UNIVERSIDADE FEDERAL DO PAR

A
FACULDADE DE MATEM

ATICA
Introducao ao Calculo Variacional
Cristina L ucia Dias Vaz
cvaz@ufpa.br
UFPA
Junho - 2011
Sumario
Introducao 4
1 Problemas com fronteiras xas 5
1.1 Preliminares . . . . . . . . . . . . . . . . . . . . . 5
1.2 Equacao de Euler-Lagrange . . . . . . . . . . . . 7
1.3 Problemas com extremo condicionado . . . . . 11
Restric oes do tipo (x, y
1
, y
2
, . . . , y
n
) = 0 . . . . . 11
1.4 Problema com fronteira m ovel . . . . . . . . . . 15
Problema com um ponto fronteira m ovel . . . . 15
Dois pontos de fronteira m oveis . . . . . . . . . 21
Integral de Hilbert . . . . . . . . . . . . . . . . . 24
2 Aplicac oes 35
2.1 Princpio de Hamilton . . . . . . . . . . . . . . . 35
Graus de liberdade . . . . . . . . . . . . . . . . . 35
Sistema holon omico e nao holon omico . . . . . 36
Sistema conservativo e nao conservativo . . . . 37
Princpio de Hamilton . . . . . . . . . . . . . . . 38
2
CVaz Introducao ao Calculo Variacional 3
3 Metodos Diretos 40
3.1 Seq uencia minimizante . . . . . . . . . . . . . . 40
3.2 Metodo de Ritz . . . . . . . . . . . . . . . . . . . 42
4 Metodos Aproximados 45
4.1 Metodo de Ritz aproximado . . . . . . . . . . . 46
Referencias Bibliogracas 50
Introducao
Este texto s ao as notas de aula da disciplina Atividade Complementar II ofere-
cida pela Faculdade de Matematica da UFPA no 1

semestre de 2011 para o curso

de Licenciatura em Matem atica. Seu objetivo principal e introduzir os principais
aspectos do C alculo Variacional de forma elementar e sem muito rigor matematico.
Abordaremos os principais conceitos e resultados da teoria da 1
a
varia cao, Metodos
Diretos e Aproximados, em particular o Metodo de Ritz e algumas aplica coes.
Gostaria de agradecer aos alunos da disciplina que aceitaram o desao de trilhar os
caminhos do C alculo Variacional e suas aplicac oes, s ao eles: Crystian Valino Pinheiro,
Helio da Silva , Jociane dos Santos Fonseca, Jose Roberto Nascimento, Maurcio
Vinhote, Mauro Feio, Mateus Costa de Sousa, Misael da Silva, Ramz Fraiha Lopes e
Wellington Duarte.
Tambem gostaria de agradecer aos professores Jo ao Pablo Pinheiro da Silva,
M arcio Lima do Nascimento e Marcos Monteiro Diniz, da Faculdade de Matem atica
da UFPA, os quais aceitaram participar do Seminario de Calculo Variacional reali-
zado pela turma como avalia cao dos resultados.
Cristina Vaz
Junho/2011
4
Captulo 1
Problemas com fronteiras xas
Os procedimentos para resolucao de problemas variacionais, isto e, a investigac ao
de m aximos ou mnimos de funcionais e muito parecido com os procedimentos da
investigacao de maximos ou mnimos de func oes. Neste captulo trataremos de pro-
blemas variacionais com com fronteiras xas, ou seja, problemas para os quais a
soluc ao satisfaz certas condi coes na fronteira do seu domnio de deni cao. Nosso ob-
jetivo e obter uma condic ao necess aria para que uma certa func ao seja m aximo ou
mnimo de um funcional. Este estudo e conhecido como teoria da 1
a
variacao.
Para introduzirmos os principais resultados da teoria da 1
a
variacao vamos relem-
brar alguns conceitos da otimizac ao de func oes.
1.1 Preliminares
Um funcional e uma transforma cao I que a cada func ao contnua y associa um
n umero real I[y]. Deste modo, temos que I : C[x
0
, x
1
] R com C[x
0
, x
1
] o espaco
das func oes contnuas y : [x
0
; x
1
] R.
Exemplo 1.1 I associa a cada funcao contnua y(x) o seu valor num ponto xado
a [x
0
, x
1
], isto e, I[u] = y(a).
5
CVaz Introducao ao Calculo Variacional 6
Exemplo 1.2 A integral
I[u] =
_
x
1
x
0
y(x) dx
dene um funcional em C[x
0
, x
1
].
Exemplo 1.3 Seja (x) uma fun cao contnua xa. A integral
I[u] =
_
x
1
x
0
(x) y(x) dx
dene um funcional em C[x
0
, x
1
].
Sejam : R R e x o incremento na vari avel x . Considere o valor (x+x)
para x e x xos e o parametro vari avel. Para = 1 temos que a variacao da func ao
e (x + x) e para = 0 tem-se a pr opria fun cao (x). N ao e difcil de vericar
que a derivada de (x +x) com rela cao a em = 0 e o diferencial de . De fato,
pela regra da cadeia temos que
d
d
(x + x)

=0
=

(x + x)x

=0
=

(x) d.
De modo completamente an alogo, para uma func ao de v arias vari aveis
z = (x
1
, x
2
, . . . , x
n
)
podemos obter o seu diferencial derivando
(x
1
+ x
1
, x
2
+ x
2
, . . . , x
n
+ x
n
)
com relac ao a e depois fazendo = 0. De fato,
d
d
(x
1
+ x
1
, x
2
+ x
2
, . . . , x
n
+ x
n
)

=0
=
n

i=1

x
i
x
i
= d.
Tambem podemos denir a variac ao do funcional I[y] como a derivada da func ao
I[y(x) + (x)] para uma func ao arbitraria na mesma classe da func ao y. Neste
caso, temos a seguinte denic ao:
CVaz Introducao ao Calculo Variacional 7
Denicao 1.1 A 1
a
variacao do funcional I[y], representada por I, e denida por
I =
d
d
I[y(x) + (x)]

=0
. (1.1)
Assim, podemos obter uma condicao necessaria para extremos de I[y].
Teorema 1.1 Suponha o funcional I[y] possue 1
a
variacao. Se a funcao y = y
0
(x) e
um maximo ou mnimo de I[y], entao I = 0.
Prova: Para y
0
(x) e (x) funcoes xas temos que I[y(x) + (x)] = () e uma
funcao de , que por hipotes, tem maximo ou mnimo em = 0. Entao,

(0) = 0
d
d
I[y(x) + (x)]

= 0 I = 0.
Portanto, o teorema 1.1 estabelece que as func oes que sao candidatas a m aximo
ou mnimo do funcional I[y] sao aquelas que anulam a 1
a
varia cao de I[y].
A denic ao de 1
a
variacao e o teorema 1.1 podem ser generalizados, com as devidas
alterac oes, para funcionais que dependem de v arias fun coes
I[y
1
(x), y
2
(x), . . . , y
n
(x),
ou depende de uma ou v arias funcoes de varias variaveis
I[z(x
1
, x
2
, . . . , x
n
)] ou I[z
1
(x
1
, x
2
, . . . , x
n
), z
2
(x
1
, x
2
, . . . , x
n
), . . . , z
m
(x
1
, x
2
, . . . , x
n
)].
Por exemplo, a 1
a
variacao do funcional I[z] e a seguinte derivada com relac ao a
I =
d
d
I[z(x, y) + (x, y)]

=0
.
Alem disso, se z(x, y) e um m aximo ou mnimo de I[z] ent ao I = 0, pois I[z(x, y)+
(x, y)] e uma funcao de que, por hip otese, tem extremo em = 0.
1.2 Equacao de Euler-Lagrange
O problema variaciona que estamos interessados e: encontrar uma fun cao y :
[x
0
; x
1
] R que satisfaz as condicoes de fronteira y(x
0
) = y
0
e y(x
1
) = y
1
, e minimize
(ou maximize) um funcional do tipo
CVaz Introducao ao Calculo Variacional 8
I[y] =
_
x
2
x
1
f(x, y, y

) dx (1.2)
com f(u, v, w) uma fun cao com derivadas parciais ate 2
a
ordem contnuas.
Escreveremos este problema da seguinte forma:
Problema (P
0
): Minimizar o funcional
I[y] =
_
x
2
x
1
f(x, y, y

) dx; (1.3)
y(x
1
) = y
1
, y(x
2
) = y
2
. (1.4)
O problemas variacional e conhecido como problema variacional de fronteira xa.
J a sabemos que a condic ao necess aria termos um extremo e que a 1
a
variacao de I[y]
seja zero. Agora, vamos aplicar este teorema a problemas do tipo problema P
0
.
Para isto, suponha que I[y] atinge um extremo (mnimo ou m aximo) em y = y(x).
Tomemos uma variac ao de y(x) na forma y

(x) = y(x) +(x), com um par ametro e

: [x
0
; x
1
] R uma func ao arbitraria de classe C
1
[x
0
, x
1
] tal que (x
1
) = (x
2
) = 0.
Observe que para = 0 obtemos a func ao y(x) e para = 1 tem-se (x). Nos
problemas variacionais a func ao (x) desempenha um papel analogo ao incremento
x na variavel independente x nos problemas de otimizacao de uma func ao (x).
Pode ser considerada como a varia cao y = y

(x)y(x) com y

uma funcao admissvel

(chamada func ao de compara cao) proxima de y(x).
Vamos considerar os valores do funcional I[y] na famlia de func oes y

