Optimización Dinámica: Ejemplos de Control Optimo

CONTROL ÓPTIMO
Elphego Torres
OPTIMIZACIÓN DINÁMICA
Profesor(a):
YAÑEZ JIMENEZ CARLOS ALBERTO
2018
Elphego Torres (IPN) Escuela Superior de Economı́a 2018 1 / 59

Índice
1 Introducción
2 Planteamiento del problema
3 Demostración
4 Ejercicios

Introducción
El cálculo en variaciones es una herramienta muy útil que, sin embargo, no

es suficientemente poderosa para resolver muchos de los problemas que se
presentan en las aplicaciones. Nos gustarı́a poder considerar casos en
donde la función f (x, ẋ, t) es lineal, casos en donde las trayectorias x(t)
son funciones más generales y no son necesariamente doblemente
diferenciables, y casos con restricciones sobre las trayectorias y otras
generalizaciones. Los primeros trabajos al respecto fueron efectuados por
Valentine en 1937, McShane en 1939 y Hestenes en 1947. El tema no
atrajo una gran atención sino hasta mediados del siglo veinte cuando el
matemático ruso Pontryagin y sus colaboradores, Boltyanskii, Gamkrelidze
y Mishchenko, desarrollaron la llamada teorı́a de control óptimo.El
resultado básico que presentaron es conocido como el principio del máximo
de Pontryagin, que se refiere a las condiciones necesarias para la
optimalidad del problema que plantearemos a continuación.

Planteamiento del problema
La exposición rigurosa del problema general de teorı́a de control es

bastante complicada; sin embargo, podemos dar una versión simplificada
que sea suficiente para los problemas que se tratan en el texto. Para mayor
claridad de la exposición, supongamos que se tienen únicamente un estado
y un control.
Definición 1. Se dice que una función α(t) tiene una discontinuidad del
primer tipo en t0 , si los lı́mites
lı́m α(t) y lı́m α(t)

t→t+
0 t→t−
0
ambos existen pero son distintos. Esto es lo que se conoce por

discontinuidad de tipo “brinco” o de primer tipo.

Denotemos a la variable de estado por x(t) y supongamos que es continua

y sus derivadas son continuas por pedazos. La variable de control u(t)
puede escogerse de un conjunto de funciones U llamado el conjunto de
controles admisibles, que son funciones continuas por pedazos. Al
conjunto Ū = u(t) | u ∈ U , de imágenes de los controles admisibles, se lo
llama región de control. Se tienen dos funciones f (x, u, t) y g(x, u, t) con
derivadas parciales continuas. En ecuaciones diferenciales existe un
teorema (no trivial) conocido como el teorema de Peano, que garantiza
que dada una trayectoria u(t) = u∗ (t) y la condición inicial x(t0 ) = x0 ,
existe (localmente) una solución única de la ecuación diferencial
ẋ = g(x, u∗ , t)

Nuestro problema será escoger el control, u∗ , de manera que se optimice el

valor de la funcional(conocida como función objetivo) dada por
ZT
f (x, u, t) dt
0
o, en otras palabras, se debe encontrar una trayectoria u∗ ∈ U que

resuelva el siguiente problema:
ZT
máx f (x, u, t) dt (2.1)
0
sujeto a ẋ = g(x, u∗ , t)
x(0) = x0 , T dado y x(T ) libre

El principio del máximo nos dice cómo hacer esto y establece lo siguiente.
Teorema 1. Supongamos que u∗ y x∗ resuelven el problema (2.1),
entonces existe λ(t) continua, llamada variablede coestado, tal que el
hamiltoniano, definido por
H(x, u, λ, t) = f (x, u, t) + λ(t)g(x, u, t)

posee un máximo (mı́nimo) en u∗ , es decir,
H(x∗ , u∗ , λ, t) ≥ H(x∗ , u, λ, t) ∀ u ∈ U, t ∈ [0, T ] (2.2)

o bien ≤ si se trata de un mı́nimo). Adicionalmente, λ(t), u∗ (t) y x∗ (t)

resuelven el sistema dinámico
λ̇ = −Hx (2.3)
ẋ = Hx
y se cumple la condición de transversalidad
λ(T ) = 0 (2.4)

