llamada primera variacin. El requerimiento que la misma

sea cero cuando se la evala en el camino ptimo conduce a la ecuacin de Euler.
En semejanza a la derivada segunda es posible obtener la variacin segunda de g de la
siguiente manera:
t1

g ''(0) = ( Fxx h 2 + Fxx ' hh '+ Fx ' h ') dt

(6)

t0

Observando el integrando se deduce que el mismo es una forma cuadrtica en (x, x).
Ahora bien, analizando (6) y teniendo en cuenta que si x(t) maximiza (1) se deducen las
siguientes condiciones:

Condicin Suficiente4: Si x*(t) satisface la Ecuacin de Euler y a su vez se verifica que F

es cncavo en (x, x), entonces x*(t) es un mximo local del problema (1).
Sin embargo esta condicin suficiente es demasiado fuerte y no siembre se cumple en la
mayora de los problemas. Se tiene adems la siguente,
Condicin Necesaria (Legendre)5: si x*(t) es un mximo local del problema (1), entonces
de verifica que F evaluado en la solucin ptima es concavo en x

3.- Condiciones de Transversalidad

En los apartados anteriores se consider el caso en que el estado inicial y terminal de la
variable esta determinado y que el tiempo de finalizacin tambin estaba dado. En esta
seccin se consideraran casos ms generales de tales condiciones terminales6:
Caso 1.- Estado terminal de la variable de eleccin libre y tiempo terminal dado
t1

Max F (x(t ), x'(t ), t )dt

x (t )

sujeto a

t0

x(t0 ) = x0 ,

Deben verificarse las siguientes Condiciones Necesarias:

a) Ecuacin de Euler
b) Condicin de Legendre
c) Fx = 0 en t1 final dado
Caso 2.- Estado terminal de la variable de eleccin fijo y tiempo terminal libre
t1

Max F (x(t ), x'(t ), t )dt

x (t )

sujeto a

t0

x(t0 ) = x0 , x(t1 ) = x1 y t1 libre

Deben verificarse las siguientes Condiciones Necesarias:

4
5

Esto es as ya que es necesario que la segunda variacin sea negativa para toda funcin admisible h(t).

Para derivar dicha condicin deben efectuarse algunas manipulaciones en (6) y hacer uso de las condiciones
de Euler y otros Lemas. Para mayores detalles de su deduccin vase Kamien y Schwartz [1981]
6
Las deducciones de tales alteraciones en el planteo inicial del problema (1) no se presentarn en este escrito.
Para una deduccin detallada de las mismas vase Kamien y Schwartz [1981]

a) Ecuacin de Euler
b) Condicin de Legendre
c) F x Fx = 0 en t1 final dado
Caso 3.- Estado terminal de la variable de eleccin y tiempo terminal (ambos) libres
t1

Max F (x(t ), x'(t ), t )dt

x (t )

t0

x(t0 ) = x0 ,

sujeto a

y t1 libre

Deben verificarse las siguientes Condiciones Necesarias:

a)
b)
c)
d)

Ecuacin de Euler
Condicin de Legendre
F = 0 en t1 final
Fx = 0 en t1 final

Caso 4.- Estado terminal de la variable de eleccin y tiempo terminal relacionados por una
funcin R. 7
t1

Max F (x(t ), x'(t ), t )dt

x (t )

sujeto a

t0

x(t0 ) = x0 ,
R(t1 ) = x1

Deben verificarse las siguientes Condiciones Necesarias:

a) Ecuacin de Euler
b) Condicin de Legendre
c) F + (R-x) Fx = 0 en t1
Caso 5.- Restricciones de desigualdad en las condiciones terminales

Ntese que ste caso ni el tiempo terminal ni la variable de eleccin son completamente libres ni
completamente fijos. Un cambio en uno de ellos debe ser acompaado en un cambio en el otro acorde a R

t1

Max F (x(t ), x'(t ), t )dt

x (t )

sujeto a

t0

x(t0 ) = x0 ,

x(t1 ) = x1 a

t1 T
Deben verificarse las siguientes Condiciones Necesarias:
d)
e)
f)
g)

