Escolar Documentos
Profissional Documentos
Cultura Documentos
de classe C
k >2
r*
r*
(r
e h 0 . Nesse caso a
*
funo de uma varivel g ( t ) = f x + th tem extremo em t = 0 para h . A condio de
primeira ordem para ser ponto de mximo, mnimo ou sela que g ( 0 ) = 0 . Derivando g ( t )
obtemos:
d
f d *
f d *
f d *
g (t ) =
x1 + th1 +
x2 + th2 + L +
xn + thn
dt
x1 dt
x2 dt
xn dt
d
f
f
f
g ( t ) = h1
+ h2
+ L + hn
dt
x1
x2
xn
Logo, para ser um ponto extremo preciso que:
h1
f
f
f
+ h2
+ L + hn
=0
x1
x2
xn
ser
verdadeira
ento
hj
j
para
qualquer
f
f
= hi
=0
x j
xi
r
h .
Escolhendo
implica
que
r
r
( )
( )
r
r
f x * = 0 .
( )
f
2 f
d2
d
d f
= hi
= hi h j
g ( t ) = hi
dt i xi i dt xi i
x j xi
dt 2
j
Ou seja:
d2
2 f
g ( t ) = hi
hj
x j xi
dt 2
i j
2 f
. Trata-se de uma matriz simtrica pois
A matriz Hessiana definida como: H ij =
x j xi
2 f
2 f
=
= H ji . Podemos escrever essa derivada na forma de uma
H ij =
x j xi xi x j
r r
d2
H h . Algumas pessoas usam a notao
multiplicao de matrizes como
g
t
=
h
(
)
dt 2
hi H ij h j = ( h1 h2
i
H11 H12
H
H 22
L hn ) 21
M
M
H n1 H n 2
L H1n h1
L H 2n
h2
O
M M
L H nn hn
r r
d2
Nesse caso a condio para o ponto extremo ser de mximo que 2 g ( t ) = hH h < 0 , o que
dt
significa que a matriz Hessiana deve ser definida negativa. J para ser de mnimo a condio
que
r r
d2
g
t
h
=
( ) H h > 0 , o que significa que a matriz Hessiana deve ser definida positiva. Se
dt 2
a matriz Hessiana no for nem definida positiva, nem definida negativa, ento o ponto de sela.
Anlise da definio de matrizes simtricas apresentada no apndice xxx. O fato de que a
r
extremo { f ( x , )} sem restries.
r
f
r
= f i ( x * , ) = 0 onde x * o ponto extremo. Vamos definir uma funo de dada por
xi
r
r
( ) = f x * ( ) , . Note que se o problema for de mximo ento, para um x
r
r r
fixo, f [ x , ] ( ) , s tocando a curva ( ) quando x = x * ( ) . Se for de mnimo ento
r
r
f [ x , ] ( ) . Por isso a funo ( ) uma funo envelope para a funo f [ x , ] .
Pergunta : quanto vale
d
?
d
r
f ( x * , )
xi
envelope:
d f
=
.
d
r
r
r
g ( x ) c = 0 . Agora nem todo x permitido, s os que satisfazem restrio g ( x ) = c .
Existe um raciocnio intuitivo simples que nos permite resolver esse problema. O gradiente de
uma funo perpendicular s curvas de nvel da mesma. Por um lado sabemos que df = 0
porque na curva de nvel f constante. Por outro lado, das regras do clculo sabemos que:
df =
f f
f
f
f
f
dx1 +
dx2 + L +
dxn =
,
,L ,
x1
x2
xn
xn
x1 x2
r
r
r
O que significa que f d l = 0 , que nos leva concluso de que f d l , com d l sendo um
Esse argumento nos indica, ento, que no ponto extremo com restrio os dois gradientes, da
restrio e da funo f devem ser paralelos. Matematicamente isso escrito como f = g ,
ou ainda como ( f g ) = 0 . A constante chamada multiplicador de Lagrange.
Assim percebe-se que podemos definir uma funo Lagrangeana dada por:
r
r
r
L ( , x ) = f ( x ) g ( x ) c
Que se comporta como o problema da otimizao sem restries, ou seja:
r
L ( , x ) = 0
Assim as condies de primeira ordem para um extremo da funo f sujeito restrio
g = c so que
f ( g c ) = 0 implica em
r
L ( , x ) = 0 i = 1, 2,L, n
xi
r
L ( , x ) = 0
Uma demonstrao mais rigorosa desse resultado incluindo as condies de segunda ordem
apresentado no apndice Otimizao com Restries: demonstrao rigorosa. Exemplos tambm
so apresentados no apndice Exemplos de Otimizao com Restrio.
r
r
extremo { f ( x , )} com a restrio g ( x , ) c = 0 .
r
L
r
= L i ( x* , , ) = 0 e
L x * , , = 0
xi
r
( ) = f x * ( ) ,
e
envelope
por
r
r
f ( x * , ) dxi* f
f ( x * , )
d
=
+
. S que agora
0 . Mas a restrio continua valendo, ou
d
xi
d
xi
i
r
g ( x * , ) xi* g
dg
r*
=
+
= 0 . Subtraindo esse zero na derivada de
seja, g ( x , ) = 0 , logo:
d
xi
i
Novamente
definimos
funo
temos:
r
r
r
r
f ( x * , ) dxi* f ( x * , )
g ( x * , ) dxi*
g ( x * , )
d
=
+
=
d
d
d
xi
xi
i
i
f
g dxi* f
g
=
xi d
i xi
f
g
Agora sim
= 0 no extremo, logo:
xi
xi
d f
g L
=
=
d
d L
=
.