(x), ou seja,
substituir y

(x) no funcional (1.2). Assim, () = I[y

] e uma func ao de que tem

extremo em = 0, pois neste valor tem-se y

(x) = y(x). Entao, a condicao necess aria

e

(0) = 0. Como
() = I[y

] =
_
x
2
x
1
f(x, y + , y

) dx. (1.5)
temos que a condic ao necessaria e dada por
() = 0
dI
d

=0
= 0, (1.6)
CVaz Introducao ao Calculo Variacional 9
ou seja, que a 1
a
variacao i se anule.
Derivando () obtemos, usando a continuidade de f,
d
d
__
x
2
x
1
f(x, y + , y

) dx
_
=
_
x
2
x
1
_
f
y

+
f
y

_
dx,
ou seja,
dI
d
=
_
x
2
x
1
_
f
y

+
f
y

_
dx.
Assim,
I =
_
x
2
x
1
_
f
y
+
f
y

_
dx = 0 (1.7)
Note que ate agora as exigencias de regularidade de y(x) sao que y seja uma func ao
de classe C
1
[x
1
, x
2
]. Por esta razao, a formulacao (1.7) e chamada formulacao fraca
do problema P
0
. Agora, se efetuarmos a seguinte integrac ao por partes:
_
x
2
x
1
f
y

dx =
f
y

x
2
x
1

_
x
2
x
1
d
dx
_
f
y

_
dx
e usarmos (x
1
) = (x
2
) = 0, (1.7) torna-se
I =
_
x
2
x
1
_
f
y

d
dx
_
f
y

__
dx = 0. (1.8)
Observe que
d
dx
_
f
y

_
=

2
f
xy

+

2
f
y

y
y

+

2
f
y
2
y

. (1.9)
Portanto, como as derivadas parciais da f s ao contnuas e y

tambem e contnua,
para garantirmos a continuidade do termo dado em (1.9) devemos exigir que y

seja
contnua. Portanto, y(x) sera uma func ao de classe C
2
[x
1
, x
2
]. Por esta razao, a
formula cao (1.8) e chamada formulac ao variacional (forte) do problema P
0
.
Para concluirmos vamos aplicar o seguinte resultado cuja prova pode ser encon-
trada em [4], conhecido como Lema fundamental com Calculo Variacional:
Lema 1.1 Sejam (x) uma funcao contnua em [x
1
, x
2
] e (x) uma funcao de classe
C
1
[x
1
, x
2
] tal que (x
1
) = (x
2
) = 0. Se
_
x
2
x
1
(x) (x) dx = 0, .
CVaz Introducao ao Calculo Variacional 10
Entao, (x) = 0 para todo x [x
1
, x
2
].
Aplicando o Lema fundamental do C aculo Variacional em (1.9) obtemos a seguinte
equac ao diferencial
f
y

d
dx
_
f
y

_
= 0 (1.10)
A equac ao diferencial (1.10) foi obtida pela primeira vez por Euler em 1744 por um
processo de aproxima cao. Em 1755, aos 19 anos, Lagrange obteve a mesma equacao
por um metodo que e essencialmente o mesmo metodo apresentado acima. Em ho-
menagem a estes dois grandes matematicos do seculo 18, esta equac ao e chamada
equacao de Euler-Lagrange do funcional I[y].
Teorema 1.2 Seja f(u, v, w) uma funcao contnua com derivadas parciais de 1
a
e 2
a
ordens contnuas. Seja y = y(x) uma funcao de classe C
1
[x
1
, x
2
] tal que y(x
1
) = y
1
e
y(x
2
) = y
2
. Se y(x) e um mnimo do funcional
I[y] =
_
x
2
x
1
f(x, y, y

) dx.
Entao, y(x) satisfaz as formula coes (1.7) e (1.8) para toda (x) de classe C
1
[x
1
, x
2
]
tal que (x
1
) = (x
2
) = 0 e a equacao diferencial (1.10).
Para o caso de f(u, v, w) ser linear em y, por exemplo,
f
y
= h(x), podemos
associar a formulacao (1.7) uma forma bilinear dada por
B(, y) =
_
x
2
x
1
f
y

dx.
uma forma linear dada por
() =
_
x
2
x
1
h(x) dx.
Assim, neste caso (1.7) torna-se
B(, y) = (). (1.11)
CVaz Introducao ao Calculo Variacional 11
Quando a forma bilinear B(, y) e simetrica, isto e, B(, y) = B(y, ), podemos
associar a formulacao fraca (1.7) um funcional quadr atico do tipo
J(y) =
1
2
B(y, y) (y). (1.12)
A formula cao fraca (1.7) do problema P
0
e o cora cao dos metodos variacionais
aproximados, especialmente do metodo dos elementos nitos.
Observe qua a equac ao de Euler-Lagrange de J(y) e a equac ao de Euler-Lagrange
de I[y].
Exemplo 1.4 Quais funcoes sao canditadas a mnimo do seguinte problema varia-
cional
I[y] =
_
/2
0
y
2
y
2
dx
y(0) = 0, y(/2) = 1?
Solucao: As funcoes canditadas devem satisfazer a equacao de Euler-Lagrange
(1.10). Entao,
f
y
= 2 y,
f
y

= 2 y

f
y

d
dx
_
f
y

_
= y

+ y = 0.
A solucao geral desta equacao diferencial ordinaria de 2
a
ordem e y(x) = c
1
cos x +
c
2
sen x. Usando as condicoes de fronteira obtemos c
1
= 0 e c
2
= 1 e, logo, a canditada
a extremo de I[y] e a funcao y = sen x.
1.3 Problemas com extremo condicionado
Chamam-se problema variacional com extremo condicionado ao problema de mi-
nimizarmos um funcional I cuja func ao extremos procurada satisfaz certas restric oes.
Nesta secao aprsentaremos tres tipos de restricoes.
Restri c oes do tipo (x, y
1
, y
2
, . . . , y
n
) = 0
Considere o seguinte problema variacional:
CVaz Introducao ao Calculo Variacional 12
Problema (PC): Minimizar o funcional
I[y
1
, y
2
, . . . , y
n
] =
_
x
2
x
1
f(x, y
1
, y
2
, . . . , y
n
, y

1
, y

2
, . . . , y

n
) dx
tal as fun coes y
1
, y
2
, . . . , y
n
satisfazem as condi coes

i
(x, y
1
, y
2
, . . . , y
n
) = 0,
com i = 1, 2, . . . , m e m < n.
Para melhor compreens ao vamos relembrar como se resolve o problema an alogo de
minimizar uma func ao z = g(x
1
, x
2
, . . . , x
n
) sujeita as condic oes
i
(x
1
, x
2
, . . . , x
n
) = 0
com i = 1, 2, . . . , m e m < n. O metodo mais simples e resolvermos o sistema

i
(x
1
, x
2
, . . . , x
n
) = 0, i = 1, 2, . . . , m
considerando m equacoes s ao independentes, por exemplo, com relac ao a
x
1
, x
2
, . . . , x
m
:
x
1
= x
1
(x
m+1
, x
m+2
, . . . , x
n
);
x
2
= x
2
(x
m+1
, x
m+2
, . . . , x
n
);

x
m
= x
m
(x
m+1
, x
m+2
, . . . , x
n
);
e substituir x
1
, x
2
, . . . , x
m
na func ao
g(x
1
, x
2
, . . . , x
n
). Deste modo, a func ao g(x
1
, x
2
, . . . , x
n
) se transforma numa funcao
G(x
m+1
, x
m+2
, . . . , x
n
) de n-m vari aveis independentes e o problema reduz-se ao es-
tudo de extremos sem restric ao para a func ao G.
Analogamente, o problema variacional problema (PC) pode ser resolvido usando-
se o mesmo procedimento: resolve-se o sistema
i
(x, y
1
, y
2
, . . . , y
n
) = 0, 1 i m,
com rela cao a y
1
, y
2
, . . . , y
m
(ou outras m func oes y
i
), depois sunstitumos o resul-
tado em I[y
1
, y
2
, . . . , y
n
] para obter um funcional [y
m+1
, y
m+2
, . . . , y
n
] que depende
somente de n-m argumentos independentes. Deste modo, para obtermos o mnimo
do funcional podemos aplicar os resultados obtidos na sec ao 1.2. Porem tanto
para as funcoes quanto para os funcionais e mais interessante outro metodo chamado
multiplicadores de Lagrange, o qual trabalha com todas as vari aveis.
CVaz Introducao ao Calculo Variacional 13
Recordemos que para obtermos o minmo da func ao z = g(x
1
, x
2
, . . . , x
n
) sujeita
as condi coes
i
(x
1
, x
2
, . . . , x
n
) = 0 com i = 1, 2, . . . , m e m < n. usando o metodo dos
multiplicadores de Lagrange (para mais detalhes consulte []) introduzimos a funcao
auxiliar
z

= f +
m

i=1

i
com os fatores chamados multiplicadores de Lagrange. E estuda-se os extremos sem
restric ao da func ao z

, ou seja, o sistema de equac oes

z

x
j
= 0, 1 j n acoplado
as restric oes
i
= 0, 1 i m e determina-se as n + m inc ognitas x
1
, x
2
, . . . , x
n
e

1
,
2
, . . . ,
m
.
Para o caso dos funcionais o procedimento e completamente analogo: considera-se
o funcional
I

