Vous êtes sur la page 1sur 73

Otimizao sem restries:

Suponha que a funo f x :


k 2
n
de classe C tenha um extremo, mximo ou mnimo

ou ponto de sela, em x x . Vamos transformar o problema de n dimenses em um problema


*

de uma dimenso atravs da parametrizao: x x th onde t e h 0 . Nesse caso a


*


funo de uma varivel g t f x* th tem extremo em t 0 para h . A condio de

primeira ordem para ser ponto de mximo, mnimo ou sela que g 0 0 . Derivando g t
obtemos:

d
dt
g t
f d *
x1 dt

x1 th1
f d *
x2 dt

x2 th2
f d *
xn dt

xn thn
d f f f
g t h1 h2 hn
dt x1 x2 xn

Logo, para ser um ponto extremo preciso que:

f f f
h1 h2 hn 0
x1 x2 xn

Agora, essa igualdade deve ser verdadeira para h . Escolhendo


qualquer

h 0 0 0 hi 0 0 ento h j
j
f
x j
hi
f
xi
0 implica que

xi
f x* 0 .
Fazendo i 1, 2, , n percebe-se que

xi

f x* 0 para i . Em termos vetoriais isso pode

ser escrito da forma:


f x* 0 .

Condies de Segunda Ordem:

Se o ponto extremo for de mximo ento g 0 0 , e se for de mnimo ento g 0 0 . Em


outras palavras a condio de segunda ordem dada pelo sinal da segunda derivada:
sign g 0 1 ponto de mximo, e sign g 0 1 ponto de mnimo. Calculando
a segunda derivada temos:
d2 d f d f 2 f
g t hi hi hi h j
dt 2 dt i xi i dt xi i j x j xi

Ou seja:

d2 2 f
g i
t h hj
dt 2 i j x x
j i

2 f
A matriz Hessiana definida como: H ij . Trata-se de uma matriz simtrica pois
x j xi
2 f 2 f
H ij H ji . Podemos escrever essa derivada na forma de uma multiplicao
x j xi xi x j
d2
2
de matrizes como g t hH h . Algumas pessoas usam a notao H 2 f , mas no
dt
2
gostamos dessa notao na fsica porque mesma do Laplaciano 2 que um
i xi2
operador escalar e no tensorial como o Hessiano.

H11 H12 H1n h1


H H 22 H 2 n
hi H ij h j h1 h2 hn 21 h2
i j

H n1 H n 2 H nn hn

d2
Nesse caso a condio para o ponto extremo ser de mximo que g t hH h 0 , o que
dt 2
significa que a matriz Hessiana deve ser definida negativa. J para ser de mnimo a condio
d2
que g t hH h 0 , o que significa que a matriz Hessiana deve ser definida positiva. Se
dt 2
a matriz Hessiana no for nem definida positiva, nem definida negativa, ento o ponto de sela.
Anlise da definio de matrizes simtricas apresentada no apndice xxx. O fato de que a
definio da matriz Hessiana define a concavidade da curva apresentado no apndice xxx sobre
srie de Taylor de funes multivariadas.
Teorema da funo envelope:

Suponha que desejamos achar o extremo de uma funo de x que depende de um parmetro ,
ou seja o problema :

extremo f x, sem restries.

As condies de primeira ordem so:

f
fi x * , 0 onde x * o ponto extremo. Vamos definir uma funo de dada por
xi
f x * , . Note que se o problema for de mximo ento, para um x fixo,
f x, , s tocando a curva quando x x* . Se for de mnimo ento
f x, . Por isso a funo uma funo envelope para a funo f x, . Pergunta
d
: quanto vale ?
d

Incluir figuras da funo envelope!!

d f x * , dxi* f

d i xi d

f x * ,
Entretanto 0 nos extremos, logo chegamos ao resultado do teorema da funo
xi
envelope:

d f
.
d

Otimizao com restrio de igualdade:

Suponha agora a seguinte problema: otimizar f x sujeito restrio g x c , ou


g x c 0 . Agora nem todo x permitido, s os que satisfazem restrio g x c . Existe
um raciocnio intuitivo simples que nos permite resolver esse problema. O gradiente de uma funo
perpendicular s curvas de nvel da mesma. Por um lado sabemos que df 0 porque na curva
de nvel f constante. Por outro lado, das regras do clculo sabemos que:
f f f f f f
df dx1 dx2 dxn , , , dx1 , dx2 , , dxn
x1 x2 xn x1 x2 xn

O que significa que f d 0 , que nos leva concluso de que f d , com d sendo um
deslocamento infinitesimal na curva de nvel. A restrio g x c uma curva de nvel da
funo g . Alm disso, como a prpria restrio s deslocamentos sobre a mesma so possveis.
Figura xxx mostra em vermelho a restrio e os gradientes da funo g . No mesmo grfico
desenhamos em preto diferentes curvas de nvel da funo f e seus respectivos gradientes nos
mesmos 3 pontos da restrio. Note que no ponto de encontro mais esquerda existe uma
componente do gradiente da f ao longo da curva de restrio para direita. Isso significa um
deslocamento para direita ao longo da curva de restrio aumentar o valor da funo f . J no
ponto mais direita a componente do gradiente de f ao longo da curva est na direo esquerda,
assim um deslocamento na curva de restrio nessa direo aumenta o valor de f . Apenas no
ponto em que a restrio tangencia uma curva de nvel, com ambos os gradientes paralelos,
impossvel aumentar o valor de f atravs de deslocamentos na restrio.
Esse argumento nos indica, ento, que no ponto extremo com restrio os dois gradientes, da
restrio e da funo f devem ser paralelos. Matematicamente isso escrito como f g , ou
ainda como f g 0 . A constante chamada multiplicador de Lagrange.

Assim percebe-se que podemos definir uma funo Lagrangeana dada por:

L , x f x g x c

Que se comporta como o problema da otimizao sem restries, ou seja:

L , x 0

Assim as condies de primeira ordem para um extremo da funo f sujeito restrio g c



so que L , x 0 i 1,2, , n . Essa equao deve ser resolvida em conjunto com a
xi

restrio g c . Entretanto, notamos que f g c 0 implica em g c 0 , ou

seja, a prpria restrio. Dessa forma, usando a funo Lagrangeana o nosso problema resolver
o conjunto de equaes simultneas:


L , x 0 i 1,2, ,n
xi


L , x 0

Uma demonstrao mais rigorosa desse resultado incluindo as condies de segunda ordem
apresentado no apndice Otimizao com Restries: demonstrao rigorosa. Exemplos tambm
so apresentados no apndice Exemplos de Otimizao com Restrio.

Teorema da funo envelope com restries:

Suponha que desejamos achar o extremo de uma funo de x que depende de um parmetro ,
ou seja o problema :

extremo f x, com a restrio g x, c 0 .

Cujas solues so dadas por:


L
xi
L i x* , , 0 e



L x * , , 0
Novamente definimos a funo envelope por f x * , e

d f x * , dxi* f f x * ,
. S que agora 0 . Mas a restrio continua valendo, ou
d i xi d xi
g x , xi* g
*

seja, g x , 0 , logo:
dg
*
0 . Subtraindo esse zero na derivada de
d i xi
temos:

d f x * , dxi* f x * , g x * , dxi* g x * ,

d i xi d i xi d
f g dxi* f g

i xi xi d

f g
Agora sim 0 no extremo, logo:
xi xi

d f g L

d

d L
.
d

Esse teorema nos permite extrair uma interpretao do significado do multiplicador de Lagrange
. Note que devido ao fato de que a restrio nula, g x, c 0 , a funo objetivo que se
deseja otimizar f x, tem o mesmo valor de L f g c . Se derivamos em relao ao
d L
parmetro c vemos que c . Ou seja, c o preo por unidade c da restrio
dc c
que se paga em no melhorar o objetivo por conta da restrio. Se c 0 poderamos aumentar
a funo objetivo diminuindo o valor da restrio c , j se c 0 poderamos aumentar a funo
objetivo aumentando o valor da restrio c , e se c 0 o mximo com restrio coincide com
o mximo sem restrio e no h qualquer penalidade devido restrio.
Dualidade nos mtodos de otimizao.

Suponha o problema de otimizao, sem especificar priori se de mximo ou de mnimo:

Otimizar f x sujeito restrio g x go .

Condies de primeira ordem:

Achamos o Lagrangeano

L 1 , x f x g x go

e procuramos a soluo das equaes:

L 1 f g f g f g
ento 0 logo .
x j x j x j x j x j x j x j

L 1
g x go ento g x go .

Resolvendo esse conjunto de equaes encontramos x * , * e f ot f x * , no qual, obviamente,

g x * go .

Condies de segunda ordem:

O Hessiano orlado dado pelas derivadas segundas do Lagrangeano

2L 1 2 f 2 g 2L 1 g 2L 1
f ij gij , gi e 0
xi x j xi x j xi x j xi xi 2

com as quais construmos a matriz:


0 g1 g2 gn

g1 f11 g11 f12 g12 f1n g1n
H g2 f12 g12 f 22 g 22 f2n g2n .


g f1n g1n f2n g2n f nn g nn
n

Denotando um subdeterminante por:

0 g1 g2 gk
g
1 f11 g11 f12 g12 f1n g1k
k det g 2 f12 g12 f 22 g22 f 2n g2k


g f1k g1k f 2k g2k f kk gkk
k

Se a soluo for um ponto de mximo ento:

2 0 , 3 0 , 4 0 , ou seja, sign k 1 .
k

J o ponto for de mnimo ento todos os subdeterminantes so negativos e:

sign k 1 k .

Problema DUAL.

Vamos inverter as funes objetivo e restrio e trocar o problema para:

Otimizar g x sujeito restrio f x f max .

Agora o Lagrangeano dado por:

L 2 , x g x f x f max

e encontramos a soluo atravs das equaes:


L 2 g f g f g f
ento 0 logo .
x j x j x j x j x j x j x j

g 1 f 1
Comparando com a situao anterior vemos que basta fazer para voltar
x j x j
absolutamente s mesmas equaes anteriores. A restrio ser, obviamente, f x f max .