d
Esse teorema nos permite extrair uma interpretao do significado do multiplicador de Lagrange
r
. Note que devido ao fato de que a restrio nula, g ( x , ) c = 0 , a funo objetivo que se
r
deseja otimizar f ( x , ) tem o mesmo valor de L = f ( g c ) . Se derivamos em relao
d L
=
= ( c ) . Ou seja, ( c ) o preo por unidade c da
dc
c
restrio que se paga em no melhorar o objetivo por conta da restrio. Se ( c ) < 0 poderamos
ao parmetro c
vemos que
r
r
Otimizar f ( x ) sujeito restrio g ( x ) = g o .
r
r
r
L1 ( , x ) = f ( x ) g ( x ) go
e procuramos a soluo das equaes:
L1 f
g
f
g
f
g
ento
=
= 0 logo
=
.
x j x j
x j
x j
x j
x j
x j
L1
r
r
= g ( x ) + go ento g ( x ) = g o .
r
r
Resolvendo esse conjunto de equaes encontramos x * , * e fot = f ( x * ) , no qual, obviamente,
r
g ( x * ) = go .
= f ij gij ,
=
= gi e
=0
xi x j xi x j
xi x j
xi
xi
2
g1
H% = g 2
M
g
n
g1
f11 g11
f12 g12
g2
f12 g12 L
f 22 g 22 L
M
f1n g1n
f2n g2n L
f1n g1n
f2n g2n .
f nn g nn
gn
M
g
k
g1
g2
L
L
L
M
O
( f 2 k g2 k ) L
( f1n g1k )
( f2n g2k )
( f kk g kk )
gk
Problema DUAL.
r
r
Otimizar g ( x ) sujeito restrio f ( x ) = f max .
L 2 g
f
g
f
g
f
ento
=
= 0 logo
=
.
x j x j
x j
x j
x j
x j
x j
1
g 1 f
=
vemos que basta fazer =
para voltar
x j x j
r
absolutamente s mesmas equaes anteriores. A restrio ser, obviamente, f ( x ) = f max .
r
L 2
= f ( x ) + f max
r
1
r
Isso mostra que o mesmo ponto x * , com * = * , f max = f ( x * ) , no qual sabemos que
r
g ( x * ) = go , soluo das equaes de Lagrange. O problema dual, portanto, fornece a mesma
soluo do problema original. Resta saber se mantm maximizao/minimizao ou se troca,
maximizao se torna minimizao e vice-versa. Para isso precisamos das condies de segunda
ordem.
2L 2
2 g
2 f
=
= gij f ij
xi x j xi x j
xi x j
xi x j
2L 2
1 2L1
=
xi x j
xi x j
g
f
1
=
logo f i = gi = gi ento:
xi
xi
2L 2
= gi
xi
2L 2
2L 1
=
xi
xi
Claro que
2L 2
= 0.
2
g1
H% = g 2
g1
( f11 g11 )
( f12 g12 )
g 2
1
( f12 g12 )
( f 22 g 22 )
( f1n g1n )
( f2n g2n )
1
( f1n g1n )
1
( f2n g2n ) .
1
( f nn g nn )
g n
g1
% k = det g 2
g k
g1
g 2
( f11 g11 )
( f12 g12 )
( f12 g12 )
( f 22 g 22 )
( f1k g1k )
( f2k g2k )
O
L
1
( f1n g1k )
1
( f2n g2k )
1
( f kk g kk )
g k
Sabemos que multiplicar uma linha ou uma coluna por uma constante multiplica o determinante
pela mesma constante, assim podemos pegar a primeira linha e colocar em evidncia, e para
1
cada uma das demais linhas colocar em evidncia. Nesse caso temos que:
0
2g
1
k
% = 1 det 2 g
2
k
M
2g
k
g1
g2
L
L
L
M
O
( f 2 k g2 k ) L
( f1n g1k )
( f2n g2k )
( f kk g kk )
gk
M
g
k
g1
g2
L
L
M
( f1k g1k )
M
O
( f 2 k g2 k ) L
g1
g2
( f1n g1k )
( f2n g2k )
( f kk g kk )
gk
Ou seja:
0
g
k +1
1
% = ( 1) det g
2
k
k 3
M
g
k
k +1
( 1)
% k =
k
k 3
k 3
L
L
M
O
( f 2 k g2 k ) L
no muda o sinal e
k +1
sign % k = ( 1) sign [ k ] .
( f1n g1k )
( f2n g2k )
( f kk g kk )
gk
sign [ k ] = 1 .
O problema dual ento ser:
k +1
k
sign % k = ( 1) ( 1) = 1 k de mnimo quando o original mximo.
k +1
k
sign % k = ( 1) ( 1) = ( 1) , de mximo quando o original mnimo.