=
_
x
2
x
1
f

dx =
_
x
2
x
1
_
f +
m

i=1

i
(x)
i
_
dx,
e investiga-se o extremos de I

sem restricoes. Ou seja, resolve-se um sistema de

equac oes de Euler-Lagrange acoplado com as equa coes das restri coes:
f
y
j

d
dx
f
y

j
= 0, 1 j n

i
= 0, 1 i m
(1.13)
Em geral, as m + n equac oes sao sucientes para determinar as m + n func oes
inc ognitas y
1
, y
2
, . . . , y
n
e
1
,
2
, . . . ,
m
. As condic oes de fronteira y
j
(x
1
) = y
j1
e
y
j
(x
2
) = y
j2
, 1 j n, que devem ser compatveis com as restricoes, em geral,
permitem determinarmos as 2n constantes arbitrarias da soluc ao do sistema equac oes
de Euler-Lagrange. ] Naturalmente, as soluc oes do problema variacional sem restric ao
1.13 s ao tambem soluc oes do problema variacional com restric ao. De fato, se y
j
(x),
1 j n e
i
(x), 1 i m s ao as solu coes de 1.13 entao
i
(x, y
1
, y
2
, . . . , y
n
) = 0 e,
logo, I
ast
= I. Mais precisamnete temos o seguinte resultado:
Teorema 1.3 Se as funcoes y
1
, y
2
, . . . , y
n
sao extremos do funcional
I[y
1
, y
2
, . . . , y
n
] =
_
x
2
x
1
f(x, y
1
, y
2
, . . . , y
n
, y

1
, y

2
, . . . , y

n
) dx
CVaz Introducao ao Calculo Variacional 14
satisfazem as condicoes

i
(x, y
1
, y
2
, . . . , y
n
) = 0, 1 i m; m < n,
e, para uma certa escolha dos fatores
i
(x), 1 i m, satisfazem o sistema de
equacoes de Euler-Lagrange do funcional
I

=
_
x
2
x
1
f

dx =
_
x
2
x
1
_
f +
m

i=1

i
(x)
i
_
dx.
Entao as funcoes
i
(x) e y
i
(x) satisfazem o seguintes sistema de equacoes:
f
y
j

d
dx
f
y

j
= 0, 1 j n

i
= 0, 1 i m
O problema variacional classico com restric ao e o problema das curvas geodesicas:
Determinar a curva de menor comprimento que une dois pontos dados na superfcie
(x, y, , z) = 0. Estas curvas s ao chamadas geodesicas. Portanto deseja-se minimi-
zar o funcionac
I =
_
x
2
x
1
_
1 + y
2
+ z
2
dx
com a restri cao (x, y, , z) = 0. Este problema foi resolvido por J. Bernoulli em 1698,
mas o metodo geral para resolver problemas variacionais deste tipo foi apresentado
por L. Euler e J. Lagrange.
Exemplo 1.5 Achar a menor distancia entre dois pontos A = (x
1
, y
1
, z
1
) e B =
(x
2
, y
2
, z
2
) da superfcie (x, y, z) = 0. Sabemos que a distancia entre dois pontos
numa superfce e dada pelo funcional
I =
_
x
2
x
1
_
1 + y
2
+ z
2
dx.
Portanto queremos achar o minmo de I com a condicao (x, y, z) = 0. Assim,
considera-se
I

=
_
x
2
x
1
_
1 + y
2
+ z
2
+ (x)(x, y, z) dx.
CVaz Introducao ao Calculo Variacional 15
Neste caso (1.13) torna-se
(x)

y

d
dx
_
y

_
1 + y
2
+ z
2
_
= 0,
(x)

x

d
dx
_
z

_
1 + y
2
+ z
2
_
= 0,
(x, y, z) = 0.
Estas tres equacoes determinam o multiplicador de lagrange (x) e as funcoes
y(x) e z(x) que podem ser um minmo com restricao do funcional I.
1.4 Problema com fronteira m ovel
Nesta secao trataremos o problema que minimizar o funcional
I[y] =
_
x
2
x
1
f(x, y, y

) dx
considerando que os pontos de fronteira (x
1
, y
1
) e (x
2
, y
2
) variam ao longo de curvas
dadas. Como as condic oes de fronteira determinam as constantes arbitr arias que
aparecem ao resolvermos a equac ao de Euler-Lagrange, neste caso alguma condicao
adicional deve aparecer ao deduzirmos a condic ao necess aria para extremo de I[y].
Nesta secao usaremos o seguinte resultado do C alculo:
Lema 1.2 (Diferenciacao da Integral) Se
I() =
_
x
2
()
x
1
()
f(x, ) dx
entao
dI
d
= f(x
2
, )
dx
2
d
f(x
1
, )
dx
1
d
+
_
x
2
()
x
1
()
f

dx.
Problema com um ponto fronteira m ovel
Por simplicidade, primeiro vamos considerar o caso que apenas um ponto de fron-
teira e m ovel, ou seja, o seguinte problema variacional:
CVaz Introducao ao Calculo Variacional 16
Problema P
1
: Minimizar o funcional
I[y] =
_
x
2
x
1
f(x, y, y

) dx; (1.14)
y(x
1
) = y
1
; (1.15)
(x
2
, y
2
) = 0. (1.16)
com y(x
2
) = y
2
e (x, y) uma fun cao dada.
Sejam A e B os pontos inicial e nal, respectivamente, do caminho tracado pela
curva (x, (x, y)), ou seja, A = (x
1
, (x
1
, y
1
)) e B = (x
2
, (x
2
, y
2
)). Logo, neste
caso, estamos supondo que o ponto B varia ao longo do caminho tracado pela curva
(x, (x, y)) (veja gura 1).
Figura 1
Suponha que y = y(x) e o extremo de I[y] e considere a seguinte variac ao de y(x)
y

(x) = y(x) + (x). (1.17)

Observe que para = 0 temos que y

(x) = y(x)
Substituindo (1.17) em (1.14) temos que o funcional I[y] torna-se uma func ao de
. De fato,
I[y

] = I() =
_
x
2
()
x
1
f(x, y + , y

) dx.
CVaz Introducao ao Calculo Variacional 17
Usando o Lema 1.2 obtemos
dI
d
= f(x
2
, y

, y

)
dx
2
d
+
_
x
2
()
x
1
f

dx.
Como
f

=
f
y

+
f
y

temos que
dI
d
= f(x
2
, y

, y

)
dx
2
d
+
_
x
2
()
x
1
_
f
y

+
f
y

_
dx.
Lembrando que a condic ao necess aria para que uma func ao denida em R atinga
mnimo e que a primeira derivada se anule e tambem que primeira variac ao de I[y] e
I =
dI
d
conclumos que o valor mnimo de I[y

] e dado em = 0, ou seja,
0 = I =
dI
d

=0
= f(x
2
, y, y

)
dx
2
d

=0
+
_
x
2
x
1
_
f
y
+
f
y

_
dx. (1.18)
Fazendo a seguinte integra cao por partes:
_
x
2
x
1
f
y

dx =
f
y

x=x
2

_
x
2
x
1
d
dx
_
f
y

_
dx,
(1.18) torna-se
f(x
2
, y, y

)
dx
2
d

=0
+
f
y

x=x
2
+
_
x
2
x
1
_
f
y

d
dx
_
f
y

__
dx = 0 (1.19)
Agora, vamos calcular
dx
2
d

=0
.
Observe que (x
2
(), y
2
()) = 0 e y
2
() = y

= y(x
2
()) + (x
2
()) (veja gura 1)
ent ao

x
2
dx
2
d
+

y
2
dy
2
d
=

x
2
dx
2
d
+

x
2
_
y

(x
2
)
dx
2
d
+ (x
2
) +

(x
2
)
dx
2
d
_
= 0

dx
2
d
_

x
2
+ y

(x
2
)

y
2
+

(x
2
)
_
+

y
2
(x
2
) = 0.

dx
2
d
=
(x
2
)

y
2

x
2
+ y

(x
2
)

y
2
+

(x
2
)
.
CVaz Introducao ao Calculo Variacional 18

dx
2
d

=0
=
(x
2
)

y
2

x
2
+ y

(x
2
)

y
2
.
Assim, (1.19) torna-se
_
_
_
_
f
y

x=x
2

x=x
2

y
2

x
2
+ y

(x
2
)

y
2
_
_
_
_
(x
2
) +
_
x
2
x
1
_
f
y

d
dx
_
f
y

__
dx = 0. (1.20)
; (x
1
) = y
1
. Em particular, podemos escolher (x
2
) = 0 e obter de (1.20)
_
x
2
x
1
_
f
y

d
dx
_
f
y

__
dx = 0.
Aplicando o Lema fundamental do C alculo Variacional tem-se
f
y

d
dx
_
f
y

_
= 0, (1.21)
a equac ao de Euler-Lagrange para problemas variacionais com fronteira xa.
Para func oes que satisfazem (1.20) (1.21) podemos escolher (x
2
) = 1 e obter
f
y

x=x
2

x=x
2

y
2

x
2
+ y

(x
2
)

y
2
= 0, (1.22)
A condic ao (1.22) e conhecida como condicao de transversalidade.
Para o caso especial que (x, y) = y (x), ou seja, y = (x) temos que

x
2
= (x
2
),

y
2
= 1
e a condi cao de transversalidade (1.22) torna-se
_
f + (

)
f
y

_
x=x
2
= 0. (1.23)
com y

a inclinac ao do extremo e

a inclinac ao da curva (x, (x).

