Você está na página 1de 52

Analise Matematica II

Humberto Moreira
June 11, 2012

Parte 1: Programac
ao Din
amica
1

Espacos M
etricos e Vetoriais Normados

Referencia: S&L (cap. 3)


Defini
c
ao 1. Um espaco metrico e um conjunto S munido de uma metrica
(funcao distancia) : S S R+ tal que para todo x, y, z S:
(i) (x, y) = 0 se e so se x = y;
(ii) (x, y) = (y, x);
(iii) (x, z) (x, y) + (y, z).

Defini
c
ao 2. Um espaco vetorial normado e um espaco vetorial S munido de
uma norma || || : S R+ tal que para todo x, y S e R:
(i) ||x|| = 0 se e so se x = 0;
(ii) ||x|| = ||||x||;
(iii) ||x + y|| ||x|| + ||y||.
Observe que um espaco normado (S, ||||) e naturalmente um espaco metrico
munido com a seguinte metrica (x, y) = ||x y||, para todo x, y S.
Espa
cos vetorias com produto interno. Um produto interno em S espaco
veorial e uma funcao <, >: S S R que satisfaz as seguintes condicoes:
(i) (linearidade) < , y >: S R e funcional linear, para todo y S;
(ii) (simetria) < x, y >=< y, x >, para todo x, y S;
(iii) (positividade) < x, x >> 0, para todo x &= 0.

A partir de um produto interno podemos definir uma norma em S como


||x|| = (< x, x >)0.5 . As duas primeiras propriedades de norma sao triviais. A
terceira decorre da seguinte propriedade:
Desigualdade de Cauchy-Schwarz: | < x, y > | ||x|| ||y||, para todo
x, y S.
1

Prova: Para x = 0 esta desigualdade e obvia. Para x &= 0, seja =< x, y >
/||x||2 e note que o vetor z = y x e perpendicular a x. Tomando o produto
interno de y = z + x por si mesmo temos que ||y||2 = ||z||2 + 2 ||x||2 . Isto
implica que 2 ||x||2 ||y||2 . Usando a definicao de isto implica a desigualdade.
!
Agora e facil ver que ||x + y||2 (||x|| + ||y||)2 , para todo x, y S.
Faca o exerccio 3.4 para ver outros exemplos de espacos normados.
Defini
c
ao 3. Uma sequencia (xn ) em S converge para x S se para cada
$ > 0, existe N tal que
(xn , x) < $, para todo n N.
Defini
c
ao 4. Uma sequencia (xn ) em S e dita ser de Cauchy se para $ > 0,
existe N tal que
(xn , xm ) < $, para todo n, m N.
Observe que toda sequencia convergente e uma sequencia de Cauchy (faca o
exerccio 3.5). A recproca deste fato define a propriedade de ser completo.
Defini
c
ao 5. Um espaco metrico (S, ) e completo se toda sequencia de Cauchy
em S converge para um elemento em S.
Note que todo subconjunto fechado de um espaco metrico completo tambem
e um espaco metrico completo (faca exerccio 3.6).
Exemplos:
1. O espaco Euclideano Rn e um espaco metrico completo com a metrica
(x, y) = ||x y||, para todo x, y S, onde || || e qualquer norma em Rn .
(Todas as normas em Rn sao equivalentes).
2. Um espaco vetorial normado completo e chamado de Espa
co de Banach.
Um espaco vetorial com produto interno cuja norma define um espaco vetorial
completo e chamado Espa
co de Hilbert.
3. Sejam X Rn e S = C(X) o conjunto de todas as funcoes reais contnuas e
limitadas em X com a norma do sup: ||f || = sup |f (x)|. Entao S e um espaco
xX

de Banach (Teorema 3.1).

facil ver que S e um espaco normado. Seja (fn ) uma sequencia de


Prova: E
Cauchy em S. Para cada x X, a sequencia (fn (x)) em R e de Cauchy, pois
|fn (x) fm (x)| sup |fn (y) fm (y)| = ||fn fm ||.
yX

Entao existe f (x) R tal que lim fn (x) = f (x). Isto define f : X R.
n
Seja $ > 0. Pelo criterio de Cauchy, existe N , tal que para n, m N ,
|fn fm || < $/2. Para x X,
|fn (x) f (x)|

|fn (x) fm (x)| + |fm (x) f (x)|


||fn fm || + |fm (x) f (x)|
$/2 + |fm (x) f (x)|

Escolhendo m suficientemente grande, temos que |fm (x) f (x)| < $/2. Como
x e arbitrario, ||fn f || $, para todo n N , i.e., (fn ) converge para f na
norma do sup.
imediato que f e limitada (pois ||f ||
Temos que provar que f S. E
||f fn || + ||fn || 1 + ||fn ||, se n e suficientemente grande). Vamos provar
a continuidade em x X. Seja $ > 0. Seja n suficientemente grande tal que
||f fn || < $/3. Pela continuidade de fn , seja > 0 tal que
y B (x) |fn (y) fn (x)| < $/3.
Logo,
|f (x) f (y)|

| f (x) fn (x)| + |fn (x) fn (y)| + |fn (y) f (y)|

2||f fn || + |fn (x) fn (y)| < $

!
Observa
c
ao: Note que se S = B(X) conjunto das funcoes reais limitadas em
X, o resultado acima continuaria verdadeiro. Faca o exerccio 3.7.

Teorema da Contrac
ao

Defini
c
ao 6. Sejam (S, ) um espaco metrico e T : S S um mapa de S em
S. Dizemos que T e uma contracao se existe [0, 1) tal que
(T (x), T (y)) (x, y)
para todo x, y S. Neste caso, T e chamado uma -contracao.
Note que toda contracao define uma transformacao uniformemente contnua
(veja exerccio 3.8)
Teorema da Contra
c
ao. Sejam (S, ) um espaco metrico completo e T uma
-contracao em S (0 < 1). Entao:
(i) T tem exatamente um u
nico ponto fixo x
S;
(ii) (T n (x0 ), x
) n (x0 , x
), para todo x0 S e n N.
Prova: Seja x0 S e considere a seguinte sequencia (T n (x0 )) formada pelas
interacoes de T em x0 . Temos que:
(x2 , x1 ) = (T (x1 ), T (x0 )) (x1 , x0 )
e por inducao finita:
(xn+1 , xn ) n (x1 , x0 ), para todo n N.
Logo,
(xm , xn )

(xm , xm1 ) + ... + (xn+1 , xn )

n [ mn1 + ... + + 1](x1 , x0 )

n
1 (x1 , x0 )

o que implica que a sequencia (T n (x0 )) e de Cauchy. Como (S, ) e completo,


existe x
S limite desta sequencia.
Note que
(T (
x), x
) (T (
x), T n (x0 )) + (T n (x0 ), x
)
(
x, T n1 (x0 )) + (T n (x0 ), x
)

e fazendo n o lado direito converge para 0, i.e., (T (


x), x
) = 0 o que
implica que T (
x) = x
.
Suponha agora existe x
S tal que T (
x) = x
. Temos que
(
x, x
) = (T (
x), T (
x)) (
x, x
)
o que so pode ocorrer se (
x, x
) = 0, i.e., x
=x
.
Finalmente, observe que
(T n (x0 ), x
) = (T (T n1 (x0 )), T (
x)) (T n1 (x0 ), x
)
4

e por inducao finita temos (ii). !


Corol
ario 1. Sejam S % S fechado, nao vazio e S %% S % tais que T (S % ) S %% .
Entao x
S %% .
Prova: Seja x0 S % . Note que a sequencia (T n (x0 )) e uma sequencia em S %
que converge para x
. Como S % e fechado, x
S % . Logo, x
= T (
x) S %% .
Corol
ario 2. Suponha que existe N tal que T N e uma -contracao. Entao:
(i) T tem exatamente um ponto fixo x
em S;
(ii) (T N k (x0 ), x
) k (x0 , x
), para todo k N.
Prova: Seja x
S ponto fixo de T N . Temos que
(T (
x), x
) = (T (T N (
x)), T N (
x)) = (T N (T (
x)), T N (
x)) (T (
x), x
).
o que implica que (T (
x), x
) = 0, i.e., x
e um ponto fixo de T . Como todo ponto
fixo de T e um ponto fixo de T N , a unicidade e imediata. A parte (ii) segue os
mesmos argumentos da prova do Teorema da Contracao. !
Aplica
c
ao (exist
encia e unicidade de solu
c
ao de EDO): Seja f : R R
uma funcao Lipschitziana (i.e., existe B tal que |f (x) f (y)| B|x y|, para
todo x, y R). Considere a seguinte equacao diferencial:
dx(t)
= f (x(t)), para todo t 0
dt
x(0) = x0 .
Seja S = C[0, t] o espaco das funcoes contnuas definidas no intervalo [0, t].
Defina o seguinte mapa em S:
! t
T (x)(t) = x0 +
f (x(s))ds, para todo t [0, t].
0

facil ver que T (S) S % , onde S % e o conjunto das funcoes continuamente


E
diferenciaveis em [0, t]. Note que
"t
||T (x) T (y)|| sup 0 |f (x(s)) f (y(s))|ds B t||x y||.
t[0,t]

Logo, se t for suficientemente pequeno, = B t < 1 e T e uma -contracao.


Pelo Corolario 1, T tem um u
nico ponto fixo em S % que e a u
nica solucao da
EDO acima em [0, t]. Observe que podemos fazer este argumento localmente
para justificar a existencia e unicidade em todo domnio de definicao. (Veja o
exerccio 3.10.)
O proximo teorema fornece condicoes suficientes para contracao. Seja S =
B(X) o espaco das funcoes reais limitadas em X Rn munido da norma do
sup.
5

Teorema (Condi
c
oes Suficientes de Blackwell para Contra
c
ao). Suponha
que T : S S satisfaz as seguintes propriedades:
a. (monotonicidade) T (f ) T (g), quando f, g S sao tais que f g;
b. (desconto) existe [0, 1) tal que

T (f + a) T (f ) + a, para todo f S, a 0.
Entao T e uma -contracao.
Prova: Para todo f, g S, f g + ||f g||. Logo, propriedades (a) e (b)
implicam
T (f ) T (g + ||f g||) T (g) + ||f g||.
Invertendo os papeis de f e g temos que ||T (f ) T (g)|| ||f g||. !.
Exemplo: Seja S = B(X). Considere o seguinte operador:
T (v)(k) =

sup
0yf (k)

[U (f (k) y) + v(y)],

onde U, f : R+ R sao funcoes limitadas.


Note que para todo v, w S, para todo k X,
T (v)(k) T (w)(k) sempre que v(y) w(y), para todo y X.
Sejam v S e a R. Temos que
T (v + a)(k)

sup
0yf (k)

sup
0yf (k)

[U (f (k) y) + (v(y) + a)]


[U (f (k) y) + v(y)] + a
= T (v)(k) + a.

Assim, as condicoes suficientes de Blackwell sao satisfeitas. Isto garante a


existencia de um ponto fixo de T em S.
Note que se U e f sao contnuas e S % = C(X) e o espaco das funcoes contnuas
e limitadas, entao podemos garantir a existencia de um ponto fixo em S. Para
isto precisamos apenas verificar T (S % ) S % .

O Teorema do M
aximo

Sejam X Rn , Y Rm e f : X Y R uma funcao.


Defini
c
ao 7. Uma correspondencia : X Y e uma funcao com multi-valores
(nao vazio).
Problema focal:

sup f (x, y)
y(x)

para cada x X. Note que se f (x, ) e contnua e o conjunto (x) e compacto


e nao vazio, entao o maximo e obtido. Neste caso, a funcao (valor)
h(x) = max f (x, y)
y(x)

(1)

esta bem-definida, assim como a correspondencia (poltica):


G(x) = {y (x); f (x, y) = h(x)}.

(2)

Queremos saber quando h e G variam continuamente em x.