Nesse caso = e k 3 = ( 1)
k 3
k 3
portanto:
k +1
( 1) sign = 1 4 sign ,
sign % k =
[ k] ( )
[ k]
k 3
( 1)
sign % k = sign [ k ]
Isso mostra que se o multiplicador de Lagrange negativo o problema dual tem a mesma
caracterstica do que o problema original, ou seja, problema dual de maximizao tambm de
maximizao e de minimizao tambm de minimizao.
mximo sem restrio. No caso da restrio de igualdade, g ( x ) = b , o ponto extremo tem que
estar obrigatoriamente na fronteira, mas no no caso da restrio de desigualdade, g ( x ) b .
Note ento que no problema de achar mximo a restrio s cola se f = g se f e g
estiverem na mesma direo, isto , > 0 . Vale notar que no problema de achar mnimo isso se
inverte. Se se f e g estiverem na mesma direo podemos diminuir a funo entrando na
regio de desigualdade. No caso de minimizao ento a restrio cola se > 0 .
Comparando ento com o problema de maximizao com restrio de igualdade temos que se
> 0 a restrio colou e deve-se resolver o sistema de equaes:
f
g
= 0 i {1, 2,L , n}
xi
xi
>0
r
g (x) = c
Por outro lado se a restrio no colou temos um problema de maximizao sem restrio e s
temos que resolver as equaes
f
= 0 i {1, 2,L , n} . Podemos escrever essas duas
xi
f
g
= 0 i {1, 2,L , n}
xi
xi
r
g ( x ) c = 0
0
r
Note que agora a condio g ( x ) c = 0 leva a apenas duas opes:
r
f
g
= 0 i {1, 2,L , n}
xi
xi
r
g ( x ) c = 0
0
r
2. g ( x ) c 0 e = 0 levando ao sistema
f
= 0 i {1, 2,L , n} .
xi
r
r
r
r
1. Maximizar f ( x ) s.r. g ( x ) c ento L = f ( x ) g ( x ) c e devemos resolver
as equaes:
L
r
= 0 , g ( x ) c = 0 e 0 .
xi
r
r
r
r
2. Maximizar f ( x ) s.r. g ( x ) c ento L = f ( x ) + g ( x ) c e devemos resolver
as equaes:
L
r
= 0 , g ( x ) c = 0 e 0 .
xi
r
r
r
r
3. Minimizar f ( x ) s.r. g ( x ) c ento L = f ( x ) g ( x ) c e devemos resolver
as equaes:
L
r
= 0 , g ( x ) c = 0 e 0 .
xi
r
r
r
r
4. Minimizar f ( x ) s.r. g ( x ) c ento L = f ( x ) + g ( x ) c e devemos resolver
as equaes:
L
r
= 0 , g ( x ) c = 0 e 0 .
xi
r
r
Note que restries do tipo g ( x ) c podem ser transformadas em g ( x ) c , logo o problema
r
r
pode sempre ser tratado com a restrio do tipo g ( x ) c para maximizao e g ( x ) c para
r
minimizao bastando redefinir g ( x ) e c . Dessa forma o Lagrangeano sempre ser do tipo
r
r
r
L = f ( x ) g ( x ) c , sempre exigindo que g ( x ) c = 0 e 0 . Essa regra
ecvita ter que trocar o sinal de no Lagrangeano.
r
L = f ( x ) 1 [ g1 b1 ] L k [ g k bk ] 1 [ h1 c1 ] L m [ hm cm ]
Devemos resolver as equaes:
1.
L
= 0 i
xi
2.
j g j ( x ) b j = 0 j ou j
3. hl = cl
L
=0
j
4.
j 0 j
r
5. g j ( x ) b j
r
r
r
r
f (x)
s.r.
h1 ( x ) = c1 ; h2 ( x ) = c2 ;L ; hm ( x ) = cm
2. Minimizar
r
r
r
g1 ( x ) b1 ; g 2 ( x ) b2 ;L; g k ( x ) bk ento construmos o Lagrangeano dado por:
r
L = f ( x ) 1 [ g1 b1 ] L k [ g k bk ] 1 [ h1 c1 ] L m [ hm cm ]
Devemos resolver as equaes:
1.
L
= 0 i
xi
2.
j g j ( x ) b j = 0 j ou j
3. hl = cl
4.
L
=0
j
j 0 j
r
5. g j ( x ) b j
As condies de segunda ordem mudam se a restrio cola, usam-se ento as regras do Hessiano
orlado, ou no cola, usam-se as regras do Hessiano sem orlas.
Problema de Kuhn-Tucker:
Kuhn-Tucker querem solues para variveis que se podem ser positivas, com um problema do
tipo:
r
r
r
r
Maximizar f ( x ) s.r. g1 ( x ) b1 ; g 2 ( x ) b2 ;L; g m ( x ) bm e x1 0; x2 0;L; xn 0 .
r
r
L = f ( x ) j g j ( x ) b j + i xi
j
1.
g j
L f
=
j
+ i = 0 i
xi xi j
xi
2.
j g j ( x ) b j = 0 j ou j
3. j x j = 0
4.
L
=0
j
j 0 j
5. j 0
r
r
L KT = f ( x ) j g j ( x ) b j
j
L
L KT
L KT
=0
+ i = 0
= i
xi
xi
xi
Como i 0 ento
L KT
L
0 . Se a restrio xi = 0 cola escrevemos xi KT = 0
xi
xi
L KT
L
0 ; i KT = 0 ; i 0 e xi 0 .
i
i
Equaes de Kuhn-Tucker:
1.
