Documente Academic
Documente Profesional
Documente Cultură
GRUPO: 2EM14
CONTROL OPTIMO:
El control óptimo es una técnica matemática usada para resolver problemas de
optimización en sistemas que evolucionan en el tiempo y que son susceptibles de
ser influenciados por fuerzas externas. Pueden ser sistemas que evolucionan en el
tiempo el cuerpo humano y el sistema económico. Una vez que el problema ha sido
resuelto el control óptimo nos da una senda de comportamiento para las variables
de control, es decir, nos indica qué acciones se deben seguir para poder llevar a la
totalidad del sistema de un estado inicial a uno final de forma óptima.
El desarrollo de la teoría del control óptimo se inició en la década de los cincuenta
gracias al esfuerzo de los científicos rusos y norteamericanos por explorar el
sistema solar. El problema que resolver era el de llevar un vehículo espacial de
algún punto en la tierra a algún otro en el espacio en tiempo mínimo y consumiendo
la menor cantidad de combustible posible. Es decir, de lo que se trataba era de
encontrar trayectorias óptimas en espacios tridimensionales. Como se puede ver, la
solución de dicho problema no podía encontrarse aplicando las técnicas de
optimización tradicionales que sólo nos dan valores de la variable independiente
para los que una función dada alcanza un punto máximo o mínimo, ya sea local o
global.
El cálculo de variaciones es el nombre dado a la optimización de integrales y tiene
su origen en el problema isoperimétrico o de la braquistocrona.
HORIZONTE INFINITO
S. a.
x(0) = x0
El teorema del máximo exige el acotamiento de las trayectorias admisibles, de otra forma no
queda garantizado la existencia de un extremo. Si f (t, x, x’) es creciente, entonces conforme t → ∞
el funcional no tiene un máximo, siempre existirá un valor cada vez mayor sin importar cuán
grande es t.
Encontrar una posible solución al funcional requiere estudiar las integrales impropias.
En este caso las integrales impropias de tipo 1 y se dice que la integral existe si es posible obtener
el límite.
(Definición 2.3) INTEGRAL IMPROPIA.
Sea f una función continua en el intervalo t € (a, ∞), se define la integral impropia.
∞ b
∫ f = b→
lim ∫ f
∞
0 a
Si existe el limite entonces se dice que la integral converge. En caso contrario se dice que la
integral diverge.
Desde luego, solo interesan las integrales que convergen, ya que son integrables. Al respecto,
existen diversos criterios de convergencia que se presentan en libros de cálculo, aquí se utiliza el
siguiente:
(Teorema 2.7) Criterio de Comparación.
Sea f ≥ 0 para toda t ≥ a, y sea g una función definida para t ≥ a, continua en todo intervalo finito.
∞ ∞
∞ b
∫ g ≤∫ f
0 a
∞
2
−t
Ejemplo 2.12 Comprobar si ∫ e dt converge
0
-Encontrar la integral de
b
2
lim ∫ e−t dt
b→∞ a
lim ∫ e−t dt
b→∞ a
Existe o converge.
(Teorema 2.8) Sean f y g continuas para t ≥ a. Suponer que f decrece de manera monótona a 0
b ∞
Donde 0 < φ < 1 es el factor descuento, u ( c t ) es la función de utilidad que depende del único bien
en la economía.
La integral converge si satisface los requerimientos del teorema previo. Primero, la función f =ⅇ−φt
−φt
es continua y decrece en forma monótona lim ⅇ =0. . Segundo, la función g=u ( c t ) está acotada,
t→∞
b
es decir, ∫ g para todo b ≥ 0. Por ejemplo, si la función de utilidad es neoclásica: u’ > 0 y u’’ < 0 con
0
b
una cuota igual a M =∫ u ( c t ) ≤ M ,entonces el problema del consumidor tiene solución debido a la
0
convergencia de la integral.
De manera adicional, la regla de derivación bajo el signo de la integral (Regla de Leibnitz) se
preserva si la integral es convergente. Esto es, si f es una función real con dos variables (b, x)
definida para t ≥a y x en algún intervalo entonces,
∞
g ( x )=∫ f ( t , x ) ⅆt
a
Es diferenciable y
∞
gx ( x )=∫ fx ( t , x ) ⅆt
a
Entonces el problema,
∞
∫ f ( t , x , x ' ) ⅆt
t0
x (t0) = x0
x (t1) = x1, t1 y x1 son libres
Equivale a
∞
lim ∫ f ( t , x , x' ) ⅆt
b→∞ t0
x (t0) = x0
x (t1) = x1, t1 y x1 son libres
Si la integral converge, entonces proceder hasta deducir la ecuación de Euler junto con la
condición,
δt
( f −x' f x )|❑δtt → ∞+ ( f x ' )|t → ∞=0
'
Si T es libre y no finito, la condición de transversalidad es:
t→∞
Entonces,
lim f x ' =0
t→∞
EJERCICIO.