L 2
f x f max

, f max f x * , no qual sabemos que


1
Isso mostra que o mesmo ponto x * , com *
*

g x *
g o , soluo das equaes de Lagrange. O problema dual, portanto, fornece a mesma
soluo do problema original. Resta saber se mantm maximizao/minimizao ou se troca,
maximizao se torna minimizao e vice-versa. Para isso precisamos das condies de segunda
ordem.

Vejamos como fica o Hessiano orlado agora.

2L 2 2 g 2 f
gij f ij
xi x j xi x j xi x j

1
Usando o fato de que re-escrevemos essa derivada segunda como:

2L 2
gij f ij f ij gij
1 1
xi x j

2L 2 1 2L 1

xi x j xi x j

As orlas so obtidas atravs de:

2L 2 f
fi .
xi xi
g f 1
Por outro lado logo fi gi gi ento:
xi xi

2L 2
g i
xi

2L 2 2L 1

xi xi

2L 2
Claro que 0.
2

O Hessiano orlado, ento, muda para:

0 g1 g 2 g n

1 1 1
g1 f11 g11 f12 g12 f1n g1n

1 1 1
H g 2 f12 g12 f 22 g22 f2n g2n .



g
1
f1n g1n
1
f2n g2n f nn g nn
1


n

No qual o sub-determinante de ordem k dado por:

0 g1 g 2 g k
1 1 1
g1 f11 g11 f12 g12 f1n g1k

1 1 1
k det g 2 f12 g12 f 22 g22 f 2 n g2 k



1 1 1
g k f1k g1k f 2k g2k f kk g kk

Sabemos que multiplicar uma linha ou uma coluna por uma constante multiplica o determinante
pela mesma constante, assim podemos pegar a primeira linha e colocar em evidncia, e para
1
cada uma das demais linhas colocar em evidncia. Nesse caso temos que:

0 g1 g2 gk
2g
k 1 f11 g11 f12 g12 f1n g1k
1
k det g2
2
f12 g12 f 22 g22 f 2 n g2 k


2g f1k g1k f 2k g2k f kk gkk
k

Agora colocamos 2 na primeira coluna para obter:

0 g1 g2 gk
g
k 1 f11 g11 f12 g12 f1n g1k
1
k det g 2
2
f12 g12 f 22 g22 f 2n g2k


g f1k g1k f 2k g2k f kk gkk
k

Ou seja:

0 g1 g2 gk
g
1 f11 g11 f12 g12 f1n g1k
1
k 1

k k 3 det g 2 f12 g12 f 22 g22 f 2n g2k




g f1k g1k f 2k g2k f kk gkk
k

Assim mostramos que:

1
k 1

k k
k 3

Aqui temos dois casos:

1. Multiplicador de Lagrange positivo 0


1
Nesse caso o termo no muda o sinal e
k 3

sign k 1 sign k .
k 1
Se o soluo do problema 1 foi de mximo ento sign k 1 e se foi de mnimo ento
k

sign k 1 .

O problema dual ento ser:

sign k 1 1
k 1
1 k de mnimo quando o original mximo.
k

sign k 1 1 1
k 1 k
, de mximo quando o original mnimo.

2. Multiplicador de Lagrange negativo 0

Nesse caso e k 3 1
k 3 k 3
portanto:

1 sign 1 4 sign ,
k 1

sign k k k
1
k 3

sign k sign k

Isso mostra que se o multiplicador de Lagrange negativo o problema dual tem a mesma
caracterstica do que o problema original, ou seja, problema dual de maximizao tambm de
maximizao e de minimizao tambm de minimizao.

Significado do sinal do multiplicador.

Quando o multiplicador positivo os gradientes de ambas as funes, f x e g x apontam na


mesma direo, ou seja, no so apenas paralelos. Isso significa que f x e g x
crescem/decrescem na mesma direo. J se o multiplicador negativo os gradientes apontam em
direes opostas. Se uma das funes cresce em determinada direo a outra decresce. Figura xxx
mostra intuitivamente o efeito do sinal de no problema dual.
Otimizao com restrio de desigualdade:

Suponha agora a seguinte problema: otimizar f x sujeito restrio g x c e compar-lo


como problema otimizar f x sujeito restrio g x c . Vamos usar a mesma figura

Conside a figura xxx. A regio vermelha a regio g x b , significando que o gradiente da


restrio aponta para fora dessa regio. Se o gradiente da funo f tambm aponta na mesma
direo quer dizer que o mximo da funo estar na fronteira g x b e a restrio colou. Por
outro lado se o gradiente de f est na direo contrria o mximo estar dentro da regio g x b
e a restrio no tem qualquer efeito, ou seja, no colou. Nesse caso se procura o mximo sem
restrio. No caso da restrio de igualdade, g x b , o ponto extremo tem que estar
obrigatoriamente na fronteira, mas no no caso da restrio de desigualdade, g x b . Note ento
que no problema de achar mximo a restrio s cola se f g se f e g estiverem na
mesma direo, isto , 0 . Vale notar que no problema de achar mnimo isso se inverte. Se se
f e g estiverem na mesma direo podemos diminuir a funo entrando na regio de
desigualdade. No caso de minimizao ento a restrio cola se 0 .

Comparando ento com o problema de maximizao com restrio de igualdade temos que se
0 a restrio colou e deve-se resolver o sistema de equaes:
f g
0 i 1,2, , n
xi xi
0
g x c

Por outro lado se a restrio no colou temos um problema de maximizao sem restrio e s
f
temos que resolver as equaes 0 i 1,2, , n . Podemos escrever essas duas
xi
possibilidades em um conjunto de equaes apenas da forma:

f g
0 i 1,2, , n
xi xi
g x c 0
0
Note que agora a condio g x c 0 leva a apenas duas opes:

1. 0 ento g x c 0 e a restrio colou, logo:

f g
0 i 1,2, , n
xi xi
g x c 0
0
f
2. g x c 0 e 0 levando ao sistema 0 i 1,2, , n .
xi

Com esse exemplo podemos extrair as regras:

1. Maximizar f x s.r. g x c ento L f x g x c e devemos resolver as


L
equaes: 0 , g x c 0 e 0 .
xi
2. Maximizar f x s.r. g x c ento L f x g x c e devemos resolver as
L
equaes: 0 , g x c 0 e 0 .
xi
3. Minimizar f x s.r. g x c ento L f x g x c e devemos resolver as
L
equaes: 0 , g x c 0 e 0 .
xi
4. Minimizar f x s.r. g x c ento L f x g x c e devemos resolver as
L
equaes: 0 , g x c 0 e 0 .
xi

Note que restries do tipo g x c podem ser transformadas em g x c , logo o problema


pode sempre ser tratado com a restrio do tipo g x c para maximizao e g x c para
minimizao bastando redefinir g x e c . Dessa forma o Lagrangeano sempre ser do tipo

L f x g x c , sempre exigindo que g x c 0 e 0 . Essa regra ecvita


ter que trocar o sinal de no Lagrangeano.

Otimizao com restries mistas:

1. Maximizar f x s.r. h1 x c1; h2 x c2 ; ; hm x cm e


g1 x b1; g2 x b2 ; ; gk x bk ento construmos o Lagrangeano dado por:

L f x 1 g1 b1 k gk bk 1 h1 c1 m hm cm

Devemos resolver as equaes:

L
1. 0 i
xi

L
2. j g j x b j 0 j ou j 0
j

3. h c

4. j 0 j

5. g j x b j j
2. Minimizar f x s.r. h1 x c1; h2 x c2 ; ; hm x cm e
g1 x b1; g2 x b2 ; ; gk x bk ento construmos o Lagrangeano dado por:

L f x 1 g1 b1 k gk bk 1 h1 c1 m hm cm

Devemos resolver as equaes:

L
1. 0 i
xi

L
2. j g j x b j 0 j ou j 0
j

3. h c

4. j 0 j

5. g j x b j j

As condies de segunda ordem mudam se a restrio cola, usam-se ento as regras do Hessiano
orlado, ou no cola, usam-se as regras do Hessiano sem orlas.

Problema de Kuhn-Tucker:

Kuhn-Tucker querem solues para variveis que se podem ser positivas, com um problema do
tipo:

Maximizar f x s.r. g1 x b1; g2 x b2 ; ; gm x bm e x1 0; x2 0; ; xn 0 .

Usando a tcnica anterior o Lagrangeano seria dado por:

L f x j g j x b j i xi
j i

As equaes conjuntas a serem resolvidas seriam:

L f g j
1. j i 0 i
xi xi j xi
L
2. j g j x b j 0 j ou j 0
j

3. j x j 0 j

4. j 0 j

5. j 0 j

O Lagrangeano de Kuhn-Tucker no inclui as desigualdades xi 0 i 1, 2, , n , no considear


os multiplicadores de Lagrange , sendo escrito apenas como:

L KT f x j g j x b j
j

Note que L L KT i xi . As equaes de Kuhn-Tucker so:


i

L L KT L KT
0 i 0 i
xi xi xi

L KT L
Como i 0 ento 0 . Se a restrio xi 0 cola escrevemos xi KT 0
xi xi

L KT L
0 ; i KT 0 ; i 0 e xi 0 .
i i

Equaes de Kuhn-Tucker:

L KT
1. 0
xi
L KT
2. xi 0
xi
L KT
3. 0
i
L KT
4. i 0
i
5. i 0
6. xi 0

Incluir exemplos de fixao!!


Clculo das Variaes:

Clculo das Variaes comea com o problema da curva brachistocrona levantado por Johann
Bernoulli, chamando a ateno de seu irmo Jakob Bernoulli. Leonhard Euler trabalhou sobre o
problema e seu livro Elementa Calculi Variationum gerou o termo Clculo das Variaes.
Lagrange foi outro nome importante nesse campo e Legendre se preocupou com as condies de
segunda ordem para discriminar mximos e mnimos.