Demostración
Sea u∗ el control óptimo y x∗ la trayectoria del estado óptimo

correspondiente. Supongamos, sin pérdida de generalidad, que estas
trayectorias maximizan la funcional dada en
Zb
J[x] = f (x(t), ẋ(t), t) dt
a
Sean fx∗y gx∗ las derivadas parciales correspondientes de f y g evaluadas

∗ ∗
en u , x . La demostración se hará para el caso particular en que
fx∗ = (x∗ , u∗ , ∆u, t) y gx∗ = (x∗ , u∗ , ∆u, t), por ejemplo, cuando f y g son
separables en x y u.

Demostración
Definimos λ(t) como la solución a la ecuación diferencial
λ̇ = −fx∗ − λgx∗ (3.1)

λ(T ) = 0
y definimos al hamiltoniano como
H(x, u, λ, t) = f (x, u, t) + λ(t)g(x, u, t) (3.2)

La pareja (x∗ , u∗ ) es un máximo (local) para la funcional
ZT
J[x] = f (x, u, t) dt
0

Demostración
si para todo punto (x∗ + ∆x, u∗ + ∆u) en una vecindad de (x∗ , u∗ ) se

cumple
J[x∗ , u∗ ] ≥ J[x∗ + ∆x, u∗ + ∆u]

Esta desigualdad se puede reescribir como ∆J ∗ ≤ 0, o bien
ZT
J[x] = [f (x∗ + ∆x, u∗ + ∆u, t) − f (x∗ , u∗ , t)] dt ≤ 0 (3.3)
0
Vamos a demostrar que una condición necesaria para que (3.3) se cumpla
es que se verifique
H(x∗ , u∗ + ∆u, λ, t) − H(x∗ , u∗ , λ, t) ≤ 0 (3.4)

Demostración
Por conveniencia, denotamos ∆x = h, en donde, h(t) es una curva de

desplazamiento con h(0) = 0. Denotemos por ∆f ∗ , ∆g ∗ y ∆H ∗ el cambio
total de las funciones con respecto a x y u. Explı́citamente, se tiene
∆f ∗ = f (x∗ + h, u∗ + ∆u, t) − f (x∗ , u∗ , t),

∆g ∗ = f (x∗ + h, u∗ + ∆u, t) − g(x∗ , u∗ , t),
∆H ∗ = H(x∗ + h, u∗ + ∆u, λ, t) − H(x∗ , u∗ , λ, t),

Demostración
Por ∆u f ∗ , ∆u g ∗ y ∆u H ∗ denotamos los cambios con respecto a u, o bien
∆u f ∗ = f (x∗ , u∗ + ∆u, t) − f (x∗ , u∗ , t),

∆u g ∗ = f (x∗ , u∗ + ∆u, t) − g(x∗ , u∗ , t),
∆u H ∗ = H(x∗ , u∗ + ∆u, λ, t) − H(x∗ , u∗ , λ, t),

Demostración
Consideremos la siguiente expresión:
ZT ZT
∗
(∆f + λ∆ẋ) dt = (∆f ∗ + λḣ) dt (3.5)
0 0
Por un lado, ẋ = g(x, u, t) implica que (3.5) se puede reescribir como
ZT ZT
∗ ∗
(∆f + λ∆g ) dt = (∆H ∗ ) dt (3.6)
0 0
RT
y por otro lado, integrando el término λḣ dt por partes, se tiene
0
ZT ZT
(λḣ) dt = (λh)|T0 − (λ̇h) dt
0 0