Defin
c
ao 8 (h.c.i.). : X Y e hemi-contnua inferiormente (h.c.i.) em
x X se para todo y (x) e toda sequencia (xn ) em X que converge para
x, existe N N e uma sequencia (yn ) que converge para y tal que yn (xn ),
para todo n N .
Defini
c
ao 9 (h.c.s.). : X Y e hemi-contnua superiormente (h.c.s.) em
x X se para toda sequencia (xn ) que converge para x e toda sequencia (yn )
tal que yn (xn ) para todo n, existe uma subsequencia convergente de (yn )
tal que que seu ponto limite y pertence a (x).
Exemplo: (Grafico)
Defini
c
ao 10. : X Y e contnua em x X se e h.c.i e h.c.s. em x.
Observa
c
ao: : X Y e h.c.i., h.c.s. ou contnua se estas propriedades
ocorrem em todo ponto x X.
Exemplo: Seja f : Rn+ R+ uma funcao contnua. Defina a correspondencia
: Rn+ R+ tal que (x) = [0, f (x)]. Temos que e contnua.
Defini
c
ao 11. O grafico de uma correspondencia : X Y e o conjunto
Graf () = {(x, y) X Y ; y (x)}.
Nos proximos teoremas, suponha que : X Y uma correspondencia (com
valores nao vazios).
7

Teorema (sufici
encia para h.c.s.). Suponha que Graf () e fechado e que
X limitado, (X)
e limitado. Entao tem valores compactos e
para todo X
e h.c.s.
Prova: Para cada x X, (x) e fechado (uma vez que Graf () e fechado) e
limitado (por hipotese). Entao tem valores compactos.
Sejam x
X e (xn ) uma sequencia em X que converge #
para x
. Tome
= {
yn (xn ), para todo n N. Temos que o conjunto X
x} {xn ; n N} e
tem uma subsequencia
compacto. Logo, por hipotese, a sequencia (yn ) em (X)
convergente e, digamos, que converge para y Y . Como Graf () e fechado,
(
x, y) Graf (), i.e., y (
x). !
Exemplo: Seja : R+ R+ definida por
(0) = 0, e (x) = {0, 1/x}, para todo x > 0.
Graf () e fechado, mas nao e h.c.s. em x = 0.
Lema (recproca - exerccio 3.15). Suponha que e h.c.s. Se X e
compacto, entao Graf () e compacto (em particular, tem valores compactos).
Prova: Seja (xn , yn ) uma sequencia em Graf (). Como X e compacto, existe
uma subsequencia (xnk ) que converge para x X. Como e h.c.s. em x, existe
uma subsequencia (yj ) que converge para y (x), i.e., (x, y) Graf () e um
ponto de acumulacao da sequencia ((xn , yn )). Portanto, Graf () e compacto.
!
Defina B[x, $] = {y X; ||x y|| $} a bola fechada de centro x X e raio
$ > 0 em X.
Teorema (sufici
encia para h.c.i.). Suponha que Graf () e convexo; que
X, existe um conjunto limitado Y Y tal
para todo$conjunto limitado X

e que para todo x X, existe $ > 0 tal


que (x) $
Y &= , para todo x X;
que B[x, $] X e fechado e convexo. Entao e h.c.i.
Prova: Sejam (
x, y) Graf () e (xn ) uma sequencia em X que converge para
= B[
x
. Seja $ > 0 tal que X
x, $] X e compacto e convexo. Existe N tal que

xn X para todo n N (s.p.g. tome N = 1).


Temos que
xn = n x
n + (1 n )
x,
(fronteira de X)
e n [0, 1]. Como X
e limitado, ||
onde x
n X
xn x
|| $
$
e xn x
, segue que n 0. Seja Y limitado
tal
que
(x)
Y
=
&
,
para
todo
$
(por hipotese). Seja yn (
xX
xn ) Y e defina
yn = n yn + (1 n )
y , para todo n.
8

Como (
xn , yn ), (
x, y) Graf (), para todo n, e Graf () e convexo, segue que
(xn , yn ) Graf (), para todo n. Mais ainda, n 0 e {
yn ; n N} Y e
limitado, o que implica que yn y. Portanto, a sequencia ((xn , yn )) esta em
Graf () e converge para (
x, y). !
Teorema do M
aximo. Seja f : X Y R uma funcao contnua e : X
Y uma correspondencia contnua e com valores compactos. Entao a funcao
h : X R definida por (1) e contnua e a correspondencia G : X Y definida
por (2) e (nao vazia e) h.c.s. e tem valores compactos.
Prova: Fixe x X. Ja argumentamos que G(x) e nao vazio. Como G(x)
(x), G(x) e limitado. Seja (yn ) uma sequencia em G(x) que converge para
y Y . Temos que y (x) e que f (x, yn ) = h(x), para todo n. Como f (x, ) e
contnua, f (x, y) = h(x), i.e., y G(x). Logo, G(x) e compacto.
Seja (xn ) uma sequencia em X convergindo para x. Tome yn G(xn )
(xn ), para todo n. Como e h.c.s., existe uma subsequencia (ynk ) que converge
para y (x). Seja z (x). Como e h.c.i., existe uma sequencia (znk ) tal
que znk (xnk ) que converge para z. Como f (xnk , ynk ) f (xnk , znk ), para
todo k, e f e contnua, segue que f (x, y) f (x, z). Como z (x) e arbitrario,
y G(x). Logo, G e h.c.s. em x.
Seja (xn ) uma sequencia em X convergindo para x. Tome yn G(xn )
(xn ), para todo n. Sejam
= lim sup h(xn ) e h = lim inf h(xn ).
h
= limf (xn , yn ).
Entao existe uma sequencia (xnk , ynk ) em Graf (G) tal que h
k
k
Como G e h.c.s., existe uma subsequencia (yj ) que converge para y G(x).
= lim f (xj , yj ) = f (x, y) = h(x). Analogamente, h = h(x). Logo, a
Logo, h
sequencia (h(xn )) converge e seu limite e h(x), i.e., h e contnua em x. !
Lema. Suponha que : X Y e uma correspondencia contnua com valores
convexos e compactos. Seja f : Graf () R uma funcao contnua tal que
f (x, ) e estritamente concava, para cada x X. Defina a funcao:
g(x) = arg maxf (x, y).
y(x)

Entao para cada $ > 0 e x X, existe x > 0, tal que


y (x) e |f (x, g(x)) f (x, y)| < x implica que ||g(x) y|| < $.
Se X e compacto, x = para todo x X.
facil ver que g e funcao e, pelo Teorema do Maximo, e contnua. S.p.g.,
Prova: E
podemos supor que X e compacto. Pelo exerccio 3.15, Graf () e compacto.
Para cada $ > 0, defina
A# = {(x, y) Graf (); ||g(x) y|| $}.
9

Para cada $ > 0, seja


= min |f (x, g(x)) f (x, y)|.
(x,y)A!

Como a funcao objetivo e contnua e o domnio e compacto, o mnimo e atingido.


Mais ainda, como (x, g(x))
/ A# , segue que > 0. Entao
y (x) e ||g(x) y|| $ implica que |f (x, g(x)) f (x, y)|
como queramos demonstrar. !
Teorema. Suponha que as condicoes do lema acima sao satisfeitas. Seja ((fn ))
uma sequencia de funcoes reais contnuas definidas em Graf () que converge
uniformemente para f tal que fn (x, ) e estritamente concava, para todo n N.
Defina as funcoes:
gn (x) = arg maxfn (x, y)
y(x)

Entao (gn ) converge pontualmente para g. Se X e compacto, esta convergencia


e uniforme.
Prova: Note que
0 f (x, g(x)) f (x, gn (x))

f (x, g(x)) fn (x, g(x)) + fn (x, gn (x)) f (x, gn (x))

2||f fn ||

para todo x X e n N.
Como fn f uniformente, segue que para todo > 0, existe M 1 tal
que
0 f (x, g(x)) f (x, gn (x)) 2||f fn || < ,

(3)

para todo x X e todo n M .


Para mostrar que gn g pontualmente, precisamos mostrar que para $ > 0
e x X, existe Nx 1 tal que
||g(x) gn (x)|| < $, para todo n Nx .

(4)

Pela lema anterior, e suficiente mostrar que para todo x > 0 e x X, existe
Nx N tal que
|f (x, g(x)) f (x, gn (x))| < x , para todo n Nx .

(5)

Por (3), segue que qualquer Nx Mx satisfaz a condicao acima.


Suponha que X seja compacto. Para mostrar que gn g uniformemente,
precisamos mostrar que para cada $ > 0, existe N N tal que (4) e satisfeita
para todo x X. Pelo lema anterior, e suficiente mostrar que para todo > 0,
existe N N tal que (5) e satisfeita para todo x X. De (3) segue que para
todo N M tem esta propriedade. !
10

Princpio de Otimalidade

Referencia: S&L (cap. 4)


Sejam : X X uma correspondencia e F : Graf () R uma funcao,
onde X Rn . Estamos interessados nos seguintes problemas:
sup

{xt+1 }
t=0 t=0

t F (xt , xt+1 )

s.a xt+1 (xt ), t = 0, 1, 2, ...

(SP)

x0 X dado

chamado de problema sequencial e a correspondente equacao funcional:


v(x) = sup [F (x, y) + v(y)], para todo x X.

(FE)

y(x)

Vamos estudar a relacao entre as solucoes dos problemas (SP) e (FE). A ideia
geral e que a solucao v de (FE), calculada em x0 , nos da o valor do supremo em
(SP) quando o estado inicial e x0 e que a sequencia (xt+1 ) atinge o supremo em
(SP) se, e so se ela satisfaz:
v(xt ) = F (xt , xt+1 ) + v(xt+1 ), t = 0, 1, 2, ...
Richard Bellman chamou estas ideias de Princpio de Otimalidade.
Defini
c
ao 12. Uma sequencia (xt )
e chamada de um plano. Dado
t=0 em X
x0 X,
(x0 ) = {(xt )
t=0 ; xt+1 (xt ), t = 0, 1, 2, ...}

e chamado de conjunto dos planos factveis a partir de x0 , i.e., o conjunto das


sequencias factveis para o problema (SP).
H1. tem valores nao vazios.
H2. Para todo x0 X e x = (x0 , x1 , ...) (x0 ), lim

n
existe.
Uma condicao suficiente para (H2) e
|F (xt , xt+1 )| ct , para todo t
onde (0, 1 ).
Defina u : (x0 ) R por
u(x) = lim un (x),

11

&n

t=0

t F (xt , xt+1 )

onde un (x) =

Temos que

&n

t=0
$
v (x0 )

F (xt , xt+1 ).

solucao do problema (SP) e definido por


v $ (x0 ) =

u(x).

sup
x (x0 )

Lema 1. Para todo x0 X e x = (x0 , x1 , x2 , ...) (x0 ),

u(x) = F (x0 , x1 ) + u(x% ),

onde x% = (x1 , x2 , ...) (x1 ).

Prova: Imediata.
Teorema (SP implica em FE). A funcao v $ satisfaz (FE).
Prova: Seja x0 X. Vamos fazer a prova por casos:
i) |v $ (x0 )| < . Sejam y (x0 ) e $ > 0. Pela definicao de v $ , temos que
v $ (y) u(x% ) + $,

para algum
Lema 1,

x%

(y). Note que x = (x0 , x% ) (x0 ). Pela definicao de v $ e

v $ (x0 ) u(x) = F (x0 , y) + u(x% ) F (x0 , y) + v $ (y) $.

Fazendo $ 0, temos que


v $ (x0 ) F (x0 , y) + v $ (y), para todo y (x0 ).
Sejam y (x0 ) e $ > 0. Pela definicao de v $ e Lema 1,
v $ (x0 ) u(x) + $ = F (x0 , y) + u(x% ) + $

para algum x = (x0 , y, x2 , ...) (x0 ) e

x%

= (y, x2 , ...). Logo,

v $ (x0 ) F (x0 , y) + v $ (y) + $, para algum y (x0 ),


o que implica que v $ (x0 ) = sup [F (x0 , y) + v (y)].
y(x0 )

ii) v $ (x0 ) = . Logo, existe uma sequencia (xk ) em (x0 ) tal que lim u(xk ) =
+. Note que xk1 (x0 ), para todo k, e

u(xk ) = F (x0 , xk1 ) + u(x%k ) , quando k .

12

iii) v $ (x0 ) = . Veja S&L para detalhes. !


Teorema (FE implica em SP). Seja v uma solucao de (FE) tal que
lim n v(xn ) = 0, para todo (x0 , x1 , x2 , ...) (x0 ) e x0 X.

(6)

Entao v = v .
Prova: Seja x0 X. Vamos fazer a prova por casos:
i) |v(x0 )| < . Temos que
v(x0 ) F (x0 , x1 ) + v(x1 )

F (x0 , x1 ) + F (x1 , x2 ) + 2 v(x2 )

...

un (x) + n+1 v(xn+1 ), n = 1, 2, ..., para todo x (x0 ).

Tomando o limite quando n e usando a hipotese, temos que


v(x0 ) u(x), para todo x (x0 ).

Seja $ > 0 e tome 0 < < $(1 )/2. Pela definicao de v, construa a
sequencia x1 (x0 ), x2 (x1 ), ... tal que
v(xt ) F (xt , xt+1 ) + v(xt+1 ) + , t = 0, 1, 2, ...
Logo, x = (x0 , x1 , x2 , ...) (x0 ) e

v(x0 )

n
%

n F (xt , xt+1 ) + n+1 v(xn+1 ) +

t=0

n
%

t=0

un (x) +

n+1

v(xn+1 ) + $/2, n = 1, 2, ...

Pela hipotese, v(x0 ) un (x) + $.

ii) v(x0 ) = +. Pela hipotese, existe n < e (x0 , x1 , ...) (x0 ) tais que
v(xt ) < , para todo t > n e v(xn ) = +. Fixe A > 0. Temos que existe
xA
n+1 (xn ) tal que
n1
%
'
(
A
n
)

A
+
1

t F (xt , xt+1 ) .
> F (xn , xA
)
+
v(x
n+1
n+1
t=0

Pelo caso (i), podemos escolher xA


(n+1) . Entao xA =

u(xA ) =

n1
%
t=0

A
) v(xA
(xA
n+1 ) tal que u(x
n+1 )

n+1
(x0 , x1 , ..., xn , xA )
n+1

(x0 ), e

n+1

n+1
t F (xt , xt+1 ) + n F (xn , xA
u(xA ) A.
n+1 ) +
n+1

13

Como A > 0 e arbitrario, segue que v $ (x0 ) = +.


iii) v(x0 ) = . Veja S&L para detalhes. !
Observa
c
oes:
1. Mostramos que v $ satisfaz (FE). Entretanto, (FE) pode ter outras solucoes,
mas elas devem violar a condicao (6).
2. Exemplo: X = R e x0 X a riqueza inicial de um consumidor. O consumidor pode emprestar ou tomar emprestado a uma taxa de juros 1 1, onde
(0, 1). Nao ha restricoes sobre o volume de emprestimos. Seu problema
intertemporal e entao:
max

(ct ,xt+1 )t=0

t ct

t=0

s.a 0 ct xt xt+1 , t = 0, 1, ...


x0 dado.