Todo o clculo das variaes est baseado na regra de Leibnitz para derivada de integrais
demonstrada no apndice Regra de Leibnitz. Essa regra afirma que:
h x h x
f x, t
dt f x, h x f x, g x
d dh dg
f x , t dt
dx g x g x
x dx dx

Funcional:

Um funcional associa um nmero cada funo y t de um domnio de funes. O domnio pode


restringir os tipos de funes, apenas as diferenciveis, por exemplo, ou funes que possuem
determinados valores em determinados pontos, etc. A expresso abaixo representa um funcional:
t2
d
J f t , y , y dt onde y t y t
t1
dt

Sabendo f e dada uma trajetria y t , sabemos calcular y t , substituir em f e calcular o valor


J obtido aps a integrao. A questo tpica do Clculo das Variaes se existe uma trajetria
especial y* t que torna o valor de J o maior possvel, ou o menor possvel, ou um extremo?

Vamos comear com t1 e t2 fixos e restringir o domnio das funes quelas trajetrias que passam
nos pontos t1, y1 e t2 , y2 com y t diferenciveis. Nesse caso podemos parametrizar J
tornando-a funo univariada de um parmetro da seguinte forma:

y t y* t t

Onde y* t a trajetrio tima e t um desvio da trajetria tima. Como y t e y* t so


diferenciveis, ento t tambm diferencivel. Alm disso as restries dos pontos inicial e
final da trajetria implica que:

y t1 y * t1 y1 t1 0
y t2 y * t 2 y 2 t2 0
Assim podemos construir a funo univariada da varivel :

t2

J f t , y * , y * dt
t1

d
Que sabemos possuir um extremo em 0 , ou seja, J 0 como condio de primeira
d 0

d2
ordem. Alm disso as condies de segunda ordem so J 0 se o extremo for de
d 2 0

d2
mximo e J 0 se o extremo for de mnimo.
d 2 0

Com os limites , t1 , t2 fixos a derivada da integral facilita, desprezando os termos das derivadas
dos limites de integrao. Nesse caso:

f t , y * , y * dt
2
d
J
d t1

f f
2 t
d
J dt
d t1
y y

t2
f f d f f
t2 2 t

Agora, dt dt aps fazer a integral por partes com dv dt e u .O


t1
y y t1 t1 dt y y

d
termo uv nulo porque t1 t2 0 . Ento J 0 implica em:
d 0

f d f
t2

y dt y t dt 0
t1

Em princpio o fato de que uma integral nula no significa que o integrando seja nulo. Entretanto
no nosso caso a integral deve ser nula para qualquer funo arbitrria t significando que a nica
forma da integral ser nula sempre que:

f d f
0
y dt y

Essa a famosa equao de Euler-Lagrange.


A equao de Euler-Lagrange representa a condio de primeira ordem para que o funcional seja
um extremo. Se de mximo ou de mnimo ser discutido no apndice Condies de Segunda
Ordem do Clculo Variacional. O problema de otimizao do funcional liberando as condies de
pontos fixos no incio e ou fim da trajetria discutido no apndice Condies de
Transversalidade.

Generalizaes:
t2

1. Mais de uma varivel dependente J f t; q1 , q2 , , qn ; q1, q2 , , qn dt . Neste caso


t1

temos uma equao de Euler-Lagrange para cada varivel:

f d f
0 k 1, 2, , n
qk dt qk

2. Mais de uma varivel independente da forma:

q
t2

J f t1 , t2 , , tn ; q t1 , t2 , , tn ; q1 , q2 , , qn dt com q j
t1
t j

Neste caso a equao de Euler-Lagrange deve ser estendida para cada t:

f f f f
0
qk t1 q1 t2 q2 tn qn

3. Otimizao com restries do tipo 1. Achar o extremo de:


t2 t2

J f t , q, q dt sujeito restrio g t, q, q dt C .
t1 t1

Agora usamos a parametrizao para criar duas funes de :


t2

J f t , q, q dt
t1

t2

I g t , q, q dt C
t1

E usamos a tcnica dos multiplicadores de Lagrange para encontrar o extreme. Nesse caso:
L J I C

L J I L
As solues so dadas pelas equaes 0 e I C 0 . Agora:

J 2 f d f I 2 g d g
t t


t1 y dt y
dt 0
t1 y dt y
dt 0 e

portanto:

L t2 f g d f g
dt 0
t1 y y dt y y

de onde extramos que:

d
f g f g 0
y dt y

Assim percebemos que basta criar o Lagrangeano L f t, q, q g t, q, q com sendo o


multiplicador de Lagrange, nest caso, independente do tempo, e resolver a nova equao de Euler-
Lagrange:

L d L
0
y dt y

4. Otimizao com restries do tipo 2. Achar o extremo de:


t2

J f t , q, q dt sujeito restrio g t, q, q 0
t1

t2

Agora como g t, q, q 0 podemos mudar para o tipo 1 fazendo t g t , q, q dt 0 , e o


t1

multiplicador de Lagrange agora pode ser funo do tempo. Novamente camos na equao de
Euler-Lagrange na forma:

L d L
L f t, q, q t g t , q, q e 0.
y dt y
Teoria do Controle timo:

A teoria do Controle timo uma matemtica do sculo XX e no mais a matemtica do sculo


XIX. O matemtico russo L. S. Pontryagin publicou Princpio de Mximo com o qual ganhou o
prmio Lenin em 1962, mesmo ano em que seu trabalho foi traduzido para o ingls. O matemtico
americano Magnus R. Hestenes da Rand Corporation produziu um report Interno da Rand
chamado A general Problem in the Calculus of Variations with Applications to Paths of Least
Time. Mais tarde ele publicou um paper estendendo os resultados de Pontryagin com o ttulo On
variational theory and Optimal Control Theory, Journal of SIAM, series A, vol.3 p23-48 (1965),
e o livro Calculus of Variations and Optimal Control Theory, Wiley&Sons, NY (1966).

L.S. Pontryagin Magnus Hestenes

A teoria do Controle timo est focada em encontrar a melhor trajetria para uma varivel de
controle u t , sobre comando do controlador, que leva a varivel y t a uma trajetria
maximizadora/minimizadora de uma determinada funo objetivo. A varivel de controle u t
precisa, obviamente, interferir na trajetria de y t , chamada de varivel de estado.

O problema matemtico achar o extremo de:


T
J f t , y, u dt sujeito restrio y g t, y, u
0

Exemplo: Suponha que exista um estoque S de petrleo e que a taxa de extrao, sobre comando
do operador do sistema, seja E t , definindo a relao entre estoque e taxa de extrao dada por:

dS
E t
dt

Com extrao nula no h consumo e a reserva de petrleo no gera qualquer bem estar. Por outro
lado, a extrao vai exaurindo a reserva e diminuindo o consumo no futuro. O futuro vale menos
do que o presente e a funo bem estar acumulada pode ser calculada com uma taxa de desconto
da forma:
T
U acum U E e t dt
0

O problema de otimizao, portanto, pode ser colocado na forma: Maximizar


T
U acum U E e t dt
0

dS
Sujeito s restries E t e S 0 So . Nesse caso f t, S , E U E e t e a restrio
dt
S E t . A varivel de controle E t e a de estado S t .

O problema mais geral do controle timo colocado da seguinte forma: otimizar


T
J f t , y, u dt sujeito restrio y g t, y, u dados y 0 e condies sobre T e y T .
0

A varivel de controle pode ser descontinua por partes, mas com descontinuidades finitas.
Exemplo tpico o ligar e desligar da maioria dos controles de temperatura. J a varivel de estado
deve ser contnua, notando que u atua na derivada de y , mas no diferencivel porque a derivada
pode ser descontnua. A teoria mais geral do que o clculo das variaes, portanto, pois capaz
de lidar com funes no diferenciveis. Alm disso capaz de manusear restries sobre a
varivel de controle e admite solues de canto. Por exemplo, suponha o caso on-off em que
u 0,1, s pode assumir valores 0 (desligado) ou 1 (ligado). A trajetria tima para u pode ser
do tipo:
1 t [0, t1 )

u t 0 t [t1 , t2 )
*

1 t [t , T ]
2

Vamos resolver esse problema com um multiplicador de Lagrange e denominamos:

u t varivel de controle

y t varivel de estado

t varivel de co-estado [costate variable]

Nosso problema :

Otimizar:
T
V y, u f t, y, u dt
0

sujeito s restries:

y g t , y, u

y 0 yo

T , y T livres.

A restrio y g t, y, u pode ser re-expressa como g t, y, u y 0 t logo:

t g t, y, u y dt 0
0
t

Logo podemos som-la na funo objetivo:


T
V y, u f t, y, u t g t , y, u t y dt
0

Definindo um Hamiltoniano da forma:

H t, y, u, f t, y, u t g t, y, u
T T T
e integrando por partes t y dt y 0 y dt T y T 0 y 0 y dt re-
T

0 0 0

escrevemos o problema como:


T
V y, u H t , y, u, y dt T y T 0 y 0
0

A parametrizao feita da seguinte forma:

u t u* t p t

y t y* t q t

T T * T

y T y* y

t varivel de co-estado [costate variable]

A funo objetivo univariada dada por:

T * T

V H t , y * q, u* p y * q dt T * T y T * T 0 y 0

0

d
Vamos impor V 0 :
d 0

T*

d
d
V H y dt H y d T
d *

T y y dd T *
T
0

T*
H H
y q u
p q dt H y * T y y T
0

T*
H H
0 y
dt H T T T yT usando yT y
* *
q t p t
u

Como q t e p t so arbitrrias cada um de seus multiplicadores no integrando devem ser nulos


independentemente, assim:
H H H
0 e 0
y y u

Existe ainda uma equao escondida nesse sistema:

H H
f g g y ou seja y .

Condies de transversalidade:

Se y livre, arbitrrio, ento, T * 0

Se T 0 , tempo limite especificado, ento H T * 0

Se T livre ento H T * 0

T
Assim, o problema de achar o extremo de V y, u f t, y, u dt sujeito s restries
0

y g t, y, u e y 0 yo , nos leva s seguintes equaes de movimento:

Defina o Hamiltoniano H f g e resolva o conjunto de equaes:

H H H
y ; ; 0 e T 0 .
y u

H
Ou seja, sempre se escolhe u que maximiza H em todo momento, e resolve-se y ;

H
.
y

Alm disso ainda existe a seguinte propriedade importante na trajetria tima:

dH H H H H H H H H H
y u
dt t y u t y y
dH H

dt t

dH
Isso significa que se o Hamiltoniano no depende explicitamente do tempo ento 0 e
dt
H cte uma constante, ou seja, existe uma lei de conservao.