Demostración
Dado que λ(T ) = 0 y h(0) = 0 se tiene que (λh)|T0 = 0 y por lo tanto

reescribimos (9) como
ZT ZT
∗
(∆f + λḣ) dt = (∆f ∗ − λ̇h) dt (3.7)
0 0
De (3.1),(3.5),(3.7) y recordando que h = ∆x y ḣ = ∆ẋ = ∆g ∗ se tiene

que
ZT
∗
∆J = (∆f ∗ ) dt
0
(3.8)
ZT
= (∆f ∗ + λ∆g ∗ + (−fx∗ − λgx∗ )∆x) dt
0

Demostración
Consideremos el desarrollo de Taylor de primer orden para f y g alrededor

de (x∗ , u∗ + ∆u, t) para obtener
f (x∗ + ∆x, u∗ + ∆u, t) ' f (x∗ , u∗ + ∆u, t) + fx∗ ∆x,

g(x∗ + ∆x, u∗ + ∆u, t) ' g(x∗ , u∗ + ∆u, t) + gx∗ ∆x
Notemos que aquı́ se usa el supuesto inicial fx∗ = fx (x∗ , u∗ + ∆u, t) y

gx∗ = gx (x∗ , u∗ + ∆u, t).
Restando f (x∗ , u∗ , t) y g(x∗ , u∗ , t), respectivamente, de ambos lados de
estas igualdades se tiene,
∆f ∗ ' ∆u f ∗ + fx∗ ∆x, (3.9)

∗ u ∗
∆g ' ∆ g + gx∗ ∆x

Demostración
y sustituyendo (3.9) en (3.8) obtenemos
ZT ZT
∗ ∗
∆J = (∆f ) dt = (∆u f ∗ + λ∆u g ∗ ) dt (3.10)
0 0
ZT
= (∆u H ∗ ) dt
0
Supongamos que en algún intervalo (a, b) ⊂ [0, T ] se tiene que

∆u H ∗ > 0. Podemos tomar ∆u 6= 0 en (a, b) y ∆u = 0 en [0, t] ∩ (a, b)c
para obtener
ZT
(∆u H ∗ ) dt > 0
0

Demostración
pero en este caso δJ > 0, lo cual serı́a una contradicción ya que (x∗ , u∗ )
es un máximo, por lo que no existe intervalo alguno en el que pueda darse
∆u H ∗ > 0. Con esto terminamos la demostración. Obviamente la
demostración es análoga para el caso de un mı́nimo.

Ejercicios
Z1
máx J = (u2 ) dt
{u}
0
(4.1)
x0 = −u
x(0) = 1
x(1) = 0
Ajustamos la función hamiltoniana:
H(t, x, u, λ) = u2 + λ(−u)

Ejercicios
aplicamos los pasos correspondientes

−k1
1. 0 = −λ0 x0 = −λ/2 → x(t) = t + k2
2
2. 2u − λ = 0 aplicando las restricciones
0
3. x = −u
x(0) = 1 → k2 = 1
de (2) despejar a u, −k1
x(1) = 0 → (1) + 1 ∴ k1 = 2
2
u = λ/2 (4.2) La solución particular es
Ahora de:
λ∗ (t) = 2
0
λ = 0 → λ(t) = k1
x∗ (t) = −t + 1
de (4.2) sustiruir en (3), por lo tanto u∗ (t) = 1

Ejercicios
Z1
mı́n J = (u2 ) dt
{u}
0
(4.3)
x0 = x + u
x(0) = 0
x(1) = e
H = u2 + λ(x + u)

Ejercicios
aplicamos los pasos Ahora, sustituyendo (4.4) en

correspondientes x0 = x + u,
1. λ = −λ0
2. 2u + λ = 0 k1 e−t
3. x0 = x + u x0 = x − λ/2 → x0 − x = −
2
de (2) despejar a u,
se trata de una E.D no homogenéa:
u = −λ/2 (4.4)
λ0 k1 e−t e
Z
de (1): + λ = 0, que se trata de t
x(t) = e k2 + − dt
una E.D homogenea: 2 t
λ(t) = k1 e−t Resolviendo x(t),

Ejercicios
llamaremos esta equación como:

k1 e−t
t eq2.
x(t) = k2 e +
4 De eq1 multiplicar por (−e−1 ) y
aplicando las condiciones sumar en eq2 y resolver para k2 :
k1 e e2
x(0) = 0 → + k2 = 0 k2 = =
4 e − e−1 e2 − 1
llamaremos esta equación como: De eq1 multiplicar por (−e) y
eq1, ahora para sumar en eq2 y resolver para k1 :
e 4e2
k1 e−1 k1 = =
x(1) = e → + k2 e = e e−1
− e 1 − e2
4 4 4