Como o consumo e ilimitado, v $ (x0 ) = +, para todo x0 X. Defina


F (x, y) = x y e a correspondencia (x) = (, 1 x]. A (FE) e:
v(x) = sup [x y + v(y)].
y 1 x

Obviamente v $ satisfaz (FE). Observe que v(x) = x tambem satisfaz a (FE),


mas ambas nao satisfazem (6) (a sequencia ( t x0 ) (x0 ) nao satisfaz (6)).
Teorema (poltica
otima atende FE). Seja x$ (x0 ) um plano factvel

que atinge o supremo em (SP) para condicao inicial x0 . Entao:

v $ (x$t ) = F (x$t , x$t+1 ) + v $ (x$t+1 ), t = 0, 1, 2, ...

(7)

Prova: Temos que


v $ (x0 ) = u(x$ ) = F (x0 , x$1 ) + u(x$% )

u(x) = F (x0 , x1 ) +

u(x% ),

para todo x (x0 ).

Em particular, esta desigualdade ocorre para todos os planos tais que x1 =


x$1 . Como (x$1 , x2 , x3 , ...) (x$1 ) implica que (x0 , x$1 , x2 , x3 , ...) (x0 ), segue
que
u(x$% ) u(x% ).
u(x$% )

v(x$1 ).

Logo,
=
Substituindo na equacao acima temos o resultado para
t = 0. Por inducao temos o resultado. !
14

Teorema (plano que satisfaz FE


e
otimo). Seja x$ (x0 ) que safistaz

(7) e

lim sup t v $ (x$t ) 0.

(8)

Entao x$ atende o supremo em (SP) para o estado inicial x0 .

Prova: Seja x$ (x0 ) satisfazendo (7) e (8). Por inducao temos que

v $ (x0 ) = un (x$ ) + n+1 v $ (x$n+1 ), n = 1, 2, ...

Entao, usando a hipotese, v $ (x0 ) u(x$ ). Como x$ (x0 ), a desigualdade

reversa e verdadeira, estabelecendo o resultado. !


Exemplo (cont.) Considere o exemplo anterior com a seguinte modificacao:
(x) = [0, 1 x]. Agora, temos que v $ (x0 ) = x0 e obviamente satisfaz (FE).

Note que O sao planos otimos a partir de x0 tal que


O = {(x0 , 0, 0, 0, ...), (x0 , 1 x0 , 0, 0, ...), (x0 , 1 x0 , 2 x0 , 0, ...), ...}.
&

&
Note que todo plano no envolucro convexo O = { i xi ; i 0, xi O e

i = 1, i = 1, ..., n, n N} satisfaz a condicao (8). Mas, a sequencia ( t x0 )


em (x0 ) satisfaz (7), mas gera valor 0 ((8) nao se verifica para esta sequencia).
Defini
c
ao. Chamamos qualquer correspondencia (funcao) G : X X com
G(x) (x), para todo x X, de correspondencia (funcao) poltica. Se uma
sequencia x = (x0 , x1 , ...) satisfaz xt+1 G(xt ), t = 0, 1, 2, ..., dizemos que x e

gerada a partir de x0 por G. Finalmente, definimos a correspondencia poltica


otima G$ por
G$ (x) = {y (x); v $ (x) = F (x, y) + v $ (y)}.
O que acabamos de mostrar e que todo plano otimo e gerado por G$ e que
todo plano gerado por G$ e que satisfaz (8) e um plano otimo.

15

4.1

Retornos Limitados

Vamos estudar o problema da equacao funcional


v(x) = max [F (x, y) + v(y)]
y(x)

quando:
H3. X Rn convexo e : X X e uma correspondencia de valores nao
vazios e compactos e contnua.
H4. F : Graf () R e uma funcao limitada e contnua e (0, 1).
Defina o operador em C(X) (espaco das funcoes reais contnuas e limitadas
em X, munido da norma do supremo):
T (v)(x) = max [F (x, y) + v(y)].
y(x)

Teorema (o caso de retorno limitado). O operador T tem imagem em


C(X), i.e., T : C(X) C(X). Neste caso, T tem um u
nico ponto fixo v C(X)
e para todo v0 C(X)
||T n (v0 ) v|| n ||v0 v||, n = 0, 1, 2, ...

(9)

Mais ainda, a correspondencia poltica G : X X definida por


G(x) = {y (x); v(x) = F (x, y) + v(y)}
tem valores nao vazios e compactos e e h.c.s.
Prova: Pelas hipoteses H3-4, e facil ver que T (v) esta bem definido e uma
uma funcao limitada, para todo v C(X). Pelo Teorema do Maximo, T (v)
imediato que T safisfaz as condicoes suficientes de Blackwell para uma
C(X). E
contracao. Como C(X) com a norma do sup e um espaco de Banach, segue
pelo Teorema da Contracao que T possui um u
nico ponto fixo v C(X) tal
que a condicao (9) e satisfeita. O Teorema do Maximo tambem garante as
propriedades de G. !
Segue do Teorema (FE) implica (SP) que v e a solucao de (SP). Mais ainda,
todo plano gerado por G e um plano otimo para o problema (SP).
H5. Para cada y, F (, y) e estritamente crescente para cada um dos seus n
primeiros argumentos.
H6. e monotona, i.e., x x% implica que (x) (x% ).

16

Teorema (estritamente crescente). Assuma H3-6. Temos que v e estritamente crescente.


Prova: Sejam C % (X) e C %% (X) os subconjuntos de C(X) das funcoes crescentes
e estritamente crescentes, respectivamente. Temos C % (X) e subconjunto fechado
de C(X). Pelo Corolario 1 apos o Teorema da Contracao, basta mostrar que
T (C % (X)) C %% (X). As hipoteses H5-6 garantem isto. !
H7. F e estritamente concava.
H8. e convexa, i.e., para todo x, x% X, y (x) e y % (x% ), temos que
y + (1 )y % (x + (1 )x% ).
Observe que H8 e equivalente a dizer que Graf () ser um conjunto convexo.
Teorema (estritamente c
oncava). Assuma H3-4 e H7-8. Temos que v e
estritamente concava e G e uma funcao contnua.
Prova: Sejam C % (X) e C %% (X) os subconjuntos de C(X) das funcoes concavas
e estritamente concavas, respectivamente. Temos C % (X) e subconjunto fechado
de C(X). Pelo Corolario 1 apos o Teorema da Contracao, basta mostrar que
T (C % (X)) C %% (X).
Para verificar isto, seja v C % (X) e sejam
x0 &= x1 , (0, 1), e x = x0 + (1 )x1 .
Tome yi (xi ) que atende o valor T (v)(xi ), para i = 0, 1. Pela hipotese H8,
y (x ). Segue que
T (v)(x ) F (x , y ) + v(y )

> [F (x0 , y0 ) + v(y0 )] + (1 )[F (x1 , y1 ) + v(y1 )]


= T (v)(x0 ) + (1 )T (v)(x1 ).

i.e., T (v) C %% (X).


Como F e estritamente concava, v e estritamente concava e tem valores
convexos, G e uma funcao e contnua (pelo Teorema do Maximo). !
Teorema (converg
encia das fun
c
oes polticas). Assuma H3-4 e H7-8.
Sejam C % (X) o subconjunto de C(X) das funcoes concavas e v0 C % (X). Defina
a sequencia (vn , gn ) por
vn+1 = T (vn )
gn (x) = argmax [F (x, y) + vn (y)], n = 0, 1, 2, ...
y(x)

Entao gn g pontualmente. Se X e compacto, entao a convergencia e uniforme.


17

Prova: Pelo Teorema anterior vn C %% (X), para todo n = 1, 2, ..., onde C %% (X)
e o conjunto das funcoes estritamente concavas em C(X). Defina as funcoes
fn (x, y) = F (x, y) + vn (y), n = 1, 2, ...
f (x, y) = F (x, y) + v(y).
Temos que fn e f sao estritamente concavas, para todo n = 1, 2, .... Aplicando
resultado anterior, provamos o teorema. !
Teorema (Benveniste e Scheinkman). Sejam X Rn convexo, V : X
R concava, x0 int(X) e D uma vizinhanca de x0 . Se existe uma funcao
diferenciavel W : X R com W (x0 ) = V (x0 ) e W (x) V (x) para todo
x D, entao V e diferenciavel em x0 , e
i V (x0 ) = i W (x0 ), i = 1, 2, ..., n,
onde i e a derivada parcial em relacao a i-esima coordenada.
Prova: Todo subgradiente p de V em x0 deve satisfazer:
p (x x0 ) V (x) V (x0 ) W (x) W (x0 ), para todo x D.
Como W e diferenciavel em x0 se, e somente se p e u
nico. Isto implica que p
tambem e o u
nico subgradiente de V e o resultado segue.1 !
H9. F e de classe C 1 no interior de Graf ().
Teorema (diferenciabilidade da fun
c
ao valor). Assuma H3-4 e H7-9. Seja
g a funcao poltica otima. Se x0 int(X) e g(x0 ) int((x0 )), entao v e
continuamente diferenciavel em x0 com suas derivadas parciais dadas por
i v(x0 ) = i F (x0 , g(x0 )), i = 1, 2, ..., n.

1 Dizemos que p
e um subgradiente de V em x0 se p (x x0 ) V (x) V (x0 ), para
todo x D. Vamos provar mais tarde que se V
e c
oncava, existe sempre subgradiente e que
unicidade
e equivalente a diferenciabilidade de V em x0 .

18

Prova: Como e contnua, afirmo que existe D vizinhanca de x0 em X tal que


g(x0 ) (x), para todo x D. De fato, considere a distancia de Hausdorff dH
para conjuntos compactos nao vazios em Rn . Temos que e contnua se, e so
se e contnua nesta topologia (veja exerccio na lista). Seja $ > 0 tal que a bola
fechada B[g(x0 ), $] esteja contida em (x0 ) com dH (B[g(x0 ), $], (x0 )) > > 0.
Dado > 0, deve existir uma vizinhanca D de x0 tal que dH ((x0 ), (x)) < .
Pela desigualdade triangular,
dH (B[g(x0 ), $], (x0 )) dH (B[g(x0 ), $], (x)) + dH ((x), (x0 ))
o que implica que

dH (B[g(x0 ), $], (x)) ,

para todo x D. Como tem valores convexos (neste caso, dH e equivalente


quando calculada entre as fronteiras dos conjuntos), se > 0 e suficientemente
pequeno, entao B[g(x0 ), $] (x) para todo x D.
Defina W em D por
W (x) = F (x, g(x0 )) + v(g(x0 )).
Como F e concava e diferenciavel, temos que W e concava e diferenciavel. Mais
ainda, como g(x0 ) (x), para todo x D, segue que
W (x) max F (x, y) + v(y) = v(x), para todo x D,
y(x)

com igualdade em x0 . Logo, v e W satisfazem as condicoes do Teorema de


Benveniste e Scheinkman. !

19

4.2

Retornos Ilimitados

Considere o operador:
T (v) = sup [F (x, y) + v(y)]
y(x)

Teorema. Assuma H1-2. Suponha que exista uma funcao v : X R tal que
T (
v ) v;

(10)

lim n v(xn ) 0, para todo x0 X, para todo x (x0 );

(11)

u(x) v(x0 ), para todo x0 X, para todo x (x0 ).

(12)

Se a funcao v : X R definida por


v(x) = lim T n (
v )(x)
n

e um ponto fixo de T , entao v = v .


$

Prova: Note que o operador T e monotono (i.e., T (v) T (w) quando v w). A
primeira condicao acima implica que vn+1 vn , para todo n, onde vn = T n (
v ).
Assim, a sequencia (vn ) e decrescente. Definimos v como o limite pontual desta
sequencia e v v. Note que v satisfaz FE e a segunda condicao implica
limsup n v(xn ) 0.
n

Repetindo a prova do teorema (plano que satisfaz FE e otimo), temos que


v v$ .
Pela terceira condicao, v $ v e, pelas hipoteses H1-2, T (v $ ) = v $ . Logo,
$
v = T (v $ ) T (
v ) e, por inducao, v $ T n (
v ). Portanto, v $ v. !
Exemplo: Considere o modelo de crescimento otimo de um setor:
max

(kt+1 )

%
t=0

t ln(kt kt+1 )

s.a 0 kt+1 kt , t = 0, 1, 2, ...

(13)
(14)

onde , (0, 1) e X = (0, ).