Ecuacin de Euler
Condicin de Legendre
T t1 , F-x Fx , (T - t1 )( F x Fx ) = 0 en t1
x1 a , Fx( t1 ) 0 , (x1 - a) Fx(t1 ) = 0

4.- Horizonte infinito de planeacin8

Este nuevo problema puede formularse como:

Max J [x(t )] = F (x(t ), x'(t ), t )dt

x (t )

t0

x(t0 ) = x 0
siendo:
x(t ) = ( x1 (t ),..., xn (t ))
x'(t ) = ( x '1 (t ),..., x 'n (t ))
En donde ahora se trata de una integral impropia pues uno de sus lmites es infinito. Como
primer requisito se necesita que la misma sea convergente9. Para abordar este problema se
recurre de nuevo a la ecuacin de Euler junto a las condiciones iniciales y las siguientes
condiciones de Transversalidad de acuerdo al tipo de finalizacin establecido:

lim( F x 'i Fx 'i ) = 0 ; (i = 1,..., n)

t

sta condicin de Transversalidad es necesaria independiente del tipo de finalizacin

planteado. A su vez hay que aadir una condicin de Transversalidad adicional
dependiendo del tipo de finalizacin del problema. As se tendr que agregar:

Para lograr mayor generalidad expositiva se procede a tratar el caso de mltiples funciones de eleccin. Al
igual que en el apartado anterior se omiten las deducciones de las misma. Para el lector interesado en los
detalles de las mismas puede consultar Alpha Chiang [1992]
9
La necesidad de la convergencia de la integral obedece al hecho de que si no esto no sucediere pudieran
existir demasiadas funciones candidatas a ptimo y decidir sobre ellas suele ser una tarea ardua y difcil

lim x(t ) = a
t

en caso que el problema determine un valor fijo estable de la variable x(t)

Alternativamente si se permitiese a la variable x(t ) variar libremente en el lmite a infinito
se requerir agregar esta nueva condicin de Transversalidad:

lim Fx 'i = 0 ; (i = 1,..., n)

t

Por ltimo, en el caso de que las variables estuviesen sujetas a un valor mnimo asinttico
la condicin ser:
lim Fx ' j 0

lim Fx ' j [ x j (t ) x j min ] = 0

( j = 1,...n)

5.- Restricciones
En esta ampliacin del problema el interrogante es hallar un conjunto de trayectorias que
optimicen una integral definida (propia o impropia) sujeto a la condicin de que cumpla
con un conjunto de restricciones y relaciones entre las variables que deben ser satisfechas a
lo largo de todo el horizonte de planeacin. Existen diversos tipos de restricciones:
Restricciones Diferenciales de Igualdad

Formalmente el problema general puede plantearse como sigue:

t1

Max J [x(t )] = f (x(t ), x'(t ), t )dt

x (t )

t0

x(t0 ) = x0
x(t1 ) = x1
g (x(t ), x'(t ), t ) = b
donde g (") es un vector columna dado de r funciones independientes10 y consistentes y
b un vector de constantes que igualados constituyen un conjunto de r ecuaciones
diferenciales. En el caso de que g (") no dependa explcitamente de las derivadas se tratar
de un conjunto de ecuaciones simples. Para que el problema sea factible se requiere que
r < n (el nmero de estricciones debe ser estrictamente menor que el nmero de variables
10

La independencia funcional de estas ecuaciones puede verificarse con la siguiente condicin necesaria y
1

suficiente:

( g , g , ..., g )
( x '1 , x '2 ,..., x 'r )

0 para al menos un conjunto de r variables x del total n

ya que si son iguales el campo de eleccin de las variables a la hora de optimizar la integral
se restringe nicamente a un punto n-dimensional11 dado por la solucin del sistema
g (") = b . Para resolver este problema se recurre nuevamente a la ecuacin de Euler pero
esta vez aplicada a un nuevo funcional. Para ello se definen previamente r multiplicadores
de Lagrange:
y = ( y1 (t ), y2 (t ),...; yr (t ))
Donde el nuevo funcional12 es ahora:

L(x, x', y, t ) = f (x, x', t ) + y[b g(x, x', t )]

