Economia Matematica PDF

Mtodos Matemticos en Macroeconoma
Alvaro J. Riascos Villegas

Facultad de Economa
Universidad de los Andes
Agosto 17 de 2006
ii
Prefacio
Esta monografa es una introduccin informal a los mtodos matemticos
ms utilizados en el estudio de economas a lo largo del tiempo. Especficamente,
esta se centra en los mtodos de programacin dinmica y el mtodo de Lagrange
para resolver problemas de optimizacin dinmica con o sin incertidumbre y en
tiempo discreto. Aqu no hay nada original excepto por el esfuerzo que se ha
hecho para hacer de esta monografa un puente agradable de recorrer entre los
tratamientos bsicos de estas tcnicas usualmente relegados a los apndices de
los libros de macroeconoma utilizados en un curso del pregrado y los libros
ms avanzados que se estudian a nivel de doctorado. Mi deuda con los libros y
artculos clsicos en el tema es evidente en muchos de los captulos y slo por
descuido no estn referenciados todos los libros y artculos sobre los que me
base para escribir esta monografa. A los autores les pido disculpas y prometo
corregir esto en futuras versiones.
Muchas personas me han ayudado directa o indirectamente a mejorar esta
monografa. En especial, agradezco los innumerables alumnos que padecieron
las primeras versiones de estas notas en diferentes cursos de macroeconoma
avanzada o de mtodos matemticos en macroeconoma. Me refiero a alumnos
en la Universidad Javeriana, Universidad de los Andes, Universidad del Valle y
del Instituto de Matemticas Puras y Aplicadas de Ro de Janeiro. De manera
ms especfica, agradezco a Katherine Aguirre, Andrs Arias, Olga Lucia Briez,
Marcela Eslava, Juanita Gonzalez, Franz Hamann, Luisa Estefana Valdz, Nini
Johanna Serna y Mauricio Villamizar. Cualquier error es mi responsabilidad.
Finalmente quiero agradecer al Banco de la Repblica por la disponibilidad
de tiempo y el ambiente propicio durante el tiempo que estuve en el departamento de investigaciones econmicas donde fue escrita gran parte de esta
monografa.
iii
iv
PREFACE
Captulo 1
Economa Dinmica
En trminos generales la actividad econmica no puede modelarse como un
proceso esttico en el tiempo y en condiciones de certidumbre. En la vida real,
este proceso es dinmico e incierto y por lo tanto es natural preguntarse hasta
que punto la teora del equilibrio general, como la formularon Arrow y Debreu
permite describir la toma de decisiones econmicas ms realistas.
Es bien sabido que el modelo bsico de equilibrio general (Arrow-Debreu en
infinitas dimensiones) es lo suficientemente general como para abarcar en trminos ideales esta situacin. En este modelo el espacio de consumo puede tomarse
de tal manera que incluya decisiones intertemporales o contingentes a la realizacin de eventos aleatorios. Basta indexar los diferentes bienes al momento
o evento en el cual son consumidos como cualquier otra caracterstica que los
define. De hecho, desde el punto de vista terico este abordaje es muy importante. Sin embargo, tambin es evidente que este modelo no explota de manera
explcita la dimensin temporal del problema ni tampoco reconoce la imposibilidad, bastante real en la prctica, de diversificacin del riesgo que resulta de la
realizacin de los eventos aleatorios.1
En este captulo introduciremos de manera informal los mtodos matemticos que sern utilizados en el resto del libro. En la seccin 1.1 estudiaremos
el prototipo de modelo que aparece en el estudio de economas dinmicas, el
modelo bsico de crecimiento econmico, que utilizaremos para introducir las
dos tcnicas principales para resolver modelos dinmicos. El primero pertenece
a los mtodos de la Programacin Dinmica, seccin 1.2 y el segundo a los de
Control ptimo (i.e. el mtodo de Lagrange o, ms generalmente, el mtodo del
Hamiltoniano), seccin 1.3. La caracterstica fundamental del primer mtodo,
como quedar claro ms adelante, es que explota la naturaleza recursiva del
problema. Es decir, el hecho de que la estructura del problema de decisin es
la misma en todos los perodos. El segundo mtodo, explota la geometra del
problema.
1 Existen principalmente dos modelos para el estudio de las economas a lo largo del tiempo
con o sin incertidumbre. El modelo de agentes con vidas infinitamente largas y el modelo de
generaciones traslapadas. En este libro nos dedicaremos nicamente al primero.
CAPTULO 1. ECONOMA DINMICA
El modelo bsico de crecimiento es un problema en el cual las decisiones no

dependen para nada de eventos aleatorios y en el cual stas son tomadas por un
agente representativo (o planificador central) sujeto a una secuencia de restricciones de recursos. Ms adelante permitiremos que las decisiones dependan de
eventos aleatorios y explicaremos cmo extender los mtodos de la Programacin
Dinmica y Control ptimo al caso estocstico.
1.1.
El Modelo Bsico de Crecimiento
El problema que queremos estudiar es el del crecimiento de una economa

cuando sus agentes deben determinar de manera ptima cunto consumen y
cunto ahorran en cada instante del tiempo. La parte ahorrada en cada momento se puede invertir en acumulacin de capital para el perodo siguiente, permitindole aumentar su produccin y por lo tanto sus posibilidades de consumo.
Un modelo sencillo de crecimiento en un ambiente determinstico (el modelo
bsico de crecimiento) pero que a la vez ilustra plenamente los mtodos de la
Programacin Dinmica podra especificarse de la siguiente manera (Ramsey
[1928], Cass [1965] y Koopmans [1965]).
Supongamos que existen una gran cantidad de agentes idnticos, con vidas
infinitamente largas y que en cada perodo del tiempo deben decidir cmo utilizar el nico bien de consumo que se produce en esta economa. Sea yt la
cantidad producida de este bien durante el perodo t utilizando como nico
insumo la cantidad de capital kt . Suponemos que todas las variables son per
capita y que la poblacin no crece.
Las posibilidades de produccin de esta economa las representamos a travs
de una funcin de produccin neoclsica f (ver Apndices), de tal manera que
yt = f (kt ). Hacemos las hiptesis habituales sobre f : f es una funcin continua, estrictamente creciente, estrictamente cncava y f (0) = 0. Adems supondremos que Lim f 0 (k) (condicin de Inada), y Lim f 0 (k) 0.
k0
En el perodo t el producto se divide entre el consumo en este perodo ct , y

la inversin bruta it . Es decir:
ct + it = f (kt ), ct , kt 0 para todo t
(1.1)
Asumimos que el capital se deprecia a una razn constante [0, 1]; luego
la dinmica del capital es:
kt+1 = (1 )kt + it
(1.2)
Adems, suponemos que cada agente tiene una misma cantidad de capital
inicial k0 0.
Finalmente, los agentes tienen preferencias U sobre todas las secuencias de
consumo; asumimos que dichas preferencias son de la siguiente forma:
U (c0 , c1 , ...) =
X
t=0
t u(ct ), (0, 1)
(1.3)
1.2. PROGRAMACIN DINMICA
Donde u(ct ) representa la utilidad del consumo en el mismo instante t, y

es un factor que descuenta la utilidad de consumo en el futuro. Implcitamente,
hemos supuesto que los agentes le dan ms importancia al presente. Otra posible
interpretacin de es que representa la probabilidad de no morir de un perodo a
otro. As mismo, podramos considerar el mismo problema con un beta diferente
cada perodo ( t (0, 1)), pero por simplicidad no consideramos ese caso.
La pregunta que queremos responder en esta economa es: Dado un k0 0,
cmo deben consumir los agentes a travs del tiempo (c0 , c1 , ...) de tal forma
que maximicen su utilidad 1.3, sujeto a la restriccin de recursos 1.1 y a la
ecuacin 1.2 que describe la evolucin de la nica variable de estado de esta economa, kt ?. Esta terminologa relacionada con variables de estado, ser
clara ms adelante. Suponemos que u satisface las mismas propiedades que f y
que adems, es acotada (esta ltima garantiza que 1.3 tiene sentido para toda
secuencia (c0 , c1 , ...)). Formalmente el problema es:
max
t u(ct ),
t=0
kt+1
ct + it
(0, 1)
= (1 )kt + it
= f (kt ), ct , kt 0 para todo t.
Este problema lo llamamos el Problema Secuencial.
1.2.
Programacin Dinmica
Supongamos que dado k0 nosotros conseguimos resolver el problema anterior

y el valor mximo de la funcin objetivo lo denotamos por v(k0 ) (v se llama
la funcin valor ). Imaginemos ahora el problema del agente representativo un
perodo ms tarde. Dada una cantidad de capital inicial k1 , el agente representativo debe resolver un problema con la misma estructura del anterior y su valor
mximo debe ser v(k1 ), de esta manera, si interpretamos el coeficiente como
un factor que trae a valor presente las utilidades futuras del agente , entonces
v(k1 ) no es ms que el valor presente de la utilidad mxima que puede conseguir el agente representativo desde el perodo uno en adelante, dado que en el
perodo uno tena una cantidad inicial de capital k1 . Si k0 es el capital inicial
en el primer perodo, entonces:
u(f (k0 ) + (1 )k0 k1 ) + v(k1 ),
es la utilidad presente dados k1 y k0 , y el objetivo del agente representativo es
entonces escoger k1 . Luego, su problema se reduce a:
max {u(f (k0 ) + (1 )k0 k1 ) + v(k1 )}
k1
s.a : 0 k1 f (k0 ) + (1 )k0

o equivalentemente,
max{u(c0 ) + v((1 )k0 + f (k0 ) c0 )}
c0
s.a : 0 c0 f (k0 ) + (1 )k0

Luego, v debe satisfacer:
v(k0 ) = m
ax{u(c0 ) + v((1 )k0 + f (k0 ) c0 )}
c0
s.a
0 c0 f (k0 ) + (1 )k0
Obsrvese que en la expresin anterior no hay nada especial con el argumento

en los perodos 0 y 1 que no pueda ser usado en los perodos n y n + 1 para
cualquier n. Luego debe ser que para todo perodo n se cumple la ecuacin
funcional:
v(kn ) = m
ax {u(cn ) + v((1 )kn + f (kn ) cn )}
cn
s.a
(1.4)
0 cn f (kn ) + (1 )kn
As, si conociramos la funcin v, entonces la secuencia ptima {cn } quedara

caracterizada como las soluciones al ltimo problema para cada uno de los perodos. La formulacin anterior, en trminos de una ecuacin funcional, pone en
evidencia el carcter recursivo del problema. La ecuacin 1.4 la llamaremos la
ecuacin de Bellman. Olvidndonos de los subndices, vemos que si k es el monto de capital en un cierto perodo, entonces el consumo ptimo c en el mismo
perodo es la solucin al problema:
v(k) = m
ax u(c) + v((1 )k + f (k) c))
c
s.a
(1.5)
0 c f (k) + (1 )k
Este problema lo llamamos el Problema Funcional asociado al Problema

Secuencial con el que iniciamos esta seccin. Visto de esta forma, el problema
se reduce a encontrar una funcin real v tal que satisfaga el problema 1.5. Una
forma de ver este problema es la siguiente: sea T una aplicacin del conjunto de
funciones continuas y limitadas sobre R, definida por la siguiente regla: dada g,
T [g] (k) = m
ax{u(c) + g((1 )k + f (k) c)}
c
s.a
0 c f (k) + (1 )k
Ms adelante veremos que el operador T est bien definido (sta es una aplicacin sencilla del Teorema del Mximo). Ahora, el problema 1.5 es equivalente
a encontrar un punto fijo del operador T , luego debemos demostrar la existencia
del punto fijo y en lo posible dar un mtodo para encontrarlo.2 La idea consiste
2 Una
funcin v es punto fijo de T si T [v] = v.
en dar una estructura especial al conjunto de las funciones continuas y acotadas (una mtrica que lo haga un espacio mtrico completo3 ) y probar que el
operador T es una contraccin 4 .
De esta manera podemos aplicar el Teorema del Punto Fijo para Contracciones y as obtener tanto la existencia de una funcin v que resuelva el problema
(4), como un mtodo para encontrarla dado por este mismo teorema.
Sin entrar en mayores detalles por ahora, utilizaremos el Teorema del Punto
Fijo para contracciones para resolver el ejemplo siguiente. Informalmente este
teorema nos dice que si T es una contraccin, entonces existe una nica v, punto
fijo de T y adems, dado cualquier v0 en el dominio T se tiene:
lm T n (v0 ) = v
El mtodo de programacin dinmica afirma que, bajo ciertas condiciones,

v (k0 ) es el valor mximo del problema secuencial cuando el capital inicial es k0 .
Adicionalmente, si h es la funcin definida sobre los stocks de capital k tal que
c = h(k) es el consumo que resuelve el problema de maximizacin:
max {u(c) + v((1 )k + f (k) c))}
c
s.a : 0 c f (k) + (1 )k
para todo k, entonces la secuencia {kt , ct } definida por kt+1 = f (kt ) h(kt ) +
(1 )kt , ct = h(kt ) es una secuencia que resuelve el problema secuencial. La
funcin h la llamamos la funcin de poltica. El siguiente caso particular del
modelo bsico de crecimiento ilustra las ideas principales.
Ejemplo 1 (Brock y Mirman [1972]). Sea u(ct ) = log(ct ), f (kt ) = kt donde
(0, 1) y = 1 (la funcin u no satisface todas las hiptesis impuestas anteriormente (en particular, no es acotada); sin embargo, ms adelante veremos
como adaptar la teora a este caso) entonces el problema de crecimiento discutido hasta ahora se reduce a:
max
{ct }
t log (ct )
t=0
kt+1 = kt ct , ct , kt 0
s.a :
El problema funcional asociado es:

v(k) = max{log(c) + v(k c)}
c
s.a
0 c k
3 Una mtrica es una funcin d del espacio X X en los nmeros Reales. La funcin toma
dos elementos de dicho espacio y les asigna un valor real llamado distancia. Toda mtrica debe
cumplir con tres condiciones: d(x, x) = 0, d(x, y) = d(y, x) 0 y la desigualdad del tringulo.
Un espacio mtrico es aquel al que se le ha asignado una mtrica.
Por otra parte, un espacio mtrico completo es aquel en el que toda sucesin de Cauchy
converge (Ver Apndice).
4 Un operador T en un espacio mtrico hX, di en los Reales, se dice que es una contraccin
si existe (0, 1) tal que: d(T (x) , T (y)) 6 d(x, y) para todo x, y X.
Para resolver este problema utilizaremos el mtodo dado por el Teorema del
Punto Fijo para contracciones. Sea v0 = 0, entonces:
v1 (k) = max{log(c)}
c
s.a
0 c k
este problema tiene la solucin de esquina c = k , luego v1 (k) = log(k). Para

calcular v2 resolvemos el problema:
v2 (k) = max{log(c) + log(k c)}
c
s.a
que lo reseulve c =
k
1+ ,
0 c k
luego
v2 (k) = (1 + ) log(k) + log
1 +
log(1 + ).
Ahora de igual forma podemos deducir que:

v3 (k) = (1 + + 2 2 ) log(k) + 2 log
1 +
+ 2 2
( + ) log
1 + + 2 2
log(1 + + 2 2 ) log(1 + )
n1
P
luego en general vemos que vn (k) = An +
()i log(k), donde An es
2 2
i=0
log(k)
una constante que debemos determinar. Se sigue que v(k) = A + 1
donde A es una constante que podemos encontrar simplemente observando que
v debe satisfacer:
v(k) = max{log(c) + v(k c)}

c
s.a
0 c k
Es decir,
A+
log(k) = max{log(c) + (A +
log(k c))}
c
1
1
s.a : 0 c k
Se puede mostrar que la solucin a este problema es c = (1 )k y v(k) =
1 (log(1 ) + 1 log()) + 1 log(k). De esta forma tenemos que la

variable de estado evoluciona segn esta formula: kt+1 = kt y la escogencia
ptima para la variable de control, dada la variable de estado, es: ct = (1
)kt .
Como mencionamos anteriormente, la funcin que expresa la escogencia ptima de las variables de control en trminos de las variables de estado se llama la funcin de poltica. Por lo tanto, en este caso la funcin de poltica es
ct = (1 )kta
Una vez resuelto el problema de la existencia, el siguiente paso es describir

de la manera ms precisa posible las propiedades de la funcin valor v y de la
trayectoria ptima {kt } asociada a la trayectoria ptima del consumo. Si bien
algunas caractersticas de la solucin van a depender de la forma particular de
las funciones de produccin y utilidad, otras caractersticas muy importantes se
cumplen de manera ms general como por ejemplo, la unicidad de la solucin
ptima y la estabilidad de las trayectorias.
Supongamos que el problema secuencial (excepto por el valor del capital
inicial) tiene una solucin de estado estacionario. Esto es, una solucin en la
que todas las variables crecen a una tasa constante e igual a cero, por ejemplo
kt = k para todo t. El problema de estabilidad consiste en saber si, comenzando
con un valor inicial de capital k0 diferente al valor k , la solucin ptima al
problema secuencial converge con el tiempo a la solucin de estado estacionario.
Es decir, si kt k cuando t .
En el ejemplo anterior tenemos que existen dos soluciones de estado esta1
cionario. Una corresponde a k = 0 y la otra a k = () 1 . En el primer caso,
es fcil ver que no se cumple la propiedad de estabilidad mientras que en el segundo, como (0, 1) si se cumple la propiedad de estabilidad. Posteriormente
estudiaremos esta propiedad para un problema ms general.
Ejemplo 2 (Long y Plosser [1983]) Consideremos el modelo bsico de crecimiento con oferta laboral. Sea nt (0, 1) la cantidad de trabajo que ofrece el
agente representativo y lt la cantidad de tiempo que dedica al ocio. Supongamos
que lt + nt = 1. Sea u(ct , lt ) = log(ct ) + (1 ) log(lt ); f (kt , nt ) = kt n1
y
t
= 1. As, el problema secuencial es:
M ax
X
t=0
s.a
kt+1
t ( log(ct ) + (1 ) log(1 nt ))
:
= kt n1
ct
t

v(k) = max{ log(c) + (1 ) log(1 n) + v(k n1 c)}
c,n
(1.6)
s.a :
0 6 c 6 k n1
0 6 n61
Aplicando la misma metodologa del ejemplo anterior, suponemos que v0 = 0.