Note que
v $ (k) ln(k)/(1 ) = v(k), para todo k > 0
Pode-se mostrar que as condicoes do teorema acima sao satisfeitas para v.
Mais ainda, temos que
v(k) =

[ln(1 ) +
ln()] +
ln(k)
1
1
1

e o limite pontual de T n (
v ) e, portanto, e solucao do problema sequencial.
20

4.3

M
etodo Bellman e Equac
ao de Euler

Vamos considerar a equacao funcional associada ao problema sequencial anterior:


v(x) = max F (x, y) + v(y).
y(x)

(15)

Suponha que a funcao valor e diferenciavel (por exemplo, isto vale sob as
condicoes do Teorema de Benveniste e Scheinkman), g e a funcao poltica da
equacao funcional e que o lado direito de (15) e sempre atendido em int((x)).
Entao a condicao de primeira ordem para o problema em (15) e
0 = Fy (x, g(x)) + v % (g(x)).
O teorema do envelope nos diz que:
v % (x) = Fx (x, g(x)).
Substituindo x = xt e g(x) = g(xt ) = xt+1 na CPO acima temos que
0 = Fy (xt , xt+1 ) + v % (xt+1 )
e x = xt+1 e g(x) = g(xt+1 ) = xt+2 na condicao de envelope temos que
v % (xt+1 ) = Fx (xt+1 , xt+2 ).
Eliminando v % (xt+1 ) nas duas equacoes acima temos a Equacao de Euler (EE):
0 = Fy (xt , xt+1 ) + Fx (xt+1 , xt+2 ).

(16)

Note que este processo de eliminacao descarta informacao u


til. Logo, nao e
surpreendente que muitas sequencias satisfazem (EE), mas nao a CPO acima.
Precisamos de uma condicao de fronteira para determinar de forma u
nica a
solucao de (EE) que e otima. Esta condicao adicional e a condicao de transversalidade (CT):
lim t Fx (xt , xt+1 ) xt = 0

Temos entao o seguinte resultado:

21

(17)

Teorema (suficiencia da EE e CT para otimalidade). Sejam X Rn+ e F


satisfazendo as hipoteses de crescimento, concavidade e diferenciabilidade. Se

uma sequencia (xt )


ao ela e a
t=0 com xt+1 (xt ) satisfaz (16) e (17), ent
solucao do problema (SP).
Prova: Dada (xt )
encia em (x0 ), defina
t=0 uma sequ
T
%

D = lim

t=0

Temos que
D

lim

lim

T
%
t=0

t [F (xt , xt+1 ) F (xt , xt+1 )]

t [Fx (xt , xt+1 ) (xt xt ) + Fy (xt , xt+1 ) (xt+1 xt+1 )

T
1
%
t=0
T

t [Fy (xt , xt+1 ) + Fx (xt+1 , xt+2 )] (xt+1 xt+1 )

lim Fy (xT , xT +1 ) (xT +1 xT +1 ).

Usando (EE), temos que


D

lim T Fx (xT , xT +1 ) (xT xT )

lim T Fx (xT , xT +1 ) xT ,

T
T

onde usamos que Fx 0 e xT 0, para todo T . De (CT), segue imediatamente


que D 0.
Exemplo (cont.) Considere o exemplo anterior onde F (x, y) = ln(x y) e
(x) = [0, x ]. Temos que (EE) fica:

ou

1
kt+1
1
+

=0
k
kt kt+1
kt+1
t+2

*
kt
kt+2
1 =1 .
kt+1
kt+1

Se kt+1 = ckt , temos que c = resolve a equacao acima para todo t = 0, 1, ....
Logo,
g(k) = k .
A condicao (CT) fica:
lim t

kt1

kt =
lim t = 0.
kt+1
1 t

kt

Pelo teorema anterior, g e a funcao poltica do problema de crescimento otimo.


22

Exemplo. (Modelo de crescimento otimo de um setor) Considere o problema:


max

(kt+1 )t=0

%
t=0

t U (f (kt ) kt+1 )

s.a 0 kt+1 f (kt ), t = 0, 1, 2, ...


dado k0 0.

Sejam U : R+ R and f : R+ R tais que:


(U1) 0 < < 1;
(U2) U e contnua;
(U3) U e estritamente crescente;
(U4) U e estritamente concava;
(U5) U e continuamente diferenciavel;
(T1) f e contnua;
para todo k [0, k]
e f (k) < k,
(T2) f (0) = 0 e para algum k > 0, k f (k) k,

para todo k > k;


(T3) f e estritamente crescente;
(T4) f e (fracamente) concava;
(T5) f e continuamente diferenciavel;
o conjunto do estoque de capital mantenvel (neste caso, livre
Seja X = [0, k]
descarte nunca e utilizado).
Sob as hipoteses (U1)-(U3) e (T1)-(T3), as hipoteses do teoremas que geram
a equivalencia entre os problemas (SP) e (FE) sao atendidas. Mais ainda, podemos aplicar os teoremas da parte de retornos limitados para garantir a existencia
de uma funcao valor otimo limitada, contnua e estritamente crescente; e de uma
correspondencia de poltica otima nao vazia e h.c.s.
Se adicionalmente (U4) e (T4) forem satisfeitos, a funcao valor sera estritamente concava e a correspondencia poltica otima sera uma funcao contnua.
Finalmente, se adicionalmente (U5) e (T5) vigorarem, entao a funcao valor
otimo sera continuamente diferenciavel (por Benveniste e Scheinkman). Mais
ainda, se g e a funcao poltica e g(k) (0, f (k)), entao
v % (k) = U % (f (k) g(k))f % (k)
Note que se U % (0) = + e f % (0) = +, entao a condicao g(k) (0, f (k)) e
automaticamente satisfeita.
23

Observa
c
ao: Pela CPO da (EF) e envelope (B&S), temos:
U % (f (k) g(k)) = v % (g(k))
v % (k) = U % (f (k) g(k))f % (k)
Note que tomando a derivada implcita em relacao a x da primeira equacao
temos que
[U %% (f (k) g(k)) + v %% (g(k))]g % (k) = U %% (f (k) g(k))f % (k)
o que implica que g % (k) > 0.
Turnpike
Vamos considerar agora o estado estacionario de g, i.e., k X tal que
g(k ) = k . Usando as condicoes da observacao acima temos que:

f % (k ) = 1 .
Quando f %% < 0, se existir, o u
nico estado estacionario deve ser dado por k =
% 1
1
f ( ). Note que, como v e estritamente concava, sabemos que
(v % (k) v % (g(k)))[k g(k)] 0,
para todo k X, com igualdade apenas quando g(k) = k. Agora usando a
condicao de envelope e a CPO temos que a condicao acima fica:
(f % (k) 1 )[k g(k)] 0,
para todo k X, com igualdade apenas quando g(k) = k. Como para k = k ,
esta expressao e zero, temos g(k ) = k . Mais ainda, como f e concava, devemos
ter
f % <> 1 se, e somente se k >< k .
Logo segue que

k >< g(k) se, e somente se k >< k .

Logo temos a seguinte:


1

Proposi
c
ao. A funcao g tem dois estados estacionarios: 0 e f % ( 1 ). Para
cada k0 X, a sequencia (kt )
t=0 definida por kt+1 = g(kt ) converge monotonicamente para k .

24

Uma pergunta natural neste contexto e: sera que o fato de g ser funcao
poltica impoe alguma restricao sobre ela? A resposta e nao:
Teorema (Boldrin e Montruchio). Sejam X R compacto e g : X X
qualquer funcao duas vezes diferenciavel. Seja (x) = X, para todo x X.
Entao existe uma funcao de retorno F e um fator de desconto [0, 1) tal que
(X, , F, ) satisfaz as hipoteses do modelo de retorno limitado, concavidade e
diferenciabilidade e g e a funcao de poltica do problema (SP) associado.
Exemplo. Seja g(x) = 4(x x2 ) definida em [0, 1]. Neste caso, para quase toda
condicao inicial k0 , a trajetoria (kt )
e densa em X, onde kt+1 = g(kt ), para
t=0
todo t = 0, 1, 2, ....
Caso estoc
astico
Considere a tecnologia estocastica (k, z) = [0, zf (k)], onde z e uma v.a.
positiva. Os choques sao considerados i.i.d. ao longo do tempo. A restricao de
factibilidade do problema (SP) fica:
kt+1 + ct zt f (kt ), onde ct , kt+1 0 para todo zt .
O criterio de escolha e dado pela utilidade esperada de um plano factvel de
consumo:
+
,
%
E[u(c0 , c1 , c2 , ...)] = E
t U (ct )
t=0

onde E[] e tomado com respeito a a distribuicao de probabilidade da v.a.


(ct )
t=0 .
Em cada perodo t o choque zt e realizado. Assim, o estado em t e st =
(kt , zt ). Ao problema (SP) esta associado a seguinte equacao funcional:
v(k, z) =

max {U [zf (k) y] + E[v(y, z % )]},

0yf (k)

o que leva a uma escolha otima y = g(k, z). Sob diferenciabilidade e otimo
interior, a CPO fica:
U % [kf (k) g(k, z)] = E[1 v(g(k, z), z % )],
o que define a seguinte relacao kt+1 = g(kt , zt ).
Exemplo. Para U (k) = ln(k) e f (k) = k , e facil ver que
g(k, z) = zk
Qual sera a funcao valor neste caso? Calcule.

25

Parte 2: An
alise Convexa e Otimizac
ao
5

An
alise Convexa

Referencia: Simonsen (cap. 6)

5.1

Funcionais sublineares

Seja V um espaco vetorial real; F : V R uma funcao real.


Defini
c
ao: f e funcional sublinear se
(a) f (x + y) f (x) + f (y), para todo x, y V ;
(b) f (x) = f (x), para todos x V e 0.
f e chamado superlinear se f e sublinear.
Teorema.
(a) 1 f1 + 2 f2 e funcional sublinear, se fi e sublinear e i 0, i = 1, 2;
(b) f (0) = 0, se f e funcional sublinear;
(c) se f e funcional sublinear, entao
f (x) f (y) f (x + y) f (x) + f (y)

f (x) f (y) f (x y) f (x) + f (y)

0 f (x) + f (x)

para todo x, y V .
Prova: Imediata. !
Exemplos:
1) Todo funcional linear e obviamente sublinear e superlinear. E reciprocamente.
2) Sejam f1 , f2 funcionais sublineares. Entao f = max{f1 , f2 } e funcional
sublinear. De fato,
f (x + y) = max{f1 (x + y), f2 (x + y)} max{f1 (x) + f1 (y), f2 (x) + f2 (y)}

max{f1 (x), f2 (x)} + max{f1 (y) + f2 (y)}


f (x) + f (y)

trivial que f (x) = f (x), para todo x V e 0.


E
26

3) A funcao norma em um espaco vetorial e um funcional sublinear. Reciprocamente, se f : V R+ e um funcional sublinear par (i.e. f (x) = f (x) tal
que f (x) = 0 implica x = 0, entao f define uma norma em V . Um funcional
sublinear e tambem chamado de semi-norma.
Obs. Todo funcional sublinear f e funcional convexo.
Prova: Temos que provar que
f (x + (1 )y) f (x) + (1 )f (y)
para todo x, y V e [0, 1]. Mas isto decorre imediatamente da sublinearidade de f .
Nota
c
ao: Dado um conjunto C V nao vazio, definimos L(C) o subespaco
gerado por C, i.e., e o conjunto de todas as combinacoes lineares finitas de
vetores em C.
Lema (extens
ao finita). Sejam M um subespaco vetorial de V e y V M c .
Considere N = L(y + M ). Sejam f e g funcionais sublinear e linear definidos
em V e M , respectivamente, tais que g(x) f (x), para todo x M . Entao
existe uma extensao linear g de g a N tal que g(x) f (x), para todo x N .
Prova: Note que
g(x1 ) + g(x2 ) = g(x1 + x2 ) f (x1 + x2 ) f (x1 y) + f (x2 + y),
ou seja,

g(x1 ) f (x1 y) f (x2 + y) g(x2 )

para todo x1 , x2 M . Logo,

sup [g(x) f (x y)] inf [f (x + y) g(x)]

xM

xM

e, portanto, existe c R tal que


g(x) f (x y) c f (x + y) g(x)
para todo x M .
Cada vetor de N se expressa como x + y, onde x M e R unicamente
definidos. Defina entao
g(x + y) = g(x) + c.
obvio que g e uma extensao linear de g a N .
E
Seja > 0 e faca x =
x. Assim,
g(x + y) = (g(
x) + c) f (
x + y) = f (x + y),
onde a desigualdade decorre da propriedade acima de c.
27

Seja > 0 e faca x =


x. Assim,
g(x + y) = (g(
x) c) f (
x y) = f (x + y),
onde a desigualdade decorre da propriedade acima de c. Portanto, g(x + y)
f (x + y), para todo x M e R. !
Obs. Se dim(V ) < , entao podemos fazer a extensao acima para todo espaco
V . De fato, como V tem dimensao finita, existem {y1 , y2 , ..., yk } V L.I. tal
que V = L({y1 , ..., yk } M ). Defina N1 = L(y1 + M ), N2 = L(y2 + N1 ),....,
V = Nk = L(yk + Nk1 ). Podemos aplicar o lema acima indutivamente para
cada Nj , j = 1, ..., k.
Exemplo: Sejam f (x) = A||x||, para todo x V , onde || || e uma norma em
V , A > 0 uma constante positiva e um funcional linear g em M e tal que
|g(x)| A||x||
para todo x M . Neste caso, dizemos que a norma de g e menor ou igual a
A. Entao o lema acima diz que e possvel estender g para N = L(y + M ) com
norma menor ou igual a A.
A questao e saber se podemos fazer a mesma extensao para espacos vetoriais de dimensao infinita. Para isso precisamos introduzir um resultado muito
importante para Analise Funcional: Lema de Zorn.