L KT
0
xi
2. xi
L KT
=0
xi
3.
L KT
0
i
4.
L KT
=0
i
5. i 0
6. xi 0
Incluir exemplos de fixao!!
Clculo das Variaes comea com o problema da curva brachistocrona levantado por Johann
Bernoulli, chamando a ateno de seu irmo Jakob Bernoulli. Leonhard Euler trabalhou sobre o
problema e seu livro Elementa Calculi Variationum gerou o termo Clculo das Variaes.
Lagrange foi outro nome importante nesse campo e Legendre se preocupou com as condies de
segunda ordem para discriminar mximos e mnimos.
Todo o clculo das variaes est baseado na regra de Leibnitz para derivada de integrais
demonstrada no apndice Regra de Leibnitz. Essa regra afirma que:
h( x )
h( x )
f ( x , t )
d
dh
dg
f ( x, t ) dt =
dt + f ( x, h ( x ) ) f ( x , g ( x ) )
x
dx g ( x )
dx
dx
g(x)
Funcional:
d
y (t )
dt
y ( t1 ) = y * ( t1 ) = y1
( t1 ) = 0
y ( t2 ) = y * ( t 2 ) = y 2
( t2 ) = 0
J ( ) = f ( t , y * + , y& * + & ) dt
t1
d
J ( ) = 0 como condio de
d
=0
d2
J ( ) < 0 se o extremo
d 2
=0
d2
for de mximo e
J ( ) > 0 se o extremo for de mnimo.
d 2
=0
Com os limites , t1 , t2 fixos a derivada da integral facilita, desprezando os termos das derivadas
dos limites de integrao. Nesse caso:
t
2
d
J ( ) =
f ( t , y * + , y& * + & ) dt
t1
2
f
d
f
J ( ) = + & dt
d
y
y&
t1
t2
t2
2
f
f
d f
f
dt aps fazer a integral por partes com dv = &dt e u =
.O
Agora, &dt =
y&
y&
y& t1 t1 dt y&
t1
d
J ( ) = 0 implica em:
d
=0
d f
y dt y& ( t ) dt = 0
t1
Em princpio o fato de que uma integral nula no significa que o integrando seja nulo.
Entretanto no nosso caso a integral deve ser nula para qualquer funo arbitrria
( t ) significando que a nica forma da integral ser nula sempre que:
f d f
=0
y dt y&
Essa a famosa equao de Euler-Lagrange.
A equao de Euler-Lagrange representa a condio de primeira ordem para que o funcional seja
um extremo. Se de mximo ou de mnimo ser discutido no apndice Condies de Segunda
Ordem do Clculo Variacional. O problema de otimizao do funcional liberando as condies
de pontos fixos no incio e ou fim da trajetria discutido no apndice Condies de
Transversalidade.
Generalizaes:
t2
1. Mais de uma varivel dependente J = f ( t; q1 , q2 ,L, qn ; q&1 , q&2 ,L , q&n ) dt . Neste caso
t1
= 0 k (1, 2,L , n )
qk dt q&k
L
=0
qk t1 q&1 t2 q&2
tn q&n
J =
t2
t1
g ( t, q, q& ) dt = C .
t1
J ( ) = f ( t , q, q& ) dt
t1
q
t j
t2
I ( ) = g ( t , q, q& ) dt = C
t1
E usamos a tcnica dos multiplicadores de Lagrange para encontrar o extreme. Nesse caso:
L = J ( ) I ( ) C
As solues so dadas pelas equaes
t
L
L J
I
= I ( ) C = 0 . Agora:
=
=0 e
J 2 f d f
I 2 g d g
e
=
dt
=
0
=
dt = 0
t1 y dt y&
t1 y dt y&
portanto:
L t 2 f
g d f
g
=
dt = 0
t1 y
y dt y&
y&
de onde extramos que:
d
( f g)
( f g) = 0
y
dt y&
Assim percebemos que basta criar o Lagrangeano L = f ( t , q, q& ) g ( t , q, q& ) com sendo
o multiplicador de Lagrange, nest caso, independente do tempo, e resolver a nova equao de
Euler-Lagrange:
L d L
=0
y dt y&
t2
multiplicador de Lagrange agora pode ser funo do tempo. Novamente camos na equao de
Euler-Lagrange na forma:
L = f ( t , q, q& ) ( t ) g ( t , q, q& ) e
L d L
= 0.
y dt y&
L.S. Pontryagin
Magnus Hestenes
A teoria do Controle timo est focada em encontrar a melhor trajetria para uma varivel de
controle u ( t ) , sobre comando do controlador, que leva a varivel y ( t ) a uma trajetria
maximizadora/minimizadora de uma determinada funo objetivo. A varivel de controle u ( t )
precisa, obviamente, interferir na trajetria de y ( t ) , chamada de varivel de estado.