Es claro que la solucin est en el extremo para el consumo y es interior para
el empleo. Luego podemos escribir el lagrangiano asociado como (obsrvese que
este es un problema de optimizacin esttico):
L = log(k n1 ) + (1 ) log(1 n)
Las condiciones de primer orden implican que:
n=
(1 )
1
Reemplazando en la restriccin obtenemos:

c=k
(1 )
1
y por lo tanto la funcin v1 (k) es:
v1 (k) = log k
(1 )
1
= log k + A1
1 !
(1 )
+ (1 ) log 1
=
1
donde A1 es una constante. Teniendo v1 (k) podemos calcular v2 (k):

v2 (k) = max{ log(c) + (1 ) log(1 n) + log(k n1 c) + A(1.7)
1}
c,n
s.a :
0 6 c 6 k n1
0 6 n61
Ahora, podemos derivar las condiciones de primer orden con respecto a c y n :
=0
c k n1 c
1
[n] :
+
(1 )(k n ) = 0
1 n k n1 c
[c] :
Con un poco de lgebra encontramos encontramos:

n =
c =
(1 + )(1 )
1 + (1 )
1
(1 + )(1 )
k
1 + 1 + (1 )
Reemplazando en la ecuacin 1.7 obtenemos:

v2 (k) = (1 + ) log k + A2 ,
donde A2 es una constante. Si continuamos iterando es posible encontrar un
patrn en las iteraciones:
vn (k) = (1 + + ... + n1 n1 ) log k + An
por lo tant,o un buen candidato a ser punto fijo es:
v=
log k + A
1
1.3. EL MTODO DE LAGRANGE
Ahora, debemos verificar que efectivamente este candidato es el correcto; reemplazando en la ecuacin 1.6 y de nuevo escribiendo las condiciones de primer
orden obtenemos:
[c] :
=
c
(1 ) (k n1 c)
1
(1 )k n
[n] :
=
1n
(1 ) (k n1 c)
Simplificando encontramos estos candidatos a las funciones de poltica:

(1 )
1 ( + )
1
(1 )
c = (1 )k
1 ( + )
n =
(1.8)
(1.9)
Finalmente, reemplazando en la ecuacin 1.6 obtenemos:

"
1 #
(1 )
log k + A = log (1 )k
1
1 ( + )
(1 )
+(1 ) log 1
+
1 ( + )
1
(1 )
log[k
1
1 ( + )
1
(1 )
(1 )k
] + A
1 ( + )
No es dificil convencerse de que existe una constante A que resuelve esta ecuacin.
Las ecuaciones 1.8 y 1.9 efectivamente son las funciones de poltica que estbamos buscando y describen las trayectorias ptimas del consumo c y del
trabajo n. Obsrvece que el nivel de empleo es independiente del estado de la
economia k. Esto refleja el hecho de que la funcin de utilidad es logartmica en
el trabajo y por lo tanto, el efecto ingreso y sustitucin se cancelan.
Sustituyendo el consumo y el trabajo ptimos en la ecuacin de acumulacin
del capital, encontramos la trayectoria ptima del capital:
1
(1 )
kt+1 =
kt
1 ( + )
La inversin ser:
It = kt+1 (1 )kt = kt+1
1.3.
El Mtodo de Lagrange
Un mtodo mucho ms antiguo que el de la programacin dinmica y que se

utilizaba bastante para resolver problemas con una estructura similar al problema secuencial que hemos estado estudiando, es el conocido como las Ecuaciones
10
de Euler o ms generalmente como el Mtodo de Lagrange (este a su vez, es un

caso particular de la teora del control ptimo)5 . Una vez ms utilizaremos el
modelo bsico de crecimiento para ilustrar las ideas principales de este mtodo.
Obsrvese que el problema de optimizacin en el modelo bsico de crecimiento
se puede escribir de forma equivalente como:
max
{ct }
X
t=0
t u (f (kt ) kt+1 + (1 )kt )
s.a :
0 kt+1 f (kt ) + (1 )kt
k0 dado.
Para simplificar un poco la notacin introduciremos las siguientes definiciones.
Sea r(kt , kt+1 ) = u (f (kt ) kt+1 + (1 )kt ) y (kt ) = {k R : 0 k f (kt ) + (1 )kt }
entonces el problema del modelo bsico de crecimiento es equivalente a:
max
{ct ,kt }
s.a
kt+1
t r(kt , kt+1 )
t=0
:
(kt )
k0 dado.
Ahora, supongamos que {kt } es una secuencia que resuelve el problema.
Intuitivamente, el valor ptimo kt+1

debe ser solucin al problema:
max r(kt , kt+1 ) + r(kt+1 , kt+2

)
kt+1 (kt )
Es decir, si la solucin es interior, es necesario que la secuencia satisfaga lo

que se conoce como las ecuaciones de Euler:
r kt , kt+1
, kt+2
r kt+1
+
= 0, t = 0, ...
kt+1
kt+1
que es una ecuacin en diferencias finitas de segundo orden. Obsrvese que solo
tenemos una condicin inicial k0 , luego debe faltar algo ms para caracterizar
completamente la solucin, de lo contrario, existirian infinitas soluciones, una
para cada k1 . La condicin que est faltando es la condicin de transversalidad :

t r kt , kt+1
lim
kt 0
(1.10)
t
kt
5 Las Ecuaciones de Euler, como su nombre lo indica, se deben al matemtico suizo Leonard
Euler (1707-1783). Euler ha sido uno de los cientficos ms prolficos e importantes de la
historia. Su trabajo en sta rea lo hizo en un contexto continuo, dando inicio a lo que se conoce
como el clculo de variaciones. La Teora del Control ptimo fue desarrollada principalmente
por matemticos rusos en la primera mitad de este siglo, principalmente por Pontryagin y
sus colaboradores. La programacin dinmica se debe al matemtico norteamericano Richard
Bellman quien introdujo el mtodo en una monografa publicada en el ao 1957 (Bellman
[1957]).
1.4. EJERCICIOS Y SOLUCIONES
11
En los prximos captulos discutiremos una interpretacin de esta condicin.

Intuitivamente, a lo largo de la trayectoria ptima el valor presente de la utilidad
marginal de una unidad adicional de capital en el infinito no debe ser positiva.
Ejemplo 3 (Brock y Mirman [1972] una vez ms). Aplicando las ecuaciones
de Euler al ejemplo de Brock y Mirman obtenemos:
kt
k 1
1
+ t+1 = 0
kt+1
kt+1 kt+2
(1.11)
Es fcil obtener la solucin de estado estacionario a partir de esta ecuacin

en diferencias finitas. Sin embargo, no es obvio cmo utilizar la condicin de
transversalidad, ecuacin 1.10, para resolver esta ecuacin por fuera del estado
estacionario. De hecho, ms adelante dedicaremos un buen esfuerzo a explotar la
condicin de transversalidad. Por el momento, basta con observar que la anterior
k
ecuacin se puede reducir a una ecuacin de primer orden. Sea xt = kt+1
,
t
entonces el sistema es equivalente a:
1 xt+1
xt =
1 xt
y la condicion de transversalidad se puede reescribir como:
= 0.
lim t
t
1 xt
Ahora basta con observar que una solucin particular de estas dos ecuaciones
es xt = , es decir, kt+1 = kt que genera una dinmica que satisface
simultaneamente las ecuaciones de Euler y la condicin de transversalidad.
En este captulo hemos hecho un tour por las ideas ms importantes que
surgen en el estudio de las economas a lo largo del tiempo y a las cuales nos
dedicaremos a estudiar de una manera ms formal en los prximos captulos.
1.4.
Ejercicios y Soluciones
Ejercicio 1 Supongamos que estamos interesados en la solucin de estado estacionario del ejemplo 1. Sea r la tasa de inters real de la economa y suponga
1
que el factor de descuento es igual a 1+r
. Probar que el nivel de consumo en
el estado estacionario es una funcin decreciente de la tasa de inters.
Solucin 1 Para mostrar que el consumo en estado estacionario es una funcin
decreciente de la tasa de inters, utilizaremos la regla de la cadena:
c c
=
r r
Del ejemplo 1 sabemos que:
1
k = () 1 c = (1 )() 1
12
Derivando c con respecto a obtenemos:
() 1
c
=
(1 ) > 0
(1 )
Derivando con respecto a r obtenemos:
= (1 + r)2 < 0
r
De estas dos ecuaciones se desprende que el nivel de consumo del estado estacionario es una funcin decreciente de la tasa de inters.
Ejercicio 2 Mostrar formalmente que en el ejemplo de Brock y Mirman.
1.
Se cumple la propiedad de estabilidad para k > 0 pero no para k = 0.
2.
Si el capital inicial esta por debajo del capital de estado estacionario, la

tasa de crecimiento del capital es una funcin decreciente del nivel de
capital. Esta es una ilustracin de la hiptesis de convergencia en la teora
del crecimiento
3.
Supongamos que f (kt ) = Akt donde A es una constante. Mostrar que

la dinmica ptima del capital es kt+1 = Akt y la funcin de poltica
es ct = (1 )Akt . Utilizando dos valores diferentes de A ilustrar la
hiptesis de convergencia condicional: controlando por diferentes parmetros fundamentales (A diferentes) mostrar que los pases que estn relativamente ms lejos de su estado estacionario crecen ms rpido que los
que estn relativamente ms cerca.
Ejercicio 3 El problema de comerse un pastel (tomado de Stockey Lucas

[1989]). Supongamos que tenemos una cantidad x0 de pastel. Cada perodo cortamos un poco y nos lo comemos. La utilidad instantnea de comerse un pedazo
es igual al logaritmo del tamao del pedazo.
1.
Escribir el problema como un problema de programacin dinmica.
2.
Encontrar la funcin valor y la funcin de poltica (sugerencia: la funcin

valor es logartmica).
Solucin 2 (Ejercicio 3) Llamemos xt la cantidad de pastel que queda en el

periodo t. El pedazo de pastel que nos comemos puede definirse como la diferencia
entre el pastel que tenemos en t y el que queda en t + 1. As, el problema puede
ser formulado de la siguiente forma:
max
{xt }
X
t=0
t ln(xt xt+1 )
0 xt+1 xt
x0 dado.
13
Para usar una notacin similar a la del captulo, podemos replantear el problema secuencial de la siguiente manera:
max
t ln(ct )
t=0
0 ct xt y xt+1 = xt ct
Donde ct es la cantidad de pastel que nos comemos en t.
El problema funcional es:
v(xt ) = max{ln(ct ) +v(xt ct )}
0 ct xt
Utilizando la sugerencia para resolver el problema (o alternativamente, hacer algnas iteraciones para convencerse de que esta es un buen candidato),
suponemos que la funcin valor es de la forma:
v(xt ) = A ln(xt ) + B
donde A y B constantes.
Las condiciones de primer orden del problema funcional implican:

xt+1 =
xt
(1 + A)
Substituyendo en la ecuacin funcional:
A
A
A ln(xt )+B = v(xt ) = ln(xt )+ln 1
+ A ln
+ A ln(xt ) + B
1 + A
1 + A
Utilizando el mtodo de coeficientes indeterminados, podemos verificar que A y
B son constantes:
1
1
= ln 1
A =
B
A
A
+ A ln
+B
1 + A
1 + A
ln ()
ln (1 )
+
1
(1 )2
Luego:
xt+1 = xt
14
Bibliografa
[1] Bellman, R. (1957). Dynamic Programming. Princeton University Press.
[2] Brock, W.A. Mirman, L. (1972). Optimal Economic Growth and Uncertainty: The No Discounting Case. International Economic Review, Vol 14, No.
3, pp. 560 - 573.
[3] Cass, D. 1965. Optimum Growth in an Aggregative Model of Capital Accumulation. Review of Economic Studies. 32:3, 233-240.
[4] Koopmans, T. 1965. On the concept of optimal growth, en: The Econometric
Approach to Development Planning (Rand-McNally).
[5] Long, John B, Jr and Plosser, Charles I, 1983. Real Business Cycles Journal
of Political Economy, Vol. 91 (1) pp. 39-69.
[6] Ramsey, Frank P. 1928. A mthematical theory of saving. Economic Journal

38:543-559.
[7] Stokey, N. And Robert Lucas, Jr. with Edward Prescott. 1989. Recursive
Methods in Economic Dynamics. Harvard University Press.
15
16
BIBLIOGRAFA
Captulo 2
Programacin Dinmica: El
caso determinstico
El objetivo en esta parte ser formalizar los mtodos presentados en el captulo anterior para un problema lo suficientemente general como para incluir
algunos modelos bastante importantes que se encuentran en la literatura, como
por ejemplo, los modelos de crecimiento y los modelos de ciclos reales.1
El problema tpico (o problema secuencial) que queremos resolver tiene la
forma:
sup
X
t r(xt , ut )
{ut } t=0
s.a : xt+1 = g (xt , ut ) ,

ut (xt ), t = 0, 1, 2, ...
x0 X dado,
donde xt Rn , ut Rm , X Rn , r y g son funciones de X Rm en R y
X respectivamente; y es una correspondencia de X en Rm (ver Apndice).
La funcin r la llamamos funcin de retorno (instantneo) y usualmente ser
la utilidad instantnea del agente representativo. Las variables xt se llaman
variables de estado que tpicamente son el monto de capital o la cantidad de
activos que tiene el agente representativo en el instante t. La funcin g describe
la evolucin de las variables de estado dada una escogencia de las variables ut
que llamamos variables de control. Finalmente, la correspondencia describe
las posibilidades de escogencia de las variables de control que tiene el agente
cuando la economa se encuentra en un estado xt . La idea de todo esto es la
siguiente: las variables xt caracterizan el estado de la economa, es decir, el
ambiente econmico frente al cual un agente debe tomar una decisin. Como ya
habamos sealado, xt puede ser el monto de capital (como en el modelo bsico
de crecimiento) que existe en la economa, lo cual determina las posibilidades de
1 Esta
parte est basada en el captulo 4 de Stokey-Lucas [1989].
17
18CAPTULO 2. PROGRAMACIN DINMICA: EL CASO DETERMINSTICO

produccin de las firmas y consecuentemente, el nivel de consumo o inversin,
en este caso las variables de control, que los agentes pueden escoger. Esto se
captura a travs de la restriccin ut (xt ). De esta forma, dado x0 (el estado
inicial de la economa) el agente observa las posibilidades que tiene para escoger
el control inicial u0 sabiendo que ste le determinar el estado de la economa
(x1 = g (x0 , u0 )) y las posibilidades de escogencia del control un perodo mas
tarde (u1 (x1 )); y as sucesivamente. Bajo estas restricciones el agente debe
procurar escojer los controles con el fin de maximizar el valor presente de los
retornos futuros.
Obsrvese que el ejemplo de Brock y Mirman de las notas anteriores es un
caso particular de este tipo de problemas. Ah xt = kt , ut = ct , r(ct ) = log (ct ) ,
g(kt , ct ) = kt ct , (kt ) = {ct : 0 ct kt } y X = R++ . De igual forma, es
fcil ver que el modelo bsico de crecimiento considerado del captulo anterior,
tambin es un caso particular del problema secuencial que estamos estudiando
en esta parte.
A todo problema secuencial (PS) como el de arriba, le asociamos un problema
funcional (PF):
v(x) = sup{r(x, u) + v(g(x, u))}
u
s.a
u (x).
La funcin h que nos da el valor de u que resuelve el problema anterior para

cada x, la llamamos funcin de poltica ( o correspondencia de poltica segn sea
el caso).
Nuestro objetivo es ahora encontrar las condiciones bajo las cuales se cumple
el Principio de Optimalidad de Bellman: Sea v la funcin que resuelve el problema funcional entonces, bajo ciertas condiciones, v(x0 ) es el valor mximo
que puede alcanzar el problema secuencial y si {(xt , ut )} es tal que: v(xt ) =
r(xt , ut )+v(g(xt , ut )) para t = 0, 1, 2, ..., donde ut (xt ), xt+1 = g (xt , ut ) ,
x0 = x0 entonces, {(xt , ut )} resuelve el problema secuencial. Ms an, probaremos un converso para cada una de las afirmaciones anteriores.
Comencemos por hacer algunas hiptesis bsicas para que el problema secuencial tenga sentido.
Definicin 1 Una secuencia de estados y controles {(xt , ut )}t=0,1... , en X Rm
es una dinmica factible desde x0 para el problema secuencial, si ut (xt ) y
xt+1 = g (xt , ut ) para t = 0, 1, 2, ..., . En este caso decimos que la secuencia de
controles {ut } es un plan factible desde x0 . El conjunto de todas las dinmicas
factibles desde x0 lo denotamos por (x0 ). Frecuentemente, y abusando un poco
del lenguaje, diremos que {xt }t=0,... es una dinmica factible desde x0 .
Las siguientes hiptesis aunque, no las ms generales, sern suficientes para
desarrollar las ideas principales.
Condicin 1 (x) es diferente de vacio para todo x X (i.e., (x) 6= para
todo x).
19
Condicin 2 0 y para todo x0 X, existe Mx0 R tal que
Mx0 para toda dinmica factible {xt }t=0,1... desde x0 .
t r(xt , ut )
t=0
Anotacin 1 La forma ms comn para garantizar la condicin anterior es

utilizando lo que en la literatura se conoce como condicin de no-ponzi. Ms
adelante volveremos sobre este punto.
Esta condicin asume, implcitamente, que para toda dinmica factible desde
x0 la suma infinita existe. Adems, en las condiciones anteriores pemitimos que
para ciertas dinmicas fctibles la suma sea . Sin embargo:
Condicin 3 0 y para todo x0 X, existe una dinmica factible {(xt , ut )}t=0,1,...
desde x0 y un mx0 R tal que la secuencia de sumas parciales {Sn }n=0,1,.. , Sn =
n
P
t r(xt , ut ) satisface mx0 Sn para todo n.2
t=0
Es claro que si r es acotada y [0, 1) entonces las condiciones 2 y 3 se

cumplen. En los ejercicios se dan otras condiciones bajo las cuales la condicin
2 se cumplen.
Bajo las condiciones anteriores podemos definir la funcin ve : X R donde
P
ve(x0 ) =
sup
t r(xt , ut ). Es decir, ve(x0 ) es el valor supremo del (PS).
{(xt ,ut )}(x0 )t=0
Llamamos a la funcin ve la funcin valor del problema. La primera relacin

importante entre el (PS) y el (PF) nos la da la siguiente proposicin.
Proposicin 1 Bajo las condiciones 1, 2 y 3, ve resuelve el PF.
Proof. Sea > 0 , u0 (x0 ) y x1 = g(x0 , u0 ). Como ve(x1 ) es el valor

supremo del (PS) con valor inicial x1 , entonces existe una dinmica factible
P
desde x1 , {(x1 , u1 ), (x2 , u2 ), ...} tal que,
t1 r(xt , ut ) ve(x1 ) . Ahora
t=1
{(x0 , u0 ), (x1 , u1 ), ...} (x0 ) luego ve(x0 )
t r(xt , ut ) r(x0 , u0 ) +
t=0
ve(x1 ) = r(x0 , u0 ) + ve(g(x0 , u0 )) . Como esto es verdad para todo

> 0 y u0 es cualquier elemento (x0 ) entonces tenemos que ve(x0 ) r(x0 , u0 )+
ve(g(x0 , u0 )) para todo u0 (x0 ) es decir, ve(x0 ) sup {r(x0 , u0 ) +
u0 (x0 )
ve(g(x0 , u0 ))}. Olvidndonos de los subndices tenemos ve(x) sup {r(x, u) +

u(x)
ve(g(x, u))}. Ahora, para probar la desigualdad contraria, argumentamos de

la misma forma: Sea > 0, entonces existe una dinmica factible desde x0 ,
P
{(x0 , u0 ), (x1 , u1 ), ...} tal que ve(x0 )
t r(xt , ut )+ r(x0 , u0 )+ ve(x1 )+.
t=0
De nuevo como es arbitrario tenemos ve(x0 ) r(x0 , u0 )+ ve(x1 ) luego ve(x0 )
2 Hacer este supuesto utilizando todas las dinmicas factibles es ms restrictivo y no se

cumplira para la funcin de utilidad logartmica ni para la funcin de utilidad CES con
parmetro < 1.

sup {r(x0 , u0 )+ ve(g(x0 , u0 ))}. Nuevamente, olvidndonos de los subndices,
u0 (x0 )
obtenemos la desigualdad que nos faltaba.