CVaz Introducao ao Calculo Variacional 19
De modo an alogo, quando o ponto de fronteira (x
2
, y
2
) e xo e o ponto (x
1
, y
1
)
varia na curva (x, y) (veja gura 2), obteremos uma condic ao de transversalidade
an aloga a (1.22), dada por
f
y

x=x
2

x=x
1

y
1

x
1
+ y

(x
1
)

y
1
= 0, (1.24)
E para o caso especial que (x, y) = y (x), ou seja, y = (x), (1.24) torna-se
_
f + (

)
f
y

_
x=x
1
= 0. (1.25)
Em resumo: para problemas variacionais com fronteira m ovel a condi cao
necess aria para mnimo do funcional e a equac ao de Euler-Lagrange com uma a
condic ao adicional chamada condi cao de transversalidade.
Figura 2
Para ilustrar vamos considerar os seguintes exemplos:
Exemplo 1.6 Considere o seguinte problema variacional: Minimizar o funcional
I[y] =
_
x
2
0
_
1 + y
2
y
dx;
y(0) = 0;
(x
2
, y
2
) = y
2
x
2
+ 5 = 0.
Sabemos que as solucoes da equacao de Euler-Lagrange deste funcional sao cir-
cunferencias dadas por (xc
1
)
2
+y
2
= c
2
2
. Da condicao y(0) = 0 obtemos c
1
= c
2
= c,
CVaz Introducao ao Calculo Variacional 20
e logo, as solucoes sao as circunferencias (x c)
2
+ y
2
= c
2
. Usando a condicao de
transversalidade (1.23) obtemos
y

2
y
2
_
1 + y
2
2
=
_
1 + y
2
2
y
2
_
y

2
1

x=x
2
y

2
(x
2
) = 1.
Portanto, o extremo deve satisfazer (x c)
2
+ y
2
= c
2
, y

2
(x
2
) = 1 e interceptar
a reta y = x 5 no ponto (x
2
, x
2
5). Entao,
2(x
2
c) + 2y(x
2
)y

(x
2
) = 0 x
2
c = y
2
= x
1
5 c = 5.
Portanto, a circunferencia desejada e (x5)
2
+y
2
= 25 e os extremos sao y(x) =

10x x
2
e y(x) =

10x x
2
.
Exemplo 1.7 Considere o problema da Braquistocrona com y(0) = 0 e o ponto
(x
2
, y
2
) variando na reta vertical x = x
2
. Neste caso, o funcional e
I[y] =
_
x
2
0
_
1 + y
2

y
dx. (1.26)
Sabemos que as solucoes da equacao de Euler-Lagrange deste funcional sao
cicloides dadas por
x(t) = C(t sen t),
y(t) = C(1 cos t).
(1.27)
Para o problema da braquistocrona a condicao de transversalidade torna-se
y

(x
2
)
_

x
2
+ y

(x
2
)
2

y
2
_
= (1 + y

(x
2
))

y
2

x
2
_

y
2
_
y

(x
2
) = 1,
Ou analogamente,
_

x
2
_

y
2
_
y

(x
2
) = 1. (1.28)
Como

x
2
_

y
2
e o coeciente angular da reta tangente a curva (x, y) no
ponto (x
2
, y
2
) (verique!) e y

(x) e o coeciente angular da reta tangente a cicloide

em (x
2
, y
2
) entao a condicao (1.28) signica que estas curvas sao ortogonais. Mas
(x, y) e a reta vertical x = x
2
e, logo, o ponto (x
2
, y
2
) e o vertice do cicloide, ou
seja, t = (veja gura 3).
CVaz Introducao ao Calculo Variacional 21
Figura 3
Usando a primeira equacao de (1.27) obtemos
x
1
= x() = c( sen ) = c c =
x
1

.
Logo, a solucao procurada e o ciclode
x(t) =
x
1

(t sen t)
y(t) =
x
1

(1 cos t).
Dois pontos de fronteira m oveis
Vamos considerar o caso geral no qual os dois pontos de fronteira s ao m oveis, ou
seja, o seguinte problema variacional:
Problema P
2
: Minimizar o funcional
I[y] =
_
x
2
x
1
f(x, y, y

) dx; (1.29)
(x
1
, y
1
= 0; (1.30)
(x
2
, y
2
) = 0. (1.31)
Figura 4
CVaz Introducao ao Calculo Variacional 22
Se y = y(x) e o extremo de I[y] e y

= y + sua primeira variac ao entao

I[y

] = I() =
_
x
2
()
x
1
()
f(x, y + , y

) dx,
e usando novamente o Lema 1.2 obtemos
dI
d
= f(x
2
, y

, y

)
dx
2
d
f(x
1
, y

, y

)
dx
1
d
+
_
x
2
()
x
1
()
_
f
y

+
f
y

_
dx.
Assim,
I =
dI
d

=0
= f(x
2
, y, y

)
dx
2
d

=0
f(x
1
, y

, y

)
dx
1
d

=0
+
_
x
2
x
1
_
f
y
+
f
y

_
dx
(1.32)
Fazendo a seguinte integra cao por partes:
_
x
2
x
1
f
y

dx =
f
y

x=x
1
x=x
2

_
x
2
x
1
d
dx
_
f
y

_
dx,
(1.32) torna-se
I = f(x
2
, y, y

)
dx
2
d

=0
f(x
1
, y, y

)
dx
1
d

=0
+
f
y

x+x
1
x=x
2
+
_
x
2
x
1
_
f
y

d
dx
_
f
y

__
dx
(1.33)
para toda C[x
1
, x
2
].
Agora, vamos calcular
dx
1
d

=0
e
dx
2
d

=0
. Para isto, observe que
(x
1
(), y
1
()) = 0 com y
1
() = y

= y(x
1
()) + (x
1
());
(x
2
(), y
2
()) = 0 com y
2
() = y

= y(x
2
()) + (x
2
()).
Logo,

x
1
dx
1
d
+

y
1
dy
1
d
= 0,

x
2
dx
2
d
+

y
2
dy
2
d
= 0.
Mas,
dy
1
d
= y

(x
1
)
dx
1
d
+ (x
1
) +

(x
1
)
dx
1
d
dy
2
d
= y

(x
2
)
dx
2
d
+ (x
2
) +

(x
2
)
dx
2
d
.
CVaz Introducao ao Calculo Variacional 23
Portanto,
dx
1
d

=0
=
(x
1
)

y
1

x
1
+ y

(x
1
)

y
1
,
dx
2
d

=0
=
(x
2
)

y
2

x
2
+ y

(x
2
)

y
2
.
Assim, (1.33) torna-se
I =
_
_
_
_
f
y

x=x
2

x=x
2

y
2

x
2
+ y

(x
2
)

y
2
_
_
_
_
(x
2
)
_
_
_
_
f
y

x=x
1

x=x
1

y
1

x
1
+ y

(x
1
)

y
1
_
_
_
_
(x
1
)
+
_
x
2
x
1
_
f
y

d
dx
_
f
y

__
dx, (1.34)
C[x
1
, x
2
].
Para o caso especial que (x, y) = y (x) e (x, y) = y (x) temos
f
y

x=x
1

x=x
1

y
1

x
1
+ y

(x
1
)

y
1
=
_
f
y

f
y

x=x
1
,
f
y

x=x
2

x=x
2

y
2

x
2
+ y

(x
2
)

y
2
=
_
f
y

f
y

x=x
2
e (1.34) torna-se
I =
_
f + (

)
f
y

x=x
2
(x
2
)
_
f + (

)
f
y

x=x
1
(x
1
)
+
_
x
2
x
1
_
f
y

d
dx
_
f
y

__
dx. (1.35)
Como nos casos anteriores, I = 0 implica que a condicao necessaria para extremos
do problema P
2
e a equac ao de Euler-Lagrange (1.21) com as seguintes condic oes de
CVaz Introducao ao Calculo Variacional 24
transversalidade:
_
f + (

)
f
y

_
x=x
1
= 0,
_
f + (

)
f
y

_
x=x
2
= 0.
(1.36)
Integral de Hilbert
Usaremos as ideias da sec ao anterior para introduzir algumas noc oes sobre
condic ao suciente para extremos de um funcional.
Ate agora discutimos uma condic ao necessaria para extremos do funcional I[y]
dado em (1.2): a equac ao de Euler-Lagrange. Este estudo estabeleceu um proce-
dimento para encontrarmos os pontos crticos do funcional I[y], mas nao podemos
armar se estes pontos crticos sao extremos ou n ao. Fazendo um paralelo com a
teoria de obtenc ao de extremos para func oes de uma vari avel real, ainda falta uma
segunda uma condicao: o sinal da segunda derivada.
N ao e nosso objetivo, neste texto elementar, fazer um estudo da teoria da 2
a
variacao, mas apenas introduzir algumas no coes da teoria, em especial a integral de
Hilbert.
Por simplicidade, considere, o problema variacional P
1
, de minimizar um funcional
para o qual um dois pontos de fronteira e m ovel. Se tomarmos como exemplo o
problema da Braquist ocrona, podemos observar que (1.27) e uma famlia de pontos
crticos do funcional (1.26). Alem disso, se y

(x) e o mnimo do funcional ent ao para

todo ponto crtico y
0
(x) numa vizinhanca de y

(x), a variac ao sofrida pelo funcional

deve satisfzar
I = I[y
0
(x)] I[y

(x)] 0 I[y
0
(x)] I[y

(x)] (1.37)
I e chamada variacao total do funcional.