O problema matemtico achar o extremo de:
T
Exemplo: Suponha que exista um estoque S de petrleo e que a taxa de extrao, sobre
comando do operador do sistema, seja E ( t ) , definindo a relao entre estoque e taxa de extrao
dada por:
dS
= E (t )
dt
Com extrao nula no h consumo e a reserva de petrleo no gera qualquer bem estar. Por
outro lado, a extrao vai exaurindo a reserva e diminuindo o consumo no futuro. O futuro vale
menos do que o presente e a funo bem estar acumulada pode ser calculada com uma taxa de
desconto da forma:
T
U acum = U ( E ) e t dt
0
U acum = U ( E ) e t dt
0
Sujeito s restries
dS
= E ( t ) e S ( 0 ) = So . Nesse caso f ( t , S , E ) = U ( E ) e t e a restrio
dt
A varivel de controle pode ser descontinua por partes, mas com descontinuidades finitas.
Exemplo tpico o ligar e desligar da maioria dos controles de temperatura. J a varivel de
estado deve ser contnua, notando que u atua na derivada de y , mas no diferencivel porque a
derivada pode ser descontnua. A teoria mais geral do que o clculo das variaes, portanto,
pois capaz de lidar com funes no diferenciveis. Alm disso capaz de manusear restries
sobre a varivel de controle e admite solues de canto. Por exemplo, suponha o caso on-off em
que u {0,1} , s pode assumir valores 0 (desligado) ou 1 (ligado). A trajetria tima para u
pode ser do tipo:
1 t [0, t1 )
u ( t ) = 0 t [t1 , t2 )
1 t [ t , T ]
2
*
V ( y , u ) = f ( t , y , u ) dt
0
sujeito s restries:
y& = g ( t , y , u )
y ( 0 ) = yo
T , y (T ) livres.
( t ) g ( t, y, u ) y& dt = 0
V ( y , u ) = f ( t , y , u ) + ( t ) g ( t , y , u ) ( t ) y& dt
0
V ( y , u ) = H ( t , y , u, ) + & y dt (T ) y ( T ) + ( 0 ) y ( 0 )
0
y ( t ) = y* ( t ) + q ( t )
T = T * + T
y ( T ) = y * + y
V ( ) =
H ( t , y * + q, u* + p ) + & ( y * + q ) dt (T * + T ) y (T * + T ) + ( 0 ) y ( 0 )
Vamos impor
d
V ( ) = 0 :
d
=0
d
V ( ) =
d
T*
H + & y dt + H + & y d (T
0
T*
y q + u
0
T*
y
0
d
+ T ) & y + y&
T * + T )
(
d
H
+ & q ( t ) +
p ( t ) dt + H (T * ) T (T * ) yT usando y& T = y
u
H
=
( f + g ) = g = y& ou seja y& = .
Condies de transversalidade:
y
u
Ou seja, sempre se escolhe u que maximiza H em todo momento, e resolve-se
H
= y& ;
H
= & .
y
dt
t
y
u
t
y y
dH H
=
dt
t
dH
=0 e
dt
t2
J = L ( t , q, q& ) dt = 0
t1
L d L
=0
y dt y&
L
L
+ =0 =
u
u
H &
L
L d L
d L
=
= & por outro lado & =
portanto
= 0 lembrando
q
q
dt u
q dt u
que u = q& recuperamos a equao de Euler-Lagrange:
L d L
=0
q dt q&
Exerccios de fixao da operacionalidade da teoria do controle timo esto apresentados no
apndice. Exemplos de fixao da Teoria do Controle timo.
A Srie de Taylor de uma funo de classe C , i.e., infinitamente diferencivel, pode ser
explicada da seguinte forma simples e intuitiva. Desejamos aproximar a funo f ( x ) em torno
de x = xo por uma srie de potncias na forma f ( x ) =
an ( x xo ) n . O ndice
n define a
n =0
ordem da aproximao, com f ( x ) = ao para aproximao de ordem zero, ou seja, uma reta
horizontal, f ( x ) = ao + a1 ( x xo ) , ou seja uma reta com coeficiente angular a1 , para
2
an ( x xo ) n | x = x o = ao , logo
n =0
ao = f ( xo ) .
Para determinar os outros coeficientes an tambm vamos exigir que os valores das derivadas da
funo e da aproximao sejam idnticos em x = xo , como mostra o grfico da figura 4, abaixo,
para uma aproximao de ordem 2.
Srie de Taylor
f(x)
f(x)
ordem 0
ordem 1
ordem 2
x
Figura 4. Srie de Taylor.
f ( n ) ( xo )
dn f
(n)
( x) = n , atravs dos
, onde f
Podemos demonstrar que os coeficientes an =
n!
dx
seguintes passos:
1.
2.
dk
dx k
dk
dx
3.
dn
dx
4.
5.
dn
dx n
dn
dx n
( x x0 ) n = n( n 1)...( n k + 1)( x xo ) n k =
n!
( x xo ) n k
( n k )!
k<n
( x x0 ) n = 0 k > n
( x x0 ) n = n!
k =0
k =n
k
a k ( x xo ) = a k
n!
( x xo ) k n
(n k )!
k
ak ( x xo ) | x = xo = n!an
k =0
6. Impondo que f
( n)
( xo ) =
dn
dx n
a k ( x xo ) | x = x o
k =0
f n ( x0 )
.
chegamos a: a n =
n!
f ( x) =
f(
n)
( xo )
n!
n =0
( x xo )
f ' (0)
f ' ' (0) 2 f (0) 3
f ( n ) ( 0) n
x +L
f ( x) = f (0) +
x+
x +
x + K+
1!