La siguiente proposicin nos da un converso parcial de la anterior y las
condiciones bajo las cuales se cumple una de las afirmaciones del Principio de
Optimalidad.
Proposicin 2 Bajo las condiciones 1, 2 y 3, si v resuelve el PF y lm t v (xt ) =
t
0 para todo x0 X y dinmica factible {xt } desde x0 (condicin de transversalidad fuerte), entonces ve = v. Es decir, v resuelve el PS.
Proof. Vamos a probar dos cosas. Primero probaremos que v (x0 )
t r(xt , ut )
t=0
para toda dinmica factible desde x0 y segundo que para todo > 0, existe una
P
dinmica factible {(xt , ut )}t=0,1,.. desde x0 tal que v (x0 )
t r(xt , ut ) + .
t=0
Estas dos afirmaciones implican que v es la funcin valor del problema. Para
demostrar la primera, como v es solucin del (PF) entonces para toda dinmica
factible {(xt , ut )} (x0 ) tenemos: v (x0 ) r (x0 , u0 ) + v(x1 ) r (x0 , u0 ) +
r(x1 , u1 ) + 2 v(x1 ) ....
k
P
t r(ut , xt ) + k+1 v (xk+1 ) (aqui utilizamos lm t v (xt ) 0). Usando
t=0
la condicin 2 y haciendo k obtenemos v (x0 )
t r(xt , ut ). Para
t=0
demostrar la segunda afirmacin, sea > 0 arbitrario y { n } una secuencia de
P
nmeros reales tal que
t t . Como v resuelve el (PF) entonces existe u0
t=0
tal que v(x0 ) r(x0 , u0 ) + v(g(x0 , u0 )) + 0 . Sea x1 = g(x0 , u0 ) y por la misma

razn que arriba, existe u1 (x1 ) tal que: v(x1 ) r(x1 , u1 ) + v(x2 ) + 1 .
Luego, v(x0 ) r(x0 , u0 ) + r(x1 , u1 ) + 2 v(x2 ) + 0 + 1 . Continuando de
esta manera podemos encontrar una dinmica factible {(xt , ut )} (x0 ) que
P
P
satisfaga: v(x0 )
t r(xt , ut ) +
t t + lm t v (xt ) (aqui utilizamos lm
t=0
t v (xt ) 0)
t=0
t r(xt , ut ) + .
t=0
Esta proposicin muestra que el problema funcional tiene una nica solucin
que satisface la condicin de transversalidad.3 4
3 Para variaciones de esta ltima proposicin cuando la condicin de transversalidad no se
cumple, ver Stockey-Lucas[1989], ejercicio 4.3.
4 En la literatura de optimizacin dinmica el trmino condicin de transversalidad generalmente se refiere a una condicin necesaria (o suficiente) que se debe cumplir en la solucin
del problema. Usaremos esta terminologa.
En la literatura de la Teora del Equilibrio con Mercados Incompletos con horizonte infinito
el trmino generalmente se refiere a restricciones asintticas sobre el nivel de endeudamiento
en el que pueden entrar los agentes (Ver Magill y Quinzii [1994]). En este ltimo sentido se
parece ms a una conndicin de no-ponzi.
21
Anotacin 2 Intuitivamente lm t v (xt ) > 0 implica que se estn subutilizant
do los recursos cuando la dinmica factible es {xt }. Si lm t v (xt ) < 0 ocurre

t
lo contrario. Esta interpretacin sugiere que la condicin de transversalidad es
muy fuerte y por lo tanto no debe ser una condicin necesaria (Ver ejercicio 8).
Intuitivamente, uno pensara que esta condicin es, a lo sumo, necesaria a lo
largo de una dinmica que resuelve el PS.
Nuestro objetivo ahora es caracterizar los planes ptimos. Es decir, aquellos planes factibles (si es que alguno existe) que permiten alcanzar el supremo
del PS. Obsrvese que un plan factible determina unvocamente una dinmica
factible.
Proposicin 3 Supongamos que se cumplen las condiciones 1, 2 y 3. Sea {(xt , ut )}
una dinmica factible desde x0 que permite alcanzar el supremo del PS, entonces:
ve(xt ) = r (xt , ut ) + e
v xt+1 , t = 0, 1, 2, ...
Anotacin 3 Obsrvese que aqu podemos cambiar ve por v.
Proof. Como (xt , ut ) alcanza el supremo del (PS) entonces:

r (x0 , u0 ) +
t r(xt+1 , ut+1 ) r (x0 , u0 ) +
t=0
dinmica {(x1 , u1 ), (x2 , u2 ), ...} (x1 ) , luego
(2.1)
t r(xt , ut ) =
t=0
t r(xt+1 , ut+1 ) para toda
t=0
t r(xt+1 , ut+1 )
t=0
(x1 ) .
t r(xt+1 , ut+1 ),
t=0
{(x1 , u1 ), (x2 , u2 ), ...}
Ahora como
para toda dinmica {(x1 , u1 ), (x2 , u2 ), ...}
P
(x1 ) entonces ve (x1 ) =
t r(xt+1 , ut+1 ). Volviendo a la primera ecuacin tenemos entonces:
t=0
r(xt , ut ) = r (x0 , u0 ) + e
v (x1 ) pero la primera sumatoria
t=0
es igual a ve (x0 ) por la definicin de {(xt , ut )} . Esto demuestra la afirmacin

para t = 0. Para los otros perodos basta utilizar induccin.
Finalmente tenemos un converso para esta proposicin que nos da las condiciones bajo las cuales se cumple la otra afirmacin del Principio de Optimalidad.
Proposicin 4 Bajo las condiciones 1, 2 y 3, si {(xt , ut )} es una dinmica factible desde x0 que satisface (1) y tal que lm t ve(xt ) 0, (condicin de
transversalidad dbil) entonces {(xt , ut )} resuelve el PS.
Proof. Como {(xt , ut )} es una dinmica factible desde x0 entonces
t=0
t r (xt , ut )
ve(x0 ). Ahora, sustituyendo k veces en (1) el valor de ve(xt ) en trminos de

k
P
t r (xt , ut )+ k+1 ve xk+1 y usando que lm sup t ve(xt )
ve xt+1 llegamos a: ve(x0 ) =
t=0

0 podemos concluir que
or, tenemos
t r (xt , ut ) ve(x0 ) luego por la desigualdad anteri-
t=0
t r (xt , ut ) = ve(x0 ).
t=0
Anotacin 4 Intuitivamente, si a lo largo de una dinmica factible que satisface (1) no se subutilizan recursos, entonces esta debe ser una dinmica factible
ptima para el problema secuencial. El ejercicio 9 ilustra el caso de un problema
dinmico para el cual existe un plan factible que satisface (1) pero que no es un
plan ptimo para el problema secuencial.
Como consecuencia inmediata de las cuatro proposiciones anteriores tenemos
el siguiente teorema que resume las relaciones entre el (PS) y el (PF).
Teorema 1 Equivalencia del (PS) y el (PF): Bajo las condiciones 1, 2 y 3 y si
la condicin de transversalidad se satisface, el (PS) y el (PF) tienen las mismas
soluciones en trminos de valor y dinmicas ptimas.
Anotacin 5 En ocasiones la escogencia inteligente del espacio de estados X
puede dar paso a la aplicacin rigurosa del mtodo que hemos explicado. Ver el
ejemplo 4.
Hasta este punto hemos estudiado la relacin entre el problema funcional
y el problema secuencial, pero an no hemos dado un mtodo para resolver
ninguno de los dos excepto por el mtodo que introdujimos informalmente en el
captulo anterior para resolver el problema funcional. La programacin dinmica
no tendra tanto valor si no fuera porque para el (PF) existen varios mtodos de
solucin. Nos concentraremos aqu en el mtodo ms importante desde el punto
de vista terico y prctico para resolver el problema funcional, pues ste sirve
para demostrar la existencia de soluciones (al igual que sus propiedades ms
importantes) y a la vez, motiva algunos mtodos numricos importantes para
resolver el (PF).
Para esto necesitamos pedir un poco ms sobre la correspondencia y la
funcin de retorno r que lo que se pide en las condiciones 1, 2 y 3.
Condicin 4 es una correspondencia de valores compactos (i.e.,(x) es
compacto para todo x), continua y (x) 6= para todo x.
Condicin 5 (0, 1) y la funcin retorno es acotada y continua sobre el
grafo de .5
Anotacin 6 Bajo estas condiciones el supremo se realiza como un mximo.
Es claro que los supuestos 4 y 5 implican 1, 2 y 3. Adems (0, 1), luego
bajo estas condiciones se cumple el Teorema de Equivalencia (Teorema 1).
El mtodo que expondremos para resolver el problema funcional nace, como
se observ en las notas pasadas, de la identificacin del (PF) con un problema de
5 El
grafo de es el conjunto: {(x, y) X Rm : y (x)}
23
punto fijo. Informalmente, al (PF) le asociamos un operador T de cierto espacio
de funciones sobre X en s mismo. Este se define de la siguiente manera: Dada
una funcin f en este espacio de funciones (ms adelante explicaremos cal es),
T [f ] es la funcin que evaluada en x X nos da:
T [f ] (x) = sup{r(x, u) + v(f (x, u))}
u
s.a
u (x).
As el PF se reduce a calcular un punto fijo del operador T. Ahora, bajo el

supuesto 5 es claro que ve, y por lo tanto v por la primera proposicin, es una
funcin acotada sobre el conjunto X, y puesto que el operador T est definido a
travs de un problema de maximizacin, entonces sera natural buscar un punto
fijo en el espacio de las funciones reales, continuas y acotadas sobre X; Ca (X). Si
encontramos un punto fijo del operador T en Ca (X) y por lo tanto una solucin
del PF, entonces, por el Teorema de Equivalencia, esta solucin debe ser el
valor supremo del PS. Una vez tenemos la funcin valor podemos proceder a
encontrar el plan ptimo, resolviendo paso a paso el problema de maximizacin
que aparece en el PF, es decir, encontrando la funcin poltica h. Otra forma
de encontrar el plan ptimo sera resolviendo el sistema de ecuaciones (1) . La
esperanza en estos procedimientos radica en el siguiente teorema, muy usado en
matemticas.
Teorema 2 (Punto Fijo para Contraccciones): Supongamos que se cumplen 4
y 5 y sea Ca (X) el espacio de las funciones reales, continuas y acotadas sobre
X con la norma del supremo kk. Entonces el operador T definido sobre Ca (X)
es una aplicacin de este espacio en s mismo, T : Ca (X) Ca (X); tiene un
nico punto fijo v y adems para cualquier v0 Ca (X) se tiene:
kT n [v0 ] vk n kv0 vk , n = 0, 1, 2, ...
En particular lm T n [v0 ] = v en la mtrica del supremo. Adicionalmente,
n
la correspondencia de poltica h es de valores compactos y hemicontinua superiormente.
Proof. Ver Stokey-Lucas [1989] pgina 79.
Usaremos estos resultados para resolver el siguiente modelo de crecimiento
con inversin en capital humano.
Ejemplo 4 (Crecimiento con inversin en capital humano).6 En este modelo
de crecimiento supondremos que los nicos factores de produccin en cada perodo son el capital humano ht y el tiempo que el agente representativo dedica al
trabajo nt . Ms concretamente, la funcin de produccin de esta economa depende nicamente del capital humano efectivo en cada perodo: ht nt . Es decir,
yt = f (ht nt ), donde f es la funcin f (x) = x , (0, 1). Cambiando simplemente las unidades con las que medimos este tiempo, podemos suponer que
nt [0, 1]. Ahora, la evolucin del capital humano en esta economa depende
6 Tomado de Stokey-Lucas pgina 111. A su vez, este modelo tiene origen en el clsico
artculo de Lucas [1988] y en Usawa [1964].
PHI
1+delta
1-delta
0
Figura 1
Figura 2.1:
del tiempo dedicado a trabajar, siendo la acumulacin del capital humano menor
entre ms tiempo se dedique al trabajo y mayor entre menos tiempo se dedique
a ste. Esto refleja el hecho que, para acumular capital humano y aumentar la
productividad, el agente debe dedicar tiempo a esta tarea, por ejemplo estudiando
o capacitndose, dejando entonces de trabajar un poco.7 Una forma de capturar
esta dinmica es la siguiente: Sea ht+1 = ht (nt ) donde es una funcin de
[0, 1] en R+ , con estas caractersticas: es continua, estrictamente cncava,
estrictamente decreciente y tal que (0) = 1 + , (1) = 1 , donde , 0
(figura 1).
7 Por eso decimos que este es un modelo de crecimiento con inversin en capital humano, a
diferencia de otros en los que entre ms se trabaja ms se aprende al adquirir mayor experiencia, etc. Ver ejemplo siguiente (Aprendiendo Haciendo).
25
La idea de esta funcin es la siguiente: si el agente decide no trabajar, entonces su capital humano se apreciar a una tasa , reflejando esto el hecho
de que al no trabajar el agente puede dedicar todo su tiempo a estudiar o capacitarse con el fin de incrementar su capital. En el otro extremo, si el agente
decide dedicar todo su tiempo al trabajo, entonces no tendr tiempo para capacitarse y su capital humano se depreciar a una tasa . La concavidad de la
funcin implica que, entre ms tiempo el agente dedique a acumular capital humano, menos acumular de ste en el margen. El agente representativo en esta
economa puede consumir todo lo que produce y su variable decisin en cada
perodo es cunto tiempo debe dedicarse al trabajo. Sea (0, 1) y supongamos
que tiene una utilidad instantnea de consumo: u(c) = c , donde (0, 1) . El

problema del agente representativo es entonces:
sup
X
t u (f (ht nt ))
{nt } t=0
s.a : ht+1 = ht (nt )

h0 dado.
En este ejemplo, la variable de control es nt , la variable de estado es ht , la funcin de retorno es u f, ht+1 = g (ht , nt ) = ht (nt ) , (ht ) = {nt : 0 nt 1}
y X = R+ . Ahora, es fcil probar que se satisfacen las condiciones del Teorema
de Equivalencia (Teorema 1). Basta con notar que el capital humano se acumula
o desacumula a una tasa mxima y respectivamente, y que por lo tanto:
X
X
t (h0 nt )
t u (f (ht nt ))
((1 + ) )
t=0
t=0
para toda dinmica factible desde h0 .

Ahora, la desigualdad de la derecha es un nmero finito siempre que (1 + ) <
1. Pasemos ahora al problema funcional:
v(ht ) = max {u (f (ht nt )) + v(ht (nt ))}
s.a
{nt }
0 nt 1
Ahora aplicaremos el Teorema del Punto

valn Fijo
opara encontrar la funcin
h
or. Sea v0 = 0, entonces v1 (h) = max (nh)
(h)
=
,
por
n
=
1
v
1
0n1
lo tanto,
v2 (h) = max
0n1
(nh)
(h(n))
+
= h max
0n1
n
((n))
+
Luego, el valor
de n que resuelve este problema no depende de h. Esto implica que
v2 (h) = A2 h , donde A2 es una constante positiva. De igual forma vn (h) =
An h , donde An es una constante positiva. Es natural entonces, proponer
como candidato a funcin valor, una funcin de la forma v(h) = A h . La

constante A puede encontrarse observando que v debe satisfacer la ecuacin
funcional. Es decir,
(hn)
h
h (n)
A
= m
ax
+ A
{n}
s.a : 0 n 1
No es difcil demostrar que la funcin de poltica es una constante n (0, 1].
Es decir, no interesa cual sea el nivel de capital humano h, el agente siempre
escoge trabajar n . Por lo tanto la tasa de crecimiento del capital humano es
constante, pues, ht+1 = ht (nt ) = ht (n ), luego hht+1
= constante. El valor
t
exacto de esta constante depende de la forma explcita de .
Anotacin 7 Si (n) = n , donde < 0 (obsrvese que esta funcin no
satisface las condiciones de arriba8 ) es fcil mostrar que la funcin de poltica
es:
1
nt = (A ) (1) ,
donde:
1

A = + ( )
.
Preguntas: Es sta una solucin? Por qu existe esta solucin?

Ejemplo 5 (Aprendiendo haciendo). Consideremos otro caso de crecimiento
endgeno e inversin en capital humano, utilizando exactamente la misma notacin del ejemplo anterior. Ahora, la nica diferencia es la forma como vamos
a definir la funcin de acumulacin de capital humano. En el caso anterior,
haba un costo de invertir en dicho capital. El agente deba sacrificar parte
de su tiempo educndose (por lo cual dejaba de trabajar) para incrementar su
capital humano. En este caso, por el contrario, el capital humano se acumula
gracias a la experiencia y el trabajo en el proceso de produccin. Es decir, el
capital humano se aumenta en la medida que trabajamos. La motivacin detrs
de esta especificacin tiene origen en el papel que la experiencia juega en la
productividad del trabajo.9
Tenemos el mismo problema del agente representativo expuesto arriba:
s.a
ht+1
X
t u (f (ht nt ))
sup
{nt } t=0
:
= ht (nt ) , h0 dado.
La diferentes interpretaciones sobre la forma como se acumula capital humano

estn ligadas a la forma funcional de . Definimos (nt ) = nt , donde > 0
que 0 (nt ) = n1
< 0 (los retornos a la inversin en capital humano 1 nt ,
t
> 0 (los retornos marginales a la inversin en
son crecientes) y 00 (nt ) = ( 1)n2
t
capital humano 1 nt , son crecientes).
9 La idea de Aprendiendo Haciendo ( Learning by Doing) se debe a Arrow[1962].
8 Ntese
27
y (, 1) . Ahora si 0 entonces la acumulacin de capital humano es
un producto del trabajo. Este es el caso de aprendiendo haciendo.10
La variable de control es nt , la variable de estado es ht , la funcin de retorno
es u f, ht+1 = g (ht , nt ) = ht (nt ) , (ht ) = {nt : 0 nt 1} y X = R+ .
v(ht ) =
s.a
sup {u (f (ht nt )) + v(ht (nt ))}
{nt }
0 nt 1
Tenemos la misma forma funcional de la funcin de utilidad u(c) = c , y de la

funcin de produccin f (nh) = (nh) .
n
h P
Sea v0 (h) = 0, entonces es muy fcil ver que vn (ht ) = t
( )i , y
i=0
la funcin de poltica en cada iteracin es nt = 1. Luego la funcin valor de

nuestro problema es:
h
1
v(ht ) = t
1
Es fcil ver que en efecto la funcin de poltica es: nt = 1. Luego la dinmica

del capital es: ht+1 = ht . Si > 1 entonces tenemos crecimiento endgeno.
Anotacin 8 Obsrvese que en los ltimos dos ejemplos no existe una solucin
de estado estacionario en las variables en niveles.
Ejemplo 6 Hercowitz-Sampson (1986). Consideremos el modelo bsico de crecimiento con:
U (c, l) = log(c a(1 l) )
yt = kt n1
t
1
it
kt+1 = kt
= kt i1
, a > 0; > 1
t
kt
Primero, vamos a demostrar que la funcin de utilidad es cncava. Para esto,
debemos calcular la matriz Hessiana de dicha funcin y determinar si es semidefinida negativa.11 Derivamos primero respecto a cada una de las variables:
U
c
U
l
1
c a(1 l)
a(1 l)1
= U2 (c, l) =
c a(1 l)
= U1 (c, l) =
que 0 (nt ) = n1
> 0 (los retornos a la experiencia es creciente) y 00 (nt ) =
t
< 0 (los retornos marginales a la experiencia son decrecientes).
(
1 1 Una de las caractersticas de una matriz semidefinida negativa es que sus menores principales son menores o iguales a 0. Los menores principales se obtienen quitando la i-sima
fila y la i-sima columna de la matriz y tomando el determinante de la matriz resultante. En
este caso, slo necesitamos encontrar los menores principales de orden 1 (quitando la primera
columna y fila o quitando la segunda columna y fila) y el determinante de la matriz.
1 0 Ntese
1)n2
t