E possvel obter uma expressao para a variac ao total I, na qual (1.37) e veri-
cada com relativa facilidade. Quem introduziu pela primeira vez esta ideia foi K.
Weierstrass e D. Hilbert deniu uma integral, chamada integral de Hilbert, que e
CVaz Introducao ao Calculo Variacional 25
a ferramenta fundamental para obtermos a expres ao adequada de I. Iniciaremos
denindo campo de extremos.
Campo de extremos
Seja R
2
um domnio simplesmente conexo do plano. Se por cada ponto de
passa uma e s o uma curva da famlia y = y(x, c), com c um par ametro, dizemos
que esta famlia forma uma campo pr oprio na regi ao . A cada curva desta famlia
associamos o vetor (1, y

) com y

a inclinac ao da reta tangente a curva no ponto

(x, y). Por exemplo, retas paralelas y = x + c formam um campo no interior do
crculo x
2
+ y
2
1 (veja gura 5) e o vetor (1, y

) e (1, 1).
Figura 5
Porem, as par abolas y = (x
a
)
2
+ y
2
(gura 6) nao formam um campo no interior
do mesmo crculo, pois as par abolas desta famlia se cruzam no interior do crculo.
Figura 6
CVaz Introducao ao Calculo Variacional 26
Se todas as curvas da famlia y = y(x, c) passam for um certo ponto (x
1
, y
1
) (sem
se cruzarem), ou seja, formam um feixe, ent ao n ao formar ao um campo pr oprio em
se o ponto (x
1
, y
1
) pertence a . Neste caso, se a famlia do feixe cobre toda regi ao ,
as curvas desta famlia se cruzam no seu interior somente em (x
1
, y
1
) e se cumprem
as condic oes de campo em todos os outros pontos de , distintos de (x
1
, y
1
), dizemos
que a famlia y = y(x, c) forma um campo, chamado campo central. Por exemplo,
o feixe de sen oides y = c senx forma um campo central na regi ao 0 x a, a <
(veja gura 7). O mesmo feixe de sen oides forma um campo pr oprio numa vizinhanca
sucientemente pequena do intervalo x a do eixo x com > 0 e a < (gura
7). Este feixe de senoides nao forma nenhum campo na vizinhanca do intervalo
0 x a
1
do eixo x com a
1
> .
Se um campo central ou pr oprio e formado por uma famlia de pontos crticos
de um certo problemas variacional, chamamos este campo de campo de extremos.
Chamaremos as solucoes das equac ao de Euler-Lagrande de extremos.
Figura 7
Suponha que y

(x) e extremo do funcional

I[y] =
_
x
2
x
1
f(x, y, y

) dx
CVaz Introducao ao Calculo Variacional 27
com pontos de fronteira A = (x
1
, y
1
) e B = (x
2
, y
2
) xos. Dizemos que y

(x) esta
contido numa campo de extremos se conhecemos uma famlia de extremos y = y(x, c)
que forma um campo e contem o extremo y

(x) para um certo valor c

do par ametro
c e y

(x) n ao pertence a fronteira da regiao , na qual a famlia y = y(x, c) forma um

campo (veja gura 8).
Se um feixe de extremos com centro no ponto A = (x
1
, y
1
) forma um campo de
extremos numa vizinhan ca de y

(x) temos um campo central que contem y

(x) (veja
gura 9).
Mais precisamente,
Denicao 1.2 Seja R
2
um domnio limitado e simplesmente conexo. F =
{(1, (x, y)) ; (x, y) } e um campo de extremos em de I[y] se

x
e

y
sao
contnuas em e se toda solucao da equacao y

= (x, y) e um extremo de I[y].

Figura 8 Figura 9
O seguinte resultado diz quais s ao as condicoes para que um campo de extremos
contenha o extremo y

(x). A demonstracao pode ser encontrada em [5, Lema 3.1, p.

134].
CVaz Introducao ao Calculo Variacional 28
Lema 1.3 Se y = y(x, c) e uma famlia (com um parametro) de solucoes da equacao
de Euler-Lagrange em S = {(x, c) ; < x < , k
1
< c < k
2
} tal que y(x, c

) = y

(x)
para algum c

(k
1
, k
2
) e se y,

2
y
x
2
,
y
c
e

2
y
xc
sao contnuas em S com
y
c
(x, c

) = 0
para todo x [a, b] (, ). Entao y

(x) esta contido num campo, para x [a, b].

Alem disso,
(x, y) =
y
x
(x, C(x, y)) (1.38)
dene um campo de extremos para alguma C(x, y) solucao de y y(x, c) = 0.
Vamos ilustrar estas noc oes nos seguintes exemplos:
Exemplo 1.8 Considere o problemas de minimizar o funcional
I[y] =
_
a
0
(y
2
y
2
) dx
tal que A = (0, 0) e B = (a, 0) com 0 < a < .
Sabemos que a solucao geral da equacao de Euler-Lagrange y

+y = 0 e da forma
y = c
1
cos x + c
2
sen x. Da condicao y(0) = 0 obtemos c
1
= 0 e y = y(x, c) = csen x;
as curvas deste feixe formam um campo central no intervalo 0 x a, a < , que
inclui o extremo y

(x) = 0 para c

= 0. Note que o parametro c desta famlia e igual

a derivada
y
x
no ponto (0, c). Note tambem que para a > , a famlia y = csen x
nao forma um campo.
Exemplo 1.9 Consiere o problemas de minimizar o funcional
I[y] =
_
1
0
_
1 + y
2
dx
tal que A = (0, 0) e B = (1, 1).
Sabemos que a solucao geral da equacao de Euler-Lagrange y

= 0 e da forma
y = y(x, c) = x + c e y

(x) = x e o extremo deste problema para c

= 0. Note que
y(x, c) = x + c,

2
y
x
2
= 0,
y
c
= 1 e

2
y
xc
= 0 sao contnuas para todo x e c. Alem
disso,
y
c
= 1 = 0. Aplicando o Lema 1.3 tem-se que y

(x) = x para x [0, 1] esta

CVaz Introducao ao Calculo Variacional 29
contido num campo de extremos. Como (x, y) = 1 entao y

(x) = x esta imerso no

campo F = {(1, 1)}.
Podemos considerar outra famlia de solucoes da equacao de Euler-Lagrange dada
por y = y(x, c) = c x +c 1, e neste caso y

(x) = x para c

= 1. Como as condicoes
do Lema 1.3 sao satisfeitas (verique!) e
y
c
= x + 1 = 0 para todo x > 1 temos
que y

(x) = x para x [0, 1] esta imerso em algum campo. Mas C(x, y) =

y + 1
x + 1
e solucao da equacao y c x c + 1 = 0 para x > 1 e, logo, (x, y) =
y + 1
x + 1
e
y

(x) = x esta imerso no campo F =

__
1,
y + 1
x + 1
_
, x > 1
_
.
O exemplo 1.9 ilustra o fato que o extremo y

pode ser imerso em mais de um

campo de extremos. Este fato n ao deve causar surpresas por que, em geral, a soluc ao
geral da equac ao de Euler-Lagrange depende de dois par ametros, e portanto, a famlia
de um par ametro y = y(x, c) pode ser obtida de v arios modos.
Na secao seguinte vamos usar do seguinte resultado do Calculo:
Proposicao 1.1 Sejam F(x, y) = (P(x, y), Q(x, y)) uma funcao vetorial de classe
C
1
no domnio D R
2
e uma curva de classe C
1
por partes tal que A = (t
1
) e
B = (t
2
) com (A, B) D.
A integral de linha
_

F().d independe do caminho se e somente se

P
y
=
Q
x
.
Portanto, existe uma funcao W tal que
P =
W
x
, Q =
W
y
e
_

F().d = W(B) W(A)

.
Integral de Hilbert
Suponha que o extremo y

(x) est a imerso num campo F que cobre uma vizinhaca

V (y

) de y

(x). Se y
0
(x) um extremo em V (y

) (veja gura 10) ent ao a variac ao total

I nesta vizinhanca e dada por
CVaz Introducao ao Calculo Variacional 30
I = I[y
0
] I[y

].
Figura 10
Considere a integral
U[y] =
_
x
2
x
1
_
f(x, y, ) + (y

)
f
y

_
dx. (1.39)
Note que U[y

] = I[y

], pois (x, y

) = y

. Por outro lado, se U[y] independe com

caminho, ou seja, U[y

] = U[y
0
] podemos escrever
I = I[y
0
] I[y

] = I[y
0
] U[y

] = I[y
0
] U[y
0
].
Ou seja, podemos escrever a variac ao total do funcional I[y] na forma
I =
_
x
2
x
1
_
f(x, y
0
, y

0
) f(x, y
0
, ) + ( y

0
)
f
y

(x, y
0
, )
_
dx.
A func ao E denida por
E(x, y
0
, , y

0
) = f(x, y
0
, y

0
) f(x, y
0
, ) + ( y

0
)
f
y

(x, y
0
, ) (1.40)
CVaz Introducao ao Calculo Variacional 31
e chamada funcao de Weierstrass. Assim, I torna-se
I =
_
x
2
x
1
E(x, y
0
, , y

0
) dx.
Portanto, a condic ao suciente para que o funcional I[y] atinga um mnimo em
qualquer curva suave, e que a func ao E seja nao negativa, pois se E 0 implica
I 0.
O resultado fundamental dos argumentos anteriores e a invariancia da integral
(1.39), conhecida como integral de Hilbert. Este resultado foi provado por D.
Hilbert e e dado no seguinte teorema:
Teorema 1.4 Se o extremo y

(x) esta imerso no campo de extremos F que cobre a

vizinhanca V (y

) entao a integral
U[y] =
_
x
2
x
1
_
f(x, y
0
, (x, y
0
(x))) + (y

0
(x) (x, y
0
(x)))
f
y

(x, y
0
, (x, y
0
(x))
_
dx
(1.41)
independe de y = y
0
(x) e depende apenas de y
0
(x
1
) e y
0
(x
2
), com y = y
0
(x) na
vizinhanca V (y