Lo que lleva a la ecuacin de Euler:
L d L
( )=0
x dt x'
El cual es un sistema de n ecuaciones diferenciales ordinarias con n + r funciones
incgnitas que junto a las otras r ecuaciones diferenciales dadas por las r restricciones y las
condiciones de contorno (iniciales y terminales) permiten hallar explcitamente la solucin
del problema.
Si adems se establecen condiciones de transversalidad ante la ausencia de valores
terminales fijos, los mismos sern reemplazados por los siguientes requerimientos de
acuerdo a los distintos casos:
a) [ Lx' ]t =t1 = 0
b) [ L yi Lyi ' ] = 0

(i = 1,..., n)

c) [ L (T ' y 'i ) Ly ' ]t =t1 (i = 1,..., n)

Restricciones Diferenciales de Desigualdad
En el caso que las restricciones sean de desigualdad el problema se transforma en
t1

Max J [x(t )] = f (x(t ), x'(t ), t )dt

x (t )

t0

x(t0 ) = x 0
x(t1 ) = x1
g (x(t ), x'(t ), t ) b

11
12

Punto n-dimensional cuyas componentes son funciones

Este nuevo funcional suele denominarse funcin de Euler-Lagrange

y la solucin del mismo deber satisfacer:

L d L
( )=0
x dt x'
g(x, x', y , t ) b
junto a

y0
y[b g(x, x', t )] = 0

Restricciones Isoperimtricas

El ltimo tipo de restricciones que se pueden considerar son las llamadas restricciones de
permetro. Este tipo de requerimientos surgen en problemas donde el objetivo es hallar una
curva que encierre la mayor superficie posible sujeto a que el permetro de tal curva es fijo.
Analticamente el problema sera:
t1

Max J [x(t )] = f (x(t ), x'(t ), t )dt

x (t )

t0

x(t0 ) = x0
x(t1 ) = x1

t1

t0

g(x(t ), x'(t ), t )dt b

para abordar este tipo de problemas se procede a utilizar un multiplicador d elagrange y

obtener este nuevo funcional:

[ f (x(t ), x'(t ), t ) G( x(t ), x '(t ), t )] dt

t1

t0

a ste nuevo funcional se le aplica la ecuacin de Euler y mas la restriccin de isoperimetra

se logra un sistema de ecuaciones del cual es posible hallar la solucin ptima de x(t) y
(t)13

6.- Ejemplos y Aplicaciones

Bsicamente en materia de ejemplos y aplicaciones del Clculo de Variaciones, podemos
destacar dos tipos de los mismos:

13

Esto es posible en la medida que x(t) no sea una extremal para la restriccin integral G

Ejercicios de carcter cuantitativo: que partiendo de datos explcitos en particular buscan

resolver un problema concreto, determinado y especfico
Ejercicios de carcter cualitativo: stos en base a datos generales en donde no se
especifican ni se detallan los datos del problema de manera explicita si no simplemente se
confieren ciertas caracteres generales, comunes a un amplio rango de problemas parecidos,
buscan encontrar patrones de solucin comunes a todos ellos. En economa es ampliamente
usado este tipo de aplicaciones en donde por ejemplo el investigador no persigue
determinar la trayectoria ptima de consumo para un agente determinado que posee unas
preferencias explicitas y particulares, si no que conociendo ciertas caractersticas en comn
de todos los agentes, se trata de determinar los patrones de conducta comunes a todos ellos
en su trayectoria ptima. Esto es de gran importancia pues simplemente con saber ciertas
cualidades de las funciones de Utilidad o produccin de los agentes y firmas, es posible en
muchos casos develar el esquema comn de comportamiento de los agentes sin necesidad
de conocer con exactitud tales funciones.