Las derivadas parciales de segundo orden nos determinan la siguiente matriz
Hessiana:
a(1l)1
1
)2
)2
U11 (c, l) U12 (c, l)
(ca(1l)
(ca(1l)
H=
=
[a(1l)1 ]2
a(1l)1
(1)a(1l)2
U21 (c, l) U22 (c, l)
(ca(1l) )2
(ca(1l) )
(ca(1l) )2
Calculamos ahora el determinante de la matriz H:

2
a(1 l)1
( 1)a(1 l)2
[a(1 l)1 ]2
|H| =
+
=
(c a(1 l) )3
(c a(1 l) )4 (c a(1 l) )4
( 1)a(1 l)2
>0
=
(c a(1 l) )3
Los menores principales de orden 1 son:
1
<0
(c a(1 l) )2
2
a(1 l)1
( 1)(c a(1 l) )
+1 <0
|H1 | = U22 (c, l) =
(c a(1 l) )2
a(1 l)
|H1 | = U11 (c, l) =
Ahora vamos a demostrar que la funcin valor tiene la siguiente forma:

v(kt ) = D0 + D1 ln kt ,
con Di constantes. Reemplazando en la ecuacin de Bellman, tenemos:
n

1 o
ax log (c an ) + Do + D1 ln k k n1 c
D0 + D1 ln k = m
0 cy
0 n1
Las condiciones de primer orden son:
an1
c an
1
(1 ) D1
1
c an
(k n
c)

(1 ) D1 (1 ) k n
+
(k n1 c)
= 0
= 0
Manipulando algebraicamente encontramos la primera condicin de primer orden obtenemos:

(1 ) D1
1
= 1
c an
k n
c
k n1 c = (1 ) D1 c (1 ) D1 an
k n1 + (1 ) D1 an = (1 ) D1 c + c
k n1 + (1 ) D1 an
c =
,
(1 ) D1 + 1
29
y para la segunda condicin:
an1
(1 ) D1 (1 ) k n
=
c an
(k n1 c)
1
c an1 =
k n
(1 ) D1 (1 ) k n (c an )
ak n an1 c =
(1 ) D1 (1 ) k n c (1 ) D1 (1 ) ak n
(ak + (1 ) D1 (1 ) ak ) n =
k n1 (1 ) D1 an
(1 ) D1 (1 ) k n + an1
( 1 ) D1 + 1
( ( 1 ) D1 + 1) (ak + (1 ) D1 (1 ) ak ) n =
2
(1 ) D1 (1 ) k2 n12 + 2 (1 ) D12 (1 ) ak n +
an k a2 n21 (1 ) D1
( ( 1 ) D1 + 1) (ak + (1 ) D1 (1 ) ak ) n =
12
2
(1 ) D1 (1 ) k2 n + 2 (1 ) D12 (1 ) + ak n
a2 (1 ) D1 n21
( + (1 )) ak = (1 ) k 2 n1 a2 n(1)
0 = (1 ) k 2 n2(1) ( + (1 )) ak n1 a2
Tenemos as
n1 k
q
( + (1 )) a (( + (1 )) a)2 4 (1 ) a2
2 (1 )
q
( + (1 )) a 2 a2 + 2 (1 ) a2 + (1 )2 a2 4 (1 ) a2
2 (1 )
a + (1 ) a a (1 ) a
2 (1 )
a
1
=
=
Conclumos que:
n =
a
k
1
c = 1 k1
1
1
a
1
1
1
k 1++ = 2 k 2

Sustituyendo estas expresiones en la ecuacin de Bellman
(
)
2
1
ln
+
1 k a2 k
i
h
1
D0 + D1 ln k = m
ax
k k (1)2 1 k1
D0 + D1 ln k 1
2
= ln [1 a2 ] + 1 ln k + D0 +
1
k(1) + 1 k 1
+ D1 ln (k)
(1 ) D1 ln 1
2
= ln [1 a2 ] + 1 ln k + D0 +
(1 ) D1 ln 1
1 + (1 ) D1 1 ln k + D1 ln (k)
2
1 +
= ln [1 a2 ] + D0 + (1 ) D1 ln 1
2
(1 + D1 ((1 ) 1 + )) ln k
Conclumos
= ln [1 a2 ] + D0 + (1 ) D1 ln
= 1 + D1 ((1 ) 1 + )
D0
D1
2 1
De aqu
D1 D1 ((1 ) 1 + ) = 1
D1
1
1 ((1 ) 1 + )
Por lo tanto
D0 =
ln [1 a2 ] (1 ((1 ) 1 + )) + (1 ) 1 ln
(1 ) (1 ((1 ) 1 + ))
2 1
Con algo de lgebra finalmente obtenemos:

D0 + D1 ln kt
= D0 + D1 (1 ) ln(1
1 ) +
2
+ ln(1 a2 ) + (1 + D1 ( + 1 (1 ))) ln kt
Viendo esta expresin, las constantes D deben cumplir las siguientes condiciones:
D0
D1
= D0 + D1 (1 ) ln(21 1 ) + ln(1 a2 )
= 1 + D1 ( + 1 (1 ))
Al resolver este sistema de dos ecuaciones y dos incgnitas, obtenemos:
1 (1 )2 ln 21 1
D0 =
(1 1 (1 )) (1 )
1
D1 =
1 1 (1 )
31
Efectivamente la funcin propuesta cumple con las caractersticas necesarias
para ser una funcin valor.
Ahora podemos determinar la dinmica ptima del capital con las ecuaciones
(2). Sustituyndolas en la ecuacin de acumulacin del capital, encontramos:12
1
2
1

kt+1 = kt (kt n1
c
)
=
k
(k
k
1 kt1 )1
t
2
t
t
t
t
y simplificando,
+1 (1)
1 )1 kt
kt+1 = (1
2
= 3 kt3
El prximo ejemplo es bastante importante y estudiado en la literatura.

Como ya lo habamos mencionado antes, para la mayora de los problemas de
economa dinmica es imposible encontrar explcitamente una frmula para la
funcin de poltica y por eso debemos recurrir a mtodos numricos. Un mtodo bastante importante consiste en reducir el problema original, mediante una
aproximacin, a un problema como el que se discute a continuacin.
Ejemplo 7 (Control ptimo Lineal). La caracterstica fundamental de este
problema es que la funcin objetivo es cuadrtica y la dinmica de la variable
de estado est dada por una funcin lineal. Bajo estas condiciones mostraremos
que el control ptimo es una funcin lineal de las variables de estado, razn por
la cual el problema lleva este nombre. Concretamente, el problema que queremos
resolver es:
sup
X
t (x0t Qxt + u0t Rut + 2x0t W ut )
t=0
s.a
xt+1
:
= Axt + But , x0 dado,
y donde R y Q son matrices simtricas; definida negativa, y semidefinida negativa respectivamente.13 14 Aqui x0 denota el vector transpuesto de x. Existen
otras condiciones adicionales para garantizar que este problema tiene solucin
y que sta se puede obtener con el mtodo iterativo. Para simplificar las cosas
supondremos que estamos en estos casos. El lector puede consultar Ljungqvist y
Sargent [2004] o Bertsekas y Shreve[1978].
Sea 0 = 0, luego 1 (x) = sup {x0 Qx + u0 Ru + 2x0 W u} . Las condiciones de
u
primer orden son:15 2u0 R + 2x0 W = 0 u = R1 W 0 x 1 (x) = x0 (Q

1 2 Recuerde
que y c = i
que una matriz A es simtrica si A0 = A. Una matriz simtrica A (m m)
es semidefinida negativa si x0 Ax 6 0 para todo m-vector x 6= 0. En el caso de las matrices
definidas negativas la desigualdad anterior es estricta. Ver Lutkepohl [1993].
1 4 Obsrvese que restricciones de la forma x
t+1 = Axt + A1 xt1 + ... + Ap xtp + But +
B1 ut1 + ... + Bq utq pueden escribirse en la forma que aqu consideramos.
1 5 Para encontrar las condiciones de primer orden hemos utilizado las siguientes reglas para la
diferenciacin de matrices (ver Lutkepohl: Introduction to Multiple Time Series Analysis.):
0x
0y
= x
= y0 y
Sean y , x dos vectores de dimensin m y A una matriz m m, entonces y
x
x
1 3 Recuerde
x0 Ax
x
= x0 (A + A0 )

W R1 W 0 )x. Esta primera iteracin nos sugiere que la funcin valor de este
problema es probablemente una forma cuadrtica.16 Supongamos entonces que
j (x) = x0 Pj x para una matriz Pj simtrica. Entonces:
j+1 (x) = sup {x0 Qx + u0 Ru + 2x0 W u + (Ax + Bu)0 Pj (Ax + Bu)}
u
Las condiciones de primer orden son: 2u0 R + 2x0 W + B 0 Pj Ax + (x0 A0 Pj B) +

2u0 B 0 Pj B = 0 u = (R + B 0 Pj B)1 (B 0 Pj A + W 0 )x, siempre que R +
B 0 Pj B sea invertible. Substituyendo en la ecuacin funcional y con algo de
lgebra llegamos a (dejamos esto como ejercicio):
j+1 (x) = x0 [(Q + A0 Pj A (A0 Pj B + W )(R + B 0 Pj B)1 (B 0 Pj A + W 0 )]x,
en particular:
Pj+1 = Q + A0 Pj A (A0 Pj B + W )(R + B 0 Pj B)1 (B 0 Pj A + W 0 ).
La anterior ecuacin se denomina la ecuacin de Riccati Iterando esta ecuacin
llegamos a una matriz P que caracteriza la funcin valor del problema y la
funcin de poltica:
ut = (R + B 0 P B)1 (B 0 P A + W 0 )xt
Como puede observarse de esta ecuacin, el control ptimo es una funcin lineal
de las variables de estado.
2.1.
Ejercicio 4 Escribir el modelo bsico de crecimiento y el ejemplo de Long y

Plosser en la notacin de este capitulo.
Solucin 3 Para el modelo bsico de crecimiento.
max
t log(ct ) = m
ax
t=0
t r(xt , ut )
t=0
xt+1
= kt+1 = kt + (1 )kt ct = g(xt , ut )
donde X = R++ , xt = kt , ut = ct , y (xt ) = {c R : 0 6 c 6 kt + (1 )kt }

Ejercicio 5 Estudiar la estabilidad de la solucin en el ejemplo de HercowitzSampson.
Ejercicio 6 En este ejercicio se dan otra condiciones bajo las cuales se cumple
la condicin 2 (Ver De La Croix - Michel [2002], pgima 326). Supongamos que
para todo u U las funciones g(, u) y r(, u) son no decrecientes y adicionalmente para todo x X
1 6 Si A es simtrica (m m) y x es un m-vector, la funcin x0 Ax es llamada una forma
cuadrtica en x.

1.
33
g(x) = sup {g(x, u)} X

u(x)
2.
r(x) = sup {r(x, u)} R

u(x)
3.
Para todo x0 X existen bx0 y x0 R, x0 > tal que para toda

secuencia {xt }t=0,1,... , xt+1 = g(xt ) tenemos tx0 r(xt ) bx0 para todo t.
Probar que bajo las condiciones de este ejercicio se cumple la condicin 2.
Solucin 4 (10) Si xt xt en t, lo cual se cumple en particular para t = 0

ya que x0 = x0 , tenemos por induccin que se cumple para cualquier t, luego:
xt+1 = g (xt , ut ) g (xt ) g (xt ) = xt+1 . Por otro lado r (xt , ut ) r (xt )
T
X
r (xt ). Como consecuencia, tenemos que la sucesin ST =
t [r (xt , ut ) r (xt )]
t=0
es no-creciente, ya que cada trmino en la sumatoria es negativo o nulo. (ST

ST 1 = T [r (xT , uT ) r (xT )] 0). La sucesin ST tiene por lo tanto un
lmite en R {}. Tambien podemos sin prdida de generalidad suponer que
r (xt ) 0 (es sufienciente con reemplazar r (xt ) por max {0, r (xt )}. utilizando
T
T
X
X
1
t
t r (xt )
b = 1/
bx0 . La sucesin creciente
(3) tenemos B T =
t x0
0
t=0
t=0
B T tiene entonces un lmite finito, de lo cual deducimos que la sucesin de

T
X
t r (xt , ut ) tiene un lmite en R {}.
sumas finitas
t=0
Ejercicio 7 Utilizando las condiciones del ejercicio anterior, demostrar la Proposicin 3 sin imponer la condicin de transversalidad (Ver De La Croix - Michel
[2002]).
Solucin 5 (11) Siguiendo el ejercicio 10 tenemos que la sucesin de sumas
es finita.y pertenece a R {}. Mas an estn acotadas por arriba por una
constante
X
X
bx0
t r (xt , ut )
t r (xt )
1 / 0
t=0
t=0
Para toda trayectoria factible que empiece en xo tenemos
t r (xt , ut ) = r (x0 , u0 ) +
t=0
t r (xt+1 , ut+1 )
t=0
Ahora tomamos la cota superior dado u0 sobre el conjunto de las trayectorias

factibles para las cuales x1 = g (x0 , u0 ),
r (x0 , u0 ) + sup
t r (xt , ut ) = r (x0 , u0 ) + e
v (g (x0 , u0 ))
t=1
Luego tomamos la cota superior sobre u0 (x0 ) y obtenemos
ve (xt ) = r (xt , ut ) + e
v xt+1

Ejercicio 8 Sobre la proposicin (2) . Considere el siguiente problema de maximizacin:
X
max
ct
t=0
0 ct xt xt+1 , xt 0, x0 6= 0 dado.
Obsrvese que en este problema hemos colocado = 1.

1.
Mostrar que para cualquier x0 dado, el valor mximo del problema anterior
es x0 . Es decir ve(x) = x. Ahora, supngase que utilizramos el problema
funcional para encontrar esta funcin. El problema funcional asociado es:
v(x) = sup{c + v(x c)}
c
s.a
2.
0cx
Verificar que para cualquier constante k, la funcin v(x) = x + k es solucin del problema funcional pero no satisface la condicin de transversalidad (Ayuda: considere la dinmica factible {(x0 , 0)} (x0 ), entonces
lm t v (xt ) = v(x0 ) = x0 + k 6= 0). Luego, aqu tenemos un caso en el
t
que no se aplica la proposicin (2) y ms an, este ejemplo muestra que

la condicin de transversalidad no es una propiedad necesaria.
Solucin 6 El problema es:

max
X
ct
t=0
s.a :
0 ct xt xt+1
x0 6= 0 dado.
1.
Es claro que el consumo ptimo se da cuando ct = xt xt+1 , luego
ct =
t=0
xt xt+1 = x0 x1 + x1 x2 + ... = x0 xn x0 ve(x0 ) x0 . De
t=0
2.
otra parte, el plan factible {x0 , 0, 0, ...}, tiene utilidad x0 . Luego ve(x) = x
para todo x.
Para probar que v(x) = x + k es una funcin que resuelve el problema funcional asociado al problema secuencial basta con substituir y verificar que
se cumple la ecuacin funcional para cualquier valor constante de k. Finalmente, es claro que no se cumple la condicin de transversalidad de la
proposicin 2. Para ver esto, obsrvese que para que sta se cumpliera deberamos de tener: lm t v(xt ) = 0 para toda dinmica factible {(xn , cn )}.
t
En particular, para la dinmica factible {(x0 , x0 ) , (0, 0) , (0, 0) , ...} tenemos:

lm t v(xt ) = xt + k = 0 + k 6= 0
t
35
Ejercicio 9 Con relacin al ejercicio anterior, mostrar que la dinmica factible

{(x0 , 0)} no es ptimo pero s satisface la ecuacin (1) . (Ayuda: Obsrvese
que la utilidad que le da al agente ese plan es nula, mientras que la mxima
utilidad posible es x0 ). Adems, muestre por qu no se cumplen las hiptesis de
la proposicin 4.
Anotacin 9 Se sigue de los dos ejercicios anteriores que nuestras condiciones

son ms debiles que las del ejercicio 6. No es difcil convencerse que la condicin
de transversalidad en De La Croix - Michele [2002] es una consecuencia de la
condicin (3) en el el ejercicio 6.
Solucin 7 (Ejercicio 9)Es fcil ver que la dinmica factible {(x0 , 0) , (x0 , 0) , (x0 , 0) , ...}
no es ptima desde el punto de vista del problema secuencial, pues da una
utilidad de cero. De otra parte, es fcil ver que esta dinmica factible satisface el Principio de Optimalidad de Bellman (equacin 2.1) para v(x) = x.
Adems, no se cumple la condicin de transversalidad de la proposicin 5, pues
lmt t v(xt ) = xt = x0 6= 0.
Ejercicio 10 Completar el paso que se dej como ejercicio en el ejemplo sobre
Control ptimo Lineal.
Solucin 8 (14) Tenemos:
0
vj+1 (x) = sup x0 Qx + u0 Ru + 2x0 W u + (Ax + Bu) Pj (Ax + Bu)
u
y las condiciones de primer orden implican que

1
u = (R + B 0 Pj B)
(B 0 Pj A + W 0 ) x
Reemplazando tenemos:
1
1
vj+1 (x) = x0 Qx + (R + B 0 Pj B) (B 0 Pj A + W 0 ) x R (R + B 0 Pj B) (B 0 Pj A + W 0 ) x +
1
2x0 W (R + B 0 Pj B) (B 0 Pj A + W 0 ) x +
0
1
Ax + B (R + B 0 Pj B) (B 0 Pj A + W 0 ) x
1
Pj Ax + B (R + B 0 Pj B) (B 0 Pj A + W 0 ) x

Simplificando obtenemos
vj+1 (x) = x0 Qx +
1 0
0
0
0 0
0
x (B Pj A + W ) (R + B Pj B)
1
R (R + B 0 Pj B) (B 0 Pj A + W 0 ) x +
1
2x0 W (R + B 0 Pj B) (B 0 Pj A + W 0 ) x +