5.2

Lema de Zorn ou Teorema de Maximalidade de Hausdorff

Considere uma famlia nao vazia F de elementos munido de uma ordem parcial
(i.e., anti-simetrica, transitiva e reflexiva). Seja uma subfamlia F % nao vazia
totalmente ordenada (i.e., e ordem completa em F % ). Dizemos que F % e uma
famlia indutiva se F % admite um supremo em F .
Um f e elemento maximo em F se f F e nao existe um elemento f F
tal que f < f (onde f < f significa que f f e nao e o caso que f f).
Lema de Zorn. Se toda subfamlia totalmente ordenada de F e indutiva, entao
F admite um elemento maximo em F .
Prova: A prova do Lema de Zorn consiste em mostrar a equivalencia dele ao
seguinte axioma da Teoria dos Conjuntos:
Axioma da Escolha: Seja C uma colecao de conjuntos nao vazios. Entao
existe uma funcao f : C C tal que f (C) C. !
CC

Aplica
c
ao: Seja f : V R um funcional sublinear, M um subespaco vetorial
de V e g : M R um funcional linear tal que g(x) f (x), para todo x M .
28

Designe
, g); M
e subespaco de V contendo M
F ={(M
tal que g(x) f (x) para todo x M
}
e g e uma extensao linear de g a M
e defina
1 , g1 ) (M
2 , g2 ) se, e somente se M
1 M
2 e g2 e uma extensao de g1 .
(M
facil ver que e uma relacao de ordem parcial em F . Seja agora F % uma
E
subfamlia nao vazia totalmente ordenada de elementos de F . Defina
M=

,
(M
g )F $

,
M

que e trivialmente um subespaco vetorial de V , e g : M R tal que g(x) = g(x),


e (M
, g) F % , esta bem definido porque F % e indutiva e e um funcional
se x M
linear em M . Logo, (M, g) e um supremo de F % , i.e., F % e uma famlia indutiva.
, g).
Pelo Lema de Zorn, F admite um elemento maximo (M
Teorema de Hahn-Banach (extens
ao para dimens
ao infinita). Seja
f : V R um funcional sublinear, M um subespaco vetorial de V e g : M R
um funcional linear tal que g(x) f (x), para todo x M . Entao existe uma
extensao linear g : V R de g tal que g(x) f (x), para todo x V .
Prova: Pela discussao acima temos um candidato a esta extensao. Supon &= V . Logo, existiria y V M
c . Pelo Lema acima,
hamos, por absurdo, que M
) tal
seria possvel construir uma extensao g de g ao subespaco N = L(y + M

que g(x) f (x), para todo x N . Isto contradiz a maximalidade de M . !


Obs. Note que o teorema acima garante a existencia da extensao. Entretanto,
exemplos muito simples mostram que esta extensao nao e u
nica em geral.
Exemplo (cont.) Sejam f (x) = A||x||, para todo x V , onde || || e uma
norma em V e A > 0 uma constante positiva. Entao, o Teorema de HahnBanach diz que um funcional linear g em M com norma menor ou igual a A
pode ser estendido linearmente a V com norma menor ou igual a A.

29

Separa
c
ao de uma bola de um ponto. Seja || || uma norma em V . Sejam
x0 V tal que ||x0 || r > 0 e B = {x V ; ||x x0 || < r}. Sera que existe um
funcional linear g em V tal que g(x) 0, para todo x B? Este problema e
equivalente a encontrar um funcional linear g tal que:
g(x) ||x x0 || r
para todo x V . Fazendo a mudanca de variavel y = x x0 , temos que basta
mostrar que
g(y) + g(x0 ) + r ||y||, y V.

Definindo f (y) = ||y|| funcional sublinear e g em M = L({x0 }) tal que


g(x0 ) = r, temos o resultado aplicando o Teorema de Hahn-Banach. De fato,
note que a desigualdade acima e implicada por |g(x0 )| = ||r ||x0 || que e
trivialmente verdade.

5.3

Conjuntos Convexos

Sejam x, y V . O segmento [x, y] de extremos x e y e o conjunto:


[x, y] = {(1 )x + y; [0, 1]}.
Defini
c
ao: Seja C V . Diz-se que C e um conjunto convexo quando para
todo x, y C, [x, y] C.
Conven
c
ao: Conjuntos unitarios e vazios sao considerados convexos.
Teorema.
(i) A intersecao de uma famlia de conjuntos convexos um conjunto convexo.
(ii) Se C1 e C2 sao subconjuntos convexos de V , entao C1 + C2 = {x1 + x2 ; xi
Ci , i = 1, 2} e um conjunto convexo em V .
(iii) Se C e um subconjunto convexo em V e R, entao C = {x; x C} e
um conjunto convexo.
(iv) Um subconjunto C de V e convexo se, e somente se toda combinacao convexa de elementos de C pertence a C.
Prova: Imediata. !
Defini
c
ao: Seja C um subconjunto (convexo) de V . A variedade linear gerada
por C, M (C) e a intersecao de todas as variedades lineares que contem C.
Obs. Uma variedade linear em V e uma translacao de subespaco vetorial, i.e.,
x0 + M , onde x0 V e M e um subespaco vetorial de V .
30

Defini
c
ao: Um ponto x C (subconjunto convexo de V ) e dito ser regular se
para todo y M (C) existe > 0 tal que x + (y x) C.
Obs. No caso especial que M (C) = V , entao x e um ponto regular se para cada
h V , existe > 0 tal que x + h C.
Defini
c
ao: Seja C um subconjunto convexo de V . Designemos por C o conjunto
de pontos regulares de C. Este conjunto tambem e chamado de interior relativo.
Exemplo: Seja V um espaco vetorial normado (com norma || ||). A bola
C = B(x0 , r) = {x V ; ||x x0 || < r} de centro em x0 V e raio r > 0 e um
conjunto convexo, M (C) = V e C = C.
Lema. Seja C um subconjunto convexo de V , x C e y M (C). Se x + (y
x) C, entao x + (y x) C, para todo [0, ].
Prova: Basta notar que:
x + (y x) = (1 )x + (x + (y x))
onde = / [0, 1]. !
Teorema. Se C e um subconjunto convexo de V , entao C e convexo.
Prova: Sejam x1 , x2 C e y M (C). Por definicao, existe i > 0 tal que
xi + i (y xi ) C, i = 1, 2. Seja = min{1 , 2 } > 0. Logo, pelo lema
anterior, xi + (y xi ) C, i = 1, 2. Seja x = (1 )x1 + x2 [x1 , x2 ] C,
para [0, 1]. Temos que
x + (y x) = (1 )(x1 + (y x1 )) + (x2 + (y x2 )) C
o que prova que C e convexo. !
Teorema. Seja C um subconjunto convexo de V . Suponha que M (C) e uma
variedade linear de dimensao finita. Entao C =
& .
Prova: Seja (x0 , x1 , ..., xn ) uma colecao maxima de elementos independentes
de C, i.e., de elementos tais que x1 x0 , ..., xn x0 sejam LI. Como M (C) tem
dimensao finita, sempre existe uma colecao finita com tal propriedade. Todo
ponto de M (C) pode ser representado por:
x0 + 1 (x1 x0 ) + ... + n (xn x0 ) = 0 x0 + 1 x1 + ... + n xn
&
onde 0 = 1 i . Logo,
i

M (C) = {0 x0 + 1 x1 + ... + n xn ; 0 + 1 + ... + n = 1}


31

1
Sejam x = n+1
(x0 + x1 + ... + xn ) e y = 0 x0 + 1 x1 + ... + n xn , tal que
0 + 1 + ... + n = 1. Seja > 0 tal que

(1 )

1
+ i 0, para i = 0, 1, 2, ..., n.
n+1

1
1
Temos que x + (y x) = ((1 ) n+1
+ 0 )x0 + ... + ((1 ) n+1
+ n )xn
e uma combinacao convexa de pontos de C e, portanto, pertence a C. !

Exemplo: Seja V = {(x1 , x2 , ...); N N tal que xn = 0, para todo n > N }.


O conjunto B = {e1 , e2 , ...} forma uma base para V , onde ei = (0, ..., 0, 1, 0, 0, ...).
Considere C = {(x1 , x2 , ...) V ; xi 0, i = 1, 2, ...} e um conjunto convexo
que contem 0 e B. Logo, M (C) = V . No entando, C = . De fato, seja
x = (x1 , x2 , ....) C. Temos que existe N N tal que xn = 0 para todo n > N .
Para y = eN +1 M (C) = V , temos que x + (y x) C implica que 0.

Defini
c
ao: Seja C um subconjunto convexo de V tal que M (C) = V e 0 C.
Defina o funcional de Minkowski do convexo C por:
m(x) = inf {r > 0;

x
C}
r

(note que pelas hipoteses este nfimo esta bem definido).


O proximo teorema estabelece as principais propriedades deste funcional.

Teorema. Seja C um subconjunto convexo de V tal que M (C) = V e 0 C.


a) m(x) 0, para todo x V ;
b) m(x) = m(x), para todo x V e 0;
c) m(x + y) m(x) + m(y), para todo x, y V ;
d) Se x C, entao m(x) 1;

e) m(x) < 1 se, e somente se x C.


Prova:
imediato.
a) E
imediato que m(0) = 0. Seja > 0, basta notar que
b) E
%
r = r temos que:
{r > 0;

x
x
C} = {r% > 0; % C}
r
r

e tomando nfimos, m(x) = m(x).


32

x
r

x
r

e fazendo

c) Note que, se r1 , r2 > 0, entao


x1 + x2
r1 x1
r2 x2
=
+
r1 + r 2
r 1 + r2 r 1
r 1 + r 2 r2
Assim, se x1 /r1 , x2 /r2 C, entao (x1 + x2 )/(r1 + r2 ) C. Isso implica
{r > 0;

x1 + x2
x1
x2
C} {r1 > 0;
C} + {r2 > 0;
C}
r
r1
r2

ou tomando nfimos: m(x1 + x2 ) m(x1 ) + m(x2 ).


d) Se x C, entao x/r C para r = 1. Logo, m(x) 1.
e) Se m(x) < 1, entao existe r < 1 tal que x/r C. Como 0 C, segue que
x C. Pelos itens (b) e (c), o funcional de Minkowski m(x) e sublinear. Logo,
se h V e > 0, entao:
m(x + h) m(x) + m(h).
Como m(x) < 1, existe > 0 tal que m(x) + m(h) < 1. Pelo que provamos

acima, x + h C, i.e., x C.
Tomando h = x V , segue que existe
Reciprocamente, suponha que x C.
> 0 tal que (1 + )x C. Assim, se r = (1 + )1 , entao x/r C, para
algum r < 1 e portanto m(x) < 1. !

5.4

Teoremas de Separac
ao

Defini
c
ao: Um hiperplano H = {x V ; g(x) = c}, onde g : V R e um
funcional linear e c R. Este hiperplano divide V em dois semi-espacos:
H + = {x V ; g(x) c} e H = {x V ; g(x) c}
direito e esquerdo, respectivamente.
O objetivo agora e mostrar o teorema de separacao de convexos: dados
dois conjuntos convexos nao vazios, de intersecao vazia tal que para um deles
o interior relativo e nao vazio, entao existe um hiperplano que separa estes
conjuntos, i.e., cada um deles esta em cada um dos seus semi-espacos.
Teorema (Mazur ou forma geom
etrica do Teorema de Hahn-Banach).
Seja C um subconjunto convexo de V tal que M (C) = V , C &= e x0 + M uma
variedade linear (onde M e um subespaco vetorial de V ) tal que (x0 +M )C = .
Entao existe um hiperplano que contem x0 + M e que deixa C no seu semiespaco esquerdo. (Isto e, existe g um funcional linear nao nulo e c R tal que
g(x) = c = g(x0 ), para todo x x0 + M e g(x) c, para todo x C).