A continuacin mostramos ejemplos de cada una de sas clases de problemas:

Ejemplo a

Determinar la distancia mas corta entre un punto (a, A) y una lnea vertical (b, t) para
todo t perteneciente a R, donde a, b y A son constantes conocidas
Utilizando el teorema de Pitgoras para lograr as una aproximacin lineal de cualquier
curva , tendremos:

ds = [(dt ) 2 + (dx) 2 ]1/ 2 = [1 + x '(t ) 2 ]1/ 2

Con lo que el problema se plantea de la siguiente manera
a

min [1 + x '(t )]1/ 2 dt

x (t )

Sujeto a x(a) = A
x(b) = Libre

Debido a que la integral F depende slo de x, la solucin de la ecuacin de Euler tiene la

forma:
x(t) = c1t+c2.
Utilizando a su vez la condicin de transversalidad
Fx = x/[1 + x2 (b)]1 / 2 = 0
x(b)=0
as las constantes c1, c2 se determinan de la siguiente manera
x(a ) = A = c1 a + c 2
x(b) = 0 = c1
Luego
X(t)=A,

atb

Como se puede observar el camino optimo es una lnea recta horizontal, es importante notar
que la condicin de Legendre es satisfecha dado que Fxx>0, siendo esta solucin un
mnimo.

Ejemplo b
tt10 [tx(t ) + ( x(t )) 2 ]dt

Sujeta a
X(t0)=X0 , X(t1)=X1
Donde t0, t1, X0 y X1 son parmetros dados.
Escribimos F(t, x, x) = tx+x2 y tomamos Fx=0 y Fx ' = t + 2 x '
Siendo la condicin de Euler

dFx / dt = d (t + 2 x) / dt = 0
Debido a que el lado derecho es cero , no necesitamos realizar la diferenciacin , ya que la
derivada de una funcin igual a cero es una constante

t + 2x ' = k

Para alguna constante k, luego separando las variables e integrando llegamos al siguiente
resultado

x(t ) = c 2 + c1t / 2 t 2 / 4
Las constantes de integracin deben satisfacer lo siguiente
x(t 0 ) = x0 = c 2 + c1t 0 / 2 t 02 / 4
x(t1 ) = x1 = c 2 + c1t1 / 2 t 21 / 4
Aplicacin Econmica

Un individuo busca la tasa de consumo ptima para cada momento del tiempo de modo tal
que maximice su flujo descontado de Utilidad sobre un periodo de tiempo conocido de
longitud T. La Utilidad del consumo U(C(t)) a cada momento del t es una funcin creciente
y cncava conocida (utilidad marginal del consumo decreciente en el tiempo): U>0 y U
<0 la cual es descontada a una tasa r , siendo as el planteo del problema para ste
individuo:

max T0 e rtU (C (t ))dt

(I)

sujeto a la restriccin de flujo de caja del individuo. El individuo deriva ingresos corrientes
de salarios exgenamente determinados v(t) y de ganancias de interes iK sobre sus
tenencias de Activos de Capital K(t). Por simplicidad, el individuo puede prestar y pedir
prestado activos a la misma tasa de inters i. As el ingreso por inters y salario se destinan
a consumir o ahorrar:
iK(t) + v(t) = C(t) + K(t)

(II)

siendo las condiciones iniciales y terminales del stock de capital

K(0)=K0 y K(T)=KT

(III)

Usando (II) para eliminar C desde (I) y denotando el integral de (II) por F y tomando en
cuenta (III) y utilizando la regla de la cadena:
Fk = e rtU (C )i

Fk = e rtU (C )

As la condicin de Euler ser

d (e rtU (C )) / dt = e rtU (C )i (IV)
Integrando (IV) sobre un pequeo intervalo de tiempo y reordenando

e rtU (C ) = tt + e rsU (C ( s ))ids + e r (t + )U (C (t + ))

(V)

Lo anterior establece que en un plan de consumo ptimo el individuo no puede incrementar