Ejercicios
Soluciones particulares
4e2 4e2−t

∗ −t
λ (t) = e =
1 − e2 1 − e2
2 2
e e e2+t e2−t
x∗ (t) = e t
− e−t
= −
e2 − 1 e2 − 1 e2 − 1 e2 − 1
4e2−t
∗ 1−e2 4e2−t 2e2−t
u (t) = − = =
2 2(e2 − 1) e2 − 1

Ejercicios
Z1
1
mı́n J = − (x2 + u2 ) dt
{x,u} 4
0
(4.5)
x0 = x + u
x(0) = 2
x(1) = 0

1
H = − (x2 + u2 ) + λ(x + u)
4

Ejercicios
aplicamos los pasos Entonces el sistema de ecuación es,

correspondientes
1. − 12 x + λ = −λ0 1
λ0 = −λ + x
2
2. − 21 u + λ = 0 x0 = 2λ + x
3. x0 = x + u
estructurando matricialmente:
de (2) despejar a u, ∴ 0
λ −1 1/2 λ
=
u = 2λ (4.6) x0 2 1 x
Resolviendo
sustuimos (4.6) en (3)

−1 − λ 1/2
=0
x0 = x + 2λ

2 1−λ

Ejercicios
por lo tanto,
λ2 − 2 = 0 √
2−1
por lo tanto: v1 = 2
1
√
λ1,2 = ± 2 para λ2
para λ1
√
√ −1 + 2 1/2
√ a 0

−1 − 2 1/2

a 0 =
√ = 2 1+ 2 b 0
2 1− 2 b 0
√ √
(−1 − 2)a + (1/2)b = 0 2a + (1 + 2)b = 0
√ !
2−1 √ √
a= b
!
− 2−1 − 2−1
2 a= b ∴ v2 = 2
2 1

Ejercicios
La solución general:
"√ # " √ #
√ − 2−1 √
2−1
λ(t)
= k1 2 e 2t
+ k2 2 e− 2t
x(t) 1 1
aplicando las condiciones:
x(0) = 2 → k1 + k2 = 2 (4.7)
√ √
2 − 2
x(1) = 0 → k1 e + k2 e =2 (4.8)
√
multiplicar; (−e 2) en (4.7), sumar en (4.8) y resolver para k2
√
2e 2
k2 = √ √
e 2 − e− 2

Ejercicios
√
multiplicar; (−e− 2) en 4.7, sumar en (4.8) y resolver para k1
√
2e− 2
k1 = √ √
e− 2 −e 2
finalmente
√ ! √ √ ! √
2e− 2 √ 2
∗ √
λ (t) 2−1 2e − 2−1
= √ √ 2 e 2t
+ √ √ 2 e− 2t
x∗ (t) e− 2 −e 2 1 e 2 − e− 2 1
No olvidando la variable óptima de control: u∗ (t) = 2λ

Ejercicios
Resolver
Z 1
arg máx J = − u2 dt
{x,u} 0
ẋ = x + u (4.9)
x(0) = 1
x(1) = 0
Solución
H(x, u, λ) = −u2 + λ(x + u)
1. λ = −λ̇
2. −2u + λ = 0
3. ẋ = x + u

Ejercicios
De (2), despejar a u, sustituir en (3) para llegar al siguiente sistema de

ecuación;
λ̇ + λ = 0 (4.10)
λ
ẋ − x = (4.11)
2
resolviendo (4.10),
λ(t) = k1 e−t (4.12)

sustituyendo (4.12) en (4.11):
k1 e−t
ẋ − x = . (4.13)
2

Ejercicios
Resolviendo la ecuación (4.13) por fórmula:
k1 e−t
R
Z R

− −dt −dt
x(t) = e k2 + e dt
2
Z
t k1 −2t
= e k2 + e dt
2
k1 e−t
= k2 et + . (4.14)
4
Aplicando las condiciones a la solución x(t), se llega que:
4e2 1
k1 = k2 = .
1 − e2 1 − e2