Clculo das Variaes como um caso particular da Teoria do Controle timo:

No clculo das variaes o problema de Lagrange era:


t2

J L t , q, q dt 0
t1

Dando origem equao de Euler-Lagrange:

L d L
0
y dt y

Vamos re-expressar esse problema no formalismo Hamiltoniano:


t2

Achar o extremo de V q, u L t , q, u dt sujeito restrio q u .


t1

Neste caso H L u logo:

H L L
0 0
u u u

H L d L L d L
por outro lado portanto 0 lembrando que
q q dt u q dt u
u q recuperamos a equao de Euler-Lagrange:

L d L
0
q dt q

Exerccios de fixao da operacionalidade da teoria do controle timo esto apresentados no


apndice. Exemplos de fixao da Teoria do Controle timo.
Apndice: Srie de Taylor
A Srie de Taylor de uma funo de classe C , i.e., infinitamente diferencivel, pode ser
explicada da seguinte forma simples e intuitiva. Desejamos aproximar a funo f x em torno

de x xo por uma srie de potncias na forma f ( x) an ( x xo ) n . O ndice n define a
n0
ordem da aproximao, com f x ao para aproximao de ordem zero, ou seja, uma reta
horizontal, f x ao a1 x xo , ou seja uma reta com coeficiente angular a1 , para aproximao
de ordem 1, f x ao a1 x xo a2 x xo para a aproximao de ordem 2, e assim por
2

diante. intuitivo que a melhor aproximao seja aquela em que, no ponto x xo tanto a funo
quanto sua aproximao sejam idnticas. Nesse caso:

an ( x xo ) n | x xo ao , logo ao f xo .
n0

Para determinar os outros coeficientes an tambm vamos exigir que os valores das derivadas da
funo e da aproximao sejam idnticos em x xo , como mostra o grfico da figura 4, abaixo,
para uma aproximao de ordem 2.

Srie de Taylor
f(x)
ordem 0
ordem 1
ordem 2
f(x)

Figura 4. Srie de Taylor.

f ( n) ( xo ) dn f
Podemos demonstrar que os coeficientes an , onde f
(n)
( x) n , atravs dos
n! dx
seguintes passos:
dk n!
1. ( x x0 ) n n(n 1)...(n k 1)( x xo ) n k ( x xo ) n k kn
dx k (n k )!
dk
2. k
( x x0 ) n 0 k n
dx
dn
3. n
( x x0 ) n n!
dx
dn n!
4. ak ( x xo ) ak k
( x xo ) k n
dxn k 0 k n (n k )!
dn
5.
n ak ( x xo ) k | x xo n!an
dx k 0

dn f n ( x0 )
6. Impondo que f
( n)
( xo ) ak ( x xo ) | x xo k
chegamos a: a n .
dxn k 0 n!

Dessa forma, a Srie de Taylor, dada por:


f '( x0 )( x x0 )1 f ''( x0 )( x x0 ) 2 f ( n ) ( x0 )( x x0 ) n
f ( x) f ( x0 )
1! 2! n!
Que pode ser escrita na forma condensada como:

f n xo
f ( x) x xo
n

n 0 n!
Um caso particular da srie de Taylor a srie de Taylor-McLaurin, para a qual xo 0 :

f ' (0) f ' ' (0) 2 f (0) 3 f ( n) (0) n


f ( x) f (0) x x x x
1! 2! 3! n!
Que pode ser escrita na forma condensada como:

f n 0 n
f ( x) x
n 0 n!
Em princpio essa uma srie infinita. Entretanto, uma srie infinita s ser til se for possvel
mostrar que ela converge, ou seja, que pode ser truncada em determinado nmero de termos e que
o erro cometido com essa truncagem tende a zero medida que o nmero de termos includos
cresce. O erro cometido com essa truncagem chama-se Resto. Uma srie de Taylor truncada em
n s pode ser utilizada para funo diferencivel, pelo menos, n vezes. Mas isso relaxa a condio
de que a funo deve ser infinitamente diferencivel.
Casos Particulares:


xk
Funo exponencial: e x

k 0 k !

dk
A expanso da exponencial f x e imediata se notarmos que
x
k
e x e x e que, portanto,
dx
f (k )
(0) 1. Nesse caso:

xk x 2 x3 xk
e x
1 x ... ... .
k 0 k! 2! 3! k!

n
n! n
n
Binmio de Newton Generalizado: (a x)n a n k x k a n k x k
k 0 k !( n k )! k 0 k

n
n! n
n
Lembrando da frmula do binmio de Newton a b a nk b k a nk b k .
n

k 0 k ! n k ! k 0 k

Considere a expanso em srie de Taylor-McLaurin da funo f x (a x)n , com n inteiro


n!
positivo. Nesse caso, sabemos que f ( k ) (0) a nk se n k , e f ( k ) (0) 0 se k n e
(n k )!
a srie de Taylor-McLaurin se torna um polinmio de grau n naturalmente truncada em k n .
n
n! n
n
Ento, vale a igualdade: (a x)n a nk x k a nk x k , que o prprio binmio
k 0 k !( n k )! k 0 k

n n!
de Newton. Os coeficientes dos primeiro e ltimo termos valem 1 pois 1 e
0 0!(n 0)!
n n!
1 , uma vez que 0! 1 . 1 A srie de Taylor no agregou muito valor ao caso das

n n !( n n )!
funes de potncia em que a expanso binomial de Newton j era muito conhecida.
Entretanto ela pode ser usada para generalizar o binmio de Newton para valores de n
negativos ou no inteiros, em que a srie se torna infinita. A sim, ela agrega grande valor. Se n

1
A propriedade dos fatoriais que 1! 1 e n n 1! n!. Fazendo n 1 temos que 11 1! 1! que leva a 0! 1 . Fatoriais
1
de nmeros inteiros negativos divergem pois fazendo n 0 temos que 0 1! 0! ou 1! .
0
n!
negativo no escrevemos n(n 1)(n 2)...(n k 1) pela dificuldade dos fatoriais
(n k )!
de nmeros negativos. Nesse caso melhor colocar 1 em evidncia em cada termo e usar:

(1) k (| n | k 1)!
n(n 1)(n 2)...(n k 1)
(| n | 1)!
Caso particular do binmio de Newton para n 1 :

(1) k (1 k 1)!
(1)(2)(3)...(1 k 1) (1) k k!
(1 1)!
Esse resultado pode ser usado para a expanso de f x 1 x . Nesse caso:
1

1
(1) k k! k
f ( x) (1 x) x (1) k x k 1 x x 2 x 3 ...
k 0 k! k 0

J para f x 1 x
1
obtemos:

1
(1) k k!
f ( x) (1 x) ( x) k x k 1 x x 2 x 3 ... .
k 0 k! k 0

Caso particular do binmio de Newton para n 1 :


2

1 !
2
k ! 1 k !
Nesse caso teramos que calcular
2

12 ! 12 12 1 12 2 12 k 1 12 k !
1 2 k ! 1 2 k !
2k 1 1
k
1 1 1 1 k 1 3 5
1 1 2 k 1 1 2k 1!!
k
k
2 2 2 2 2 2 2 2 2
1
Onde n !! n n 2 n 4 2 . Nesse caso:

1 (1)k 2k 1!!
f ( x) 1 x (1 x) 2 k
xk
k 0 2 k!
Agora notamos que:
2k !! 2 0 2 2 2k 4 2k 2 2k 2k 1 2 k 2 k 1 k 2k k !
E escrevemos a srie como:
(1)k 2k 1!!
f ( x) 1 x xk .
k 0 2k !!


( 1)k 1 x k
Logaritmo: Ln(1 x )
k 1 k
1
Para o caso do logaritmo, f 0 ln 1 0 , e f ( x) (1 x) , as derivadas podem ser
d ( k 1)
facilmente calculadas usando: f
(k )
( x) k 1
(1 x) 1 (1) k 1 (k 1)!(1 x) k , para
dx
k 1
obter f
(k )
(0) (1) (k 1)! . Desse resultado mostra-se que:

(1) k 1 (k 1)! k (1) k 1 x k


x 2 x3 x 4
Ln(1 x) x x ...
k 1 k! k 1 k 2 3 4
e:

(1) k 1 (k 1)!
xk x 2 x3 x 4
Ln(1 x) ( x)
k
[ x ...] .
k 1 k! k 1 k 2 3 4
Apndice: Clculo do Resto da srie de Taylor
Para calcular o Resto da Srie de Taylor, precisaremos do Teorema do Valor Mdio de
Cauchy. Partimos do teorema de Rolle: se f x contnua e diferencivel em a, b e
f a f b ento existe um nmero entre a e b em que a primeira derivada dessa funo
igual a zero. Pode existir mais de um no intervalo, mas o teorema garante que existe pelo menos
um.
Teorema do Valor Mdio de Cauchy (TVM)
Tomemos duas funes diferenciveis f x e g x tal que f a f b e
g a g b . Com elas construmos uma nova funo F x f x g x e determinamos
que obriga a F x satisfazer as condies do Teorema de Rolle, ou seja, que F a F b , ou
f (b) f (a)
seja, f a g a f b g b . Resolvendo para obtemos . Isso
g (b) g (a)
f (b) f (a )
significa ento que F ( x) f ( x) g ( x) , satisfaz as condies do Teorema de Rolle.
g (b) g (a )
Nesse caso, existe um nmero (a, b) , i.e., a b , em que F 0 . Por outro lado
f (b) f (a)
F ' ( x) f ' ( x) g ' ( x) , logo (a, b) / F '( ) 0 , ou seja:
g (b) g (a)
f (b) f (a)
F '( ) f '( ) g '( ) 0 .
g (b) g (a)
O teorema do Valor Mdio de Cauchy afirma que:
f ( ) f (b) f (a)
( a , b) / .
g ( ) g (b) g (a)
f (b) f (a)
No caso particular em que g x x , g x 1 o TVM ele se reduz a f ' ( ) .
ba
Resto da Srie de Taylor

f ( x)(b x) 0 f ' ( x)(b x)1 f ( n) ( x)(b x) n


Seja F ( x) f (b) [ ] o erro
0! 1! n!
(b x) n 1
cometido na truncagem da srie de Taylor at ordem n e seja G ( x) . Como F x
(n 1)!
e G x satisfazem as condies do TVM de Cauchy ento:

F ( ) F (b) F (a)
(a, b) / .
G( ) G(b) G(a)
Por outro lado, derivando diretamente a funo F x , obtemos:

f ' ( x)(b x) 0 f ' ( x)(b x) 0 f ' ' ( x)(b x)1 f ' ' ( x)(b x)1
F ' ( x) [
0! 0! 1! 1!
f ' ' ' ( x)(b x) 2 f ' ' ' ( x)(b x) 2 f ( n 1) ( x)(b x) n
]
2! 2! n!
Como os termos intermedirios se cancelam [soma telescpica]:

f ( n1) ( x)(b x) n
F ' ( x) .
n!
(n 1)(b x) n (b x) n
Derivando diretamente G x obtemos G ' ( x) . Usando esses
(n 1)! n!
resultados no TVM de Cauchy:
f ( n1) ( )(b ) n

F '( )
n! f ( n1) ( )
G '( ) (b ) n

n!
F (b) F (a ) F (a )
Percebendo que F b G b 0 , ento f ( n1) ( ) . Logo,
G (b) G (a ) G (a )

( n 1) f ( n 1) ( )
F (a) f ( )G(a) (b a) n . Fazendo x a na F a obtemos:
n!
f ' (a)(b a)1 f ( n) (a)(b a) n f ( n 1) ( )(b a) n 1
f (b) [ f (a) ] ,
1! n! (n 1)!
de onde tiramos que existe a b tal que:

f '(a)(b a)1 f ( n ) (a)(b a)n f ( n1) ( )(b a)n1


f (b) f (a) .
1! n! (n 1)!
f ( n1) ( )( x xo ) n1
O erro em truncar com n termos, tambm chamado de resto, dado por Rn
(n 1)!
e tende a zero quando n tende a infinito para valores de x suficientemente prximos de xo .
Apndice. Srie de Taylor de Funes Multivariadas:

Vamos comear com uma funo bivariada f x, y :


2
e queremos a expanso em srie
de Taylor de f x h, y k . Tomando y constante sabemos expandir:

hn n hn k m m n
f x h, y k x f x, y k y x f x, y
n n! n n! m m!

hn k m m n
f x h, y k y x f x, y
n m n!m!
Claro que se tivssemos comeado com y constante teramos obtido:

hn k m n m
f x h, y k x y f x, y
n m n!m!
Como no pode haver diferena entre as duas formas se percebe que
my nx f x, y nx my f x, y . Agora vamos re-expressar a srie da forma:

h n nx k y
m m
f x h, y k f x, y T f x, y onde
n m n! m!
h n nx k y
m m

T o operador srie de Taylor.
n m n ! m !

Agora queremos a srie em ordem crescente em , de tal forma que n m , ento

1 ! n n
f x h, y k h xk n
y n f x, y
!n 0 n !m !
Por outro lado, lembrando que que as derivadas so operadores lineares, sabemos que o operador

! n n n n
h x k y h k x y
n 0 n!m!

Logo a srie de Taylor pode ser expressa como:


f x h, y k

x

f x, y
!

O processo pode ser rapidamente generalizado para dimenses maiores do tipo f x :


n

onde queremos a expanso em srie de Taylor de f x x .


x1m1 m x2m2 m x1mn mn

f x x
m1 m1 !
1
1

m2 m2 !
2 2

mn mn !
1 f x

Agora fazemos m1 m2 mn e multiplicamos e dividimos por ! para obter:


1

!
f x x x11 m1 x2 2 m2 xn n mn
f x
! m1 0 m2 0 mn 0 m1 !m2 ! mn !
m1 m2 mn

Por binmio de Newton sabemos que:


!
x11 m1 x2 2 m2 xn n mn
x11 x2 2 xn n
n

m1 0 m2 0 mn 0 m1 !m2 ! mn !
m1 m2 mn

Ou seja:




! n
x11 m1 x2 2 m2 xn n mn x
m1 0 m2 0 mn 0 m1 !m2 ! mn !
m1 m2 mn
A srie de Taylor em n variveis dada portanto por:

x

n


f x x
n n!
f x, y

At ordem 2 podemos escrever a srie de Taylor multivariada como:


1

2
f x h f x h f x h f x
2!
Ou ainda como:


n 1 n n
f x h f x hi i f x hiij f x h j
i 1 2! i 1 j 1

2
A matriz H ij ij f x f x chamada de Matriz Hessiana.
xi x j
Apndice. Convexidade de uma curva:

Funo cncava: uma funo cncava se para x x1, x2 f x R x onde R x a reta


secante que une os pontos x1 , f x1 x2 , f x2 . Esse o caso da figura 2(a). Funo convexa:
uma funo convexa se para x x1, x2 f x R x onde R x .Esse o caso da figura 2
(b).

Figura 2. (a) Funo cncava. (b) Funo convexa.

Vamos construir um x x1, x2 atravs de um parmetro 0,1 da forma


x x2 1 x1 . Se 0 ento x 0 x1 e se 1 ento x 1 x2 . Alm disso
x x2 1 x1 x2 1 x2 x2 e x x2 1 x1 x1 1 x1 x1 , logo
x1 x x2 pertence ao intervalo x1, x2 . A equao da reta secante que passa pelos pontos
R x f x1 f x2 f x1
x1 , f x1 e x2 , f x2 dada por , ou seja,
x x1 x2 x1
x x1
R x f x1 f x2 f x1 ou, em termos de ,
x2 x1
x2 1 x1 x1 x x
R f x1 f x2 f x1 f x1 2 1 f x2 f x1 , que nos
x2 x1 2 x x 1

leva, finalmente, a: R f x2 1 f x1 .

Da afirmamos que:
1. Se f x2 1 x1 f x2 1 f x1 para 0,1 ento a funo f x
estritamente cncava
2. Se f x2 1 x1 f x2 1 f x1 para 0,1 ento a funo f x
estritamente convexa.

Generalizao da convexidade para funes de n


:

Seja X ( x1, x2 , , xn ) um vetor em n



e f X : n
uma funo escalar que associa um
nmero real a um vetor. Ento:


1. Se f X 2 1 X 1 f X 2 1 f X 1 para 0,1 ento a funo f x
estritamente cncava.


2. Se f X 2 1 X 1 f X 2 1 f X 1 para 0,1 ento a funo f x
estritamente convexa
Apndice Otimizao com Restries: demonstrao rigorosa.

Se
xn

g *
x 0 ento existe uma funo inversa local implcita tal que

xn x1, x2 , , xn 1 que pode ser utilizada para eliminar a varivel xn e camos em funes
de n 1 variveis dadas por:

G x1, x2 , , xn 1 g x1, x2 , , xn 1, x1, x2 , , xn 1

F x1, x2 , , xn 1 f x1, x2 , , xn 1, x1, x2 , , xn 1

Note que a F j inclui a restrio, automaticamente satisfeita quando fizemos


xn x1, x2 , , xn 1 . Ento as condies de ponto extremo da F so as usuais:

n 1 n 1 2F
hi h j 0 max
i 1 j 1 xi x j
F 0 i 1,2, , n 1 e
xi n 1 n 1 2F
hi h j 0 min
x
i 1 j 1 i x j

g

G g g xi
Agora 0 pois G c , o que significa que . Por outro
xi xi xn xi xi g

xn
f f

F f f f xn g xn
lado 0 , ento 0 . Como uma
xi xi xn xi xi g xi g

xn xn
*
constante, calculada no ponto x temos que:

f g
0 ou ainda que f g 0 i 1,2, , n 1.
xi xi xi
f

f g f xn g f f
Por outro lado f g 0
xn xn xn xn g xn xn xn

xn
automaticamente. Portanto podemos estender a condio para

f g c 0 i 1,2, , n .
xi

Definindo a funo Lagrangeana dada por: L , x f g x c vemos que as



condies de primeira ordem para um extremo so que L , x 0 i 1,2, , n . Essa
xi
equao deve ser resolvida em conjunto com a restrio, mas notamos que

f g c 0 implica em g c 0 , ou seja, a prpria restrio. Usando a funo

Lagrangeana o nosso problema resolver o conjunto de equaes simultneas:


L , x 0 i 1,2, ,n
xi


L , x 0

f
A condio de segunda ordem um pouco mais complicada. Vamos usar a notao fj
x j
para simplificar. Nesse caso temos:

F j f j f n j
G j g j g n j

Sabemos que G j g j g n j 0 , logo F j F j G j e Fij Fij Gij . Por outro lado:


Fij fij f nji fin f nni j f nij
Gij gij gnji gin gnni j gnij

Subtraindo as duas equaes obtemos:



Fij Gij fij gij fin gin j f nj gnj i
f nn gnn i j f n gn ij

Agora:

fn
fn gn fn gn 0
gn

Ento:

n 1 n 1 n 1 n 1 n 1 n 1
Fij Gij hi h j fij gij hi h j fin gin hi j h j
i 1 j 1 i 1 j 1 i 1 j 1
n 1 n 1 n 1 n 1

j 1

f nj g nj h j i hi f nn g nn i hi j h j
i 1 i 1 j 1

n 1 gi 1 n 1
Definindo um hn i hi e usando o fato de que i temos que hn gi hi ,
i 1 gn g n i 1
n 1

n
ou seja, gi hi g n hn 0 , i.e., gi hi 0 nos garante que h est na curva g x h c .
i 1 i 1
Nesse caso temos que:

n 1 n 1 n 1 n 1 n 1

Fij Gij hi h j fij gij hi h j fin gin hi hn
i 1 j 1 i 1 j 1 i 1
n 1

f nj g nj h j hn f nn g nn hnhn
j 1

Assim conclumos que:

n 1 n 1 n 1 n 1
Fij hi h j Fij Gij hi h j fij gij hi h j
n n

i 1 j 1 i 1 j 1 i 1 j 1
Hessiano orlado:

0 f1 fn
f H11 H1n
O Hessiano orlado definido como: H
1
. Note as duas orlas nas


fn H1n H nn
primeira linha e primeira coluna da matriz Hessiana. A condies de segunda ordem dos pontos
de mximo e mnimo sero dadas pela definio do Hessiano orlado discutido no apndice
Definio de matrizes simtricas com restrio. Note que o Hessiano orlado poderia sair
diretamente do Lagrangeano se incluirmos como uma varivel pois:

2L , x g x 2L , x
e 0
xi xi 2
Apndice. Definio de matrizes simtricas:

m11 m12 m1n


m m22 m2 n
Dizemos que a matriz M nn 21 definida positiva se hMh 0 para


mn1 mn 2 mnn
qualquer h 0 . A matriz ser definida negativa se h Mh 0 para qualquer h 0 .