1 0
0 0
0
0
0 0
0
x A + x (B Pj A + W ) (R + B Pj B)
B0
1
Pj Ax + B (R + B 0 Pj B) (B 0 Pj A + W 0 ) x
lo cual implica que,

i
h
1
vj+1 (x) = x0 Q + A0 Pj A (A0 Pj B + W ) (R + B 0 Pj B) (B 0 Pj A + W 0 ) x
Ejercicio 11 Considere el siguiente problema de maximizacin con persistencia de hbitos17
t (ln ct + ln ct1 )
t=o
s.s : ct + kt+1 6 Akt ,

donde: 0 < < 1; A > 0; 0 < < 1; k0 > 0 dado, y c1 dado.
1.
Escribir la ecuacin de Bellman
2.
Demuestre que la solucin a dicha ecuacin tiene esta forma:

v(k, c1 ) = E + F ln k + G ln c1
y demostrar que la poltica ptima tiene la forma:
ln kt+1 = I + H ln kt
Donde E, F, G, H, I son constantes. D frmulas explcitas para estas constantes en trminos de los parmetros del problema. Para esto, es necesario
que encuentre la funcin de poltica.
1. La ecuacin de Bellman es:

v(k, c1 ) =
1 7 Tomado
de Sargent [1987].
max
06 c6 Ak
{ln c + ln c1 + v(Ak c)}
37
2. Para verificar que la sugerencia es en efecto resuelve el problema funcional,

simplemente substituimos en la ecuacin funcional:
E+F ln k+G ln c1 = m
ax {ln c + ln c1 + (E + F ln(Ak c) + G ln c)}
c

[c] :
1
F
G
+
=o
c Ak c
C
Finalmente encontramos que:

c=
(1 + G)Ak
(1 + G + F )
Al sustituir esta frmula en la ecuacin de Bellman tenemos:
(1 + G)Ak
E + F ln k + G ln c1 = ln
+ ln c1 + E +
(1 + G + F )
(1 + G)Ak
(1 + G)Ak
+F ln(Ak
) + G ln
(1 + G + F )
(1 + G + F )
Desarrollando algebricamente encontramos:
(1 + G)A
F A
E + F ln k + G ln c1 = (1 + G) ln
+ F ln
+
(1 + G + F )
(1 + G + F )
+E + (1 + G + F ) ln k + ln c1
Las constantes sern:
(1 + G)A
F A
+ F ln
+ E
1 + G + F
1 + G + F
F = (1 + G + F )
G =
= (1 + G) ln
Si sustituimos la frmula de F y simplificamos encontramos los valores

finales de E y F:
1
(1 + )
E =
(1 + ) ln(A(1 )) +
ln(A)
1
1
1 +
F =
1
G =
Estas expresiones me permiten garantizar que efectivamente la funcin
arriba mencionada es la funcin valor. Para encontrar la funcin de poltica
solo tenemos que sustituir los valores de F y G para obtener:
c=
(1 + G)Ak
1+
1 + + 1

La manipulacin algebrica nos da esta funcin de poltica:
c = (1 )Ak
Este valor de c nos permite encontrar la expresin apropiada para el capital, basndonos en la funcin de acumulacin arriba mencionada:
kt+1 = Akt (1 )Ak
Con facilidad, se puede ver que:
ln kt+1 = ln(A) + ln kt
As,
I
H
= ln(A)
=
Con lo cual la poltica ptima del capital es la expresada en el enunciado

del problema. Para terminar un par de preguntas: Es la solucin vlida
an para < 0 (i.e., formacin de hbitos)? Cmo debemos interpretar
estas soluciones?
Bibliografa
[1] Arrow, K. 1962. The Economic Implications of Learning by Doing. Review
of Economic Studies. Junio: 155-173.
[2] Bertsekas, D. Shreve, S. 1978. Stochastic Optimal Control: The Discrete
Time Case. New York, Academic Press.
[3] Chan-Lau, J. 1997. Business Cycle properties of Endogenous Growth Models. Tesis Doctoral. Universidad de Columbia.
[4] De La Croix, D. Michel, P. 2002. ATheory of Economic Growth. Cambridge
University Press.
[5] Hercovitz, Z: Sampson, M. 1991. Output Growth, the real wage, and employment fluctuations. American Economic Review, Vol 81, No. 5 pp. 1215-1237.
[6] Ljungvist, L. y T. Sargent. 2004. Recursive Macroeconomic Theory. MIT
Press.
[7] Lucas, R. 1988. On the mechanics of Economic Development . JMT 22,
pginas 3-42.
[8] Lutkepohl, H. 1993. Introduction to Multiple Time Series Analysis. SpringerVerlag.
[9] Magill, M y MQuinzii. 1994. Infinite Horizon Incomplete Markets. Econometrica. Vol 62, No. 4, 853-880.
[10] Sargent, T. 1987. Dynamic Macroeconomic Theory. Harvard University
Press.
[11] Stockey, N. Lucas, R y Prescott, E. 1989. Recursive Methods in Economic
Dynamics. Harvard University Press.
[12] Usawa, H. 1964. Optimal growth in a two sector of capital accumulation
. Review of Economic Studies 31:1-25.
39
40
BIBLIOGRAFA
Captulo 3
Ms Programacin
Dinmica y el Mtodo de
Lagrange
En esta parte, nos dedicaremos a estudiar algunas propiedades importantes
de la funcin valor las cuales nos permitirn usar los mtodos del clculo diferencial para resolver problemas de economa dinmica. Primero comenzaremos
con algunas propiedades geomtricas como la monotonicidad y concavidad de
la funcin valor, y luego pasaremos a la propiedad ms importante que se refiere a la diferenciabilidad de sta. Como se podr apreciar ms adelante, este
resultado es por s solo bastante importante, pero adems, aclara las relaciones
existentes entre el mtodo de programacin dinmica y los mtodos basados en
el lagrangiano. Para poder hacer esto, es necesario imponer ms restricciones
sobre el problema que las impuestas hasta el momento.
3.1.
Algunas Propiedades de la Funcin Valor
La primera propiedad que probaremos es que bajo ciertas condiciones la

funcin valor es estrictamente creciente. Para esto necesitamos las hiptesis:
Condicin 6 Para cada u Rm , las funciones r(, u) : X R , g(, u) :
X X son estrictamente creciente y creciente, respectivamente.
Condicin 7 es montona: Es decir, si x0 x (x0 ) (x).
Proposicin 5 (La funcin valor es estrictamente montona): Suponga que se
cumplen las condiciones 4, 5, 6 y 7. Entonces la funcin valor es estrictamente
creciente.
Proof. Sea Ca (X) el espacio de las funciones reales, continuas y acotadas con
la norma del supremo y Cc (X) Ca (X) el espacio de las funciones reales,
41
42CAPTULO 3. MS PROGRAMACIN DINMICA Y EL MTODO DE LAGRANGE

continuas,acotadas y crecientes. Es fcil ver que este es un subespacio cerrado de Ca (X), por lo tanto, es tambien un espacio completo en la norma del
supremo. Por el Teorema de Equivalencia, la funcin valor queda caracterizada
como la nica solucin del problema funcional en Ca (X). Ahora, lo primero que
vamos a probar es que si f Ca (X) es creciente, entonces T (f ) es una funcin
estrictamente creciente:
Sea x0 x g(x0 , u) g(x, u) para toda u, por la condicin 6 y porque f
es creciente
f (g(x0 , u)) f (g(x, u)) r(x0 , u) + f (g(x0 , u)) > r(x, u) + f (g(x, u))
por la condicin 6
max {r(x, u) + f (g(x0 , u))} > max {r(x, u) + f (g(x, u))}
u(x)
u(x)
ax {r(x, u) + f (g(x, u))} por la condimax0 {r(x, u) + f (g(x0 , u))} > m
u(x )
u(x)
cin 7
T f (x0 ) > T f (x).
Ahora, como Cc (X) es un subespacio cerrado de Ca (X) entonces la funcin
valor v esta en Cc (X) y como T [v] = v entonces v es estrictamente creciente.
Anotacin 10 La proposicin anterior no se aplica al ejemplo de Brock y Mirman por dos razones. Primero, si X = R+ la funcin retorno instantneo no es
acotada en el grafo de y segundo, esta funcin no es estrictamente creciente
en x (pues de hecho, no depende de x). El primer problema es fcil de resolver
mediante una escogencia inteligente del espacio de estados (ms adelante volveremos sobre este punto). Para la segunda, obsrvese que s r(, u) : X R es
apenas creciente, entonces la conclusin del teorema se puede modificar por: la
funcin valor es creciente (y no necesariamente estrictamente creciente).
Estudiaremos ahora la concavidad de la funcin valor. El resultado principal
es, bajo ciertas condiciones, la funcin valor es estrictamente cncava y la correspondencia de poltica es una funcin contnua. En particular, resulta que bajo
estas mismas condiciones, existe un nico plan ptimo que resuelve el problema
secuencial.
Condicin 8 Sea X un conjunto convexo.
Condicin 9 Supongamos que las funciones r y g son estrictamente cncava y
cncava, respectivamente.
Condicin 10 La correspondencia es convexa:
1. (x) es un conjunto convexo para todo x X.
2. Dado [0, 1], x, x0 X y x 6= x0 , entonces si u (x) y u0 (x0 )
implica que u + (1 )u0 (x + (1 )x0 ).
Proposicin 6 (La funcin valor es estrictamente cncava): Bajo las condiciones 4, 5, 8, 9 y 10, la funcin valor es estrictamente cncava y la correspondencia de poltica es una funcin continua.
3.1. ALGUNAS PROPIEDADES DE LA FUNCIN VALOR
43
Proof. Por el Teorema de Equivalencia, la funcin valor queda caracterizada

por la solucin al problema funcional. Lo primero que probaremos es que si
f Ca (X) es cncava y creciente , entonces T (f ) es estrictamente cncava y
creciente: Dados [0, 1], x, x0 X y x 6= x0 , sean u y u0 tales que resuelven
el problema de mximizacin definido por T f (x) y T f (x0 ) respectivamente.
Entonces como u + (1 )u0 (x + (1 )x0 ) por la condicin 10, tenemos
que:
T f (x + (1 )x0 ) r(x + (1 )x0 , u + (1 )u0 ) + f (g(x + (1
)x0 , u + (1 )u0 )) >
r(x, u)+(1)r(x0 , u0 )+f (g(x, u))+(1)f (g(x0 , x)), por la condicin
9 y porque f es cncava y creciente.
Ahora, como u y u0 resuelven el problema de mximizacin definido por
T f (x) y T f (x0 ), se sigue que esta ltima expresin es igual a:
T f (x) + (1 )T f (x0 ).
Basta ahora argumentar de la misma forma que en la proposicin anterior
para concluir con la prueba de la primera afirmacin: el espacio de las funciones
continuas, cncavas, crecientes y acotadas, es un subespacio cerrado de Ca (X).
Finalmente, como la funcin valor es estrictamente cncava, entonces la solucin al problema de maximizacin que define la funcin de poltica tiene siempre una nica solucin, pues la funcin objetivo es estrictamente cncava por
la primera parte de esta proposicin y por la condicin 9 y la mximizacin
se hace sobre un conjunto convexo por la primera parte de la condicin 10. La
continuidad se sigue de que una funcin h.c.s es en efecto una funcin continua
(ver Apndice).
Con este resultado estamos casi listos para el Teorema de Diferenciabilidad,
que se sigue como una consecuencia inmediata del Teorema de Benveniste Scheinkman.1 Por ltimo necesitamos:
Condicin 11 Las funciones r y g son continuamente diferenciables en el interior del grafo de .
Condicin 12 2 Sea (x , u ) en el interior del grafo de tal que existe una
funcin diferenciable , definida en una vecindad abierta V de x tal que :
V U y para todo x V, (x) (x) y g (x, (x)) = g(x , u ).
Ejemplo 8 Recordemos el ejemplo de Brock y Mirman. Ah xt = kt , ut = ct ,
r(ct ) = log (ct ) , g(kt , ct ) = kt ct , (kt ) = {ct : 0 ct kt } y X = R++ . Es
fcil ver que dado un stock de capital y un consumo en el interior del grafo de
la condicin 12 se cumple.
El siguiente teorema, adems de darnos un resultado sobre la existencia de
la derivada de la funcin valor, nos da una frmula muy til para sta. Una
forma de acordarse de la frmula es: escriba el problema funcional y derive a
ambos lados con respecto a las variables de estado quitando la funcin mximo.
1 Ver
Benveniste y Sheinkman [1979].

De la Croix - Michel [2002], pgina 334. En realidad, es suficiente con que r y g sean
diferenciables en un punto particular. Ver Teorema 3.
2 Ver

Teorema 3 (Diferenciabilidad de la Funcin Valor): Bajo las condiciones 4, 5,
8, 9, 10, 11 y 12; si x0 int(X) y h(x0 ) int((x0 )), entonces la funcin valor
es continuamente diferenciable en x0 y su derivada est dada por:
n
X
r (x0 , h(x0 ))
v(g(x0 , h(x0 ))) gj (x0 , h(x0 ))
v (x0 )
=
+
,
xi
xi
xj
xi
j=1
para todo i = 1, ...n.

Proof. Esta es una version del Teorema de Benveniste-Scheinkman. Ver De la
Croix y Michel [2002], pgina 334.
3.2.
El Mtodo de Lagrange
Consideremos de nuevo el problema secuencial general y definamos el Lagrangiano (truncado) asociado t : X U Rn Rn R

t (xt , ut , t , t+1 ) = r(xt , ut ) + t+1 g (xt , ut ) t xt
donde (xt , ut , t , t+1 ) X U Rn Rn .
Definicin 2 Dada una dinmica factible {(xt , ut )}t=0,1,... desde x0 , decimos
que la secuencia de precios (sombra) {t }t=0,1,... en Rn , soportan la dinmica
factible {(xt , ut )}t=0,1,... si para todo t = 0, 1..., la secuencia {(xt , ut , t , t+1 )}t=0,1,...
maximiza t sobre el conjunto (x0 ) Rn Rn X U Rn Rn .
Teorema 4 . Sea {(xt , ut )} una dinmica factible desde x0 con xt int(X)
para todo t. Entonces bajo las condiciones 8, 9 y 10; {(xt , ut )} resuelve el problema secuencial si y solo si:
1.
Existe una secuencia de precios {t }t=0,1,... en Rn que soportan la dinmica {(xt , ut )}t=0,1,... y
2.
Para toda dinmica factible {(xt , ut )}t=0,1,... desde x0 tal que

, se cumple la siguiente condicin de transversalidad.
t r(xt , ut ) <
t=0
lm t t (xt xt ) 0
Proof. Ver Michel [1990] o De la Croix et. al [2002], pgina 336.

Anotacin 11 En la prxima seccin estableceremos una relacin muy importante entre los precios que soportan una dinmica factible y el valor marginal
(en trminos de la funcin valor) de una unidad adicional de x0 a lo largo de
la dinmica ptima. Esto nos permitira dar una interpretacin muy clara de la
condicin de transversalidad en el mtodo de Lagrange.
3.2. EL MTODO DE LAGRANGE
45
Corolario 1 Bajo las condiciones del teorema 4, s xt 0 y t 0 para todo

t, una condicion suficiente para que se satisfaga la condicin de transversalidad
es:
lm t t xt = 0
t
Proof. La demostracin es parecida al caso de las ecuaciones de Euler pero sin

utilizar diferenciabilidad (Ver Teorema 4.15 pgina 98 Stockey y Lucas [1989]).
Obsrvese que el Teorema 4 reduce el problema (PS) a un problema mucho
ms sencillo. En el primero, el objetivo era encontar secuencias infinitas que
maximizaran una funcin objetivo con infinitos argumentos, mientras que el
Mtodo de Lagrange, reduce el problema a encontrar una secuencia infinita que
resuelva infinitos problemas de optimizacin pero donde cada problema consiste
en maximizar una funcin objetivo con finitos argumentos. Esto debera de
llamarnos la atencin sobre las herramientas existentes para resolver problemas
de optimizacin estticos. El siguiente teorema pone de manifiesto la potencia
del mtodo de Lagrange.
Teorema 5 Bajo las mismas condiciones del Teorema 4, y las condiciones 11
y 12; si {(xt , ut )} es tal que (xt , ut ) int( (x0 ) U ) para todo t entonces la
secuencia de precios {t }t=0,1,... en R soporta la dinmica {(xt , ut )}t=0,1,... si
y solo si se cumplen las siguientes condiciones de primer orden para todo t =
0, 1, ....,
1.
t (xt , ut , t , t+1 )
r(xt , ut )
g (xt , ut )
=
+ t+1
t = 0
x
x
x
2.
r(xt , ut )
t (x , u , )
g (xt , ut )
=
+ t+1
=0
u
u
u
3.
xt+1 g (xt , ut ) = 0
Anotacin 12 En ocasiones, por analoga con el caso esttico, escribimos el
Lagrangiano del (PS) como:
=
X
X
t r(xt , ut ) +
t+1 (g (xt , ut ) xt+1 ) 0 (x0 ).
t=0
t=0
Si informalmente procedemos a maximizar con respecto a estados y controles

t
, en(asumiendo soluciones interiores y diferenciabilidad) y definimos t =
t
tonces obtenemos las mismas ecuaciones de primer orden que en el anterior
teorema. Esta es una manera heurstica de obtener las ecuaciones que caracterizan la solucin del (PS) cuando utilizamos el mtodo de Lagrange.