2!
3!
n!
Que pode ser escrita na forma condensada como:
f ( x) =
n =0
f(
n)
(0)
n!
xn
Em princpio essa uma srie infinita. Entretanto, uma srie infinita s ser til se for possvel
mostrar que ela converge, ou seja, que pode ser truncada em determinado nmero de termos e
que o erro cometido com essa truncagem tende a zero medida que o nmero de termos
includos cresce. O erro cometido com essa truncagem chama-se Resto. Uma srie de Taylor
truncada em n s pode ser utilizada para funo diferencivel, pelo menos, n vezes. Mas isso
relaxa a condio de que a funo deve ser infinitamente diferencivel.
Casos Particulares:
Funo exponencial: e x =
k =0
xk
k!
(k )
dk
dx
e x = e x e que, portanto,
n
n
n!
a n k x k = a n k x k
k =0 k !( n k )!
k =0 k
n
n
n
n!
a nk b k == a nk b k .
k =0 k !( n k )!
k =0 k
n
Entretanto ela pode ser usada para generalizar o binmio de Newton para valores de n
negativos ou no inteiros, em que a srie se torna infinita. A sim, ela agrega grande valor. Se n
negativo no escrevemos n(n 1)(n 2)...(n k + 1) =
n!
pela dificuldade dos
(n k )!
fatoriais de nmeros negativos. Nesse caso melhor colocar ( 1) em evidncia em cada termo e
usar:
n( n 1)(n 2)...(n k + 1) =
( 1) k (| n | + k 1)!
(| n | 1)!
( 1) k (1 + k 1)!
( 1)( 2)( 3)...( 1 k + 1) =
= (1) k k!
(1 1)!
1
f ( x) = (1 + x)
J para f ( x ) = (1 x )
( 1) k k! k
x = (1) k x k = 1 x + x 2 x 3 + ...
=
k!
k =0
k =0
obtemos:
( 1) k k!
( x) k = x k = 1 + x + x 2 + x 3 + ... .
k!
k =0
k =0
f ( x ) = (1 x ) 1 =
1 )!
(
2
Nesse caso teramos que calcular
k !( 1 k )!
2
( 12 )! = ( 12 )( 12 1)( 12 2)L( 12 k + 1)( 12 k )! =
( 1 2 k )!
( 1 2 k )!
k 1 3 5 2k 1 ( 1)
1 1 1
1
= ( 1) + 1 + 2 L + k 1 = ( 1) L
= k
2
2 2 2
2
2 2 2 2
k
1
2
( 2k 1)!!
f ( x) =
(1 + x ) = (1 + x)
(1)k ( 2k 1)!!
k =0
2 k!
xk
f ( x) =
(1)k ( 2k 1)!!
k =0
( 2k )!!
(1 + x ) =
xk .
( 1) k 1 x k
Logaritmo: Ln (1 + x ) =
k
k =1
(k )
(0) = (1)
k 1
(k )
( x) =
d ( k 1)
dx
k 1
x 2 x3 x 4
( 1) k 1 ( k 1)! k ( 1) k 1 x k
x =
=x
+
+ ...
Ln(1 + x ) =
k
2
3
4
k!
k =1
k =1
e:
xk
x 2 x3 x 4
( 1) k 1 ( k 1)!
k
( x) =
= [ x +
+
+
+ ...] .
Ln(1 x) =
2
3
4
k!
k =1
k =1 k
f ( x ) e g ( x ) tal que
f ( a) f (b) e
f (b ) f ( a )
. Isso
g (b ) g ( a )
f (b) f (a )
g ( x ) , satisfaz as condies do Teorema de Rolle.
g (b) g (a )
f (b) f (a )
g ' ( x ) , logo ( a, b) / F '( ) = 0 , ou seja:
g (b) g (a )
F '( ) = f '( )
f (b) f (a )
g '( ) = 0 .
g (b) g (a )
(a, b) /
f ( ) f (b) f (a)
=
.
g( ) g (b) g (a)
f (b ) f ( a )
.
ba
( a, b) /
F ( ) F (b) F (a)
=
.
G( ) G(b) G(a)
F ' ( x) = [
f ' ( x)(b x) 0 f ' ( x)(b x) 0 f ' ' ( x)(b x)1 f ' ' ( x )(b x)1
+
0!
0!
1!
1!
+K+
2!
2!
n!
Como os termos intermedirios se cancelam [soma telescpica]:
F ' ( x) =
( n +1)
( x)(b x) n
.
n!
(n + 1)(b x) n
(b x ) n
. Usando esses
=
Derivando diretamente G ( x ) obtemos G ' ( x ) =
n!
(n + 1)!
resultados no TVM de Cauchy:
F '( )
=
G '( )
Percebendo
que
F (b) = G ( b) = 0
f ( n+1) ( )(b ) n
n!
= f ( n+1) ( )
n
(b )
n!
ento
F (b ) F ( a ) F ( a )
=
= f ( n+1) ( )
G (b ) G ( a ) G ( a )
Logo,
f ( n +1) ( )
(b a ) n . Fazendo x = a na F ( a ) obtemos:
n!
f ' (a )(b a )1
f ( n) (a )(b a ) n
f ( n +1) ( )(b a ) n +1
f (b) [ f (a ) +
+ K+
]=
,
n!