Teorema 1:

Se M simtrica e definida positiva ou negativa ento todos os elementos da diagonal ou so


positivos ou so negativos. Prova: como a propriedade vlida para qualquer h 0 basta escolher
h 0 0 0 o que significa que hMh M kk hk . Logo se
2
0 hk 0
hMh 0 ento M kk 0 e se hMh 0 ento M kk 0 para qualquer k 1, n .

Teorema 2: se M definida positiva ou negativa ento todas as submatrizes


m11 m12 m1k
m m22 m2 k
M k 12 sero definidas positivas ou negativas.


m1k m2 k mkk

Prova: como a propriedade vlida para qualquer h 0 basta escolher


h h1 h2 hk 0 0 0 o que significa que hMh hk M k hk .

Teorema 3.

a. Se M definida positiva ento det M k 0 , ou ainda, sign det M k 1 para qualquer


k 1, n .
k 1
b. Se M definida negativa ento sign det M k 1 , ou seja, o sinal do
determinante vai alternando na forma .
A melhor forma de prova esse teorema diagonalizar as submatrizes, mas instrutivo analisar o
caso de uma matriz 2 2 e outra 3 3 com a tcnica de completar quadrado.
Matriz 2 2 :

m m12 h
q h k 11
m12 m22 k

m h m12 k
q h k 11 m11h 2 2m12hk m22k 2
m21h m22 k

m
q m11 h 2 2 12 hk m22k 2
m11

m12 m12 2 m12 2


2 2
q m11 h 2
2
hk k k m22k
2
m11 m11 m11

m12 m12 2
2 2
2 m12 2
q m11 h 2
2
hk k m22k k
m11 11
m m11

2
m12 m11m22 m12
2
q m11 h k k
2

m11 m11

det M 2 2 onde h* h m12 k .


q det M1 h*2 k
det M1 m11

det M 2
Se q 0 e como h
*2
0 e k 2 0 preciso que det M1 0 e 0 o que implica em
det M 1
det M 2
det M1 0 e det M 2 0 . Por outro se q 0 preciso que det M1 0 e 0 o que
det M 1
implica em det M1 0 e det M 2 0 .

Matriz 3 3 :
m11 m12 m13 h
q h k l m12 m22 m23 k

m
13 m23 m33 l

m11h m12 k m13l


q h k l m12h m22k m23l

m hm k m l
13 23 33

q m11h 2 2m12 hk 2m13hl m22 k 2 2m23kl m33l 2

q m11h2 2 m12k m13l h m22k 2 2m23kl m33l 2

1 1
q m11 h 2 2 m12k m13l h 2 m12k m13l 2
m11 m11
1
m12k m13l 2 m22k 2 2m23kl m33l 2
m11

2
m k m13l 1
q m11 h 12 m22k
2
m12k m13l 2 2m23kl m33l 2
m11 m11

2
m k m13l
q m11 h 12
m11

1
m11
m11m22 m12
2

k2 2
1
m11
m11m23 m12m13 kl
1
m11

m11m33 m13
2
l2
2
m k m13l
q m11 h 12
m11


m 11m22
2
m12
k 2 2 m11m23 m12 m13 kl m11m23 m12 m13 l 2
2

m11

m11m22 m122
m 11m22 m 2 2
12

m m12
2
m m m m 2

11m22 11 23 12 13
l2
1

m11m33 m13
2
l2
m11
m m m
11 22
2 2
12
m11


2
2
m11m22 m12 m11m23 m12m13 l
2
m12 k m13l
q m11 h k
m11 m11

m11m22 m12
2

1

m m m 2 m m m 2 m m m m 2 l 2
m m m m
11 2 11 22
11 22 12
12 11 33 13 11 23 12 13


2
2
m11m22 m12 m11m23 m12m13 l
2
m12 k m13l
q m11 h k
m11 m11

m11m22 m12
2

1 m11
2
m22 m33 m11m22 m13
2
m11m12
2 2 2
m33 m12 m13 2
2 2 l

m11 m11m22 m12
2
m11m23 2m11m12 m13m23 m12 m13
2 2


2
2
m11m22 m12 m11m23 m12 m13 l
2
m12 k m13l
q m11 h k
m 11 m11

m m
11 22 m 2
12



m 11m22 m33 2m12 m13m23 m11m23
2
m22 m13
2
m12
2
m33 l 2

m11m22 m12
2

det M 2 *2 det M 3 2
q det M1 h*2 k l
det M1 det M 2

det M 2 det M 3
Ento se q 0 exigimos que det M1 0 , 0 e 0 o que implica em
det M 1 det M 2
det M1 0 , det M 2 0 e det M 3 0 . Mas se q 0 preciso que det M1 0 ,
det M 2 det M 3
0 e 0 o que implica em det M1 0 , det M 2 0 e det M 3 0 .
det M 1 det M 2

No entanto a melhor forma de provar o caso geral usar a tcnica de diagonalizao de matrizes.

J sabemos que se a matriz M definida positiva ou negativa ento as sub-matrizes M k possuem


a mesma definio. Sabemos que uma transformao de similaridade do tipo M S 1M S
preserva o determinante e queremos descobrir o sinal de q hk M k hk . Seja S k a matriz que
diagonaliza M k , simtrica, ou seja Sk M k Sk Dk , ento podemos fazer
q hk Sk Sk M k Sk Sk hk , ou seja, q hk Sk Dk Sk hk . Agora definimos hk* Sk hk logo
hk* hk Sk logo q hk* Dk hk* .

1 0 0
0 0 k
Mas Dk ento q h*2 . Logo se q 0 ento 0 i , mas
2
i 1
i i i


0 0 k
se se q 0 ento i 0 i . Se i 0 i ento det Dk 0 , mas se i 0 i ento

sign det Dk 1 . Como a transformao de similaridade preserva os determinantes ento,


k

a condio q 0 implica em sign det M k 1 k e a condio q 0 implica em

sign det M k 1
2
k .
Apndice: Definio de matrizes simtricas com restrio.

Suponha agora que os vetores possveis devem obedecer a uma restrio do tipo: f1h f 2k 0 .
Nesse caso as duas variveis h e k no so mais independentes, mas devem obedecer a relao
f2
h k.
f1

f 22 2 f 2
Assim q A11h 2 A12hk A22k A11 2 k 2 A12 2 k A22k
2 2 2
f1 f1

2
k
q f 22 A11 2 f1 f 2 A12 f12 A22 2
1f


E o sinal de q ser definido pelo sinal de sign q sign f 22 A11 2 f1 f 2 A12 f12 A22 . Agora

0 f1 f2

percebemos que det f1 A11 A12 f 22 A11 2 f1 f 2 A12 f12 A22 logo em lugar de

f A22
2 A12
encontrar os sinais de dois subdeterminantes encontramos o sinal de apenas um mas com uma orla.

Generalizando:

H11 H12 H1n


H H 22 H 2 n
Sem restrio com uma matriz Hessiana n n da forma H
12
ento


H1n H 2n H nn
H11 H12
a matriz definida positiva se det H1 det H11 , det H 2 det ,
12
H H 22

H11 H12 H1k H11 H12 H1n


H H H H H H
det H k det 12 22 2 k at det H det 12 22 2 n forem
n


1k
H H 2k H kk 1n
H H 2n H nn
todos positivos. A matriz ser definida negativa se det H 2 k 1 0 e det H 2 k 0 .
0 f1 fn
f H H
Com restrio: H ser definido positivo se os determinantes
1 11 1n


f n H1n H nn
det H 3 0 , det H 4 0 , ..., det H n 1 0
Apndice. Definio de Matrizes e concavidade das curvas:

A definio da matriz Hessiana tambm define a concavidade da funo. Se f x estritamente


cncava ou convexa ento:

f 1 x x 1 f x f x concava
para x e x .
f 1 x x 1 f x f x convexa

Ento tambm vale para x x h com h 0 mas com h 0 . Nesse caso

1 x x 1 x x h x h ento:


f x h 1 f x f x h concava

f x h 1 f x f x h convexa

Agora, por srie de Taylor at segunda ordem sabemos que:


n 1 n n
f x h f x hi i f x hiij f x h j
i 1 2! i 1 j 1

Que pode ser escrita como:

1
f x h f x h f x hHh
2

Fazendo h h temos que:

2

f x h f x h f x
2
hHh

Logo:

2 1
f x h f x hHh 1 f x f x h f x hHh concava
2 2
2 1
f x h f x hHh 1 f x f x h f x hHh convexa
2 2
2
f x h f x hHh f x h f x hHh concava
2 2
2
f x h f x hHh f x h f x hHh convexa
2 2

2
hHh hHh concava
2 2
2
hHh hHh convexa
2 2

1
hHh 0 concava
2
1
hHh 0 convexa
2

Como 0,1 ento 1 0 e a concavidade definida por:

hHh 0 concava
hHh 0 convexa

ou seja, se o Hessiano for definido negativo a funo cncava e se for definido positivo a funo
convexa. intuitivo que funes cncavas possuam mximos enquanto funes convexas
possuam mnimo.
Apndice. Exemplos de Otimizao com Restrio:

1. Maximizar y x1 x2 s.r. x1 4 x2 16 .

L , x x1x2 x1 4 x2 16


L x2 0 1
x1


L x1 4 0 2
x2


L x1 4 x2 16 0 3

x1
Das equaes (1) e (2) temos que x2 logo x1 4 x2 . Jogando essa relao na restrio
4
[equao (3)] temos 4 x2 4 x2 16 0 x2 2 x1 8 2

A matriz Hessiana orlada

2L 2L 2L


2
x1 x1
2 0 1 4
L 2L 2L
H 1 0 1 x1 e x2 .
x1 x12 x1x2
2 4 1 0
L 2L 2L
x x1x2 x22
1
Entre os sub-determinantes D0 , D1 e D2 s o D2 interessa pois uma restrio comea no 1+1+1=3,
e troca-se o sinal em relao ao determinante sem restrio. determinante

0 1 4
D2 det 1 0 1 4 4 8 0 .
4 1 0

Como D2 0 com uma restrio o D2 sem restrio seria negativo, matriz definida negativa.
Assim ponto de mximo.
Esse problema tambm fcil de resolver por substituio. Da restrio temos que x1 4 4 x2
dy
. Substituindo na funo objetivo y 4x2 4 x2 , logo 4 4 x2 4 x2 16 8 x2 0 e
dx2
d2y
x2 2 e x1 4 4 2 8 . A segunda derivada 8 0 , logo o ponto de mximo.
dx22

2. Maximizar f x, y, z xz yz s.r. y 2 z 2 1 e xz 3 .


L , x xz yz 1 y 2 z 2 1 2 xz 3


L z 2 z 1 2 z 0 1
x


L z 21 y 0 2
y


L y x 21z 2 x 0 3
z


1

L y2 z2 1 0 4


L xz 3 0 5
2

Da equaes (1) ou 2 1 ou z 0 . Mas z 0 entra em contradio com xz 3 0 3 .


Logo, obrigatoriamente, 2 1 .

z 21 y 0

y 21z 0
Extraindo z e substituindo
y 412 y 1 412 y 0 com duas opes y 0 ou

1 4 0 . Novamente se y 0 ento z 0 em contradio com xz 3 . Logo


1
2
1
2

1
4
e

1 1
1
e 1 .
2 2

1 2
Para 1 y z0 yz
2 2

1 2
Para 1 y z0 y z
2 2
1
Em qualquer um dos dois casos y z a restrio y z 1 2 z 2 1 , logo z
2 2
2
1 3
, y e x 3 2 . Assim temos 4 pontos extremos:
2 z

1 1 1
x, y, z, 1 , 2 3 2, , , ,1
2 2 2
1 1 1
x, y, z, 1 , 2 3 2, , , ,1
2 2 2
1 1 1
x, y, z, 1 , 2 3 2, , , ,1
2 2 2
1 1 1
x, y, z, 1 , 2 3 2, , , ,1
2 2 2

Agora vamos ao Hessiano Orlado:


2L 2L 2L 2L 2L

1
2
12 x1 y1 z1
2
L 2L 2L 2L 2L
0 0 0 2 y 2 z
12 22 x2 y2 z2
2 0 0 z 0 x
L 2L 2L 2L L 0
2
H z 0 0 1 2
x x2 x 2 xy xz
1
2 y 0 0 21 1
L 2L 2L 2L 2L 2 z x 21
2
1 2 1
y1 y2 xy y 2 yz
2L 2L 2L 2L 2L

z z2 xz yz z 2
1
.

Como 2 1 ento

0 0 0 2 y 2 z
0 0 z 0 x

H 0 z 0 0 0

2 y 0 0 21 1
2 z x 0 21
1

So 3 variveis e 2 restries ento s o sub-determinante total D4 interessa. Podemos usar a


coluna ou a linha 3 cheia de zeros para diminuir a ordem do determinante:

0 0 0 2 y 2 z
0 0 0 2 y 2 z
0 z 0 x
0 z 0 0
det 0 z 0 0 0 z det
2 y 0 2 1
2 y 0 0 2 1
1

2 z x 0
1
2 z x 1 2 1
1 21

Agora usamos a linha 2 para diminuir mais uma ordem:


0 2 y 2 z
D4 z z det 2 y 21 1
2 z 21
1


D4 z 2 4 zy 4 zy 8 z 21 8 y 21 8 z 2 zy z 2 y 2 1
como y2 z2 1

ento:

D4 8z 2 zy 1

1 1 1 1
portanto D4 8 z 0
2
Para 1 z y zy z 2 1 zy 1
2 2 2 2
logo se trata de ponto de mximo.

1 1 1 1
1 zy 1 portanto D4 8 z 0 logo se trata
2
Para 1 zy
2 2 2 2
de ponto de mnimo

1 1 1 1
Assim os pontos x, y , z 3 2, , e x, y, z 3 2, , so pontos de
2 2 2 2
1 1 1 1
mximo enquanto os pontos x, y, z 3 2, , e x, y, z 3 2, , so
2 2 2 2
pontos de mnimo. Voltando funo objetivo vemos que
1 1 1 1 1 1 7 7
f 3 2, , 3 2 3 logo o valor mximo. J
2 2 2 2 2 2 2 2
1 1 1 1 1 1 5 5
f 3 2, , 3 2 3 logo o valor mnimo.
2 2 2 2 2 2 2 2
Apndice. Regra de Leibnitz:
h x
d
Seja F x f x, t dt . Queremos calcular F x .
g x
dx

h x x h x

F x f x x, t dt f x, t dt
g x x g x

g x h x h x x h x

F x f x x, t dt f x x, t dt f x x, t dt f x, t dt
g x x g x h x g x

h x h x x g x x

F x f x x, t f x, t dt f x x, t dt f x x, t dt
g x h x g x

h x h x x g x x
F x f x x, t f x, t 1 1
dt f x x, t dt f x x, t dt
x g x
x x h x
x g x


Agora, seja P x, t tal que P x, t f x, t , ou seja, P x, t f x, t dt , ento:
x

1
x x
P x x, x x P x x , x
f x x, t dt
x x x
P x x, x x P x x , x x x x

x x x x
P d d


x, x
dx
f x, x
dx

Ento:

h x x

f x x, t dt f x x, h x
1 dh
x
h x
dx

g x x

f x x, t dt f x x, g x
1 dg
x
g x
dx
Logo:
h x
dF x f x, t
dt f x, h x f x, g x
dh dg

dx g x
x dx dx

Ou seja, a regra de Leibnitz de derivar integrais :


h x h x
f x, t
dt f x, h x f x, g x
d dh dg
f x, t dt
dx g x g x
x dx dx

Casos particulares?

1. Os limites no dependem de x . Nesse caso:

d
b b
f x, t
f
x , t dt dt
dx a a
x

2. O integrando no depende de x . Nesse caso:


h x

f t dt f h x f g x
d dh dg

dx g x dx dx
Apndice. Condies de Segunda Ordem do Clculo Variacional:

f f
t

f y f y dt onde f y
dJ 2
J sabemos que e fy . Aplicando a segunda derivada
d t1 y y
temos:
t
d 2J 2
f yy 2 f yy f yy f yy 2 dt
d 2
t1

Que pode ser escrito na forma matricial:

d 2J 2
t
f yy f yy

d 2 t1
f f yy
dt
yy

Assim:

d 2J f yy f yy
0 se a matriz
f yy
for definida positiva e o extremo de mnimo.
d 2
f yy

d 2J f yy f yy
f f yy
0 se a matriz for definida negativa e o extremo de mximo.
d 2 yy

Logo, usando as regras dos determinantes das matrizes definidas positivas e negativas, temos que
o extremo ser de mximo ou mnimo se f yy f yy f yy 0 . Se essa condio no for satisfeita o
2

ponto de sela. Ser mnimo se f yy 0 e mximo se f yy 0 . Estas so as condies de Legendre.


Apndice. Condies de Transversalidade:
T
Suponha agora o problema de encontrar o extremo de J f t , y, y dt sem a exigncia de que
0

T e ou y T sejam fixos. Para simplificar vamos manter o ponto inicial fixo em t1, y1 0, yo
. A nova parametrizao, considerando y* t a trajetria tima, T * o tempo final timo e
y *f y * T * o y final timo, ser:

y t y* t t

T T * t T

y f y*f y

Agora o funcional dado por:

T * T

J f t , y * , y * dt
0

E devemos derivar tambm o limite de integrao usando a regra de Leibnitz, da forma:

T * T
f f
y y dt f T T T
d
J
*

d 0

Logo

T*
f f
y y dt f T T
d
J *

d 0 0

A integral por partes agora tambm deve ser feita com cuidado porque o termo uv no mais nulo:

T* T* T* T*
f f d f f * d f
0 y dt y 0 dt y dt y T T 0 dt y dt
*

Substituindo no resultado anterior temos:

T*
f d f f
dt T * T * f T * T
d
J
d 0 0
y dt y y
Agora y y f y *f y T * T y * T *

y T * T y * T * T T * T
y T * T y * T * y * T * T y * T * T * T
y y *T T * T

Logo

T * T y y *T e no limite 0 T * y y *T . Substituindo na equao acima


temos:

T* *
f d f f f
dt T * y f y T
d
J
d 0 0
y dt y y y

O extremo ser dado pela condio:

T* *
f d f f * f
0 y dt y dt y T y f y y T 0

Novamente a funo t arbitrria significando que a integral e os outros dois termos devem
ser nulos independentemente. Para a integral ser nula continua valendo a equao de Euler-
Lagrange:

f d f
0
y dt y

Mas a ela devemos acrescentar as condies de transversalidade:


*
f * f
y
T y f y T 0
y

Exemplos de fixao:
Considere o problema de encontrar a distncia origem em um plano x, y . A trajetria agora
y x e manteremos a notao fazendo x t . Nesse caso d dt 2 dy 2 1 y 2 dt e
T
1 y 2 dt . A funo objetivo f t , y, y 1 y 2 . Nesse caso fy 0 e
0

y
1 y2 y
1 2y y 1 y2 1 y2 y2 1
fy . Note que f yy o que
1 y 1 y
2 3 3
2 1 y 2
1 y2 1 y 2 2 2 2 2

significa que f yy 0 sempre, e o problema de mnimo.

d d y
Equao de Euler-Lagrange f y f y 0 nos leva a f y 0 ou seja f y c , logo c
dt dt 1 y2
c2
. Assim y 2 c 2 1 y 2
c
y2 y a . Se y a ento y at b . Como
1 c2 1 c2
y 0 0 , ento b 0 e a reta y at que passa na origem uma soluo. Retas gerando distncias
mnimas so esperadas. Falta determinar o coeficiente angular da reta.

y2 y
Caso 1. T t2 fixo e y T y2 , ento y2 at2 , logo a e a reta y t 2 t a trajetria
t2 t2
de menor distncia entre a origem e o ponto t2 , y2 .

y
Caso 2. T t2 fixo mas y T livre , ento vamos impor que f y T 0 . Mas f y
1 y2
a
, y a logo f y t logo a 0 e a reta horizontal y t 0 a trajetria de menor
1 a2
distncia entre a origem e o ponto t2 ,0 .