su Utilidad trasladando un dlar para consumo de un momento t a otro t. La utilidad
marginal descontada desde el consumo en t (lado izquierdo de (V)) debe ser igual a la
utilidad marginal descontada lograda posponiendo el consumo a t + (lado derecho de
(V). Dado que posponer un peso de consumo genera i pesos en un instante de tiempo, un
peso marginal consumido en s contribuye a incrementar la utilidad en U(C(s)) y por ende
una fraccin i del peso consumido en s contribuye en iU(C(s)). De esta manera el primer
trmino de la derecha de (V) es el incremento en la utilidad lograda por la ganancia de
ingresos por posponer el consumo. Por otro lado, el peso ahorrado ser consumido
incrementando la utilidad en U(C(t + )) el segundo trmino sobre la derecha de (V) es la
utilidad marginal descontada. Sabiendo que la utilidad de consumir en el futuro es menor,
dada la tasa de descuento positiva, que la utilidad de consumir en le presente, la condicin
de optimalidad sugiere que esa perdida de consumir en el futuro debe ser exactamente
compensada por las ganancias de utilidad por los intereses logrados va la abstencin de
consumo en el presente.
Luego operando en (IV) y reorganizando trminos tenemos
-UC/U=i-r

(VI)

La tasa proporcional del cambio en la utilidad marginal debe ser igual a la diferencia entre
la tasa de rentabilidad de la inversin y el factor que determina la impaciencia nter
temporal del individuo.
Si U/U>0 por hiptesis, la solucin optima es caracterizada por dC/dt>0 si y solo si
i>r.
La trayectoria de consumo ptima se incrementa si la tasa de ganancia del capital i excede
la impaciencia del individuo r.
Ntese como todas estas relaciones se verifican independientemente de la especificacin de
la funcin de utilidad y dems parmetros constituyendo un patrn general de
comportamiento sin considerar las preferencias de un individuo en particular.
Si la funcin de U es especificada, por ejemplo
U(C) = ln C,
v(t)=0 para 0< t < T
, y sea KT=0
. En este caso (VI) se transforma en:
C/C=i-r
Integrando y substituyendo en (II):
K-iK=-C= -C(0) e

(i r )t

 it

Multiplicando por e , integrando, y usando las condiciones de contorno K(0)= K0 y

K(T)=0 para encontrar las constantes de integracin, resulta:
K (t ) = eit K 0 (1

1 e rt
)
1 e rT

Luego:
K (t ) =

rK 0 e(i r )t
1 e rT

A lo largo de estos ejemplos se logra ver la diferencia entre resolver un ejercicio de manera
explicita y de manera cualitativa como es de gran utilizacin en Economa

7.- Implementacin en Maple

Con el propsito de integrar los conceptos de la Teora del Clculo de Variaciones se
procede a implementar tales rutinas en diversos softwares algebraicos tales como Maple y
Mathematica. El primero se detalla en sta seccin y el segundo en la prxima
A continuacin se expone una rutina de programacin en Maple que automatiza el computo
de la Ecuacin de Euler en ambientes algebraicos.

Versin 1.0
Euler := proc(f,x,y) local a,b,c,E_Eq:
a:=diff(x(t),t):
b:=eval(diff(f,x),[x=x(t),y=a]):
c:=eval(diff(f,y),[x=x(t),y=a]):
E_Eq:= b-diff(c,t):
E_Eq;
end;

Con el cdigo anterior se crea una nueva funcin llamada Euler la cual arroja la Ecuacin
Homnima. La explicacin de su sintaxis se expone a continuacin:

Sintaxis
Euler(F(x,y,t),x,y);
donde:
F(.) es el integrando
x: la funcin incgnita
y: la derivada de x con respecto a t= x'(t)
Para clarificar, se expone el siguiente problema como ejemplo a resolver:
T

min [1 + x '(t )]1/ 2 dt

x (t )

sa : x(0) = a
x(T ) = b
Ntese como ste planteo representa al problema de hallar la trayectoria mnima entre dos
puntos (0, a) y (T, b). As, la ecuacin de Euler es:

Euler((1+y^2)^(1/2),x,y);

d x( t )
dt

d 2
dt 2 x( t )

2
1 + d x( t )
dt

( 3/2 )

d2
x( t )
dt 2
d
1 + x( t )
dt

Y la solucin de la misma es:

dsolve({Euler((1+y^2)^(1/2),x,y)=0},{x(t)});
{ x( t ) = _C1 }, { x( t ) = _C1 t + _C2 }

Especificando las condiciones iniciales y terminales resulta:

dsolve({Euler((1+y^2)^(1/2),x,y)=0,x(0)=a,x(T)=b},{x(t)});
x( t ) =

(a b) t
+a
T

Con lo cual queda demostrada que el trayecto mas corto entre dos puntos es una lnea recta
que pasa por ellos.