33

Como (x0 + M ) C = , 0
Prova: S.p.g. podemos supor que 0 C.
/ x0 + M
e portanto x0
/ M.
Seja N subespaco gerado por x0 + M . Como 0
/ x0 + M , todo vetor de N se
exprime univocamente por x0 + y, onde R e y M . Defina g(x0 + y) =
imediato que g(x) = 1, para todo x x0 + M .
em N . E
Afirmo que se m(x) e o funcional de Minkowski de C, g(x) m(x), para todo
x N . De fato, primeiro note que (x0 + M ) C = implica que m(x0 + y) 1,
para todo y M . Segue entao que se 0, g(x0 + y) = m(x0 + y),
para todo y M . Se < 0, entao g(x0 + y) = < 0 m(x0 + y).
Aplicando o teorema de Hahn-Banach, existe g uma extensao linear de g a
V tal que g(x) m(x), para todo x V (uma vez que o funcional de Minkowski
e sublinear). Como g e uma extensao de g, g(x) = 1, para todo x x0 + M .
Logo, pelo teorema anterior g(x) m(x) 1, para todo x C. !
Teorema (hiperplano suporte). Seja C um subconjunto convexo de V tal
Entao existe um hiperplano que contem
que C &= e x0 V tal que x0
/ C.
x0 e deixa C no seu semi-espaco esquerdo, i.e., existe um funcional linear g nao
nulo definido em V tal que g(x) g(x0 ), para todo x C.
Prova: S.p.g. podemos supor que 0 C e M (C) e um subespaco vetorial
de V . Se M (C) = V , recamos no teorema anterior: basta tomar M = {0}.
Se M (C) &= V , podemos escrever V = M (C) N , onde N e um subespaco
vetorial de V (i.e., para todo x V existem u
nicos m M (C) e n N tais que
x = m + n).
Se x0 M (C), volte aplicar o teorema anterior substituindo V por M (C)
e estendendo o funcional linear a V tal que g(n) = 0, para todo n N . Se
x0
/ M (C), basta tomar um funcional linear tal que g(x0 ) = 1 e g(x) = 0, para
todo x M (C). !
Obs.
1) Na prova acima usamos o fato de que dado um subespaco vetorial de V , entao
existe um subespaco vetorial N de V tal que V = M N . Pode-se provar isto
usando o Lema de Zorn (faca como exerccio).
2) Se M (C) e uma variedade de dimensao finita, e dispensavel a condicao C &=
(uma vez que e automaticamente satisfeita).
3) (Exemplo cont.) Seja V = {(x1 , x2 , ...); N N tal que xn = 0, para todo n >
facil ver que
N }. Seja C V tal que a u
ltima coordenada nao zero e negativa. E
C e convexo e M (C) = V , pois e1 = 2e1 +e1 e ei = (1, 0, ...., 0, 1, 0, ...)+
e1 , para todo i > 1.
Dado x C, existe N N tal que xN < 0 e xn = 0, para todo n > N .
Logo, nao existe > 0 tal que x + eN +1 C.
Note que e1
/ C. Suponha que exista um funcional linear nao nulo em V tal
que g(e1 ) g(x), para todo x C. Como (, 1, 0, ....) C, para todo R,
34

temos que g(e1 ) g(e1 ) g(e2 ), para todo R. Logo, g(e1 ) = 0. Da mesma
forma en en+1 C, para todo R, e portanto g(e1 ) = 0 g(en )g(en+1 ),
para todo R. Isto implica que g(en ) = 0, para todo n N, ou seja, g = 0 o
que e uma contradicao.
Lema. Seja C um subconjunto convexo nao vazio de V . Seja g um funcional
entao g(x) c, para todo x C.
linear tal que g(x) c, para todo x C,
Podemos supor s.p.g. que x = 0, o que torna
Prova: Sejam y C e x C.
M (C) um subespaco vetorial de V . Seja m(x) o funcional de Minkowski de C
no espaco vetorial M (C). Temos que m(y) 1. Logo,
m((1 )y + x) (1 )m(y) + m(x) < 1

para todo (0, 1). Logo, (1 )y + x C.


Entao
Seja agora o funcional linear g tal que g(x) c, para todo x C.
g((1 )y + x) = (1 )g(y) + g(x) c para todo (0, 1). Fazendo
0, temos que g(y) c. !
Corol
ario. Seja C um subconjunto convexo de V tal que C &= e x0 V
Todo hiperplano que contem x0 e deixa C no seu semi-espaco
tal que x0
/ C.
esquerdo, deixa C no seu semi-espaco esquerdo.
Prova: Basta aplicar o lema anterior. !
Neste caso este hiperplano e chamado de hiperplano suporte de C em x0 .
Teorema (separa
c
ao de Eidelheit). Seja Ci um subconjunto convexo, i =
1, 2, tal que M (C1 ) = V , C 1 &= e C 1 C2 = . Entao existe um hiperplano H
que separa estes dois conjuntos, i.e., C1 H e C2 H + .
Prova: Seja C = C 1 C2 . Entao C e convexo, C = C (pois se x = x1 x2
com x1 C 1 , x2 C2 e h V , entao x + h = x1 + h x2 C, para algum
> 0 tal que x1 + h C1 ) e 0
/ C (pois C 1 C2 = ). Aplicando o teorema
do hiperplano suporte, existe um funcional linear nao nulo g definido em V e
tal que g(0) = 0 g(x1 x2 ) = g(x1 ) g(x2 ), para todo x1 C 1 e x2 C2 .
Segue-se que g(x1 ) g(x2 ), para todo x1 C 1 e x2 C2 . Tome c =
sup{g(x1 ); x1 C 1 }. Entao se H = {x V ; g(x) = c}, fica mostrado que
C 1 H e C2 H + . Pelo u
ltimo lema, C1 H . !
Teorema (separa
c
ao em dimens
ao finita). Suponha que V tenha dimensao
finita. Sejam C1 e C2 subconjuntos convexos nao vazios de V com intersecao
vazia. Entao existe um hiperplano H tal que C1 H e C2 H + .
Prova: Seja C = C1 C2 . Por hipotese, 0
/ C. O interior relativo de C e nao
vazio (uma vez que M (C) tem dimensao finita). O resto da prova segue a prova
do teorema de Eidelheit. !.
35

5.5

O cone positivo

Vamos mostrar como construir desigualdades vetoriais num espaco vetorial qualquer V .
Defini
c
ao: Um subconjunto K V diz-se um cone quando para todo x K,
x K, para todo 0.
Obs. K = {0} ou K = sao cones.
Exemplos: Qualquer reta ou semi-reta passando pela origem do espaco vetorial V sao cones. Qualquer subconjunto de tais retas ou semi-retas sao cones
(entretanto, nao formam necessariamente um cone convexo).
Teorema. As condicoes abaixo sao equivalentes:
a) K e cone convexo;
b) Se x1 , x2 K, entao 1 x1 + x2 K, para todo i 0, i = 1, 2;
c) Se x1 , ..., xp K, entao 1 x1 + ... + p xp K, para todo 1 , ..., p 0.
Prova:
(a) implica (b): Note que se 1 = 2 = 0, entao 1 x1 +x2 K. Se 1 +2 > 0,
entao
)
*
2
1
1 x1 + 2 x2 = (1 + 2 )
x1 +
x2 K
1 + 2
1 + 2

pois K e cone convexo.

(b) implica (c): Basta proceder por induccao finita em p.


(c) implica (a): Em particular, toda combinacao convexa de elementos de K e
um elemento de K e a propriedade de cone e trivialmente satisfeita. Logo, K e
um cone convexo. !
Exemplo: Rn+ e um cone convexo de Rn .
Teorema. Seja K V um cone convexo tal que K &= e K &= V . Entao existe
um hiperplano passando pela origem e que deixa K no seu semi-espaco direito,
i.e., existe g funcional linear nao nulo em V tal que g(x) 0, para todo x K.
Prova: Seja x0 V /K. Pelo teorema do hiperplano separador, existe um
funcional linear nao nulo g tal que g(x0 ) g(x), para todo x K. Como K e
um cone, g(x0 ) g(x), para todo x K e 0. Fazendo , temos que
g(x) 0, para todo x K. !
36

Defini
c
ao: Um cone convexo P em V e chamado de cone positivo se: (i) P &= V ;
(ii) P &= ; (iii) L(P ) = V .
Nota
c
ao: Dados x, y V , x 0 quando x P e x y quando x y P . Da
mesma forma, x > 0 quando x P e x > y quando x y P .
Exemplos. P = Rn+ em Rn ; P = B+ (X) conjunto das funcoes nao negativas
no espaco vetorial das funcoes limitadas V = B(X);
Defini
c
ao: Um funcional linear e dito ser positivo se g(x) 0, para todo
x P .2
Teorema. Seja g um funcional linear positivo tal que g(x0 ) = 0, para algum
x0 > 0. Entao g = 0.
Prova: Basta provar que g(x) 0, para todo x V . Dado x V , como
x0 > 0, existe (0, 1) tal que (1 )x0 + x 0. Logo, g((1 )x0 + x) =
(1 )g(x0 ) + g(x) = g(x) 0. Como > 0, g(x) 0. !
Teorema. Seja P um cone positivo em V e C V nao vazio tal que P C = .
Entao existe um funcional linear g positivo nao nulo tal que g(x) 0, para todo
x C.
Prova: Pelo teorema de Eidelheit, existe um funcional linear g nao nulo tal que
g(x) g(y), para todo x C e y P . Logo, g(x) g(y), para todo x C,
y P e 0. Fazendo temos que g(y) 0, para todo y P . !
Sejam V e U dois espacos vetoriais reais; P e um cone positivo em V e C
um conjunto convexo nao vazio em U .
Defini
c
ao. Uma funcao G : C V diz-se concava quando
G((1 )x + y) (1 )G(x) + G(y),
para todo x, y C e [0, 1].
Teorema. Suponha que G : C V e uma funcao concava. Entao:
a) Se y V , entao Cy = {x C; G(x) y} e um subconjunto convexo de U .
b) Seja W = {y V ; y G(x), para algum x C}. Entao W e um subconjunto convexo nao vazio de V .
2 Note que positivo significa n
ao-negativo. Mais ainda, a noc
ao de positividade de
vetores e funcional
e relativa a um determinado cone positivo, podendo mudar conforme a
escolha deste.

37

Prova:
a) Sejam x1 , x2 Cy e [0, 1]. Entao
G((1 )x1 + x2 ) (1 )G(x1 ) + G(x2 ) (1 )y + y = y,
o que prova que (1 )x1 + x2 Cy , i.e., Cy e convexo.
imediato que W e nao vazio. Sejam y1 , y2 W e [0, 1]. Entao, existem
b) E
x1 , x2 C tais que yi G(xi ), i = 1, 2. Tem-se que
(1 )y1 + y2 (1 )G(x1 ) + G(x2 ) G((1 )x1 + x2 ).
Tomando x = (1 )x1 + x2 , temos que x C e (1 )y1 + y2 G(x).
Logo, W e convexo. !.
Teorema. Seja G : C V uma funcao concava tal que G(C) P = . Entao
existe um funcional linear g positivo e nao nulo em V tal que g(G(x)) 0, para
todo x C.
Prova: Temos que W definido no teorema anterior e convexo nao vazio e contem
G(C). Como G(C) P = temos que W P = . Por teorema anterior, existe
um funcional linear g positivo nao e nulo em V tal que g(y) 0, para todo
y W . Como G(C) W , temos o resultado. !

5.6

Programac
ao c
oncava - Teorema de Kuhn e Tucker

Nesta subsecao vamos fixar V e U espacos vetoriais reais, P um cone positivo


em V , C um subconjunto convexo de U , F : C R um funcional concavo e
G : C V uma funcao concava.
Estamos interessandos em caracterizar a solucao do seguinte problema de
programacao concava:
maxF (x)
xC

s.a G(x) 0.
Exemplo: No caso em que V = Rm e P = Rm
+ , o nosso problema passa ser
maximizar F sujeito a m restricoes de desigualdade G1 (x) 0,...,Gm (x)
0. Alem disso, se U = Rn , nosso problema passar ser o problema tradicional
de maximizar funcoes concavas com restricoes de nao negatividade de funcoes
concavas em espacos Euclideanos.

38

Lema. Seja CG = {x C; G(x) 0}. Suponhamos que o maximo de F em


CG ocorra em x0 CG . Entao existe m R+ e um funcional linear g positivo
em V tal que:
a) m = 0 implica que g nao e identicamente nulo;
b) m(F (x) F (x0 )) + g(G(x)) 0, para todo x C;
c) g(G(x0 )) = 0.
Prova: Considere o seguinte espaco vetorial N = R V e o cone positivo
facil ver que todo funcional linear h positivo em N tem o
P = R+ P . E
formato h(, x) = m + g(x), onde m 0 e g e um funcional linear positivo em
V . Mas ainda, h = 0 se, e somente se m = 0 e g = 0.