Una mina contiene un monto B de recurso natural que el poseedor puede extraer sin costo alguno.
No obstante, sólo podrá extraerse recurso hasta el momento T, después el recurso no se utiliza o
la mina se cierra.
Sea x(t) la trayectoria de la venta acumulada, entonces x’(t) es la tasa de venta en el mismo
periodo y constituye el beneficio del poseedor de la mina.
Desde luego, los beneficios son descontados por el factor r, que es fijo.
El problema a resolver es:
T
max=∫ ⅇ−rt ln x ' ⅆt
0
s. a.
x (0) = 0
x (t) = B
Un problema isoperimétrico consiste en resolver un funcional con una restricción que contiene una
integral.
t1
max=∫ f ( t , x , x' ) ⅆt
t0
t1
'
s. a. ∫ g ( t , x , x ) ⅆt
t0
x (t0) = x0
x (t1) = x1
Donde f y g son funciones de clase c2 y ꭤ € R.
Si las restricciones se satisfacen, entonces la función Lagrangiana asociada al problema es:
t1 t1
t0 t0
El problema consiste en elegir una función admisible x*(t) que sea la solución. Para ello z (t, x, x’,
λ) de forma:
t1
∫ z ( t , x , x ' , λ ) ⅆt + λa
t0
d x'
zx (t, x, x’) = z’ (t, x, x’)
dt
d x'
(fx – λgx) = (fx’ – λgx’)
dt
Si x*(t) es el extremo que satisface la Ecuación de Euler y además no es un extremo de la
restricción que contiene la integral, entonces λ es el multiplicador indeterminado que satisface el
problema.
Ejercicio.
Resolver el siguiente problema isoperimétrico:
1
J ( x )=∫ ( x ' )2 ⅆt
0
s. a. ∫ x ⅆt =2
0
x (0) = 0
x (1) = 1
1
dz x '
= 2x’’
dt
-Aplico Ecuación de Euler
-λ = 2x’’
−λ
x’’ =
2
−λ
x’ = t +k 1
2
−λ t 2
x (t) = +k 1 t+ k 2 → Ec. 1
4
-Sujeto a:
−λ(0)2
x (0) = 0 → + k 1 ( 0 ) +k 2 =0 → k2 = 0
4
−λ λ
x (1) = 1 → +k 1=1 → k1 = 1+
4 4
-Sustituye k1 y k2 en Ec. 1
−λ t 2 λ
x∗( t )=
4 ( )
+ 1+ t
4
−λ t 3 λ 1
12
+ 1+ ( )
4 2
=2
−λ λ 1
[ ( )]
12
+ 1+
4 2
−[ 0]=2
−λ 1 λ
+ + =2
12 2 8
2 λ +3 λ 1
=2−
24 2
λ 3
= → λ=36
24 2
−36 2 36
x*(t) =
4 (
t + 1+
4
t )
x*(t) = -9t2 + 10t
CONTROL OPTIMO
s. a. x’(t) = g (t, x, u)
x (t0) = x0
x (t1) = x1
Las funciones f y son continuas en el intervalo [t 0, t1] y tienen derivadas parciales en sus
argumentos x y u. La variable u se denomina variable de control, es una función de clase C*[t 0, t1]
y determina la evolución de la variable de estado x, cuyo movimiento está gobernado por una
ecuación diferencial de primer orden.
Esta última, mapea R x R → R. De forma, para cada u € U la restricción es una ecuación
diferencial, que, bajo la condición inicial y terminal, genera una solución única y continua.
Por ejemplo, el cálculo de variaciones es un caso especial del problema de control.
Sea,
t1
max J [ x ,u]=∫ f ( t , x , u ) ⅆt
t0
s. a. x’ = u
x (t0) = x0
x (t1) = x1
Sustituir la restricción en el funcional objetivo y se obtiene el
problema de cálculo de variaciones.
t1
max J [ x ]=∫ f ( t , x , x ' ) ⅆt
t0
x (t0) = x0
x (t1) = x1
En analogía a los problemas de optimización estática, el problema de cálculo de variaciones
corresponde a un problema de optimización libre, y el problema control óptimo a uno de
optimización
restringida. Lo que permite utilizar el método de Lagrange, solo que debe ser extendido el caso de
funcionales.