).
Prova: Seja P(x, y) = f(x, y
0
, (x, y
0
(x)) (x, y
0
(x))
f
y

(x, y
0
, (x, y
0
(x))) e
Q(x, y) =
f
y

(x, y
0
, (x, y
0
(x))). Entao, ao longo de qualquer curva suave y = y
0
(x)
na vizinhaca V (y

) de y

(x) tem-se
U[y
0
] =
_
x
2
x
1
P(x, y
0
(x)) + Q(x, y
0
(x)) y

0
dx.
Usando a notacao
0
(x) = (x, y
0
(x)) obtemos a seguinte integral de linha
U[y
0
] =
_

0
F(
0
(x)).d
com F(x, y) = (P(x, y), Q(x, y)),
0
(x
1
) = (x
1
, y
0
(x
1
)) e
0
(x
2
) = (x
2
, y
0
(x
2
)).
Assim, pela proposicao 1.1 se provarmos que
P
y
(x, y) =
Q
x
(x, y) (1.42)
CVaz Introducao ao Calculo Variacional 32
para todo (x, y) na vizinhanca V (y

), o resultado segue. Mas,

P
y
=
f
y
+
f
y

y


y
f
y

_

2
f
yy

+

2
f
y
2

y
_
,
Q
x
=

2
f
xy

+

2
f
y
2

x
.
e, logo,
P
y

Q
x
=
f
y

_

2
f
yy

+

2
f
y
2

y
_

2
f
xy

+

2
f
y
2

x
. (1.43)
Para todo ponto (x, y) em V (y

) tem-se que y = y(x) satisfaz y

= (x, y(x)), o
que implica
y

(x) =

x
(x, y(x)) +

y
(x, y(x))y

(x). (1.44)
Alem disso, y = y(x) satisfaz a equacao de Euler-Lagrange, o que implica
f
y

d
dx
_
f
y

_
= 0,
ou equivalentemente,
f
y


2
f
xy

2
f
yy

2
f
y
2
y

= 0. (1.45)
Usando (1.44) em (1.45) obtemos
f
y

_

2
f
yy

+

2
f
y
2

y
_

2
f
xy

+

2
f
y
2

x
= 0. (1.46)
Comparando (1.43) em (1.46) conclumos (1.42). Portanto, existe uma funcao W
tal que
U[y
0
] = W((x
2
, y
0
(x
2
))) W((x
1
, y
0
(x
1
))),
ou seja, U[y
0
] so depende de y
0
(x
1
) e y
0
(x
2
).
Exemplo 1.10 Considere o problema variacional dado no exemplo 1.8 com A =
(0, 0) e B = (a, 1). Entao, neste caso, as constantes c
1
e c
2
da solucao geral da
equacao de Euler-Lagrange sao dadas por c
1
= 0 e c
2
=
1
sen a
(pois sen a = 0 para
0 < a < ). Assim, y

(x) =
sen x
sen a
e um extremo de I[y]. Para obter um campo no
CVaz Introducao ao Calculo Variacional 33
qual y

(x) esta imerso, vamos construir uma famlia de um-parametro y = y(x, c) da

famlia de dois-parametros y = y(x, c
1
, c
2
) que contem y

(x) que cobre uma vizinhanca

de y

(x). Para isto, note que a < implica que existe um > 0 tal que < a e,
logo, o extremo y

(x) passa pelo ponto A

0
=
_
,
sen
sen a
_
. Entao, todos os membros
da famlia
y = y(x, c
1
, c
2
) = c
1
cos x + c
2
sen x
que passam por A
0
sao dados por:
y = y(, c
1
, c
2
) = c
1
cos c
2
sen =
sen
sen a
,
e, logo,
c
1
= tg
_
c
2

1
sen a
_
.
Assim, fazendo
y(x, c) = tg
_
c
2

1
sen a
_
cos x + csen x,
temos que y = y(x, c) contem y = y

(x) para c

=
1
sen a
. Alem disso,
y(x, c)
c
= tg cos x + sen x,
portanto,
y(x, c)
c
= 0 tg + tg x = 0,
ou seja, x = +k com k = 0, 1, 2, . . .. Deste modo,
y(x, c)
c
nao se anula em
[0, a] e as hipoteses do Lema 1.3 sao satisfeitas.
Agora, para obter (x, y), resolvemos y = y(x, c) para c e substituimos em y

=
y(x, c)
x
(faca como exerccio):
(x, y) =
y sen a + tg cos x
tg cos x + sen x
_
cos x tg sen x
sen a
_
+
sen x
sen a
tg .
Para nalizar, investigaremos o sinal da funcao de Weierstrass E. Pela denicao
de I[y] e E tem-se
E(x, y
0
, y

, y

0
) = y
2
0
y
2
0
y
2
+ y
2
0
+ (y

0
)(2y

) = (y

0
)
2
0
CVaz Introducao ao Calculo Variacional 34
para toda y

, y

0
. Entao, y

(x) =
sen x
sen a
e um mnimo relativo do funcional
I[y] =
_
a
0
(y
2
y
2
) dx
para y(0) = 0, y(a) = 1 e 0 < a < .
Captulo 2
Aplicac oes
2.1 Princpio de Hamilton
O C alculo variacional e o princpio da ac ao mnima s ao ferramentas potentes na
investigacao de problemas da Din amica e da Fsica Matem atica. Nesta sec ao daremos
uma elementar introdu cao ao Princpio de Hamilton, que contem o princpio da a cao
mnima como caso particular.
Graus de liberdade
Para especicarmos a posic ao de uma partcula no espaco tridimensional, com
relac ao a um sistema de coordenadas, precisamos de tres n umeros. Por exemplo,
sua posic ao pode ser especicada por suas coordenadas cartesianas (x, y, z). Por esta
raz ao, dizemos que partcula tem tres graus de liberdade, um para cada uma de suas
coordenadas independentes.
Se o sistema e formado por p partculas independentes uma das outras, como cada
partcula tem tres graus de liberdade ent ao o este sistema ter a 3 p graus de liberdade,
ou seja, 3 p coordenadas independentes, por exemplo, P
i
= (x
i
, y
i
, z
i
), 1 i p.
Se algumas restric oes s ao impostas ao sistema ent ao o n umero de graus de liberdade
diminuir a. Por exemplo, se xarmos a dist ancia entre as duas primeiras partculas
35
CVaz Introducao ao Calculo Variacional 36
igual a temos que
d(P
1
, P
2
) =
_
(x
1
x
2
)
2
+ (y
1
y
2
)
2
+ (z
1
z
2
)
2
=
(x
1
x
2
)
2
+ (y
1
y
2
)
2
+ (z
1
z
2
)
2
=
2
.
Portanto, se os valores de y
1
, z
1
, x
2
, y
2
, e z
2
s ao conhecidos podemos determinar
o valor de x
1
usando a rela cao acima, neste caso o sistema tera 3 p 1 coordenadas
independentes, ou seja, 3 p 1 graus de liberdade.
Assim, se o sistema estiver sujeiro a r restric oes especicadas por r equac oes
independentes

j
(x
1
, y
1
, z
1
, . . . , x
p
, y
p
, z
p
) = 0, j = 1, 2, . . . r (2.1)
ent ao ter a 3 p r coordenadas independentes, ou seja, 3 p r graus de liberdade e as
equac oes (2.1) podem ser usadas para eliminar r variaveis do problema. Porem, e mais
conveniente introduzirmos um conjunto de k = 3 p r coordenadas independentes
q
1
, q
2
, . . . , q
k
para descrevermos a posicao das p partculas do sistema. E as equac oes
das restricoes (2.1) s ao substutdas por um sistema equivalente de 3 p equac oes do
tipo
x
i
= x
i
(q
1
, . . . , q
k
), y
i
= y
i
(q
1
, . . . , q
k
), z
i
= z
i
(q
1
, . . . , q
k
), 1 i p. (2.2)
As variaveis q
1
, q
2
, . . . , q
k
s ao conhecidas como coordendas generalizadas. A es-
colha do conjunto de coordenadas generalizadas para descri cao das posic oes de um
sistema de partculas nao e unica, mas e o menor n umero de variaveis necess arias para
descrever a congura cao do sistema. Por exemplo, e necessario apenas um par ametro
para descrevermos a posic ao de uma partcula restrita a movimentar-se ao longo de
uma curva.
Sistema holon omico e nao holon omico
Quando as equacoes (2.2) envolvem a derivada q
i
das coordenadas generalizadas
e estas equac oes pode ser resolvidas de tal modo que tornem-se equa coes apenas
CVaz Introducao ao Calculo Variacional 37
das coordenada generalizadas q
i
, o sistema e chamado holonomico. Caso contr ario,
chama-se n ao holon omico
Sistema conservativo e nao conservativo
Considere o trabalho realizado por um campo de forca

F durante o deslocamento
do sistema de uma congura cao C para um congurac ao C
1
. Se o trabalho independe
do caminho entre C e C
1
dizemos que o sistema e conservativo. Equivalentemente, se
F
x
i
, F
y
i
e F
z
i
s ao as componentes do campo

F, que s ao func oes das 3 p coordenadas
x
1
, y
1
, z
1
, . . . , x
p
, y
p
, z
p
das partculas do sistema, ent ao o sistema e conservativo se
existe uma func ao V = V (x
1
, y
1
, z
1
, . . . , x
p
, y
p
, z
p
) tal que