Defina agora a funcao H : C N tal que H(x) = (F (x) F (x0 ), G(x)). E


facil ver que H e concava. Como x0 e um maximo de F em CG , e impossvel que
H(x) > 0 para algum x C. Os itens (a) e (b) sao consequencias do teorema
anterior. Agora fazendo x = x0 em (b), temos que g(G(x0 )) 0. Mas, g e um
funcional linear positivo e G(x0 ) 0 (pois x0 CG ). Logo, g(G(x0 )) 0 e,
portanto, g(G(x0 )) = 0. !
Teorema de Kuhn e Tucker - forma geral. Suponhamos que exista x
C
tal que G(
x) > 0 (condicao de Slater). Entao, para que o maximo de F em CG
ocorra em x0 CG e necessario e suficiente que exista um funcional linear g0
positivo em V tal que para todo x C se tenha:
F (x0 ) = F (x0 ) + g0 (G(x0 )) F (x) + g0 (G(x)).
Se G(x0 ) > 0, entao g0 sera identicamente nulo, i.e., x0 sera um ponto de
maximo de F em C.
Prova:
Necessidade: Pelo lema anterior existem m 0 e g um funcional linear positivo
em V tais que: (i) m = 0 implica que g nao e identicamente nulo; (ii) mF (x0 ) +
g(G(x0 )) = mF (x0 ) = mF (x) + g(G(x)), para todo x C.
Se m = 0, entao pela desigualdade em (ii) para x = x
temos que g(G(
x)) 0.
Como g e funcional positivo e G(
x) > 0 temos que g(G(
x)) 0 e, portanto,
g(G(
x)) = 0. Assim, por teorema anterior, g = 0, o que implicaria que (m, g) =
(0, 0), o que e absurdo. Logo, m > 0. Tomando g0 = g/m obtemos a necessidade
do TKT.
Suficiencia: Seja x CG , entao G(x) 0 e g0 (G(x)) 0. Logo,
F (x) F (x) + g0 (G(x)) F (x0 )
o que prova que x0 e um maximo global de F . !
39

Representa
c
ao de ponto sela
Defina a funcao Lagrangiana H(x, g) = F (x) + g(G(x)) definida em C G,
onde G e o espaco dos funcionais lineares positivos em V . Note que para cada
g G, H(, g) e um funcional concavo em C e podemos usar as tecnicas de
funcionais concavo no aberto convexo C definidas anteriormente.
TKT - vers
ao ponto de sela. Suponha as condicoes do TKT. Entao x0 CG
e um ponto de maximo de F se, e somente se existe g0 G tal que
H(x, g0 ) H(x0 , g0 ) H(x0 , g)
para todo (x, g) C G.
Prova: De fato, a primeira desigualdade esta explicita no TKT e a segunda
decorre de g0 (G(x0 )) = 0 g(G(x0 )), para todo funcional g G. Reciprocamente, as desigualdades acima implicam o TKT. De fato, a primeira desigualdade e equivalente a F (x) + g0 (G(x)) F (x0 ) + g0 (G(x0 )), para todo x C.
A segunda desigualdade implica que g0 (G(x0 )) g(G(x0 )), para todo g G.
Fazendo g = 0, temos que g0 (G(x0 )) 0. Por outro lado, como g0 G e
G(x0 ) 0, temos que g0 (G(x0 )) 0. Portanto, g0 (G(x0 )) = 0. !
TKT - vers
ao finita. Sejam C um subconjunto convexo de U e F, G1 , ..., Gm :
C R funcionais concavos. Suponha que exista x
C tal que G1 (
x) >
0,...,Gm (
x) > 0 (condicao de Slater). Entao para que x0 CG maximize F em
CG e necessario e suficiente que existam 1 0,..., m 0 tais que:
a) para todo x C,
F (x) +

m
%
i=1

i Gi (x) F (x0 ) +

m
%

i Gi (x0 )

i=1

b) i Gi (x0 ) = 0, para todo i = 1, ..., m.


Prova:
Basta notar que todo funcional linear positivo em Rm e da forma g(x) =
&m
i=1 i xi , onde 1 , ..., m 0. !

Obs. Se, no teorema anterior, C e aberto, F e Gi sao diferenciaveis para


i = 1, ..., m, entao o TKT e equivalente a existencia de 0i 0, i = 1, ..., m tais
que
F (x0 ) =
0i Gi (x0 )

m
%
i=1

0i Gi (x0 )

= 0, i = 1, ..., m

40

Note que se Gi (x0 ) > 0, entao 0i = 0 e se i > 0, entao Gi (x0 ) = 0.


Exemplo: Sejam C = [1, 1], F (x) = (1 x2 )1/2 e G(x) = x 1. Note que
x0 = 1 e a condicao de Slater nao e satisfeita. Entretanto, nao existe 0 tal
que x0 C maximize H(x, ) = F (x) + G(x) em C.
Aplica
c
oes:
i) (Teoria do Consumidor) Considere uma economia com L bens; p = (p1 , ..., pL )
e uma funcao utilidade crescente e concava
RL
e vetor de precos; u : RL
+ R
++
e I > 0 e a renda. O problema do consumidor e:
max u(x)
s.a

xi 0
I p x 0.

Aplicando o resultado anterior, existe RL+1


tal que
+
u(x0 ) = L+1 p

L
%

i ei

i=1

onde ei e o i-esimo vetor da base canonica. Equivalentemente,


u
(x0 ) L+1 pi ,
xi
para todo i, com igualdade se x0i > 0.
ii) (Planos de Producao) Considere duas plantas (i = 1, 2) produzindo y a partir
de um insumo x com a mesma funcao de producao contnua e crescente tal
que (0) = 0. O plano de producao otimo x = (x1 , x2 ) resolve:
max (x1 ) + (x2 )
x1 0
x2 0

x x1 x2 0
Se o TKT vale, entao deve existir 1 , 2 , 3 0 tal que
F
= % (xi ) = i + 3
xi
i xi = 0, i = 1, 2
Existem tres casos possveis:
a) 1 = 2 = 0: % (x1 ) = % (x2 );
41

b) 1 = 0, 2 > 0: x2 = 0, x1 = x, % (x1 ) = 3 > % (0);


c) 2 = 0, 1 > 0: x1 = 0, x2 = x, % (x2 ) = 3 > % (0);
Se e estritamente concava, os casos (b) e (c) sao descartados porque
% (x) < % (0). Neste caso, a solucao e tal que % (x1 ) = % (x2 ) e, portanto,
x1 = x2 = x2 .
Se, ao contrario, e estritamente convexa (b) e (c) sao candidatos naturais a
solucao, mas (a) tambem satisfaz as condicoes do TKT. Entretanto, esta u
ltima
e totalmente dominada pois
-x.
-x.
+
< (x) + (0).

2
2
Este exemplo mostra que as condicoes necessarias do TKT nao sao suficientes
se F nao e concava.

iii) (Equilbrio geral em dimensao infinita) Considere o caso de agente representativo. Seja V um espaco vetorial normado, P um cone positivo em V ,
u : P R um funcional concavo e crescente (i.e., u(x) < u(y), se x < y) e
w P . Temos que existe um funcional linear positivo p : V R tal que
u(w) u(x)
para todo x P tal que p(x) p(w). De fato, defina C = {x P ; u(x) u(w)}.
Assim pelo Teorema de
Temos que C e convexo tal que C &= e w
/ C.
Separacao, existe funcional linear p : V R suporte de C em w. Como u e
crescente, temos que C + P C. Logo, p e funcional positivo.
Suponha que agora ui : Xi R a funcao utilidade contnua e estritamente
quasi-concava do agente i com dotacao inicial wi Xi , onde Xi V e convexo
e aberto para todo i &
= 1, ..., n.
Considere w =
wi . Dizemos que uma alocacao (x1 , ..., xn ) Xi e
factvel se
%
xi = w.

Dizemos que ela e otimo de Pareto (OP) se nao existe uma outra alocacao
factvel (y1 , ..., yn ) tal que ui (yi ) ui (xi ) para todo i = 1, ..., n com desigualdade
estrita para algum i.

Teorema. Seja (x1 , ..., xn ) Xi uma alocacao OP. Suponha que, para algum
i0 , existe x
i0 Xi0 com ui0 (
xi0 ) > ui0 (xi0 ). Entao existe um funcional linear
nao nulo contnuo p : V R tal que
para cada i, x Xi e ui (x) ui (xi ) implica p(x) p(xi ).
Prova:&Defina o conjunto Ai = {x Xi ; ui (x) ui (xi )}, para todo i = 1, ..., n
e A = Ai . Note que A e convexo com interior nao vazio (devido a hipotese).
42

Caso contrario, existe (x1 , ..., xn ) Xi tal que & xi = w


Afirmo que w
/ A.
e
ui (xi ) > ui (xi ), para todo i
o que e uma contradicao. Pelo Teorema de Separacao, existe p : V R funcional
linear (contnuo) 3 nao nulo tal que
%
%
p(
xi ) p(w) = p(
xi ),

para todo xi Ai , i = 1, ..., n, o que imediatamente implica o resultado.

Obs 1. Se para cada i, existe x%i Xi tal que p(x%i ) < p(xi ), entao [(xi )ni=1 , p]
constitui um equilbrio competitivo. De fato, dado xi Xi tal que p(xi ) p(xi ).
%

Seja x
i = xi + (1 )xi , para todo (0, 1). Temos que xi Xi e

)
<
p(x
),
para
todo

(0,
1).
Assim,
segue
da
contra
positiva
da
condicao
p(x
i
i

)
<
u
(x
),
para
todo

(0,
1).
Fazendo
0,
do teorema acima que ui (x
i i
i
temos que ui (xi ) ui (x
).
i
Obs 2. Se as funcoes utilidades sao crescentes segundo algum cone positivo
comum, e facil adaptar a prova acima para mostrar que o funcional p e positivo.

3 A continuidade pode ser provada adaptando a prova do teorema de separa


c
ao para este
caso.

43

5.7

Funcionais c
oncavos

Defini
c
ao: Sejam C um subconjunto convexo de V e F : C R uma funcao.
Dizemos que F e um funcional (estritamente) concavo se para todo x, y C,
x &= y, e (0, 1):
F ((1 )x + y) (>)F (x) + (1 )F (y).
Neste caso, F e chamado de funcional (estritamente) convexo.
Teorema. Seja C um subconjunto convexo de V . Entao:
a) Se F e um funcional concavo em C e R, entao C = {x C; F (x) }
e convexo.
b) A soma finita e multiplicacao por escalar nao negativo de funcionais concavos
preservam a concavidade do funcional.
c) Se (Fn ) e uma sequencia de funcionais concavos definidos em C tal que
F (x) = lim Fn (x) para todo x C, entao F e um funcional concava.
n

d) Suponha que C = V . Um funcional F e superlinear se, e somente se F e


concavo e F (x) = F (x), para todo 0 e x V .
Prova.
a) Sejam x, y C e [0, 1]. Entao, F ((1)x+y) (1)F (x)+F (y)
(1 ) + = , o que prova que (1 )x + y C . Isto prova que C e
convexo.
b, c) Consequencias imediatas da definicao de funcional concavo.
d) Se F e funcional e superlinear, entao ja provamos que ele e concavo. Suponha
que o funcional e concavo e satisfaz F (x) = F (x) para todo 0 e x V .
Temos que
F (x + y) = 2F (0, 5x + 0, 5y) 2(0, 5F (x) + 0, 5F (y)) = F (x) + F (y). !
Obs. Se F : C R e tal que C = {x C; F (x) } e convexo, para todo
R, dizemos que este funcional e quasi-concavo. Toda transformacao estritamente
crescente de um funcional concavo e quasi-concavo. Mas a reciproca nao vale.
F e quasi-convexo se F e quasi-concavo.
Lema. Sejam C V convexo e F : C R funcional concavo. Sejam x C e
h V tais que existe > 0 com x + h, x h C. Defina para cada (0, ]
g(; x, h) =

F (x + h) F (x)
.

44

Entao:
a) g(; x, h) e uma funcao nao-crescente;
b) g(; x, h) + g(; x, h) 0;
c) F (x + h) F (x) g(; x, h) F (x) F (x h);
d) Existe:

F % (x, h) = lim+ g(; x, h);


0

e) F (x + h) F (x) F % (x, h) F (x) F (x h).


Prova:
a) Sejam 0 < % < . Logo, % = , onde (0, 1). Como x + h =
(1 )x + (x + h) e como F e um funcional concavo:
F (x + h) (1 )F (x) + F (x + h)
ou seja,

F (x + h) F (x) (F (x + h) F (x))

ou seja,
e finalmente:

g(; x, h) g(; x, h)
g(% ; x, h) g(; x, h).

b) Como F e funcional concavo:


F (x + h) + F (x h) 2F (x)
ou seja,
g(; x, h) + g(; x, h) =

F (x + h) + F (x h) 2F (x)
0.

c) Pelo item (a), g(; x, h) e decrescente em (0, ]. Logo, g(; x, h) g(; x, h)


e g(; x, h) g(; x, h), para todo (0, ]. Pelo item (b), g(; x, h)
g(; x, h) e, portanto, g(; x, h) g(; x, h). Logo
F (x+h)F (x) = g(; x, h) g(; x, h) g(; x, h) = F (x)F (xh).
d) A funcao g(; x, h) e nao-crescente pelo item (a) e limitada pelo item (c).
Logo, existe limite de g(; x, h) quando 0 por valores positivos.
45

e) Consequencia dos itens (c) e (d). !


Defini
c
ao: Quando existe, F % (x, h) e denominada de diferencial de F no ponto
x e direcao h.
Exemplo: Considere a funcao F : [1, 1] R tal que F (x) = (1 x2 )1/2 .
Observe que F % (1, 1) e F % (1, 1) nao existem.