_________________________________________________
Versin 1.1
Una variante de la rutina anterior se presenta seguidamente, la cual ofrece ciertas
variedades en la sintaxis con leves mejoras con respecto al cdigo anterior.

EulerII := proc(f,x) local a,b,ff,E_Eq:

ff:=eval(f,[x=a,diff(x,t)=b]):
E_Eq:= eval(Euler(ff,a,b),[a(t)=x,b(t)=diff(x,t)]):
E_Eq;
end;

Sintaxis
Euler(F(x(t),x'(t),t),x(t));
donde:
F(.) es el integrando
x(t): la funcin incgnita
x'(t): la derivada de x con respecto a t

Se muestra el mismo ejemplo anterior a los efectos de comparar las salidas y sintaxis del
comando EulerII con el anterior.

EulerII((1+diff(x(t),t)^2)^(1/2),x(t));

d x( t )
dt

d 2
dt 2 x( t )

1 + dt x( t )

( 3/2 )

d2
x( t )
dt 2
d
1 + x( t )
dt

dsolve({EulerII((1+diff(x(t),t)^2)^(1/2),x(t))=0},{x(t)});
{ x( t ) = _C1 }, { x( t ) = _C1 t + _C2 }

dsolve({EulerII((1+diff(x(t),t)^2)^(1/2),x(t))=0,x(0)=a,x(T)=
b},{x(t)});
x( t ) =

(a b) t
+a
T

8.- Mathematica
De manera similar a la seccin anterior se presentan aqu las rutinas de programacin en
Mathematica que resuelven problemas de Clculo de Variaciones.

Con el programa anterior se crean dos nuevas funciones llamadas CalcVar y CalcVarT .
La primera devuelve la solucin de la Ecuacin de Euler sin especificar las condiciones
iniciales (las constantes de integracin de la solucin pueden calcularse aadiendo las
condiciones de transversalidad apropiadas al problema en cuestin) y la segunda devuelve
la solucin de la ecuacin diferencial mediante la especificacin de las condiciones
iniciales. La mismas se utilizan como sigue:

Sintaxis
CalcVar[F(x[t],x[t]), x[t], x[t], t];
donde:

F(x[t],x[t]) es el integrando
x[t]: la funcin incgnita
x[t]: la derivada de x con respecto a t= x'(t)
t: tiempo

CalcVarT[F(x[t],x[t]), x[t], x[t], t, {0,T}, {x[0}, {x[T]}];

donde:

F(x[t],x[t]) es el integrando
x[t]: la funcin incgnita
x[t]: la derivada de x con respecto a t= x'(t)
t: tiempo
{0,T}: Intervalo de tiempo
{x[0}, {x[T]}: Condiciones Iniciales y terminales de la variable en 0 y T respectivamente

Ejemplos
A continuacin se brindan dos ejemplos que ilustran stos dos nuevos comandos:

Se aprecia as la solucin general, donde las constantes de integracin pueden determinarse

estableciendo las condiciones de transversalidad apropiadas y resolviendo mediante el
comando Solve.
Para el caso particular de condiciones iniciales terminales e iniciales fijas el comando a
utilizar es el siguiente:

BIBLIOGRAFA
Bellman, Richard (1957): Dynamic Programing Princeton University Press. Princeton, New
Jersey.
Cerd Tena, Emilio (2001): Optimizacin Dinamica. Prentice Hall. Espaa.

Alpha Chiang. "Elements of Dynamic Optimization", McGraw-Hill, 1992

Intriligator, Michael D (1971). Mathematical optimization and economic theory.
Prentice-Hall.

Morton I. Kamien and Nancy L. Schwartz, (1991),Dynamic Optimization: The Calculus

of Variations and Optimal Control in Economics and Management, (2nd ed.) by North
Holland: New York.

Stokey, Nancy and Lucas, Robert (1987): Recursive Methods in Economic Dynamic
Harvard University Press.