Ejemplo 9 (Ecuaciones de Euler): En el captulo 2 estudiamos de manera
informal un caso particular del mtodo de Lagrange que se conoce como las
ecuaciones de Euler. El problema tpico al que ste se refiere es de la forma:
sup
s.a
xt+1
x0
X
t r(xt , xt+1 )
(3.1)
{ut } t=0
:
(xt ), t = 0, 1, 2, ...
X dado.
Que en nuestra notacin se podra escribir de la forma:
X
sup t r(xt , ut )
(3.2)
{ut } t=0
xt+1
ut
x0
s.a
= ut
(xt ), t = 0, 1, 2, ...
X, dado.
Utilizando el Teorema 5, las condiciones de primer orden son:

r(xt , ut )
= t
x
(3.3)
r(xt , ut )
+ t+1 = 0
u
(3.4)
Substituyendo la ecuacin 3.3 en la ecuacin 3.4 obtenemos las ecuaciones de

Euler:
r xt , xt+1
r xt+1 , xt+2
+
= 0, t = 0, ...
xt+1
xt+1
Ahora si xt 0 y la funcin de retorno instantneo es creciente en xt
entonces t 0 por la ecuacin 3.3 y la condicin de tranversalidad del mtodo
de lagrange es por el corolario 1:
lm t
r(xt , ut )
xt = 0
x
(3.5)
Anotacin 13 Obsrvese que las condiciones derivadas en el captulo 1 para

el modelo bsico de crecimiento son un caso particular de las anteriores.
Anotacin 14 Por el corolario 1 la condicin de transversalidad 3.5 es slo
una condicin suficiente.
3.3. LA RELACIN ENTRE EL MTODO DE PROGRAMACIN DINMICA Y EL DE LAGRANGE47
3.3.
La Relacin entre el Mtodo de Programacin Dinmica y el de Lagrange
Tomemos ahora el problema desde el punto de vista de la programacin

dinmica. Sea v la funcin valor del problema y {(xt , ut )}t=0,1... una dinmica
factible desde x0 (es decir, informalmente, una secuencia para la cual la ecuacin
de Bellman se cumple). Entonces esta dinmica es una solucin al problema
secuencial si se cumplen las siguientes condiciones:
r (xt , ut )
v(g(xt , ut )) g(xt , ut )
+
=0
u
x
u
Ahora, por el Teorema de Diferenciabilidad sabemos que si se cumple entonces:
r (xt , ut )
v(g(xt , ut )) g(xt , ut )
v (xt )
=
+
x
x
x
x
v(x )
Sea t = xt (el precio sombra de la variable de estado), entonces las tres

ecuaciones anteriores son equivalentes a las tres ecuaciones del Teorema 5.
Anotacin 15 Obsrvese que las condiciones de transversalidad del mtodo de
programacin dinmica y el de Lagrange son ligeramente diferentes.
Anotacin 16 En el caso de las ecuaciones de Euler: t =
3.4.
r(x
t ,ut )
x
v(x
t)
x .
Algunas Propiedades de las Dinmicas ptimas
Como vimos en el captulo 2, una pregunta fundamental sobre las trayectorias

ptimas es s estas son estables. Ms especificamente, nos preguntamos si las
trayectorias son globalmente estables o apenas localmente estables. El siguiente
teorema muestra que por lo menos para el modelo bsico de crecimiento, bajo
ciertas hiptesis, las trayectorias son estables globalmente. El ejemplo que le
sigue nos recuerda que la estabilidad global no es un resultado general.
Teorema 6 Teorema de estabilidad (Turnpike). Vamos a considerar el modelo
bsico de crecimiento:
max
t u(ct )
t=0
s.a
:
kt+1 = f (kt ) + (1 )kt ct
0 6 ct 6 f (kt )
k0 dado.
Donde , (0, 1). Utilizaremos las siguientes hiptesis:

1.
f : [0, ) R+ continua, estrictamente creciente, estrictamente cncava

y C1 en (0,0).
2.
u : [0, ) R+ continua, estrictamente creciente, estrictamente cncava

y C1 en (0,0).
3.
f (0) = 0, lm f(k) = , lm f(k) = 0 y lm u0 (k) =

k0
k0
Las hiptesis anteriores garantizan que existe un nico k, tal que f (k) = k.
A su vez, esto implica que existe un stock de capital mximo, kmax =
k + (1 )k a lo largo de cualquier dinmica factible. Por lo tanto, el
conjunto de las dinmicas factibles es un conjunto acotado y la funcin
de utilidad u, y de produccin f, son funciones acotadas sobre el conjunto
de dinmicas factibles (recordemos que estas funciones son por hiptesis,
continuas).
De lo anterior se sigue que el problema secuencial y el problema funcional
son equivalentes y por lo tanto, la funcin valor ve del problema secuencial
es la nica solucin al problema funcional:
v(k) =
max {u(c) + v(f (k) + (1 )k c)}
06 c6 f (k)
Nuestra tarea ahora es caracterizar de la manera ms precisa posible la

dinmica ptima de este problema: kt+1 = ge(kt ) = fe(kt ) h(kt ), donde h
es la funcin de poltica.
Supongamos que h(k) es diferente de 0 y f (k) cuando k (0, kmax ]. Esto
es intuitivamente obvio pues la utilidad marginal del consumo es infinita
en cero luego h(k) 6= 0, y porque el factor de descuento intertemporal
6= 0, luego h(k) 6= f (k) (no es ptimo consumirse todo el producto en
un perodo). Sin embargo, la demostracin formal de esto requiere un poco
de trabajo.
Bajo estas hiptesis, estamos listos para demostrar el Teorema de Estabilidad Global (o Turnpike) para el modelo bsico de crecimiento.
Sea kt+1
= ge(kt ) la dinmica ptima para el problema anterior con k0 =
k0. Entonces:
a)
b)
c)
ge es estrictamente creciente;
Existen dos puntos estacionarios (i.e. k = ge(k )), k = 0 y k =

f 01 ( 1 + 1).
Si k0 (0, kmax ] entonces lm kt = k .

t
Puesto que la solucin al problema funcional es interior entonces por el

Teorema de Diferenciabilidad de la funcin valor las siguientes condiciones
son necesarias en el ptimo:
g (k)), condicin de primer orden
u0 (h(k)) = v 0 (e
3.4. ALGUNAS PROPIEDADES DE LAS DINMICAS PTIMAS
49
v 0 (k) = v 0 (e
g (k))(f 0 (k) + (1 )), teorema diferenciabilidad
Para mostrar que g es estrictamente creciente (primera afirmacin), utilizaremos la anterior condicin de primer orden que se puede reescribir
como:
u0 (f (k) + (1 )k ge(k)) = v 0 (e
g (k))
La prueba es por contradiccin. Supongamos que k1 < k2 y ge(k1 ) ge(k2 ),

entonces es fcil ver que si la ecuacin anterior se cumple en k1 , enotnces
no se puede cumplir en k2 , por la concavidad estricta de u y .
La segunda afirmacin tiene dos partes. Que cero es un punto estacionario
es obvio. Si k 6= 0, entonces k debe satisfacer:
luego,
u0 (f (k) + (1 )k ge(k)) = v 0 (e
g (k)),
f 0 (k ) = (
1
+ 1)
y queda demostrada la segunda afirmacin.

Por ltimo, para demostrar la estabilidad global recordemos que si es
cncava entonces:
v 0 (e
g (k))((f 0 (k) + (1 )) 1 )
k g(k)
< 0 para todo k 6= g(k)
Luego, como f es cncava, f 0 (k) + (1 ) 1 k k k g(k)

siempre que k k Esto quiere decir que si k0 < k entonces k0 <
k1 < k2 ... < k . Luego la secuencia tiene que converger a k porque es
el nico punto estacionario diferente de cero. Un argumento parecido se
aplica cuando k0 > k .
La estabilidad global es usualmente muy difcil de probar. La estabilidad
local es en general mucho ms fcil de probar. Presentamos ahora un ejemplo
de inestabilidad, tomado de Stokey-Lucas; en l, se han modificado algunas de
las (estrictas) condiciones impuestas para garantizar la estabilidad global del
problema.
Ejemplo 10 (Inestabilidad global de las dinmicas ptimas). El modelo es el
siguiente. El individuo posee una dotacin de trabajo en cada perodo, pero sta
no entra en su funcin de utilidad. Hay dos bienes para producir: un bien de
capital y un bien de consumo. Asumamos que los bienes de consumo se producen
con capital y trabajo, mientras que los de capital slo se producen con trabajo;
adems, supongamos que:
ct = nt f (kt /nt )
kt+1 = 1 nt
0 6 nt 6 1

Donde nt es el trabajo necesario para producir bienes de consumo. Notemos que
el acervo de capital debe encontrarse en el rango [0,1]. Vamos hacer las mismas
hiptesis anteriores con relacin a f y u. Y finalmente supongamos que:
lm nf (k/n) = 0, k [0, 1]
n0
Eliminando c con la primera ecuacin en la funcin de utilidad y eliminando n

con la segunda ecuacin llegamos al siguiente problema funcional:

k
v(k) = max u (1 y)f
+ v(y)
1y
y[0,1]
Sea ge la funcin que nos da la dinmica ptima. La condicin de primer orden
y el teorema de diferenciabilidad de la funcin valor implican que:
k
k
k
k
0
0
g (k)]
f
f
= v 0 [e
u (1 ge(k))f
1 ge(k)
1 ge(k)
1 ge(k)
1 ge(k)
(1)
k
k
v 0 (k) = u0 (1 ge(k))f
f0
(2)
1 ge(k)
1 ge(k)
Para encontrar los puntos estacionarios sustituimos k = ge(k ) en las ecuaciones anteriores y eliminamos v 0 :

k
k
k
0
+
=0
f
1 k
1 k
1 k
No es difcil demostrar que existe un nico k (0, 1) que resuelve la ecuacin

anterior.
Ahora, a diferencia del ejemplo anterior, la funcin ge(k) no es creciente.
Dado que cuando k = 0, todo el trabajo se utiliza en la produccin de capital,
por lo cual ge(0) = 1. As ge no puede ser creciente cerca a cero. Esto nos lleva
a oscilaciones del sistema. La estabilidad del sistema depende de la pendiente ge
en k .
En el siguiente teorema mostraremos que bajo ciertas condiciones mnimas
es posible obtener cualquier funcin suave ge, que describa la dinmica ptima
de las variables de estado, de un problema de programacin dinmica como el
que hemos estudiado hasta este momento.
Considere el problema general en donde estudiamos las ecuaciones de Euler.
Teorema 7 (Boldrin y Montrucchio). Sea X un conjunto compacto en R y

ge : X X cualquier funcin C 2 . Sea (x) = X x X. Entonces existe una
funcin de retorno r y un factor de descuento tal que (X, , r, ) satisfacen las
propiedades usuales y ge define la dinmica ptima para el problema secuencial
asociado a (X, , r, ).
En otras palabras, cualquier funcin suave, por extraa que sea, es la dinmica optima de alguna economa. El siguiente ejemplo ilustra el anterior teorema.
51
Ejemplo 11 (Tomada de Stockey y Lucas, pgina 139). Considere la siguiente

ecuacin en diferencias: xt+1 = ge(xt ) = 4xt 4x2t . Es fcil ver que ge : [0, 1]
[0, 1], y adems satisface todas las condiciones del teorema anterior. La siguiente
grfica deja claro cules son las dinmicas ptimas de este problema.
El Teorema de Boldrin y Montrucchio tiene varias implicaciones interesantes. De una parte, el Teorema dice que el problema tpico que nos hemos
propuesto resolver (i.e. el problema secuencial), donde cada uno de los fundamentales del problema (i.e. , r, g y ) satisfacen las hiptesis naturales sobre
una economa, no parecen imponer mayores restricciones sobre las dinmicas observadas en el mundo real (i.e. la funcin de poltica h o la dinmica ptima ge).
Este es una especie de anlogo al Teorema de Sonnenschein-Mantel-Debreu
en la teora del consumidor. Es decir, la forma de modelar propuesta hasta el
momento es tan general, que puede tener como implicacin cualquier cosa, y
en ese sentido, puede no ser una teora refutable. En el caso del Teorema de
Sonnenschein-Mantel-Debreu son diversas las soluciones que se han encontrado
que conllevan a resultados positivos.3
Por otra parte, el Teorema de Boldrin y Montrucchio implica que es posible
crear ciclos endgenos como los observados en las economa reales. El ejemplo 11 ilustra de una manera muy estilizada esta afirmacin. Esta idea, de que
era posible obtener ciclos endgenos a partir de modelos econmicos razonables,
motivo una gran cantidad de investigaciones sobre el tema. Segn el mismo
Boldrin,4 con los aos el entusiasmo disminuy debido a que, segn las investigaciones, para obtener ciclos como los observados en el mundo real eran necesarios parmetros poco realistas para la economa artificial como por ejemplo,
un muy pequeo (i.e. una tasa de inters real muy alta).
3.5.
Ejercicio 12 Con referencia al ejemplo sobre las ecuaciones de Euler, demostrar

que las ecuaciones de Euler y la condicin de transversalidad son condiciones
suficientes para para encontrar un ptimo al problema secuencial.
Solucin 9 Tenemos que demostrar que para todo T :
T
X
t (r(xt , xt+1 ) r(xt , xt+1 )) 0
t=0
3 El lector interesado en este problema, su importancia y el estado del arte

puede referirse a la entrevista de www.webpondo.org con Herakles Polemarchakis:
www.webpondo.org/interviews_9.htm
4 Ver
la
entrevista
de
www.webpondo.org
con
Michele
Boldrin:
www.webpondo.org/files/opinion/Boldrin %20para %20webpondo %20revised.pdf
Figura 3.1:
53
Ahora,
T
X
t (r(xt , xt+1 ) r(xt , xt+1 ))
t=0
T
X
r(xt , xt+1 )
r(xt , xt+1 )
t(
(xt xt ) +
xt+1 xt+1
xt
xt+1
t=0
T
1
X
t(
t=0
r(xt , xt+1 )
r(xt , xt+2 )
+
) xt+1 xt+1 +
xt+1
xt+1
r(xT , xT +1 )
xT +1 xT +1
xt+1
r(x
T , xT +1 )
xT +1 xT +1
= T
xt+1
r(x
T +1 , xT +2 )
xT +1 xT +1
= T
xt
r(x
T +1 , xT +2 )
xT +1 = 0
T
xt
T
Ejercicio 13 Cosidere el problema de la firma (kt denota el acervo de capital

de la firma):
X
1
1
max t (akt bkt2 c(kt+1 kt )2 )
2
2
{kt }
t=0
k0 dado.
1.
Dar una interpretacin econmica del problema (ver Stokey-Lucas[1989],

pgina 95).
2.
Utilizar las ecuaciones de Euler para encontrar la trayectoria ptima del

capital. (Ayuda: la funcin de poltica es lineal)
Ejercicio 14 Utilizando bien sea el mtodo de la Programacin Dinmica o las

Ecuaciones de Euler, resolver el ejercicio 1.3 de Sargent.
max
t u(ct )
t=0
s.a
At+1
A0
:
6 Rt (At ct )
> 0 dado.
donde: 0 < < 1; Rt1 < 1/, u(ct ) =
1
1
;
1 c
> 0.

Solucin 10 El problema determinstico es el siguiente:
m
ax
t u(ct )
t=0
s.a
At+1
A0
:
6 Rt (At ct )
> 0, dado,
1
donde: 0 < < 1, Rt1 < 1/, u(ct ) = 1
c1 ; > 0
La funcin de utilidad considerada en este ejercicio no cumple con todas las
condiciones que hemos impuesto al problema pues es no acotada. La condicin
sobre R, sin embargo, garantiza que la funcin valor que vamos a suponer ms
adelante es efectivamente la solucin a la ecuacin de Bellman.
Suponemos que:
v(A) = BA1
Sustituyendo en la ecuacin de Bellman, encontramos:

1
c
1
1 1
= m
ax
R
BA
+ B(A c)
c> 0
1
La condicin de primer orden es la siguiente:
c = B(1 )(A c) R1
Lo que implica:
c=
1+k
Donde k = B(1 )R1

Sustituyendo en la ecuacin de Bellman este resultado y despus de algunas
manipulaciones, podemos determinar el valor de B:
B=
1/
1 1/ R1
1
La funcin de poltica es:
1/
A
c = 1 1/ R1
Ejercicio 15 Algoritmo de Howard (Ver Sargent [1987]): Hasta ahora, la principal forma como hemos utilizado el mtodo de la programacin dinmica ha sido
para encontrar la funcin valor, mediante iteraciones, y posteriormente, la funcin de poltica. El siguiente algortmo por el contrario, itera sobre la funcin de
poltica. La idea es comenzar con una funcin de poltica inicial; dicha funcin
de poltica se sustituye en la funcin de retorno. Haciendo la suma, obtenemos
55
la funcin valor asociada a esa funcin de poltica. Ahora, utilizamos esta funcin valor y la sustituimos en la parte derecha de la ecuacin de Bellman y
encontramos la funcin de poltica que resuelve el problema de maximizacin de
Bellman. Utilizando esta nueva funcin de poltica repetimos el proceso hasta
que las nuevas funciones de poltica sean prcticamente iguales.
La intucin es muy sencilla, el primer paso consiste en calcular la utilidad
cuando seguimos una funcon de politica arbitraria fija y que no podemos cambiar en ningun perodo. En el segundo paso lo que calculamos es el mejor control
en t = 0 dado que a partir de t = 1 estamos atados de las manos y debemos
utilizar la regla arbitraria con la que comenzamos. Al repetir el proceso varias
veces, lo que buscamos es que la funcin de poltica ptima en t se aprxime a
la funcin de poltica en t + 1.
1.
Considere el problema de Brock-Mirman:
t ln ct
t=o
s.s :
ct + kt = Ak
k0 dado.
donde A > 0, 1 > > 0.
Suponga que la dinmica ptima del capital es: kt+1 = h0 (Akt ) para una
constante h0 (0, 1) . Aplicar el algoritmo de Howard para encontrar el
h0 que resuelve el anterior problema.
2.
Consideremos el ejemplo sobre control optimo lineal. Si comenzamos con

una funcin de poltica = F0 x donde F0 es un vector 1 n mostrar
que el algortmo de Howard se reduce a iterar las ecuaciones:
Pj
Fj+1
= Q + Fj0 RFj 2W Fj + (A BFj )0 Pj (A BFj )

= (R + B 0 Pj B)1 (B 0 Pj A + W 0 )
Solucin 11 Primera parte. Sustituyendo en la funcin de retorno ct en trminos de la funcin de poltica sugerida, tenemos:
J0 (k0 ) =
X
t=0
t ln(Akt h0 Akt ) = B0 +
ln(k0 )
1
Donde B0 es una constante independiente de k0 . Obsrvese que el clculo de B0

es irrelante para calcular la funcin de poltica que resuelve el problema funcional
cuando utilizamos J0 (k0 ) como la funcin valor.
Ahora queremos resolver el siguiente problema:
ma0 x {ln(Ak k 0 ) + J0 (k 0 )}
k

Que es lo mismo que:
0
ma0 x ln(Ak k ) + B0 +
k
ln(k 0 )
1
Escribiendo las condiciones de primer orden de este problema llegamos a la

dinmica ptima del modelo de Brock - Mirman. Es decir, el algoritmo converge
en un paso. Para verificar esto utilizando el algoritmo de Howard, calcule una
funcin de poltica ms. Sea:
J1 (k0 ) =
X
t=o
t ln(Akt Akt )
Es fcil demostar que el siguiente problema lo resulelve la misma funcin de

poltica anterior:
ma0 x {ln(Ak k0 ) + J1 (k 0 )}
k
Luego, hemos llegado a una funcin de poltica invariante utilizando el algoritmo

propuesto.
Bibliografa
[1] Benveniste, L. Scheinkman, J. 1979. On the dierentiability of the value
function in dynamic models of economics. Econometrica 47: 727-732.
[2] De La Croix, D. Michel, P. 2002. A Theory of Economic Growth. Cambridge
University Press.
[3] Michel, P. 1990. Some Clarifications on the Transversality Conditions. Vol
58, No. 3, 705-723.
Press.
[5] Stokey, N. Lucas, R y Prescott, E. 1989. Recursive Methods in Economic
[6] Bellman, R. 1957. Dynamic Programing. Princeton University Press.
57
58
BIBLIOGRAFA
Captulo 4
Economa Dinmica: el caso

estocstico
En la teora desarrollada hasta este momento hemos excluido por razones
de simplicidad el carcter incierto sobre el cual se toman la mayora de las decisiones econmicas. Por esto queremos decir que, en la mayora de los casos,
cuando los diferentes agentes econmicos se ven en la obligacin de tomar una
decisin ellos desconocen por lo menos parcialmente, el ambiente econmico. Por
ejemplo, las decisiones en el campo de la agricultura dependen estrechamente
del comportamiento climtico. Siendo ste un factor impredecible, los agentes
no tienen otra alternativa que tomar sus decisiones contingentes a la realizacin
de estos eventos aleatorios. Las decisiones en el mercado burstil son tambin
altamente inciertas. Comprar o no acciones depende del comportamiento futuro
de los precios, que desde el punto de vista de los agentes, son bastante impredecibles. Igualmente en la industria, muchas decisiones de inversin dependen
de la tasa de inters o la tasa de cambio, variables altamente impredecibles. Por
esta razn, debemos buscar otra forma de modelar el comportamiento racional
de los agentes (en el sentido de que estos maximizan una funcin de utilidad
que refleja sus preferencias sobre las diferentes alternativas), y que lleve en consideracin el carcter contingente (o condicional) con el que los agentes deben
tomar sus decisiones. Una alternativa es suponer que los agentes maximizan la
utilidad esperada de sus decisiones, o por ejemplo, el beneficio esperado en el
caso de una firma. Aqu desarrollamos este punto de vista y comenzaremos con
la estructura general de estos problemas.1
El primer punto a discutir, que es de vital importancia para nuestro estudio,
es la forma de modelar los eventos aleatorios2 . Sin entrar en detalles, supongamos que tenemos un espacio de probabilidad (, z, P ), donde representa el
conjunto de todos los acontecimientos o sucesos posibles que puedan tener algu1 Estas
notas estn basadas en el captulo (2) de Stokey-Lucas [1989].