(Teorema 3.1) Teorema del multiplicador de Lagrange
Sea F un funcional continuamente diferenciable de Fréchet que tiene un extremo local x* bajo la
restricción G (x*) = 0 y satisface ▼G (x*) ≠ 0. Entonces existe un elemento λ tal que el
lagrangeano del funcional asociado
L ( x ) =F ( x )+ λ G ( x )
es estacionario en x*, y satisface
▼f ¿
Para utilizar el teorema de Lagrange en el problema de control, asumir que tanto el funcional
objetivo y la restricción son diferenciales de Fréchet. La restricción consiste de todas las funciones
admisibles que satisfacen
∫¿¿
t0
t1
L=∫ [ f ( t , x , u ) + λ ( g ( t , x , u )−λx ' ) ] dt
t0
u* = u + Ԑv
la condición de primer orden se obtiene de calcular L’ (0) = 0,
t1
'
∫ [ f x h+ λ g x h+ λ h+ f u v+ λ g u v ] dt=0 ¿
t0 ¿
t1 t1
'
∫ ( fx+ λgx + λ ) h dt +∫ ( fu+ λgu ) v dt =0
t0 t0
s. a. x’(t) = g(t, x, u)
x (t0) = x0
x (t1) = x1
Ejercicio.
Resolver el siguiente problema de control óptimo:
1
max=∫ ( ux−u2 −x2 ) ⅆt
0
s. a. x’ = x + u
x (0) = 0
x (1) = 1
f (t, x, u) = ux – u2 – x2
g (t, x, u) = x + u
-Determinar la condición de primer orden.
fx + λgu = -λ’ → (u – 2x) + λ (1) = - λ’ → Ec. 1
fu + λgu = 0 → (x – 2u) + λ (1) = 0’ → Ec. 2
x’ = x + u → Ec. 3
-Despejar la Ec. 2
x λ
u= + → Ec. 4
2 2
-Sustituye Ec. 4 en Ec.1
−3
| 2
−λ
1 /2
3/2
3
2
−λ |=0
−3 −3 3
( )
[ 2
−√ 3
3 /2
3
2
1 /2
a1
b
−√ 3 1 ]
[ ] = [ 0¿→ 2
0 1
−√ 3 a1+ b1=0
3
2
a +( −√ 3)b 1=0
2 1 2
s. a. x’(t) = g(t, x, u)
x (t0) = x0
x (t1) = x1
-Se obtiene el Hamiltoniano
H (t, x, u, λ) = f (t, x, u) + λg (t, x, u)
Hx = - λ’
Hu = 0
x’ = g (t, x, u)
-DEMOSTRACION
Sustituir el Hamiltoniano en el problema:
1
Max=∫ u 2 dts. a. x’ = x + u
0
x (0) = 0
x (1) = e
-Se obtiene el Hamiltoniano
H (t, x, u, λ) = u2 + λ (x + u)
-Determinar las condiciones de 1er Orden
dH
= - λ’; λ = - λ’ → λ’ = - λ → Ec. 1
dx
dH
= 0; 2u + λ = 0 → u = - λ / 2 → Ec. 2
du
x’ = x + u → Ec. 3
-Sustituye Ec. 2 en Ec. 3
λ
{x’ = x− } = λ’ = - λ
2
−λ
{λ’ = - λ } = x’ = +x
2
-Por lo que el sistema de ecuaciones diferenciales
[ λ ' ] = −1 0 =¿ ]
x' [ ]
−1/2 1
¥ A= −1 0 → [ A−λI ] =0
[
−1/2 1 ]
0 =0
|−1−λ
−1/ 2 1−λ |
(- 1 – λ) (1 – λ) – 0 = 0
1 – λ2 = 0 → λ1 = 1; λ2 = -1
-Determinar el vector propio
Para λ1 = 1
[A – λ I] [V1] = [0]
0 [a ] 0 −2 0 [ a ] 0
[−1−1
−1/2 1−1 b] = [ ¿ →[
0 ]
−1/2 0 b
1
1
=[ ¿
0
1
V =[ 0 ]
1
1
Para λ2 = -1
0 [ a2 ] 0
[−1+1
−1/2 1+1 b2 ] =[ ¿
0
-½ a2 + 2 b2 = 0
-½ a2 = - 2 b2
a2 = 4 b 2
a2 4 b2 4
V 2=
[ ][ ][]
b2
=
b2
=
1
[ λx]=k V e1 1
λ1 t
+ k2 V 2 e
λ 2t
[ λx]=k [01 ] e + k [ 41 ] e
1
t
2
−t
λ (t) = 4 k2 e- t
x (t) = k1 e t + k2 e- t
−λ
¥u= =−2 k 2 e−t
2
-Sujeto a:
s. a. x1’ = g1 (t, x, u)
xn’ = gn (t, x, u)
xi (t0) = xi0 ¥ i € [1, n]
xi (t1) = xi1 i = 1, …, k
xi (t1) = libre i = 1, …, e
xi (t1) = 6 t1 i = e + 1, …, n
Igual que la sección anterior x = (x1, …, xn) y u = (u1, …, um) son
vectores de la variable de estado y control respectivamente. El
funcional objetivo y restricciones son diferenciables de Fréchet en
sus argumentos. Así mismo, las restricciones son regulares, el
teorema de la función inversa aplica y es posible utilizar el método
de los multiplicadores de Lagrange.