F = V , ou em compo-
nentes
F
x
i
=
V
x
i
, F
y
i
=
V
y
i
, F
z
i
=
V
z
i
.
A func ao V e chamada energia potencial do sistema.
A energia cinetica de uma partcula e denida por
m
2
_
ds
dt
_
2
=
m
2
( x
2
+ y
2
+ z
2
)
com m a massa e
ds
dt
a velocidade da partcula, respectivamente. Para um sistema de
p partculas, a energia cinetica e dada pela soma das energias cineticas, ou seja,
T =
1
2
p

i=1
m
i
( x
2
i
+ y
2
i
+ z
2
i
) (2.3)
com m
i
a massa da i-esima partcula.
Para expressarmos a energia cimetica em termos das coordenadas generalizadas
q
1
, q
2
, . . . , q
k
, derivamos as 3 p equac oes (2.2) com relac ao ao tempo:
x
i
=
k

i=1
x
i
q
i
q
i
, y
i
=
k

i=1
y
i
q
i
q
i
, z
i
=
k

i=1
z
i
q
i
q
i
. (2.4)
Substituindo (2.4) em (2.3) obtemos um importante resultado: a energia cinetica
e uma forma quadratica das componentes da velocidade generalizada q
1
, q
2
, . . . , q
k
.
CVaz Introducao ao Calculo Variacional 38
Vamos assumir que a energia potencial V associada a qualquer sistema e func ao
somente das coordendas generalizadas q
1
, q
2
, . . . , q
k
e que a energia cinetica e fun cao
somente das coordenadas generalizadas q
1
, q
2
, . . . , q
k
e das velocidades generalizadas
q
1
, q
2
, . . . , q
k
. E vamos considerar seguinte a fun cao, chamada funcao lagrangiano ou
simplemenste lagrangiano,
L(q
1
, q
2
, . . . , q
k
, q
1
, q
2
, . . . , q
k
) = T V. (2.5)
Princpio de Hamilton
O Princpio de Hamilton estabelece que:
O movimento de um sistema cujo lagrangiano e dado por (2.5) e
estacionario.
Na linguagem do Calculo Variacional, o princpio de Hamilton e descrito do se-
guinte modo: a primeira variacao do funcional
I =
_
t
2
t
1
Ldt =
_
t
2
t
1
(T V ) dt
e zero. Portanto, o movimento do sistema de partculas deve satisfazer as seguintes
equac oes de Euler-Lagrange:
L
q
i

d
dt
_
L
q
i
_
= 0, 1 i k. (2.6)
Como o lagrangiano L n ao depende explicitamente da variavel t, as equac oes do
movimento do sistema (2.6) s ao da forma
k

i=1
q
i
L
q
i
L = E (2.7)
com E uma constante.
Como
L
q
i
=
T
q
i
para i = 1, 2, . . . , k e T e uma forma quadr atica para as veloci-
dades generalizadas q
1
, q
2
, . . . , q
k
podemos mostrar que ([6, p. 6])
k

i=1
q
i
L
q
i
=
k

i=1
q
i
T
q
i
= 2 T.
CVaz Introducao ao Calculo Variacional 39
Assim, (2.7) torna-se
2 T L = E 2 T (T V ) = E T + V = E.
Portanto, num sistema conservativo a soma das energia cinetica e potencial e
constante. A constante E e chamada energia total do sistema.
Exemplo 2.1 Aplique o princpio de Hamilton nas equacoes do movimento de um
sistema de partculas de massa m
i
, 1 i n com coordenadas (x
i
, y
i
, z
i
) sujeitas a
acao de um campo de forcas conservativo com as restricoes

j
(t, x
1
, x
2
, . . . , x
n
, y
1
, y
2
, . . . , y
n
, z
1
, z
2
, . . . , z
n
) = 0
com 1 j m.
O funcional de Hamilton e o funcional auxiliar sao dados por
I =
_
t
2
t
1
(T V ) dt =
_
t
2
t
1
_
1
2
n

i=1
m
i
( x
2
i
+ y
2
i
+ z
2
i
) V
_
dt,
I

=
_
t
2
t
1
_
1
2
n

i=1
m
i
( x
2
i
+ y
2
i
+ z
2
i
) V +
m

i=1

j
(t)
j
_
dt.
As equacoes do movimento serao as equacoes de Euler-Lagrange do funcional I

e sao as seguintes: para 1 i n

m
i
x
i
=
V
x
i
+
m

i=1

j
(t)

j
x
i
m
i
y
i
=
V
y
i
+
m

i=1

j
(t)

j
y
i
m
i
z
i
=
V
z
i
+
m

i=1

j
(t)

j
z
i
Captulo 3
Metodos Diretos
O procedimento b asico para resolvermos um problema variacional e reduz-lo a
um problema diferencial (equa cao de Euler-Lagrange). A diculdade imerente a este
prodecimento, principalmente no caso de varias vari aveis, que envolve a resolu cao de
equac oes diferenciais parciais, impulsionou a busca por metodos diferentes, conhecidos
como metodos diretos. Estes metodos sao muito atrativos, pois tambem podem ser
usados para resolver equa coes diferenciais.
3.1 Seq uencia minimizante
Os metodos diretos que vamos tratar baseam-se na seguinte ideia geral: considere
o problema de minimizar o funcional I[y] denido no espaco Mdas func oes admissveis
y(x) (func oes contnuas que satisfazem as condicoes de fronteira do problema). Para
que o problema tenha sentido, devemos supor que existem fun coes em M tais que
I[y] < + e tambem que
inf
y
I[y] = > (3.1)
com o nmo tomado sob todas as funcoes admissveis y(x). Portanto, pela de-
nic ao de nmo, existe uma seq uencia de fun coes (y
n
) = (y
1
, y
2
, . . . , y
n
, . . .), chamada
40
CVaz Introducao ao Calculo Variacional 41
seq uencia minimizante, tal que
lim
n
I[y
n
] = .
Se a seq uencia (y
n
) converge para y e se podemos escrever
I[ y] = lim
n
I[y
n
] I[ lim
n
y
n
] = lim
n
I[y
n
], (3.2)
ent ao I[ y] = , logo, y e a soluc ao do problema variacional. Alem disso, as fun coes
da seq uencia minimizante (y
n
) podem ser consideradas como soluc oes aproximadas
do problema variacional.
Portanto, para resolvermos um dado problema variacional por metodos diretos,
devemos ser capazes de:
i) construir uma seq uencia minimizante (y
n
);
ii) provar que (y
n
) converge para y;
iii) provar (3.2).
Nestas notas usaremos o metodo de Ritz para construirmos a seq uencia mini-
mizante. Armamos que se (3.1) vale ent ao podemos sempre construir uma seq uencia
minimizante. Porem. devemos ressaltar que a existencia de uma seq uencia minimi-
zante n ao garante a sua convergencia. De fato, considere o funcional
I[y] =
_
1
1
x
2
(y

)
2
dx tal que y(1) = 1, y(1) = 1. (3.3)
Como I[y] e sempre positivo temos que inf I[y] = 0. Por outro lado, tomando a
seq uencia
y
n
(x) =
tg
1
(nx)
tg
1
n
para n = 1, 2, 3, . . . (3.4)
tem-se
I[y
n
] =
_
1
1
n
2
x
2
(tg
1
n)
2
(1 + n
2
x
2
)
dx <
1
(tg
1
n)
2
_
1
1
dx
1 + n
2
x
2
=
2
ntg
1
n
.
CVaz Introducao ao Calculo Variacional 42
E logo, I[y
n
] 0 quando n +. Portanto, a seq uencia dada em (3.4)
e uma seq uencia minimizante, mas esta seq uencia n ao converge para uma func ao
contnua que satisfaz as condic oes de fronteira do problema variacional (3.3). Por
outro lado, mesmo quando a seq uencia minimizante e convergente no espaco das
func oes contnuas, n ao e trivial justicar (3.2), pois, em geral, os funcionais n ao s ao
contnuos na norma de C[x
1
, x
2
]. Por esta raz ao vamos enfraquecer a exigencia de
continuidade de I[y] considerando a seguinte condic ao:
Denicao 3.1 Dizemos que o funcional I[y] e semicontnuo inferiormente em
y
0
M se para todo > 0, existe > 0 tal que I[y] I[y
0
] > .
Teorema 3.1 Se (y
n
) e uma seq uencia minimizante do funcional I[y] tal que
limy
n
= y e se I[y] e semicontnuo inferiormente em y entao I[ y] = lim
n
I[y
n
].
Prova:
3.2 Metodo de Ritz
Suponha que estamos buscando o mnimo do funcional I[y] em algum espaco
normado M de func oes admisveis. Seja

1
(x),
2
(x), . . . ,
n
(x), . . . (3.5)
uma seq uencia de func oes de M e sejam M
n
subespacos vetoriais n-dimensionais
gerados pelas n-primeiras func oes
j
, ou seja, o conjunto de todas as combinac oes
lineares da forma

n
(x) =
1

1
(x) +
2

2
(x) + . . . +
n

n
(x). (3.6)
com
j
R para 1 j n. Deste modo, em cada subespaco M
n
, o funcional I[
n
]
torna-se uma fun cao de n-vari aveis dada por
I[] = I[
1

1
+
2

2
+ . . . +
n

n
] (3.7)
CVaz Introducao ao Calculo Variacional 43
com = (
1
,
2
, . . . ,
n
).
Suponha que podemos minimizar a fun cao I[]. Representemos por
n
este
mnimo e por y
n
o elemento de M
n
associado a este mnimo.
Observe que
n
n ao cresece con n, pois quaisquer combina cao linear de