1!
(n +1)!
de onde tiramos que existe a b tal que:
f '(a)(b a)1
f ( n ) (a)(b a )n f ( n+1) ( )(b a) n+1
f (b) = f (a) +
+ K+
+
.
n!
1!
(n +1)!
f ( n+1) ( )( x xo ) n+1
(n +1)!
e tende a zero quando n tende a infinito para valores de x suficientemente prximos de xo .
e queremos a expanso em
f ( x + h, y + k ) =
n
hn n
hn k m
x f ( x, y + k ) = my nx f ( x, y )
n!
n n! m m!
hnk m m n
f ( x + h, y + k ) =
y x f ( x, y )
n m n !m !
hnk m n m
f ( x + h, y + k ) =
x y f ( x, y )
n m n !m !
Como
no
pode
haver
diferena
entre
as
duas
formas
se
percebe
que
h n nx k y
f ( x + h, y + k ) =
f ( x, y ) = T f ( x, y ) onde
n
!
m
!
n m
n n k m m
h
x
y
T =
o operador srie de Taylor.
n
!
m
!
n m
1 l l! n n l n l n
f ( x + h, y + k ) =
h x k y f ( x, y )
!
n
!
m
!
l
l n=0
Por outro lado, lembrando que que as derivadas so operadores lineares, sabemos que o operador
l
l
l! n l n n l n
h x + k y =
h k x y
n = 0 n !m !
uurx
f ( x + h, y + k ) =
l
l!
f ( x, y )
r
f (x):
r uur
x1mn mn r
r uur x1m1 m1 x2m2 m2
1
2 L
1 f ( x )
f x + x =
!
!
!
m
m
m
m
m
m
2
n
2
n
1 1
l
l
l
uur
!
l
r
1
r
f x +x = L
( x11 )m1 ( x2 2 )m2 L( xn n )mn f ( x )
mn = 0 m1 !m2 !Lmn !
l l! m1 = 0 m2 = 0
m1 + m2 +L+ mn = l
l
l
l!
l
mn
m1
m2
( x11 ) ( x2 2 ) L( xn n ) = ( x11 + x2 2 + L + xn n )n
L
m1 = 0 m2 = 0 mn = 0 m1 !m2 !Lmn !
m1 + m2 +L+ mn = l
Ou seja:
l
l
uur
l!
l
mn
m1
m2
L
L
x
x
x
x
( 1 1) ( 2 2 )
( n n)
!
!
!
L
m
m
m
0
0
0
=
=
=
m
m
m
n
1
2
n
1 2
m1 + m2 +L+ mn = l
uurx
uur
r
f x + x =
n
n!
f ( x, y )
r
1 r
r r
r
r
f x + h = f ( x) + h f ( x) +
h
2!
r
f ( x)
Ou ainda como:
n
1 n n
r r
r
r
r
f x + h = f ( x ) + hi i f ( x ) + hi ij f ( x ) h j
2! i =1 j =1
i =1
A matriz H ij = ij f ( x ) =
2
r
f ( x ) chamada de Matriz Hessiana.
xi x j
figura 2 (b).
construir
um
x ( x1 , x2 )
de
um
parmetro
( 0,1)
da
forma
R ( x ) = f ( x1 ) +
R ( ) = f ( x1 ) +
x2 , f ( x2 )
dada
x x1
f ( x2 ) f ( x1 )
x2 x1
x2 + (1 ) x1 x1
x2 x1
por
R ( x ) f ( x1 ) f ( x2 ) f ( x1 )
=
x x1
x2 x1
ou,
termos
de
ou
seja,
x x
f ( x2 ) f ( x1 ) = f ( x1 ) + 2 1 f ( x2 ) f ( x1 ) , que nos
x2 x1
leva, finalmente, a: R ( ) = f ( x2 ) + (1 ) f ( x1 ) .
Da afirmamos que:
em
( )
( )
( )
( )
( )
Se
g r*
x 0
xn
( )
ento
existe
uma
funo
inversa
local
implcita
tal
que
xn = ( x1, x2 ,L, xn 1 ) que pode ser utilizada para eliminar a varivel xn e camos em
funes de n 1 variveis dadas por:
2F
hi h j < 0 max
i =1 j =1 xi x j
n 1 n 1
F = 0 i [1,2,L, n 1] e
xi
2F
hi h j > 0 min
x
x
i =1 j =1 i
j
n 1 n 1
xi
G g g
Agora
=
+
= 0 pois G = c , o que significa que
=
. Por outro
xi
xi xi xn xi
g
xn
f
f
xn
f xn g
F f
f
=
+
= 0 , ento
= 0 . Como
= uma
lado
xi xi xn xi
xi g xi
g
xn
xn
r*
constante, calculada no ponto x temos que:
f
g
= 0 ou ainda que
[ f g ] = 0 i = 1, 2,L, n 1 .
xi
xi
xi
Por
outro
lado
automaticamente.
f
g
f xn g
f
f
=
=0
[ f g] = =
xn
xn
xn xn g xn xn xn
xn
Portanto
podemos
estender
condio
para
f ( g c ) = 0 i = 1,2,L, n .