Antes de continuar se define
ⅆ
δ x i= x ( ε )| ¥ i ∈n
ⅆⅇ i ε=0
ⅆ
δ u i= u ( ε )| ¥ i ∈m
ⅆⅇ i ε=0
ⅆ
y δ t 1= t ( ε )|
ⅆt 1 ε=0
de forma que,
t 1(Ԑ )
L (Ԑ )= ∫ ¿ ¿
t0
t 1(Ԑ )
L (Ԑ )= ∫ ¿ ¿
t0
−∑ λi ( t 1 ) xi(Ԑ )+ ∑ λi (t 0 ) xi(t 0)
iԐn iԐ n
Sea H =f ( t , x ,u )+ ∑ λi gx ( t , x , u )
iԐn
Entonces,
t 1(Ԑ )
∫¿¿
t0
O bien,
t1
∫¿¿
t0
En virtud que la integral es un operador lineal,
t1 t1
dH ' dH
∑∫( dxi )
+ λ i dt δxi+∫ dt δui−∑ λiδ xi|t =t 1+ f ( t 1 , x ( t 1 ) , u ( t 1 ) ) δ t 1 =0
iԐn t 0 t 0 dui iԐn
−∑ λiδ xi|t=t 1 + f ( t 1 , x ( t 1 ) ,u ( t 1 ) ) δ t 1
iԐn
debe igualarse a cero para ser consistente con el resultado, esto genera la condición de
transversalidad.
El primer bloque de condiciones es simple, dado que ᵹxi = ᵹt 1 = 0, entonces se obtiene el
resultado de la sección anterior.
El segundo bloque de condiciones finales permite que sea xi (t 1) sea libre cuando t1 es fijo,
entonces ᵹ xi|t=t 1 ≠ 0. La única manera de garantizar que el tercer conjunto de ecuaciones sea cero
es: λi (t1) = 0 ¥ i = k + 1, …, e.
Deducir las condiciones de transversalidad del tercer bloque de valores finales de las variables de
estado exige por un lado que ᵹxi y ᵹti sean distintas de cero, porque la curva terminal no
necesariamente es constante.
Por otro lado, requiere que el punto terminal sea igual a la función G.
Suponer que G es diferenciable, entonces por la regla de la cadena,
ᵹxi (t1) + x’i (t1) ᵹti = G’(t1) ᵹti
-Sustituir ᵹxi (t1) en la ecuación (¿?),
' t1
f ( t 1 , x ( t 1 ) ,u ( t 1 ) ) δ t 1+ ∑ λi [G ( )−x ' i¿ ( t 1 ) ]δ t 1=0 ¿
iԐn
'
[ f (t , x (t ) ,u (t ))+∑ λi x i ( t )] δ t −¿
1 1 1
iԐ n
1 1
H ( t 1 , x ( t 1 ) ,u ( t 1 ) ) =0
Ejercicio.