Defini
c
ao: Um conjunto C V convexo e dito ser aberto se C = C.
Teorema. Sejam C V convexo aberto e F : C R um funcional concavo.
Entao, para cada x C, F % (x, h) e um funcional superlinear em h.
Prova: Temos que F % (x, 0) = 0 trivialmente. Seja > 0. Entao:
F % (x, h) = lim

0+

F (x + h) F (x)
F (x + h) F (x)
= lim
= F % (x, h).
+

Por outro lado, como F e um funcional concavo, dados h1 , h2 V tomando


> 0 tal que x + (h1 + h2 ), x + 2h1 , x + 2h2 C, e fazendo (0, ]
2F (x + (h1 + h2 )) F (x + 2h1 ) + F (x + 2h2 ).
Segue que

2g(; x, h1 + h2 ) g(; x, 2h1 ) + g(; x, 2h2 ).

Fazendo 0+ e lembrando que F % (x, 2h) = 2F % (x, h),

2F % (x, h1 + h2 ) F % (x, 2h1 ) + F % (x, 2h2 ) = 2(F % (x, h1 ) + F % (x, h2 )). !


Teorema do m
aximo. Sejam C V conjunto convexo aberto e F : C R
funcional concavo. Entao F tem um maximo absoluto em x0 C se, e somente
se F % (x0 , h) 0, para todo h V .
Prova: Necessidade: seja h V . Como C e convexo aberto, existe > 0 tal
que x + h C, para todo (0, ]. Por hipotese F (x0 + h) F (x0 ) e,
portanto,
F (x0 + h) F (x0 )
0.

Fazendo 0+ , conclu-se que F % (x0 , h) 0.


Suficiencia: seja x = x0 + h C. Pelo lema anterior item (e):
F (x) F (x0 ) = F (x0 + h) F (x0 ) F % (x0 , h).
Logo, se F % (x0 , h) 0, para todo h C, temos que F (x) F (x0 ), para
todo x C. !
46

Teorema do limite. Sejam C V convexo aberto e uma sequencia de funcionais concavos (Fn ) definidos em C. Suponhamos que lim Fn (x) = 0, para
n
todo x C. Entao, para todo x C e h V ,
lim Fn% (x, h) = 0.

Prova: Sejam x C e h V . Como C e convexo aberto, existe > 0 tal que


x h, x + h C. Pela hipotese, dado $ > 0, existe N R tal que
|Fn (x)|, |Fn (x + h)|, |Fn (x h)| < $/2
para todo n > N . Segue do lema anterior item (e) que
$ < Fn (x + h) Fn (x) Fn% (x, h) Fn (x) Fn (x h) $
ou seja, dado $ > 0, existe N N tal que |Fn% (x, h)| < $, para todo n > N . !
Teorema da s
erie convergente. Sejam C V convexo aberto e uma
sequencia de funcionais concavos (Fn ) definidos em C. Suponhamos que, para
todo x C, a serie

%
S(x) =
Fn (x)
n=1

e convergente. Entao S e um funcional concavo definido em C tal que, para


todo x C e h V ,

%
S % (x, h) =
Fn% (x, h).
n=1

&N
&
Prova: Defina SN (x) = n=1 Fn (x) e RN (x) = n=N +1 Fn (x). Por teorema
anterior, SN , RN , S sao funcionais concavos definidos em C. Por definicao da
diferencial direcional temos que
S % (x, h) =

N
%

%
Fn% (x, h) + RN
(x, h).

n=1

Como, para cada x C, RN (x) 0 quando N , temos pelo teorema do


%
limite que RN
(x, h) 0 quando N , para todo x C e h V . !

5.8

A diferencial de Gateaux

Diz-se que
Defini
c
ao: Seja C V convexo, G : C R um funcional e x C.
G e diferenciavel no sentido de Gateaux em x quando para todo h V existe:
G(x, h) = lim

G(x + h) G(x)
.

47

Obs. O conceito de diferencial de Gateaux corresponde ao de diferencial em


cada direcao e nao necessariamente de diferenciabilidade (existencia de variedade linear tangente). Esta nocao e capturada pela diferencial de Frechet em
espacos vetoriais normados.
Exemplo: Seja G : R2 R tal que
/
G(x, y) =

xy 2
x2 +y 4 ,

se x &= 0
0, se x = 0.

Note que G e decontnua em 0 (pois se x = y 2 , entao G(y 2 , y) = 1/2 quando


y &= 0), mas G e diferenciavel no sentido de Gateaux em 0. De fato,
/
0, se u = 0
G(u, v) G(0, 0)
G(0, h) = lim
= v2
0

u , se u &= 0,
onde h = (u, v).
Embora seja um conceito fraco, a diferencial de Gateaux e apropriada para
funcionais concavos.
Teorema dos funcionais c
oncavos diferenci
aveis no sentido de Gateaux.
Sejam C V convexo aberto, F, Fn funcionais concavos para todo n R.
a) F e diferenciavel no sentido de Gateaux em x C se, e somente se F % (x, h) +
F % (x, h) = 0, para todo h V ;
b) Suponha que F e diferenciavel no sentido de Gateaux em x0 C. F tem um
maximo em x0 se, e somente se F (x0 , h) = 0, para todo h V ;
c) Suponha que Fn e diferenciavel no sentido de Gateaux em x tal que a serie
S(x) =

Fn (x)

n=1

e convergente para todo x C. Entao S(x) e um funcional concavo, diferenciavel no sentido de Gateaux, e
S(x, h) =

n=1

para todo x C e h V .

48

Fn (x, h),

Prova:
(x)
a) Pela definicao de diferencial direcional, F (x+h)F
tende para F % (x, h)

+
%

quando 0 e para F (x, h) quando 0 . Segue que F (x, h) existe


se, e somente se estes limites forem iguais, i.e., F % (x, h) + F % (x, h) = 0. Neste
caso, F (x, h) = F % (x, h).

b) Se x0 e um ponto de maximo de F , entao pelo teorema do maximo F % (x0 , h)


0 e F (x0 , h) 0. Como F e diferenciavel no sentido de Gateaux em x0 ,
F % (x0 , h) = F (x0 , h) = 0. Reciprocamente, se F (x0 , h) = 0, para todo
h V , entao F % (x0 , h) = 0, para todo h V . Pelo teorema do maximo, F tem
um maximo em x0 .
c) Pelo teorema da serie convergente
S (x, h) =
%

Fn% (x, h)

n=1

e S (x, h) =
%

n=1

Fn% (x, h).

Como Fn e difenciavel no sentido de Gateaux em x C, pelo item (a),


Fn% (x, h) + Fn% (x, h) = 0, para todo h V . Isto implica que S % (x, h) +
S % (x, h) = 0, para todo h V . Novamente pelo item (a), S e diferenciavel no
sentido de Gateaux em x e
S(x, h) =

Fn (x, h). !

n=1

5.9

As equac
oes de Euler e programac
ao din
amica

Sejam : A A uma correspondencia e ft : Graf () R uma funcao, onde


A Rn para cada t N. Estamos interessados no seguinte problema:
sup

{xt+1 }
t=0 t=0

ft (xt , xt+1 )

s.a xt+1 (xt ), t = 0, 1, 2, ...

(SP)

x0 A dado

(Nossa hipotese antes era que ft (x, y) = t F (x, y), onde (0, 1)).
Vamos supor que A e aberto em Rn , (x) = A para todo x A e ft e
concava e diferenciavel, para todo t N.

49

Considere V espaco das sequencias X = (x0 , x1 , x2 , ...) limitadas com valores


em A (i.e., V = l (A)) e defina o funcional
F (X) =

ft (xt , xt+1 )

t=0

no subconjunto C = {X V ; a serie F (X) e convergente}. Vamos supor que

C e convexo e aberto de V (i.e. C = C).


Exemplo: Se ft = t f onde f e uma funcao limitada em A A, entao F (X)
converge para todo X V . De forma geral, se ft e funcional concavo e C e
convexo e aberto, entao F (X) nao pode divergir para +.
Obs.
a) Como ft e um funcional concavo, temos que
ft (X, h) = ftx (xt , xt+1 )ht + fty (xt , xt+1 )ht+1
onde X C e h V ; ftx e fty sao os vetores de derivadas parciais de ft em
relacao as n primeiras variaveis e as n u
ltimas variaveis, respectivamente.
b) Pelo teorema da serie convergente,
F (X, h) =

(ftx (xt , xt+1 )ht + fty (xt , xt+1 )ht+1 ),

t=0

para todo X C e h V tal que h0 = 0.


c) X0 C maximiza F (X) em C se, e somente se F (X0 , h) = 0, para todo
h V com h0 = 0.
Teorema. Sob as condicoes acima, X0 maximiza F (X) em C se, e somente se
a) equacao de Euler:
ftx + f(t1)y = 0, para todo t = 1, 2, ...
b) condicao de transversalidade:
lim fnx = 0,

onde todas as derivadas estao calculadas no ponto X0 .


Prova: Ja argumentamos que
F (X0 , h) =

(ftx ht + fty ht+1 ),

t=0

50

para todo h V .
Necessidade: Seja h = et , onde et e sequencia que tem zero em todas entradas
exceto na t-esima. Entao temos a equacao de Euler:
F (X0 , et ) = ftx u + f(t1)y u = 0,
onde et = (0, ..., 0, u, 0, ....) para u Rn , para todo t = 1, 2, ... Como u e
arbitrario, temos que a equacao de Euler deve valer. Logo,
F (X0 , h) = lim

n
%

(ftx ht + fty ht+1 ) = lim fny hn+1 = 0,


n

t=1

para todo h V com h0 = 0. Novamente pela equacao de Euler vale a condicao


de transversalidade.
Suficiencia: Reciprocamente, e facil ver que a equacao de Euler e a condicao
de tranversalidade implicam que F (X0 , h) = 0, para todo h V com h0 = 0.
!
O teorema acima caracteriza a solucao do problema de programacao dinamica
quando o espaco vetorial e o espaco das sequencias limitadas. Entretanto,
quando A e ilimitado, isto nao impede a existencia de uma sequencia ilimitada
X tal que
F (X) > F (X0 ).
O proximo teorema estabelece uma condicao suficiente para que isto nao ocorra.
Vamos supor agora que A nao e necessariamente limitado.
Teorema. Sejam X0 C uma sequencia limitada que atende `a equacao de
Euler e (an ) uma sequencia de n
umeros reais tal que an 0 e que satisfaz
a seguinte propriedade: se X = (x0 , x1 , ...) e uma sequencia em A tal que
(a
&nn||xn ||) nao tende para zero, entao (Fn (X)) tende para , onde Fn (X) =
ao para que X0 maximize F (X) e suficiente que
t=0 ft (xt , xt+1 ). Ent
(fnx (x0n , x0n+1 )/an ) seja limitada.
Prova: Seja X uma sequencia em A que satisfaz a propriedade do enunciado
do teorema. Entao
Fn (X) Fn (X0 )

n
%

(ftx (x0t , x0t+1 )ht + fty (x0t , x0t+1 )ht+1 )

t=0

fny (x0n , x0n+1 )hn+1 =

fny (x0n , x0n+1 )


an+1 hn+1 ,
an+1

onde h = X X0 . Entao o resultado segue imediatamente. !


Obs. Note que (fnx (x0n , x0n+1 )/an ) ser limitada e an 0 implica a condicao de
transversalidade.
51

Exemplo: Suponha que ft : R2 R tal que ft (yt , yt+1 ) = t+1 (2aGt+1 yt+1
2
byt+1
d(yt+1 yt )2 ) com a, b, d > 0, G 1 e G2 (0, 1).
Vamos efetuar a seguinte mudanca de variavel: yt = Gt xt . Logo, o problema
passa ser maximizar:
F (X) =

%
t=0

t+1 (2axt+1 bx2t+1 d(xt+1 G1 xt )2 ),

onde = G .
Note inicialmente que a serie que define F (X) e absolutamente convergente
para toda sequencia limitada X. Mais ainda,
2

ftx
f(t1)y

2 t+1 dG1 (xt+1 G1 xt )

= t (2a 2bxt 2d(xt G1 xt1 )

o que leva a seguinte equacao de Euler:

dGxt+1 (b + d(1 + v))xt + dG1 xt1 + a = 0

e a condicao de transversalidade:

lim n+1 (xn+1 G1 xn ) = 0.

A equacao de Euler e uma equacao de diferencas finitas de segunda ordem


cuja polinomio caracterstico e dado por:
f (r) = dGr2 (b + d(1 + v))r + dG1 .

Observe que f (r) possui duas razes reais distintas, r1 e r2 , tais que
0 < r1 < G1 < 1 < (G)1 < r2 .
pois f (0) > 0, f (G1 ) = bG1 < 0 e f ((G)1 ) < 0.
A equacao de Euler tem portanto solucao geral:
xt = k + c1 r1t + c2 r2t ,
onde c1 e c2 sao constantes e
k=

a
.
b + d(1 G)(1 G1 )

Entre as solucoes da equacao de Euler, so sao limitadas aquelas em que c2 = 0.


A constante c1 e determinada de tal forma que
xt = k + (x0 k)r1t .

Falta discutir a dominancia em relacao `as sequencias ilimitadas. Note que


ft (xt , xt+1 ) t+1 xt+1 (2a bxt+1 ).

Verifica-se que tomando-se an = n , entao a condicao do teorema acima


e verificada, uma vez que a sequencia (xt+1 G1 xt ) e limitada se (xt ) e a
sequencia solucao acima.
52