1
,
2
, . . . ,
n
,
n+1
e tambem e uma combinac ao linear de
1
,
2
, . . . ,
n
. Equiva-
lentemente, cada subespaco da seq uencia M
1
, M
2
, . . . , M
n
est a contido no seguinte,
isto e, M
1
M
2
M
3
. . .
Agora, daremos uma condi cao que garante que a seq uencia (y
n
) e uma seq uencia
minimizante.
Denicao 3.2 Dizemos que uma seq uencia (
n
) e completa (em M) se dado quais-
quer y M e > 0, existe uma combinacao linear
n
=
1

1
+
2

2
+. . . +
n

n
tal
que ||
n
y|| < , com n dependendo apenas de .
Denicao 3.3 Dizemos que o funcional I[y] e contnuo em y
0
M se > 0 existe
> 0 tal que
||y y
0
|| < |I[y] I[y
0
]| < .
Teorema 3.2 Se o funcional I[y] e contnuo e a seq uencia (
n
) e completa entao
lim
n
= com = inf
y
I[y].
Prova:
A ideia geometria da demosntrac ao do teorema 3.2 e a seguinte: se (
n
) e completa
ent ao qualquer elemento do espaco de dimensao innita M pode ser aproximado
por um elemento do espaco de dimens ao nita M
n
(para n sucientemente grande).
Representaremos esta ideia escrevendo
lim
n
M
n
= M.
Assim, se y M tal que I[ y] = e y
n
M
n
tal que limy
n
= y, ent ao (y
n
) e
uma seq uencia minimizante, pois I[y] e contuno. Embora esta seq uencia minimi-
zante n ao possa ser construda sem o conhecimento previo de y, podemos mostrar
CVaz Introducao ao Calculo Variacional 44
que a seq uencia (y
n
) construda pelo metodo acima tem a seguinte propriedade: os
valores I[y
n
] est ao arbitrariamente proximos de I[ y], e logo, (y
n
) e uma seq uencia
minimizante.
Observacao 3.1 A velocidade de convergencia do metodo de Ritz depende do pro-
blema e da escolha das funcoes
n
. Em muitos casos, precisamos de poucas funcoes

n
para obtermos uma boa aproximacao da solucao.
Captulo 4
Metodos Aproximados
Ao aplicarmos o metodo de Ritz para obter o mnimo do funcional I[y] obtemos o
problemas de minimizar a func ao I[], o que e equivalente ao problema de encontrar
a soluc ao do sistema
I

j
= 0, 1 j n. (4.1)
Em geral, o sistema (4.1 e um sistema n- equacoes algebricas n ao linear. Se i[y] e
um funcional quadratico ent ao (4.1 e um sistema linear.
Do ponto de vista computacional, e importante que o sistema tenha uma estrutura
mais simples possvel. A forma de (4.1 depende essencialmente da escolha dos su-
bespacos M
n
. A quest ao importante e se podemos escolher estes espacos de tal modo
que as equac oes do sistema (4.1 dependam de um n umero pequeno de incognitas.
Esta e uma das quest oes fundamentais da Matem atica Numerica. Existem v arios
procedimento para escolhermos os espacos M
n
e cada uma gera um metodo numerico
diferente. Nestas notas, apresentaremos um processo de construcao dos espacos M
n
,
conhecido como Metodo dos Elementos Finitos.
45
CVaz Introducao ao Calculo Variacional 46
4.1 Metodo de Ritz aproximado
Considere o problema de minimizar o funcional
I[y] =
_
x
2
x
1
f(x, y, y

) dx tal que y(x

1
) = y
1
, y(x
2
) = y
2
. (4.2)
Associamos ao problema (4.2) a seguinte formulacao fraca: sejam B uma forma
bilinear e uma forma linear tais que
B(v, y) = (v), v {C[x
1
, x
2
]; v(x
1
) = v(x
2
) = 0}. (4.3)
Se a forma bilinear B e simetrica ent ao o problema (4.3) e equivalente a mini-
mizac ao do funcional quadr atico
J[y] =
1
2
B(y, y) (y) (4.4)
Aplicando o metodo de Ritz, buscaremos uma solu cao aproximada do problema
(4.3) (ou (4.4)) na forma
y
n
=
0
+
n

j=1

j
. (4.5)
Portanto, devemos minimizar o funcional
J[] =
1
2
B(y
n
, y
n
) (y
n
)
ou equivalentemente, obter
j
tais que (4.3) vale para v =
i
com 1 i n. Ou
seja,
B
_

i
,
0
+
n

j=1

j
_
= (
i
), 1 i n. (4.6)
Para B bilinear tem-se
n

j=1
B(
i
,
j
)
j
= (
i
) B(
i
,
0
), (4.7)
ou, equivalentemente,
B = F com B = [a
ij
] = B(
i
,
j
) F = [b
j
] = (
i
) B(
i
,
0
). (4.8)
CVaz Introducao ao Calculo Variacional 47
Observe que (4.7) (ou (4.8)) e um sistema linear nn equivalente ao sistema (4.2)
para o caso da forma bilinear B(, ) ser simetrica. Quando B(, ) n ao e simetrica n ao
podemos associar o funcional quadr atico J[y], e neste sentido a formula cao (4.3) e
mais geral que a formulac ao (4.4). Nestas notas vamos considerar apenas os problemas
com B(, ) bilinear e simetrica.
Agora. dsicutirems quais s ao a propriedades das func oes
i
. A primeira oberva cao
e que a func ao
0
dever ser escolhida de tal que as condi coes de fronteira do problema
sejam satisfeitas. Por exemplo, se as condic oes s ao condicoes homogeneas, ou seja, a
soluc ao tem o valo zero na fronteira, entao
0
= 0. Logo, as outras func oes
i
devem
satisfazer uma condic ao na fronteira do problema de modo que
n
=
i
nos pontos
de fronteira. Deste modo, como tomamos v =
i
temos que v tambem satisfaz as
condic oes de fronteira. As outras propriedades das func ao
i
s ao as seguintes:
(i)
i
devem ser tais que a forma bilinear B(
i
,
j
) esta bem denida e n ao se anule
para todo i e j;
(ii) Para todo n, o conjunto {
1
,
2
, . . . ,
n
} e linearmente independente;
(iii) O conjunto {
1
,
2
, . . . ,
n
} e completo (veja denic ao 3.2).
Para problemas lineares, as condic oes (i), (ii) e (iii) garantem a convergencia
da soluc ao aproximada, obtida pelo metodo de Ritz aproximado, para a solucao do
problema original para n sucientemente grande. Entendemos convergencia no se-
guinte sentido: J[y
n
] j[y
m
] se n m. Para mais detalhes, o leitor interessado por
consultar [?].
No que segue, apresentaremos alguns exemplos que ilustram a aplicac ao do metodo
de Ritz aproximado.
Exemplo 4.1 Considere o problema de minimizar o funcional
J[y] =
1
2
_
1
0
(y

)
2
y
2
+ 2 x
2
y dx,
tal que y(0) = y(1) = 0.
CVaz Introducao ao Calculo Variacional 48
A equacao de Euler-Lagrange de J[y] e
y

y + x
2
= 0
y(0) = y(1) = 0,
e a formulacao fraca do problema de minimizacao e
_
1
0
y

y v + x
2
v dx = 0 B(v, y) =
_
1
0
y

y v dx, (v) =
_
1
0
x
2
v dx.
Observe que B(, ) e bilinear e simetrica e () e linear. Como as condicoes de
fronteira do problema sao homogeneas, vamos escolher as funcoes phi
i
tais que
0
= 0
e
i
(0) =
i
(1) = 0. Assim, poderamos escolher as seguintes funcoes:

1
(x) = x(1 x),

2
(x) = x
2
(1 x),

n
(x) = x
n
(1 x).
Assim, a solucao aproximada do metodo de Ritz e dada por
y
n
(x) =
n

j=1

j
x
j
(1 x)
e o nosso problema aproximada e dado por
_
1
0
_

i
_
n

j=1

j
_

i
_
n

j=1

j
__
dx =
_
1
0

i
x
2
dx

j=1
B(
i
,
j
)
j
= (
i
) 1 i n.
Assim, fazendo a
ij
= B(
i
,
j
) e b
i
= (
i
) temos que
a
ij
=
_
1
0
(ix
i1
(i + 1)x
i
)(jx
j1
(j + 1)x
j
) (x
i
x
i+1
(x
j
x
j+1
) dx
a
ij
=
2ij
(i + j)((i + j)
2
1)

2
(i + j + 1)(i + j + 2)(i + j + 3)
.
b
i
=
_
1
0
x
2
(x
i
x
i+1
) dx =
1
(3 + i)(4 + i)
.
CVaz Introducao ao Calculo Variacional 49
A solucao exata e dada por
y(x) =
senx + 2sen(1 x)
sen1
+ x
2
2.
Bibliograa
[1] H. T. Davis, An introduction to nonlinear dierential and integral equations,
Dover, New York, 1962.
[2] C. Fox, An introduction to calculus of variations, Dover, New York, 1987.
[3] J. N. Reddy, An introduction to the Finite Element Method, McGraw-Hill, New
York, 1984.
[4] H. Sagan, Boundary and Eigenvalue problems in Mathematica Physics, Dover,
New York, 1989.
[5] H. Sagan, Introduction to the Calculus of Variations, Dover, New York, 1969.
[6] R. Weinstock, Calculus of variations with applications to Physiscs & Engineering,
Dover, New York, 1974.
50