una introduccin a nivel intermedio a la teora de la probabilidad el lector puede
consultar Carvajal y Riascos [2005].
2 Para
59
60
CAPTULO 4. ECONOMA DINMICA: EL CASO ESTOCSTICO
na relevancia para la actividad econmica; z representa los eventos (conjuntos

de sucesos) que pueden ocurrir y P es la probabilidad (objetiva) con la que se
realizan estos eventos3 . Ahora, estos resultados posibles, resumidos en el conjunto , deben tener una manifestacin muy particular en el ambiente econmico
bajo consideracin. Ms concretamente, debemos pensar en la forma como esos
resultados afectan el marco analtico sobre el que se va trabajar. La forma usual
de hacerlo, es a travs de variables aleatorias definidas sobre este espacio de
probabilidad. Ms especficamente, a travs de un proceso estocstico {t } , que
en cada instante t y para cada realizacin , nos dice cmo afecta ste,
nuestro marco analtico (el lector podr encontrar una discusin ms detallada
en el Apndice). Para el tipo de problemas que consideraremos, el efecto de estas
realizaciones se manifiesta en la dinmica que siguen las variables de estado. En
los ejemplos veremos de manera precisa la forma como pueden manifestarse.
En general, el problema secuencial en un ambiente estocstico tiene tpicamente la forma:
"
#
X
t
sup E
r (xt , ut )
t=0
s.a
xt+1
ut
x0
:
= g(xt , ut , t+1 )
(xt )
X, dado,
donde xt Rn , ut Rm , X Rn , t Rl , r es una funcin de X Rm en R,

g es una funcin de X Rm en X y es una correspondencia de X
en Rm . Mantenemos la interpretacin usual de las funciones, pero es necesario
especificar la estructura del problema de decisin en cada perodo. Las variables
x en este problema van a resumir el ambiente econmico completo sobre el cual
se toman las decisiones. Estas son las variables de estado que pueden ser de
dos tipos: estados endgenos y estados exgenos (probablemente aleatorios) y
que, cuando sea necesario los distinguiremos de la siguiente forma. Los estados
endgenos los denotaremos por xt Rns y los estados exgenos los denotaremos
por zt Rne donde n = ns + ne . Las variables t+1 son variables aleatorias
3 Se puede hacer una distincin importante entre riesgo e incertidumbre que tiene origen en
los escritos de Keynes [1921] y Knight [1921]. Fundamentalmente la idea consiste en distinguir
una situacin de riesgo, donde la realizacin de un evento es aleatoria pero con distribucin
conocida como por ejemplo, el resultado de tirar unos dados no sesgados, y una de incertidumbre, en donde la distribucin es desconocida como por ejemplo, el resultado de una carrera de
caballos. Keynes y Knight argumentaban que en las mayora de las decisiones econmicos era
mucho ms importante la segunda forma de incerteza. En este libro no haremos tal distincin
pues siempre invocaremos la hiptesis de expectativas racionales para resolver nuestros modelos. Una implicacin de sta es que la probabilidad (subjetiva) que los agentes econmicos
utilizan para determinar la incerteza de los eventos es, en equilibrio, la misma que la probabilidad verdadera (objetiva) con la que estos ocurren. Este es uno de los supuestos bsicos de
la hiptesis de expectativas racionales.
Las consecuencias econmicas de distinguir entre estas dos formas de incerteza es una rea
activa de investigacon en teora econmica. Por ejemplo, para ver sus consecuencias en la
valoracin de activos, el lector puede consultar Epstein y Wang [1994].
61
exgenas que asumimos son independientes e idnticamente distribuidas y que
son la fuente de la incertidumbre de la economa.
Anotacin 17 Por el momento supondremos que el estado inicial x0 es un
valor especfico de X. Sin embargo, ms adelante vamos a generalizar al caso
en que la informacin inicial sobre los estados estada dada en la forma de una
distribucin inicial conocida.
Asociado al problema secuencial, tenemos el siguiente problema funcional:
v(xt ) =
sup
ut (xt )
{r(xt , ut ) + Et [v(g(xt , ut , t+1 )]} ,
donde Et [.] denota el valor esperado dada la informacin hasta el perodo t

(ms concretamente, la informacin al comenzar el perodo t). En nuestro caso,
esta informacin corresponde al conocimiento de x0 , x1 , ..., xt . Obsrvese que
el conocimiento en t de las variables de estado hasta t supone implcitamente
el conocimiento de todos los controles u0 , u1 , ..., ut1 (hasta t 1) y de todas las variables exgenas 0 , 1 , ..., t (hasta t). Al finalizar el perodo, ut es
conocido. Como puede sospecharse a partir de esta formulacin, la teora de la
programacin dinmica en el caso estocstico se desarrolla de manera anloga al caso determinstico. Esto es cierto con relacin a la equivalencia entre
los dos problemas bajo ciertas condiciones, al mtodo iterativo e incluso, a los
mtodos numricos. Como el anlisis formal de la teora, es ligeramente ms
complicado que el caso determinstico y requiere de una formacin slida en
teora de la probabilidad en lo que sigue, procederemos de manera informal.
En particular, supondremos que el problema funcional siempre tiene solucin y
que el supremo se realiza como un mximo. Por lo tanto de ahora en adelante
escribiremos el problema con el operador de maximizacin. Todas las caractersticas mencionadas presentan dificultades tcnicas ms complejas que en el caso
determinstico pero no dejan de estar estrechamente relacionadas. Con el objeto
de familiarizar ms al lector con los problemas estocsticos, los siguientes ejemplos se muestran como generalizaciones naturales de los ejemplos tratados en las
notas anteriores. Por ahora, vale la pena resaltar una primera diferencia importante con las ideas desarrolladas en los captulos anteriores: el anlogo al estado
estacionario de los modelos determinsticos. El primer ejemplo nos servir como
una introduccin al concepto de estado estacionario y la propiedad de estabilidad en el caso estocstico.
El ejemplo tpico es, una vez ms, el modelo bsico de crecimiento. Supongamos que la incertidumbre en la economa se refleja en cambios aleatorios en el
sector productivo de la economa. Uno puede pensar en el caso de que el sector
productivo dependa de condiciones climticas o en el caso en que al interactuar
muchos agentes con informacin incompleta y asimtrica sobre las condiciones
del mercado, estos tomen decisiones en una direccin u otra, que en el agregado
parezcan aleatorias. Ms explcitamente, supongamos que la produccin en esta
economa est sujeta a choques (o perturbaciones) estocsticas que alteran la
62
produccin de acuerdo a la siguiente especificacin:

yt = zt f (kt ) ,
donde {zt } es una secuencia de variables aleatorias i.i.d.4 Es decir, independientes e idnticamente distribuidas. As, el problema del agente representativo
es:
max
X
t u (ct )
t=0
s.a
kt+1
ct , kt
:
= zt f (kt ) ct + (1 ) kt
0
k0 , z0 dados.
En este ejemplo, la variable de estado endgena es kt , la variable de estado

exgena es zt , la variable de control es ct y la fuente de incertidumbre es la
misma variable de estado zt . Luego, para expresar el problema en exactamente
la misma forma que el problema secuencial de arriba, introducimos una variable
t = zt y de esta manera la funcin de transicin g la podemos identificar como:
(kt+1 , zt+1 ) = g(kt , zt , ct , t+1 ) = (zt f (kt ) ct + (1 ) kt , t+1 )
y
(kt , zt ) = {ct : 0 ct zt kt + (1 ) kt }
Anotacin 18 Si suponemos, como usualmente se hace en la literatura, que
log(zt ) sigue un proceso autorregresivo de primer orden: log(zt ) = log(zt1 )+t
entonces la funcin de transicin g la podramos identificar como:
(kt+1 , log(zt+1 )) = g(kt , zt , ct , t+1 ) = (zt f (kt ) ct + (1 ) kt , log (zt ) + t+1 )
De igual manera que en el caso determinstico, en general, la solucin de
este problema requiere de mtodos numricos. Por esta razn, utilizaremos la
especificacin de Brock y Mirman para poder resolver explcitamente el modelo
e ilustrar las ideas principales.
Ejemplo 12 (Brock y Myrman [1972], el caso estocstico). Supongamos que
el capital se deprecia completamente al final de cada perodo ( = 1), que la
funcin de produccin es de la forma f (kt ) = zt kt donde (0, 1) y que la
funcin de utilidad es logartmica. As, nuestro problema se transforma en:
max
X
t log (ct )
t=0
s.a
kt+1
4 Por
:
= zt kt ct
k0 , dado.
simplicidad, suponemos que E[log(zt )] = 0
63
Ahora, de manera informal, si utilizramos el mtodo iterativo para encontrar
la funcin valor, no es difcil sospechar, despus de un par de iteraciones, que
un buen candidato a ser la funcin valor es: v(k, z) = a + b log(k) + c log(z),
donde a, b y c son constantes que debemos determinar. Nos proponemos ahora
verificar que en efecto sta es la forma de la funcin valor. De la ecuacin
funcional, sabemos que debe cumplirse que:
a+b log(kt )+c log(zt ) =
sup
0ct zt kt
{log(ct ) + Et [a + b log(zt kt ct ) + c log(zt+1 )]}
Claramente, la solucin a este problema debe ser interior. Las condiciones de

primer orden implican que el consumo ptimo es:
ct =
zt kt
1 + b
Sustituyendo en la ecuacin de Bellman es fcil ver que a =
(1)(1)
(1)
1
(1)
1
1
ln(1 ) +
ln(), b =
yc=
son constantes que hacen nuestro
candidato a funcin valor satisfacer la ecuacin de Bellman. Luego, la funcin
de poltica es:
ct = (1 )zt kt
y la dinmica ptima del capital esta dada por:
kt+1 = zt kt
(4.1)
Ahora, como punto de referencia para pensar con relacin al problema de

estabilidad bajo incertidumbre, nos referiremos al ejemplo anterior. Puesto que
la dinmica del capital es un proceso estocstico, no es del todo claro en qu
sentido es que el capital converge a un capital de estado estacionario. Una
posibilidad natural, es que la distribucin que caracteriza la dinmica del capital
en cada instante t , converja en algn sentido que debemos especificar, a una
distribucin , que proponemos como la distribucin que caracteriza el estado
estacionario, invariante a la dinmica de ste (esto es ciertamente ms general
que suponer que la convergencia es a una distribucin concentrada en un punto).
Es decir, si el estado inicial de la economa es una realizacin de la distribucin
, el capital ptimo el perodo siguiente debe estar caracterizado por la misma
distribucin .
Para caracterizar mejor esta ltima propiedad, debemos saber calcular cmo
evoluciona la distribucin del capital segn la funcin que determina su dinmica
ptima y la forma como se va revelando la informacin. Esto es, la distribucin
del capital en t + 1 es:
t+1 (b) = P (kt+1 b) = P (zt kt b) = P (zt kt b/)
luego, utilizando el teorema de probabilidad total tenemos
Z
Z
b
b
t+1 (b) = P zt
|
k
=
a
d
(a)
=
G(
)dt (a) ,
t
t
a
a
64
donde G es la distribucin del choque tecnolgico.

Ahora, sea H (a, b) = P (kt+1 b | kt = a) . La funcin de transicin H la
podemos interpretar como la probabilidad que en t + 1 el capital sea menor o
b
igual a b dado que en t el capital era a. Obsrvese que H (a, b) = G( a
), que
es una distribucin conocida, luego podemos expresar la distribucin del capital
en t + 1 como:
t+1 (b) =
H (a, b) dt (a)
(4.2)
En el lenguaje de la teora de la probabilidad, decimos que la dinmica

ptima del capital es un Proceso de Markov con funcin de transicin H (a, b) .
La ecuacin 4.2 es el anlogo, en trminos de la distribucin del stock de capital,
de la ecuacin 4.1.
Usando este lenguaje, la propiedad de estabilidad puede enunciarse como:
Existe una distribucin , lmite de las distribuciones {t } , tal que:
(b) =
H (a, b) d (a) .
En este caso, decimos que la distribucin es invariante a la funcin de transicin H. La distribucin es nuestro anlogo estocstico al estado estacionario
en el caso determinstico.
Ejemplo 13 (Brock y Mirman [1972], el caso estocstico una vez ms) A diferencia del ejemplo anterior en donde nos preguntabamos por la distribucin invariante del stock de capital ahora, por simplicidad, calcularemos la distribucin
invariante
ln (zt )
del logaritmo del stock de capital. Luego supongamos que

N 0, 2 . Vamos a mostrar que ln (kt ) N (t , 2t ) y que la secuencia t , 2t t=0,1... de
medias y varianzas convergen a constantes y 2 respectivamente. La conjetura
natural, que ms tarde formalizaremos, es que la distribucin
de ln (kt ) converge
en algn sentido a una distribucin invariante N , 2 (obsrvese que
sera la distribucin invariante del logartmo del stock de capital. Anteriormente
encontramos que la dinmica ptima del capital es:
kt+1 = zt kt
Tomando logartmos, tenemos:
ln kt+1 = ln() + ln(zt ) + ln(kt ),
esto implica que:
ln kt+1 = (1 + ) ln() + ln(zt ) + ln(zt1 ) + 2 ln kt1 .
Esto implica que si ln(k0 ) N 0 , 20 , entonces ln(kt ) N t , 2t (obsrvece

que esto incluye el caso en que k0 es una constante conocida).
65
Si reemplazamos hacia atrs sucesivamente hasta llegar a la primera observacin de k, k0 , encontramos la siguiente expresin:
t
!
t
X
X
i
ln() +
i ln(zti ) + t+1 ln k0
(4.3)
ln kt+1 =
i=0
i=0
Tomando el valor esperado de esta ecuacin y teniendo en cuenta la distribucin

de zt obtenemos:
t
!
X
i ln() + t+1 ln k0
(4.4)
E [ln kt+1 ] =
i=0
Ahora, a partir de la ecuacin 4.3, la varianza V de ln kt+1 es:

" t
#
!
t
X
X
i
t+1
i
V [ln kt+1 ] = V
ln() +
ln k0 +
ln(zti )
i=0
= V
" t
X
i=0
i ln(zti )
i=0
y como zt son variables aleatorias i.i.d, entonces cov [ln(zt ), ln(zti )] = 0 para
todo i 6= 0. Luego
t
!
X
2i 2
(4.5)
V [ln kt+1 ] =
i=0
Las ecuaciones 4.3, 4.4 y 4.5 implican que ln(kt ) N (t , 2t ) donde
1
t =
1 t+1 ln() + t+1 ln k0
1
1
2(t+1)
2t =
1
2
1 2
Ntese que si (0, 1) entonces:
lm t
lm 2t
ln()
1
2
1 2
y ln(kt ) sigue un proceso AR(1) estacionario.
Una pregunta fundamental es si el estado estacionario determinstico del

capital del modelo de Brock y Mirman k , es igual a la media del estado estacionario estocstico, k = E[exp[]]. La respuesta es negativa. Para demostarlo
utlizamos la desigualdad de Jensen (Ver Apndice). Como la funcin exponencial es estrictamente convexa
(y no es constante) entonces k = E[exp ] >

1
1
exp[E[]] = exp() =
= k .5
5 Otra manera de ver esto es utilizando la siguiente propiedad de las distribuciones lognormales. Si X es una variable aleatoria tal que log(X) N(, 2 ) entonces E[X] = exp( +
1 2
)
2
66
Anotacin 19 Sin embargo, obsrvese que log[k ] = E[].