Ejercicios
Las soluciones particulares son:
e2−t et
x∗ (t) = 2
+
1−e 1 − e2
2−t
4e
λ∗ (t) =
1 − e2
2e2−t
u∗ (t) =
1 − e2
Resolver
Z 5
ux − u2 − x2 dt

arg máx J =
{x,u} 1
ẋ = x + u (4.15)
x(1) = 2
x(5) = 5

Ejercicios
Solución
H(x, u, λ) = ux − u2 − x2 + λ(x + u)
1. λ̇ = 2x − u − λ
2. x − 2u + λ = 0
3. ẋ = x + u
De (2), despejar a u, sustituir en (1) y (3) para llegar al siguiente sistema
de ecuación;
3 1
ẋ = x + λ (4.16)
2 2
3 3
λ̇ = x − λ (4.17)
2 2

Ejercicios
Resolveremos este sistema mediante ecuaciones simultáneas y por

matrices.
Ecuaciones simulatáneas. De (4.16) se tiene que:
λ = 2ẋ − 3x (4.18)
λ̇ = 2ẍ − 3ẋ (4.19)
sustituir (4.19) en (4.17) y simplificando se obtiene una ecuación

diferencial de segundo orden homogénea,
ẍ − 3x = 0. (4.20)
La solución de (4.20) es:
√ √
x(t) = k1 e 3t
+ k2 e− 3t

Ejercicios
de (4.18) se sabe que:
∂ √3t √ √ √

− 3t
λ(t) = 2 k1 e + k2 e − 3 k1 e 3t + k2 e− 3t
∂t
√ √ √ √
= 2 3 − 3 k1 e 3t − 2 3 + 3 k2 e− 3t (4.21)
Método matricial. Estructuramos matricialmente (4.16) y (4.17),
" # " #" #

ẋ(t) 3 1
2 2 x
= 3 (4.22)
λ̇(t) 2 − 23 λ
de (4.22) se obtiene:
δ2 − 3 = 0
√ √
δ1 = 3 δ2 = − 3

Ejercicios
para el eigenvalue δ1 :
"
3
√ 1
#" # " #
2 − 3 2 a 0
3
√ =
2 − 32 − 3 b 0
se tiene que
3 √

1
− 3 a+ b=0 (4.23)
2 2
√

3 3
a− + 3 b=0 (4.24)
2 2

Ejercicios
Simplificando (4.23) y (4.24)
√
3−2 3 a+b=0 (4.25)
√
3a − 3 + 2 3 b = 0 (4.26)
de (4.25)
√
(2 3 + 3)
a= b, (4.27)
3
por lo tanto:
" √ #
(2 3+3)
v1 = 3
1

Ejercicios
para el eigenvalue δ2 :
"
3
√ #" # " #
1
2 + 3 a2 0
3
√ =
2 − 32 + 3 b 0
se tiene que
3 √

1
+ 3 a+ b=0 (4.28)
2 2
√

3 3
a− − 3 b=0 (4.29)
2 2
Simplificando (4.28) y (4.29)
√
3+2 3 a+b=0 (4.30)
√
3a − 3 − 2 3 b = 0 (4.31)

Ejercicios
de (4.31)
√
(2 3 − 3)
a=− b, (4.32)
3
por lo tanto:
" √ #
(2 3−3)
v2 = − 3
1
Las soluciones generales son:
" √ # " √ #
(2 3+3) √ (2 3−3) √

x(t) −
= k1 3 e 3t + k2 3 e− 3t
λ(t) 1 1

Ejercicios
Entonces por ecuaciones simultáneas la solución del sistema queda:
√ √
x(t) = k1 e 3t + k2 e− 3t (4.33)
√ √ √ √
λ(t) = 2 3 − 3 k1 e 3t − 2 3 + 3 k2 e− 3t
Mediante el método matricial:
" √ # " √ #
(2 3 + 3) √3t (2 3 − 3) −√3t
x(t) = k1 e + k2 − e (4.34)
3 3
√ √
λ(t) = k1 e 3t
+ k2 e− 3t
(4.35)
Es preferible aplicar las condiciones en (4.33), pero también se puede

aplicar en (4.34) de todas formas las soluciones particulares deben de dar
las mismas ecuaciones.