Caso 3. T livre mas y T y f , ento vamos impor que f T yf y T 0 . Mas


a
f 1 y2 1 a2 , ya e fy t logo
1 a2
a 1 1
f T yf y T 1 a 2 a a 0 . Entretanto, para que 0 preciso
1 a2 1 a2 1 a2
yy
que a e a reta horizontal y t 0 e T 0 . A trajetria a reta vertical entre a origem
a
e o ponto 0, y f .
Caso 4. O ponto final deve cair na reta T T . Nesse caso impomos a condio
f T yf y T 0 , com temos que a condio dada por
f y f y ,. Mas
a 1 1
1 a2 a , logo 1 a 2 a 2 a a 1 e a . Nesse caso y t
1 a 2
a reta perpendicular T T que passa pela origem. O ponto de encontro das retas
1 2 1
dado por T T ou seja T , ou seja, T .
1 2

Exerccio: Considere o problema da trajetria de menor distncia da origem at o crculo


y yo T To R 2 . Mostre que a trajetria a reta que passa pela origem e pelo centro do
2 2

crculo To , yo . Determine T e y T .
Apndice. Exemplos de fixao da Teoria do Controle timo:

Exemplos de fixao:
T

1. Maximizar V 1 u 2 2 dt s.r. y u e y 0 A .
1

Nesse caso H 1 u 2 2 u ,
1

H
1 u 2 2 2u 0 logo
1 1 u
, ento:
u 2 1 u2
u2 2
2 u u
2 2 2 2
u 2
u
1 u 2
1 2 1 2

H
0 logo o constante. Como T 0 ento 0 , logo u 0 . Neste caso
y
y 0 e y A.

2. Vamos apresentar um problema em que a varivel de controle pode ser descontnua.


2

Maximizar V 2 y 3u dt s.r. y y u ; y 0 4 ; y 2 livre e u t 0, 2 .


0

Nesse caso H 2 y 3u y u .

H 0 se 3
Maximizar H em relao u : 3 . Temos que escolher u que
u 0 se 3
maximiza H , o qual uma funo linear de u . Assim se 3 o u que maximiza H ser u 2
, o maior valor permitido para o u . J se 3 o u que maximiza H ser u 0 , o menor valor
permitido. Dessa forma podemos escrever:

2 se 3
u* t
0 se 3

H
Notando que o fato de que H uma funo linear de u implica que sempre, para qualquer
u
H
u , e a condio 0 sempre, no pode valer nesse caso para determinar u . O critrio claro
u
que escolhendo u que maximiza H o tempo todo teremos Hdt mximo.
Encontrando :

H
2 logo 2 uma equao diferencial de primeira ordem. Usando a soluo
y
o e t 1 , temos que o e t o e t 1 2 , ou seja, 1 2 e 1 oet 0 , ou seja,
1 . Dessa forma o e t 2 .

Por outro lado as condies de transversalidade impem que 2 0 logo o e 2 2 0 e


o 2e 2 , portanto, 2 e2t 1 . Para t 0 0 2 e2 1 12.778 3 e, claro, 2 0 .


O tempo limite em que t * 3 definido por 2 e2t 1 3 , ou seja, e 2 t
5
* *
. Aplicando o
2
logaritmo de ambos os lados, 2 t * ln 5 ln 2 , ou seja, t * 2 ln 5 ln 2 1.084 . Com isso
temos:

2 0 t 1.084
u* t
0 1.084 t 2

Falta encontrar y t :

H
y y u , logo y y u . Como u constante por partes, podemos tomar a soluo

y ae pt b e y pae pt , logo, pae pt ae pt b u de onde tiramos b u e p 1 ae pt 0 ,
com p 1 . Temos duas regies t t * e t t * .

yI t a1et 2 0 t t *

yII t a2et t* t 2

Usando a condio inicial yI 0 4 tiramos que a1 2 4 logo a1 6 . A outra condio que

y t contnua, ento yI t * yII t * , logo 6et 2 a2et de onde extramos que


* *


a2 2 3 et . Finalmente temos:
*

2 3et 1 0 t t *

y t
*



2 3 e t et t * t 2
*
T

3. Maximizar V t 2 u 2 dt s.r. y u ; y 0 4 ; y T 5 e T livre .


0

Nesse caso y 0 e T 0 e H t 2 u 2 u .

H
2u 0 logo u
u 2

H o
0 0 o u
y 2

H o
y u o logo y o y t c . Com a condio inicial y 0 4 temos c 4
2 2 2
o
y t4.
2

2 1
A outra condio que y T 5 ento oT 2 ou o , logo u o . S falta encontrar
T 2 T
1 21 1
T . Para isso usamos H T 0 , ento H T T 2 2 0 logo T 2 2 0 e
T TT T
T 4 1 . As razes de T 4 1 so T 1, 1, i, i , sendo a nica real e positiva T 1 . Assim
determinamos todas as variveis e trajetrias:

1
y t 4 ; u 1; 2 e T 1 .
2
Apndice. Formalismos Hamiltoniano e Lagrangeano da Mecnica Clssica:

Vamos usar os dois formalismos, do Clculo das Variaes e da Teoria do Controle timo
sumarizados na tabela abaixo.

Clculo das Variaes Teoria do Controle timo


t2

Problema: Otimizar J f t , q, q dt sujeito


t1

restrio h t , q, q 0 .
Usa a Lagrangeana para transformar o t2

problema em: Problema: Otimizar V L t , q, u dt sujeito


L f t, q, q g t, q, q t1

t2
s restries y g t , q, u .
J L t , q, q, dt
t1

Trajetria tima segue equao de Euler- Usa a Hamiltoniana H L u e as


L d L trajetrias timas seguem equaes de
Lagrange: 0 Hamilton-Jacobi:
y dt y
H H H dH H
y ; ; 0;
y u dt t

Mecnica Clssica no Clculo das Variaes. Trocam-se as leis de Newton pelo princpio da
t2

Ao Mnima em que a trajetria aquela que minimiza A L t , q, q, dt . Agora basta


t1

mostrar que que usando:

1 V
L T V com T mx 2 e F
2 x
Recuperamos as leis de Newton.

L V L T
F e mx , portanto a equao de Euler-Lagrange
x x x x
L d L
0 nos leva a:
x dt x

d
F mx 0 F mx
dt
L T
Vale notar que mx p o momento.
x x
t2

Generalizando o Clculo das Variaes para n


coordenadas A L t , x , x dt temos que
t1

L d L
resolver n equaes de Euler-Lagrange do tipo 0 . Se temos um sistema com n
xi dt xi
partculas com 3 graus de liberdade (x,y,z) para cada partcula teremos 3n coordenadas no total
que vamos denotar por xi i 1, 2,3, ,3n .

A grande vantagem do formalismo Lagrangeano na Mecnica Clssica a possibilidade de mudar


as variveis para satisfazer restries especficas. Ento vamos mudar das coordenadas cartesianas
x para um conjunto de coordenadas dado pelas transformaes:

qi qi x1 , x2 , , x3n ; t e sua transformao inversa xi xi q1 , q2 , , q3n ; t .

T
Nas coordenadas cartesianas sabemos que o momento dado por pi mxi ento, por
xi
T
analogia, vamos definir um momento generalizado atravs de p . Suponha uma
q
transformao de coordenadas em que no h uma dependncia explcita do tempo, ento:

xi
dW Fi dxi Fi dq j Q j dq j
q j

xi
A fora generalizada definida por Q j Fi . Se as foras so conservativas ento existe uma
q j
funo potencial V tal que dW dV e V s depende de q mas no de q e t , ento:

V
dW dq j Q j dq j logo:
q j

V
Qj
q j
Novamente obtemos um Lagrangeano L T V e as equaes de Euler-Lagrange em termos
T L V
das coordenadas generalizadas qk , pk e Qk :
qk qk qk

d L L
0
dt qk qk

Formalismo Hamiltoniano:

Primeiro vamos analisar o caso univariado na k esima coordenada. No formalismo Lagrangeano


t2

achar o extremo de J L t , qk , qk dt nos leva s equaes de Euler-Lagrange


t1

d L L L d L
0 , ou seja, pk pk ou seja pk . No formalismo Hamiltoniano
dt qk qk qk dt qk
t2

queremos o extremos de J L t , qk , uk dt sujeito restrio uk qk sobre a qual fazemos a


t1

transformao de Legendre: H L uk que nos leva s equaes de Hamilton:

H H L L
0 0 , logo . O significado do mulitplicador de Lagrange
uk qk qk qk
nesse caso que pk o momento generalizado. Alm disso:

H H
portanto pk
qk qk

H H
qk logo qk
p k

H H
As equaes de Hamilton-Jacobi so: pk e qk .
qk p k

O Hamiltoniano obtido do Lagrangeano atravs da transformao de Legendre: H L pk qk


. Usando os mesmos passos clssicos que levaram do Lagrangeano para o Hamiltoniao pode-se
mostrar que H T V .