Encontrar las trayectorias de control, estado y co-estado de:
4
max J [ x ,u]=∫ ( x−u ) dt
0
s. a. x’ = x + u
x (0) = 5
x (4) = libre
u (t) € [0, 2]
-Determinamos el Hamiltoniano asociado:
H (t, x, u, λ) = x – u + λ (x + u)
-Determinar las condiciones de 1er orden
Para Hx : 1 + λ = -λ’
λ’ + λ = -1 → λ (t) = k1 e-t – 1
-Aplico transversalidad
λ (t1) = 0 → λ (4) = 0
λ (4) = k1 e-4 – 1 = 0 → k1 e-4 = 1 → k1 = e4
λ* (t) = e4-t – 1
dH
Para Hu : = -1 + λ
du
dH
> 0 → λ (t) > 1
du
dH
< 0 → λ (t) < 1
du
-Para la 1era FASE λ (t) > 1
e4-t – 1 > 1
e4-t – 1 > 2 → ln e4-t > ln l2l
4- t > ln l2l
-t > ln l2l – 4
t < 4 - ln l2l
t < 3.3068
FASE I u* [0, 3.3068) = 2
FASE II u* (3.3068, 4] = 0
-Para la 2da FASE λ (t) < 1
e4-t – 1 < 1
e4-t – 1 < 2 → ln e4-t < ln l2l
4- t < ln l2l
-t < ln l2l – 4
t > 4 - ln l2l
t > 3.3068
-Aplico la restricción en FASE I ¥ x’ = x + u
x’ – x = u → x’ – x = 2 → xI (t) = k2 et - 2
-Sujeto a:
x (0) = 5 → k2 e0 – 2 = 5 → k2 = 7
x*I (t) = 7 et – 2
-Aplico la restricción en FASE II ¥ x’ = x + u
x’ – x = u → x’ – x = 0 → xII (t) = k3 et
-Dado que
x*I (3.3068) = x*II (3.3068)
7 e3.3068 – 2 = x*II (3.3068)
189.08 = k3 e3.3068
189.08 / e3.3068 = k3 = 6.9267
x*II (t) = 6.9267 et
-Las fases están definidas por:
FASE I.
u*I [0, 3.3068) = 2, x*I = xI [0, 3.3068) = 7 et – 2
FASE II.
u*II (3.3068, 4] = 0, x*II = xII (3.3068, 4] = 6.9267 et
-Graficas.
“Función Hamiltoniana”
H*I Hu > 0
H*II
λ> 1
λ< 1 Hu < 0
0 2 u
“Diagrama de Fases x* y u*”
u(t)
2-
1-
0 3.3068 4 t
u(t)
x(3.3068) X*II (t)
< 189.08
5-
X*I (t)
0 3.3068 4 t
No siempre las variables de control acotada se presentan en forma lineal en el Hamiltoniano; por
ejemplo, el problema de control
t1
max J [ x ,u] ∫ f (t , x , u ) dt
t0
s. a. x’ = g (t, x, u)
x (t0) = x0
a≤u≤b
Donde f (.) y g (.) son no lineales en u (t), complican la solución que
se deriva del principio del máximo. Por ende, es necesario utilizar
método de optimización no lineal: el método de Kuhn – Tucker. El problema a
resolver es:
max H=f ( t , x ,u ) + λg (t , x ,u)
s. a.
a≤u≤b
La función asociada,
L=H −N 1 ( u−b ) −N 2 (a−u)
X : Hx = -λ’
U : Hu - ϻ1 + ϻ2 = 0
ϻ1 ≥ 0; ϻ2 (u – b) = 0
ϻ2 ≥ 0; ϻ2 (a – u) = 0
Se deduce:
a) El caso de la solución de esquina u* = b, entonces la variable de co-estado ϻ 1 ≥ 0. Suponer
que b ≥ a, lo cual implica que ϻ2 = 0. De este modo, Hu = ϻ1 ≥ 0.
b) Si la condición de esquina u* = a toma lugar, entonces el caso es análogo al inciso a). La
variable de co-estado ϻ2 ≥ 0 y ϻ1 = 0, por ende Hu = - ϻ2 ≤ 0.
c) Si a > u* > b, entonces ϻ1 = ϻ2 = 0, corresponden a la solución interior Hu = 0.
Ejercicio.
Resolver el siguiente funcional, determinando las trayectorias de estado y co-estado.