Ejercicios
Aplicando el método gauss-jordan en las soluciones simultáneas se llega

que:
√ √ √
2e2 3 − 5e−2 3 √ 5 − 2e4 3
k1s = √ √ + 2e− 3
k2s = √ √
e−5 3 − e3 3 e−5 3 − e3 3
de igual forma por el método gauss-jordan en la solución matricial resulta:
√ √ √
5e4 3 −2 2 3 − 2 e− 3
k1m = √
e8 3 − 1
√ 4√3 √
3 − 2 3 2e − 5 e5 3
k2m = √
e8 3 −1

Ejercicios
λ+x
Se habı́a obtenido que u = , entonces de (4.21) y (4.33) se llega que:
2
√ √ √ √
u(t) = ( 3 − 1)k1 e 3t − ( 3 + 1)k2 e− 3t (4.36)
Sustituyendo k1s y k2s en (4.21), (4.23) y (4.36). Para comprobar sustituir
k1m y k2m en (4.34) y (4.35).
Finalmente las soluciones particulares son:
√ √
x∗ (t) = 0.0008663625e 3t
+ 11.2767890194e− 3t
√ √
λ∗ (t) = 0.0004020802e 3t
− 72.8943101140e − 3t
√ √
u∗ (t) = 0.0063422137e 3t
− 30.8087605473e− 3t

Ejercicios
Comprobar que no existe solución para:
Z 1
máx J = u dt
{x,u} 0
ẋ = u2 + x (4.37)
x(0) = 1
x(1) = 0
Solución
H = u + λ(u2 + x)
1. λ̇ = −λ
2. 1 + 2λu = 0
3. ẋ = u2 + x
Ejercicios
De (2), se obtiene:
1
u=− . (4.38)
2λ
La solución de (1) es:
λ(t) = k1 e−t (4.39)

Sustituyendo (4.39) en (4.38) y después en (3), se llega que:
1
ẋ − x = . (4.40)
4 (k1 e−t )2
La solución de (4.40) es:
e2t
x(t) = + k2 et . (4.41)
4k12

Ejercicios
Ajustando las condiciones en (4.41), se llega que las constantes puede

tomar valores imaginarios:
1 √ e
k1 = i e − 1 y k2 =
2 e−1
1 √ e
k1 = − i e − 1 y k2 =
2 e−1

Ejercicios
Resolver el siguiente problema de control con dos variables

de estados
Z 1
x21 − u2

máx J =
{x1 ,x2 ,u} 0
ẋ1 = x1
(4.42)
ẋ2 = −2x1 − 3x2 − u
x1 (0) = x2 (0) = 1
x1 (0) = x2 (1) = 0
Solución
H(x1 , x2 , λ1 , λ2 , u) = x21 − u2 + λ1 (x1 ) + λ2 (−2x1 − 3x2 − u)

Ejercicios
Las condiones necesarias son:

∂H
→ λ̇1 = −2x1 − λ1 + 2λ2
∂x1
(4.43)
∂H
→ λ̇2 = 3λ2
∂x2
−2u − λ2 = 0 (4.44)
ẋ1 = x1
(4.45)
ẋ2 = −2x1 − 3x2 − u
Lo resolveré hasta las soluciones generales, ya solo habrı́a que aplicar las
condiciones.

Ejercicios
Se obtiene el siguiente sistema:
λ̇1 = −2x1 − λ1 + 2λ2 (4.46)

λ̇2 = 3λ2 (4.47)
λ2
u=− (4.48)
2
ẋ1 = x1 (4.49)
ẋ2 = −2x1 − 3x2 − u (4.50)
de (4.47):
λ2 (t) = k1 e3t (4.51)

de (4.49):
x1 (t) = k2 et (4.52)