Ejemplo 14 (Control ptimo Lineal. Basado en Sargent [1987]). Consideremos el problema:6
"
#
X
t 0
0
0
sup E
(xt Qxt + ut Rut + 2xt W ut )
t=0
s.a
xt+1
:
= Axt + But + t+1
x0 dado,
donde t es un proceso estocstico i.i.d con media cero y matriz de varianzacovarianza . El lector puede verificar fcilmente que la funcin valor de este
problema es:
v(x, ) = x0 P x +
tr(P ),
1
donde tr denota la traza de la matriz y P es la misma que tenamos en el
problema determinstico (i.e la solucin al problema de Riccati). De otra parte,
la funcin de poltica es:
ut = (R + B 0 P B)1 (B 0 P A + W 0 )xt = F xt
Luego, la dinmica ptima sta dada por: xt+1 = (A BF )xt + t+1 .Obsrvese
que la funcin de poltica es la misma funcin de poltica del caso determinstico.
Esta propiedad la llaman los economistas el principio de equivalencia determinstica y es una caracterstica muy particular de los problemas lineales-cuadrticos
y no una propiedad general de los problemas de optimizacin dinmica estocstica. El resultado depende de tres caractersticas de este ejemplo: La funcin
retorno es cuadrtica, la dinmica de transicin de las variables de estado es
lineal y E[t+1 | xt ] = 0
Ejemplo 15 El costo en bienestar de las fluctuaciones econmicas.7
El agente representativo:
"
#
X c1 1
t t
E
)
1
t=0
Supongamos que el consumo sigue el siguiente proceso estocstico:
1
ct = (1 + )(1 + )t exp( 2z )zt ,
2
donde ln(zt )N (0, 2z ). Luego E[ct ] = (1 + )(1 + )t .8 Obsrvese que el valor
esperado del consumo crece a un tasa y en ausencia de incertidumbre esta es la
6 Basado
en Sargent [1987].
en Lucas [1987].
8 Se sigue de: E[exp( 1 2 )z ] =
2 z t
U
1 2
1 t 2
1
exp( 2 z ) exp(t) 2 2 z exp( 2 ( z ) )dt,
2
U
1
1 t z 2
) ) = 1.
2
exp( 2 (
7 Basado
2 z
completando
cuadrados
obtenemos
67
tasa de crecimiento del consumo. La componente exp( 12 2z )zt es la responsable
de las fluctuaciones del consumo. De esta manera tenemos una interpretacin
clara de los parmetros y 2z . Ahora, definamos el bienestar de una economa
para parmetros dados , y 2z , como:
"
#
X t
U (ct )
W (, , 2z ) = E
t=0
El costo en bienestar de pasar de una tasa de crecimiento 0 a es el valor de

que resuelve:
W (u , , 2z ) = W (0, 0 , 2z )
No es difcil demostrar que para preferencias logartmicas:9
u =
1 + 0
1+
El costo en bienestar de pasar de una economa con volatilidad 0 a 2z , es el

valor de que resuelve:
W ( , , 2z ) = W (0, , 0)
Este valor se puede calcular como:

1
P
(1 + )(1 + )t exp( 12 2z )zt
E t=0
t 1
((1 + ) )
=0
1
(1 + )1 exp( 2z (1 ))E [exp((1 ) log zt )] = 1
2
1
1
(1 + )1 exp( 2z (1 )) exp( 2z (1 )2 ) = 1
2
2
1
(1 + )1 exp( 2z ((1 ) (1 )2 )) = 1
2
1
((1 + ) exp( 2z ))1 = 1
2
luego:
= exp
1 2
2 z
1'
1 2
2 z
Para tener una idea de las magnitudes, la siguiente tabla muestra los costos de
las fluctuaciones econmicas para varios grupos de pases y valores del parmetro
de aversin al riesgo . Los valores de las volatilidades son tomados de las
primeras notas. Utilizamos la volatilidad de la tasa de crecimiento del producto
como una proxy de la volatilidad de la componente cclica del consumo.
9 Ayuda:
d
t t = d
t=0

S
t=0
.
(1)2
68
z ( %)
Developing
4.13
Industrial
2.25
G7
2.11
1
0.09
0.025
0.02
5
0.45
0.1
0.1
10
0.9
0.2
0.2
Costo en bienestar en trminos de consumo anual ( %)
Los mayores valores que se observan corresponden al coeficiente ms alto de
aversin al riesgo. En este caso, lo que la tabla nos indica es que para los pases
en desarrollo el costo puede estar alrededor del 0.9 % y para los industrializados
alrededor del 0.2 %. Si bien estas magnitudes no resultan ser despreciables, s
son bastante inferiores a los efectos de cambiar de tasa de crecimiento, o a otros
costos como por ejemplo, el costo de un nivel de inflacin anticipado entre el
10 % y 30 %. Ms adelante calcularemos este costo para el caso colombiano.10
La versin estocstica del mtodo de Lagrange es una aplicacin de la frmula
de Benveniste y Scheinkman al caso estocstico. Informalmente:
" n
#
X v(g(xt , h(xt ), t+1 )) gk (xt , h(xt ), t+1 )
r (xt , h(xt ))
v (xt )
=
+ Et
,
xi
xi
xk
xi
k=1
y las condiciones de primer orden del problema funcional son:

" n
#
X v(g(xt , h(xt ), t+1 )) gk (xt , h(xt ), t+1 )
r (xt , h(xt ))
+ Et
=0
uj
xk
uj
k=1
Anotacin 20 Obsrvese que para todo i, k tal que xi , xk son variables de estat ), t+1 )
t ), t+1 )
= 0 y gk (xt ,h(x
=
do endgenas y exgenas respectivamente, gk (xt ,h(x
xi
uj
0 para todo j.
En lo que sigue ser til separar las variables de estado endgenas de las variables de estado exgenas. Denotemos por x las variables de estado endgenas y
por z las exgenas. Luego, si denotamos por gx las componentes de g que determinan la dinmica de de las variables endgenas, xt+1 = gx (xt , zt , t , t+1 ) y
por gz las componentes de g que determinan la dinmica de de las variables exgenas, zt+1 = gz (zt , t+1 ) entonces por la observacin anterior podemos escribir
las anteriores ecuaciones como:
"n
#
s
X
r (xt , zt , h(xt , zt ))
v (xt , zt )
v(xt+1 , zt+1 ) gx,k (xt , zt , h(xt , zt ), t+1 )
, i = 1, ...ns
=
+Et
xi
xi
xk
xi
k=1
1 0 El
clculo ms sencillo que podramos hacer sobre el costo en bienestar de la inflacin

anticipada sera utilizando las perdida en el surplus del consumidor con base en la demanda
real del dinero de pasar a un nivel inflacionario ms alto. Esta forma de calcular el costo de
la inflacin anticipada aparece por primera vez en Bailey, Martin [1956]. The Welfare Cost of
Inflationary Finance. JPE, April, 62(2), 93-110.
69
y,
"n
#
s
X
v(xt+1 , zt+1 ) gx,k (xt , zt , h(xt , zt ), t+1 )
r (xt , zt , h(xt , zt ))
+Et
= 0, j = 1, ...m
uj
xk
uj
k=1
donde (xt+1 , zt+1 ) = (gx (xt , zt , h(xt , zt ), t+1 ), gz (zt , t+1 )).
v(x
t ,zt )
, i = 1, ...ns entonces estas dos ecuaciones se pueden
Sea i,t =
xi
reescribir como:
gx (xt , zt , ut , t+1 )
r(xt , zt , ut )
+ Et t+1
i,t = 0, i = 1, ...ns (4.6)
xi
xi
r(xt , zt , ut )
gx (xt , zt , ut , t+1 )
+ Et t+1
= 0, j = 1, ...m
uj
uj
(4.7)
y la dinmica de las variables de estado endgenas:

xt+1 = gx (xt , zt , ut , t+1 )
(4.8)
Si t 0 y xt 0, la condicin de Transversalidad es:

lm t t xt = 0
Ahora, como tenemos ns variables de estado endgenas, ns multiplicadores de

Lagrange y m el nmero de variables de control entonces en total tenemos
2ns + m variables endgenas. Por otro lado, tenemos ns condiciones de primer
orden para los estados endgenos (4.6), m ecuaciones para los controles (4.7) y
ns ecuaciones dinmicas para las variables de estados endgenas (4.8) para un
total de constituyen un sistema de 2ns + m ecuaciones. Finalmente, tenemos
ns condiciones iniciales para las variables de estado endgenas y una condicin
terminal (condicin de transversalidad).
r(x
x
t ,zt ,ut )
y sustituyendo en la segunda
Cuando g
xi = 0 entonces i,t =
xi
condicin de primer orden obtenemos las ecuaciones de Euler estocsticas.
Al igual que en el caso determinstico, una forma de obtener informalmente
estas ecuaciones es mediante la maximizacin del siguiente lagrangiano:
#
"
X
i
= Et
r(xt+i , zt+i , ut+i )
+Et
i=0
"
X
i=0
t+i+1 (gx (xt+i , zt+i , h(xt+i , zt+i ), t+i+1 ), gz (zt+i , t+i+1 )) xt+i+1 )
t (xt )
Si definimos t =
orden.
t
t
entonces obtenemos las mismas condiciones de primer
70
4.1.
Ejercicio 16 El problema es el siguiente:

max E
"
X
ln ct
t=0
s.a
ct + kt+1
:
6 zt kt
k0 , z0 dado,
y donde {zt } es i.i.d con ln(zt )N [0, 2 ].

Utilizar el algoritmo de Howard para resolver el problema (Ayuda: Suponga
que la dinmica ptima del capital es de la forma kt+1 = a0 (zt kt ) donde a0 es
una constante.
Solucin 12 Considerando el algortmo de Howard, primero proponemos una
dinmica ptima del capital:
kt+1
donde a0
= a0 (kt zt )
[0, 1] es una constante
(1)
De acuerdo al algoritmo, tenemos:

J0 (k0 , z0 ) = E0
"
X
ln (kt zt
t=0
kt+1 )
(2)
Con kt+1 que cumple la ecuacin 1. Despus de algo de lgebra, la ecuacin 2

queda de la siguiente manera:
#
#
#
"
"
"
X t
X t
X t
J0 () = E0
ln(1 a0 ) + E0
ln(zt ) + E0
ln(kt )
t=0
t=0
t=0
Sabiendo que E0 [ln zt ] = 0 t > 0 ; E0 [ln z0 ] = ln z0 ; ln(1a0 ) es una constante

y que [0, 1], desarrollando algebricamente encontramos:
"
#
X t
ln(1 a0 )
J0 () =
ln(kt )
(3)
+ ln z0 + E0
1
t=0
Si actualizamos para t y t-1 la ecuacin 1 y adems tomamos logaritmos, resulta:
ln(kt ) = ln(a0 ) + ln(a0 ) + 2 ln(kt2 ) + ln(zt1 ) + ln(zt2 )
Sustituyendo progresivamente tendremos:
t1 !
t1
X
X
i
t
ln kt = ln (a0 )
+ ln(k0 ) +
i ln(zt1i )
i=0
i=0
71
Como (0, 1) :
t1
X
1 t
ln kt = ln a0
i ln (zt1i )
+ t ln k0 +
1
i=0
Reemplazando esta expresin en la ecuacin (3),

J0 () =
ln ((1 a0 ))
+ ln(z0 ) +
1
!#
"

t1
X t
X
1 t
ln a0
i ln(zt1i )
E0
+ t ln(k0 ) +
1
t=0
i=0
Tomando esperanzas y teniendo en cuenta que y son menores que uno,

podemos simplificar algebricamente esta expresin hasta encontrar:
ln(1 a0 )
ln(a0 )
ln k0
2
J0 () =
+
+
+
ln(z0 )
1
(1 ) (1 ) 1
1
Sean: A0 =
ln A(1a0 )
1
ln(Aa0 )
(1)(1) ;
A1 =
2
1
J0 () = A0 + A1 ln z0 +
entonces:
ln(k0 )
1
Para continuar con el algoritmo de Howard debemos maximizar:

max {ln (kt zt kt+1 ) + Et [J0 (kt+1 , zt+1 )]}
ln (kt+1 )
= m
ax ln (kt zt kt+1 ) + Et A0 + A1 ln (zt+1 ) +
kt+1
1
La condicin de primer orden es:
1
1
+
E
=0
t
kt zt kt+1
1 kt+1
Debido a que zt se conoce en t, podemos eliminar el valor esperado; con algo

de lgebra obtenemos la dinmica ptima del capital similar a la que habamos
propuesto anteriormente:
kt+1 = kt zt
(4)
Ntese que hemos llegado a la dinmica del capital que se encontr en el problema de Brock y Mirman.
Es fcil ver que con una iteracin ms del algoritmo de Howard, volvemos a
encontrar la misma dinmica ptima.
Ejercicio 17 Consideremos la versin estocstica del modelo de Long y Plosser.
Es decir, el mismo modelo bsico de crecimiento donde las preferencias son
logartmicas en consumo y ocio (i.e. u(c, l) = ln(c) + (1 ) ln(l)), y el capital
se deprecia completamente cada perodo. Suponga que ln(zt ) = ln(zt1 ) + t ,
t ruido blanco y (0, 1) .
72
1.
Probar que las trayectorias ptimas son de la forma: ct = 1 zt kt , kt+1 =

2 zt kt , donde 1 y 2 son constantes.
2.
Mostrar que el consumo y el producto siguen un proceso autoregresivo de

orden 2 (i.e., AR(2)).
Solucin 13 El problema secuencial es:

#
"
X t
M ax E0
(lnct + (1 )ln(1 nt ))
t=0
= zt kt nt1 ct ,
k0 , z0 dados.
kt+1

v(k, z) = M ax{ln(c) + (1 )ln(1 n) + Et [v (k 0 , z 0 )]}
c,n
0
0
k0
ln (z 0 )
6
6
=
=
c 6 zk n1 ,
n61
zk n1 c
ln (z) + 0
Iterando:
v0 (k, z) = 0
v1 (k, z) = M ax{ln(c) + (1 )ln(1 n)}
c,n
Como la funcin logaritmo es una funcin estrictamente creciente, la solucin ptima del consumo, c, est en el extremo, c = k n1 .
Adems, la solucin para la cantidad de trabajo, n, es interior; porque ln (1) =
0 y ln (0) = luego
v1 (k, z) =
=
M ax {ln(zk n1 ) + (1 )ln(1 n)}
06 n6 1
M ax {ln(z) + ln(k) + (1 ) ln(n) + (1 )ln(1 n)}
06 n6 1

(1 ) (1 )
=0
n
1n
y con un poco de lgebra se tiene:
n=
c = zk
(1 )
1
(1 )
1
73
luego:
(1 )
1
v1 (k, z) = ln (z) + ln (k) + (1 ) ln
+ (1 )ln
1
1
h
i
h
i
1
+ (1 ) ln 1
entonces:
Sea A1 = (1 ) ln (1)
1
v2 (k, z) =
M ax
{ln(c)+(1)ln(1n)+E [ln(z 0 ) + ln(k 0 ) + A1 ]}
1
0 6 c 6 zk n
06n61
donde k0 = zk n1 c y como ln(z 0 ) = ln(z)+0 entonces E [ln(z 0 )] = ln(z).

Teniendo en cuenta que en t se conoce zt , kt , nt , y ct entonces:
M ax
{ln (c)+(1)ln(1n)+ln (z)+ln zk n1 c +A1 }
v2 (k, z) =
0 6 c 6 zk n1
06n61
Las soluciones son interiores y las condiciones de primer orden son:
[c] :
[n] :
=0
c zk n1 c
(1 )
+ 1
(1 ) zk n = 0
1n
zk n
c
Resolviendo para el consumo y el trabajo obtenemos:

c=
n=
por lo tanto:
zk n1
1 +
(1 ) (1 + )
,
1 + (1 )
v2 (k, z) = (1 + + ) ln(z) + (1 + ) ln(k) + A2 ,

donde A2 es una constante. A partir de las dos primeras iteraciones parece obvio
que despus de n iteraciones la funcin valor es de la forma:
"n=1
#
X
i
vn (k, z) = a ln(z) +
() ln(k) + An
i=0
Luego un buen candidato a ser la solucin al problema funcional es una funcin

de la forma:
v (k, z) = aln(z) +
ln(k) + A
1
74
donde a y A son constantes que debemos determinar. Sustituyendo en la ecuacin

funcional y con un poco de lgebra se obtiene:
"
1 #
1
(1 )
A =
ln (1 )
1
1 + ( )
1
1 +
+
(1 ) ln
1
1 + ( )
"
1 #
1
(1 )
+
ln
1 (1 )
1 + ( )
(1 ) (1 )
a=
y la funcin de poltica es:
ct = 1 zt kt ,
donde:
1 = (1 )
La dinmica ptima del capital es:
(1 )
1 + ( )
kt+1 = zt kt n1
ct
t
luego:
kt+1 = 2 zt kt
donde:
2 =
(1 )
1 + ( )
Bibliografa
[1] Carvajal, A. y A. Riascos. 2005. Notas de Clase sobre Probabilidad.
http://www.webpondo.org/ariascos/Files/Probabilidad/ln2.pdf
[2] Epstein, L. y T. Wang. 1994. Intertemporal Asset Pricing under Knightian
Uncertainty. Econometrica, Vol 62, No 3, 283 - 322.
[3] Judge, G. Hill, R. Griths, W. Ltkepohl, H. Lee, T. 1988. Introduction
to the Theory and Practice of Econometrics. John Wiley & Sons. Segunda
edicin.
[4] King, R., Charles Plosser y Sergio Rebelo. 1988. Production Growth and
Business Cycles. I The Basic Neoclassical Model. Journal of Monetary Economics 21 (1988) 195-232.
[5] Long, John B.; Plosser,C. 1983. Real Business Cycles. Journal of Political
Economy, Vol 91, No 1. pp 39 - 69.
[6] Lucas, R. 1988. On the mechanics of Economic Development . JMT 22,
pginas 3-42.
Press.
[8] Stokey, N. Lucas, R y Prescott, E. 1989. Recursive Methods in Economic
75

Economia Matematica PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Economia Matematica PDF

Transféré par

Droits d'auteur :

Formats disponibles

Mtodos Matemticos en Macroeconoma

Alvaro J. Riascos Villegas

CAPTULO 1. ECONOMA DINMICA

El modelo bsico de crecimiento es un problema en el cual las decisiones no

El Modelo Bsico de Crecimiento

El problema que queremos estudiar es el del crecimiento de una economa

En el perodo t el producto se divide entre el consumo en este perodo ct , y

1.2. PROGRAMACIN DINMICA

Donde u(ct ) representa la utilidad del consumo en el mismo instante t, y

Este problema lo llamamos el Problema Secuencial.

Supongamos que dado k0 nosotros conseguimos resolver el problema anterior

s.a : 0 k1 f (k0 ) + (1 )k0

CAPTULO 1. ECONOMA DINMICA

s.a : 0 c0 f (k0 ) + (1 )k0

Obsrvese que en la expresin anterior no hay nada especial con el argumento

As, si conociramos la funcin v, entonces la secuencia ptima {cn } quedara

Este problema lo llamamos el Problema Funcional asociado al Problema

funcin v es punto fijo de T si T [v] = v.

1.2. PROGRAMACIN DINMICA

El mtodo de programacin dinmica afirma que, bajo ciertas condiciones,

El problema funcional asociado es:

CAPTULO 1. ECONOMA DINMICA

este problema tiene la solucin de esquina c = k , luego v1 (k) = log(k). Para

v2 (k) = (1 + ) log(k) + log

Ahora de igual forma podemos deducir que:

v(k) = max{log(c) + v(k c)}

Se puede mostrar que la solucin a este problema es c = (1 )k y v(k) =

1 (log(1 ) + 1 log()) + 1 log(k). De esta forma tenemos que la

1.2. PROGRAMACIN DINMICA

Una vez resuelto el problema de la existencia, el siguiente paso es describir

El problema funcional asociado es:

Aplicando la misma metodologa del ejemplo anterior, suponemos que v0 = 0.

CAPTULO 1. ECONOMA DINMICA

Reemplazando en la restriccin obtenemos:

y por lo tanto la funcin v1 (k) es:

donde A1 es una constante. Teniendo v1 (k) podemos calcular v2 (k):

Ahora, podemos derivar las condiciones de primer orden con respecto a c y n :

Con un poco de lgebra encontramos encontramos:

Reemplazando en la ecuacin 1.7 obtenemos:

1.3. EL MTODO DE LAGRANGE

Simplificando encontramos estos candidatos a las funciones de poltica:

Finalmente, reemplazando en la ecuacin 1.6 obtenemos:

Un mtodo mucho ms antiguo que el de la programacin dinmica y que se

CAPTULO 1. ECONOMA DINMICA

de Euler o ms generalmente como el Mtodo de Lagrange (este a su vez, es un

t u (f (kt ) kt+1 + (1 )kt )

Ahora, supongamos que {kt } es una secuencia que resuelve el problema.

Intuitivamente, el valor ptimo kt+1

max r(kt , kt+1 ) + r(kt+1 , kt+2

Es decir, si la solucin es interior, es necesario que la secuencia satisfaga lo

1.4. EJERCICIOS Y SOLUCIONES

En los prximos captulos discutiremos una interpretacin de esta condicin.

Es fcil obtener la solucin de estado estacionario a partir de esta ecuacin

CAPTULO 1. ECONOMA DINMICA

Derivando c con respecto a obtenemos:

Se cumple la propiedad de estabilidad para k > 0 pero no para k = 0.

Si el capital inicial esta por debajo del capital de estado estacionario, la

Supongamos que f (kt ) = Akt donde A es una constante. Mostrar que

Ejercicio 3 El problema de comerse un pastel (tomado de Stockey Lucas

Escribir el problema como un problema de programacin dinmica.

Encontrar la funcin valor y la funcin de poltica (sugerencia: la funcin

Solucin 2 (Ejercicio 3) Llamemos xt la cantidad de pastel que queda en el

1.4. EJERCICIOS Y SOLUCIONES