5
max ∫ (−u 2−x ) dt
0
s. a. x’ = 0
x (0) = 0
x (5) = 4
u (t) ≥ 0 u (t) € [0, ∞)
-Determina el Hamiltoniano
H=−u2−x + λ(u)
-Por lo tanto el Lagrangiano
L=−u 2−x+ λ u+ ϻ u
t k1 ϻ
u= + +
2 2 2
¥ϻ-u=0
1er FASE
Si u* (t) = 0 ϻ (t) ≥ 0 0 ≤ t ≤ t*
2da FASE
Si u* (t) ≥ 0 ϻ (t) = 0 t* ≤ t ≤ 5
-Para la 1era FASE
uI = 0 y x’ = u
x (t) = k
-Sujeto a:
x (0) = 0 → k = 0
FASE I: u*I (t) = x*I = 0 0 ≤ t ≤ t*
-Para la 2da FASE
u (t) ≥ 0 y ϻ (t) = 0
-Sustituyo en Ec. 2
λ 0 λ
u= + → u= → Ec. 4
2 2 2
-Sustituir Ec. 3 en Ec. 4
t k1
uII = + y ¥ x’ = u
2 2
t k1
x’ = +
2 2
t2 k 1 t
x (t) = + + k2
4 2
-Sujeto a:
25 5
x (5) = 4 → x (5) = + k + k =4
4 2 1 2
-Recordando que xI (t*) = xII (t*)
t∗¿2 k 1
0= + t∗+ k 2 ¿ → Ec. 5
4 2
Y ¥ uI (t*) = uII (t*)
t∗¿ k 1
0= + ¿
2 2
0 = t* + k1 → k1 = -t* → Ec. 6
-Sustituyo Ec. 6 en Ec. 5
-Sustituye k1 y k2 en x (t)
t 2 t∗¿ t∗¿2
x (t) = − t+ ¿¿
4 2 4
-Sujeto a:
25 5 ¿ t∗¿2
x (5) = 4 → − t + =4 ¿
4 2 4
t∗¿2 5 ¿ 25
− t + −4=0 ¿
4 2 4
t∗¿2 5 ¿ 9
− t + =0 ¿
4 2 4
t2 t 1
x*II (t) = − +
4 2 4
t 1
u*II (t) = − 1≤t≤5
2 2
-Grafica.
“Diagrama de Fases x* y u*”
x(t) X*II (t)
X*I (t)
0 t* 5 t
u*II (t)
u*I (t)
5-
0 t* 5 t
CONCLUSIONES
En un problema de control óptimo el objetivo es encontrar la trayectoria óptima de la variable de
decisión, que maximiza un valor funcional. Este problema es mucho más complejo que encontrar
el máximo de una función mediante el empleo de cálculo estándar. Esto obedece a que la solución
consiste en una función completa –la trayectoria temporal de la
variable de decisión. En problemas matemáticamente complicados,
puede resultar útil iniciar por una aproximación numérica a la
solución. Ciertamente, los matemáticos y economistas suelen
converger en buscar dichas aproximaciones para con ello revisar su
validez. Cuan exitosa será la aproximación propuesta dependerá de igual modo de la intuición,
experiencia y de la suerte. En una solución de control óptimo, claramente, no es realista tratar de
adivinar la forma exacta de la trayectoria temporal de la variable de decisión. Pero, para propósitos
analíticos se puede conjeturar que la trayectoria temporal de la variable de decisión es conocida.
Por ejemplo, en la economía financiera, usualmente se asume que el tomador de decisiones elige
la trayectoria temporal óptima que maximiza el valor presente del flujo de ingreso generado por
algún activo. La función de valor óptimo asume que el tomador de decisiones maximiza el valor de
un activo; sin embargo, otros supuestos de comportamiento pueden ser más realistas. A la luz de
las recientes crisis financieras, el valor de las acciones cayó debido a que los inversionistas
perdieron la confianza de que los mandos gerenciales maximizan el valor de las empresas en
nombre de los accionistas. Esto nos conduce a que diferentes supuestos en el comportamiento de
los tomadores de decisión producirán diferentes valores en los activos.
Una cantidad importante de literatura financiera considera el conflicto de intereses entre mandos
gerenciales y accionistas, el cual afecta de manera importante la gobernanza corporativa y por
ende, el valor de las empresas. La función de valor óptimo muestra la relación entre los niveles de
ahorro y el retorno de sus activos, asumiendo aversión al riesgo y comportamiento óptimo. Al
derivar la función de valor óptimo se genera el valor de una unidad de ahorro y así como su precio
sombra.
BIBLIOGRAFIA
Cerdá, Emilio (2001), Optimización
[ CITATION Cer16 \l 2058 ]
dinámica, Madrid, España, Prentice Hall.