Ejercicios
sustituir(4.51) en (4.48), posteriormente en (4.50), se llega:
e3t
ẋ2 + 3x2 = k1 − 2k2 et (4.53)
2
resolviendo (4.53):
e3t et
x2 (t) = k1 − k2 + k3 e−3t (4.54)
12 2
sustituyendo (4.51) y (4.52) en (4.46):
λ̇1 + λ1 = 2k1 e3t − 2k2 et (4.55)

La solución de (4.55), es:
e3t
λ1 (t) = k1 − k2 et + k3 e−t
2

Ejercicios
Resolver
Z T 1
máx J = e−rt u 2 dt
{x,u} 0
ẋ = rx − u (4.56)
x(0) = x0
x(T ) = 0
Solución
1
H(x, u, λ, t) = e−rt u 2 + λ(rx − u)
1. λ̇ = −λr
2. 1
√
2 u
e−rt −λ=0
3. ẋ = rx − u
Ejercicios
de (2):
e−2rt e−rt
u= 2
con ≥0 (4.57)
4λ λ
sustituyendo (4.57) en (3) se llega al siguiente sistema:
λ̇ + rλ = 0 (4.58)
−2rt
e
ẋ − xr = − (4.59)
4λ2
de (4.58):
λ(t) = k1 e−rt (4.60)
ajustando la solución (4.60) en (4.59)
e−2rt
ẋ − xr = − 2 (4.61)
4 (k1 e−rt )

Ejercicios
de (4.61), sabemos que es una ecuación diferencial de primer orden no

homogénea, cuya solución es:
1
x(t) = + k2 ert (4.62)
4k12 r
Ya solo habrı́a que ajustar la condiones de transversalidad, esta condición
se resulve con: H ∗ [T ] = 0, mas adelante se mostrará un ejemplo cuando:
x(T ) = x1 .
El problema (4.56) tambien se puede resolver aplicando el hamiltoniano a
valor corriente

Ejercicios
Encontrar las trayectorias de control, estado y coestado del siguiente problema
Z 2
máx J = x − u2 dt
{x,u} 0
ẋ = u (4.63)
x(0) = 0
x(2) = libre
Solución
H(x, u, λ) = x − u2 + λu
1. λ̇ = −1
2. λ − 2u = 0
3. ẋ = u
Ejercicios
La solución de (1) es:
λ(t) = k1 − t (4.64)
aplicando transversalidad en (4.64), se obtiene que:
λ∗ (t) = 2 − t (4.65)
despejando a u de (2) y sustituyendo en (3):
λ
ẋ = (4.66)
2
posteriormente sustituir (4.65) en (4.66)
t
ẋ = 1 − (4.67)
2

Ejercicios
la solución en (4.67) es:
t2
x(t) = t − + k2 (4.68)
4
ajustando la condición x(0) = 0 en (4.68):
t2
x∗ (t) = t −
4
Finalmente para u se obtiene:
t
u∗ (t) = 1 −
2

Ejercicios
Resolver
Z T
− t2 + u2 dt

máx J =
{x,u} 0
ẋ = u (4.69)
x(0) = 0
x(T ) = 5
Solución
H(u, t, λ) = −t2 − u2 + λu
1. λ̇ = 0
2. λ − 2u = 0
3. ẋ = u
Ejercicios
Solucionando (1):
t
x(t) = k1 + k2 (4.73)
2
λ(t) = k1 (4.70)
de las condiciones x(0) = 0, y
de (2): x(T ) = 5, se obtiene:
λ
u= (4.71)
2 k2 = 0
sustituir (4.70) en (4.71) y T 10
k1 = 5 → T =
posteriormente en (3): 2 k1
Aplicando la condición de
k1
ẋ = (4.72) transversalidad:
2
solucionando (4.72): H ∗ [T ] = 0

Ejercicios
sustituyendo
k12 k2 √
−T 2 − + 1 =0 k1 = 2 5
4 2 √
k2 k1 = −2 5
T2 = 1
4
2
10 k12 del cual solo necesitamos las soluciones
√
=
k1 4 reales con
√ T > 0, es decir: T = 5 con
100 k12 k1 = 2 5.
= Finalmente:
k12 4
k1 puede tomar los valores:

√
√ x∗ (t) = 5t
√
k1 = 2 5i ∗
λ (t) = 2 5
√ √
k1 = −2 5i u∗ (t) = 5

Optimización Dinámica: Ejemplos de Control Optimo

Cargado por

Copyright:

Formatos disponibles

Optimización Dinámica: Ejemplos de Control Optimo

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Optimización Dinámica: Ejemplos de Control Optimo

Cargado por

Copyright:

Formatos disponibles

CONTROL ÓPTIMO

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 1 / 59

2 Planteamiento del problema

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 2 / 59

El cálculo en variaciones es una herramienta muy útil que, sin embargo, no

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 3 / 59

La exposición rigurosa del problema general de teorı́a de control es

lı́m α(t) y lı́m α(t)

ambos existen pero son distintos. Esto es lo que se conoce por

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 4 / 59

Denotemos a la variable de estado por x(t) y supongamos que es continua

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 5 / 59

Nuestro problema será escoger el control, u∗ , de manera que se optimice el

o, en otras palabras, se debe encontrar una trayectoria u∗ ∈ U que

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 6 / 59

H(x, u, λ, t) = f (x, u, t) + λ(t)g(x, u, t)

H(x∗ , u∗ , λ, t) ≥ H(x∗ , u, λ, t) ∀ u ∈ U, t ∈ [0, T ] (2.2)

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 7 / 59

o bien ≤ si se trata de un mı́nimo). Adicionalmente, λ(t), u∗ (t) y x∗ (t)

y se cumple la condición de transversalidad

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 8 / 59

Sea u∗ el control óptimo y x∗ la trayectoria del estado óptimo

Sean fx∗y gx∗ las derivadas parciales correspondientes de f y g evaluadas

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 9 / 59

Definimos λ(t) como la solución a la ecuación diferencial

λ̇ = −fx∗ − λgx∗ (3.1)

y definimos al hamiltoniano como

H(x, u, λ, t) = f (x, u, t) + λ(t)g(x, u, t) (3.2)

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 10 / 59

si para todo punto (x∗ + ∆x, u∗ + ∆u) en una vecindad de (x∗ , u∗ ) se

J[x∗ , u∗ ] ≥ J[x∗ + ∆x, u∗ + ∆u]

H(x∗ , u∗ + ∆u, λ, t) − H(x∗ , u∗ , λ, t) ≤ 0 (3.4)

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 11 / 59

Por conveniencia, denotamos ∆x = h, en donde, h(t) es una curva de

∆f ∗ = f (x∗ + h, u∗ + ∆u, t) − f (x∗ , u∗ , t),

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 12 / 59

Por ∆u f ∗ , ∆u g ∗ y ∆u H ∗ denotamos los cambios con respecto a u, o bien

∆u f ∗ = f (x∗ , u∗ + ∆u, t) − f (x∗ , u∗ , t),

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 13 / 59

Consideremos la siguiente expresión:

Por un lado, ẋ = g(x, u, t) implica que (3.5) se puede reescribir como

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 14 / 59

Dado que λ(T ) = 0 y h(0) = 0 se tiene que (λh)|T0 = 0 y por lo tanto

De (3.1),(3.5),(3.7) y recordando que h = ∆x y ḣ = ∆ẋ = ∆g ∗ se tiene

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 15 / 59

Consideremos el desarrollo de Taylor de primer orden para f y g alrededor

f (x∗ + ∆x, u∗ + ∆u, t) ' f (x∗ , u∗ + ∆u, t) + fx∗ ∆x,

Notemos que aquı́ se usa el supuesto inicial fx∗ = fx (x∗ , u∗ + ∆u, t) y

∆f ∗ ' ∆u f ∗ + fx∗ ∆x, (3.9)

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 16 / 59

y sustituyendo (3.9) en (3.8) obtenemos

Supongamos que en algún intervalo (a, b) ⊂ [0, T ] se tiene que

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 17 / 59

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 18 / 59

Ajustamos la función hamiltoniana:

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 19 / 59

aplicamos los pasos correspondientes

Elphego Torres (IPN) Escuela Superior de Economı́a 2018 20 / 59