xi
r
deve
ser
resolvida
em
f ( g c ) = 0 implica em
conjunto
com
( g c) = 0 ,
r
L ( , x ) = 0 i = 1, 2,L, n . Essa
xi
a
restrio,
mas
notamos
que
L ( , x ) = 0 i = 1, 2,L, n
xi
r
L ( , x ) = 0
f
= fj
x j
F j = f j + f n j
G j = g j + g n j
Sabemos que G j = g j + g n j = 0 , logo F j = F j G j e Fij = Fij Gij . Por outro lado:
fn gn = fn
fn
gn = 0
gn
Ento:
n 1 n 1
n 1 n 1
n 1
n 1
i =1 j =1
i =1 j =1
i =1
j =1
n 1
n 1 n 1
i =1
i =1 j =1
+ f nj g nj h j i hi + ( f nn g nn ) i hi j h j
j =1
Definindo um hn =
n 1
i =1
gi
1 n 1
temos que hn =
gi hi ,
gn
g n i =1
r
r r
ou seja, gi hi +g n hn = 0 , i.e., gi hi = 0 nos garante que h est na curva g x + h = c .
n 1
i =1
i =1
n 1 n 1
n 1
i =1 j =1
n 1
i =1 j =1
i =1
+ f nj g nj h j hn + ( f nn g nn ) hn hn
j =1
n 1 n 1
i =1 j =1
i =1 j =1
Hessiano orlado:
0
f1
M
fn
f1 L f n
H11 L H1n
. Note as duas orlas nas
M O
M
H1n L H nn
primeira linha e primeira coluna da matriz Hessiana. A condies de segunda ordem dos pontos
de mximo e mnimo sero dadas pela definio do Hessiano orlado discutido no apndice
Definio de matrizes simtricas com restrio. Note que o Hessiano orlado poderia sair
diretamente do Lagrangeano se incluirmos como uma varivel pois:
r
r
r
2L ( , x )
g ( x ) 2L ( , x )
=
=0
e
xi
xi
2
m11 m12
m
m22
= 21
M
M
mn1 mn 2
L m1n
r r
L m2 n
definida positiva se hMh > 0
Dizemos que a matriz M n n
O M
L mnn
r r
r r
r r
para qualquer h 0 . A matriz ser definida negativa se hMh < 0 para qualquer h 0 .
Teorema 1:
r r
2
h
0 L 0 ) o que significa que Mh = M kk hk . Logo se
r r
> 0 e se hMh < 0 ento M kk < 0 para qualquer k [1, n ] .
r
escolher h = ( 0 0 L 0 hk
r r
hMh > 0 ento M kk
m11 m12
m
m22
M k = 12
M
M
m1k m2k
L m1k
L m2k
sero definidas positivas ou negativas.
O M
L mkk
r r
Prova: como a propriedade vlida para qualquer h 0 basta
r r r
r
r
h = ( h1 h2 L hk 0 0 L 0 ) o que significa que hMh = hk M k hk .
escolher
Teorema 3.
a. Se M definida positiva ento det M k > 0 , ou ainda, sign [det M k ] = 1
para
qualquer k [1, n ] .
b. Se M definida negativa ento sign [det M k ] = ( 1)
determinante vai alternando na forma (
k +1
+ + L) .
, ou seja, o sinal do
A melhor forma de prova esse teorema diagonalizar as submatrizes, mas instrutivo analisar o
caso de uma matriz 2 2 e outra 3 3 com a tcnica de completar quadrado.
Matriz 2 2 :
m12 h
m
q = ( h k ) 11
m12 m22 k
m h + m12 k
= m11h 2 + 2m12 hk + m22 k 2
q = ( h k ) 11
m21h + m22 k
m
q = m11 h 2 + 2 12 hk + m22 k 2
m11
2
2
m12 2 m12 2
m12
2
2
q = m11 h + 2
hk +
k
k + m22 k
m11
m11
m11
2
2
m12 2
m12
m12
2
2
q = m11 h + 2
hk +
k2
k + m22 k
m11
m11
m11
2
q = ( det M 1 ) h*2 +
Se q > 0 e como h
*2
det M 2
> 0 o que implica
det M1
em det M1 > 0 e det M 2 > 0 . Por outro se q < 0 preciso que det M1 < 0 e
o que implica em det M1 < 0 e det M 2 > 0 .
det M 2
<0
det M1
Matriz 3 3 :
q = (h k
m11
l ) m12
m
13
q = (h k
m h+m k +m l
23
33
13
m12
m22
m23
m13 h
m23 k
m33 l
1
1
q = m11 h 2 + 2
( m12 k + m13l ) h + 2 ( m12 k + m13l )2 +
m11
m11
m k + m13l
1
2
+
q = m11 h + 12
m
k
( m12 k + m13l )2 + 2m23kl + m33l 2
22
m11
m11
m k + m13l
q = m11 h + 12
+
m11
1
1
1
2
2
m11m22 m12
k2 + 2
m11m33 m13
l2
+
( m11m23 m12 m13 ) kl +
m11
m11
m11
m k + m13l
q = m11 h + 12
+
m11
2
2
m12
m
m
m
m
m
m
m
m
(
)
(
)
12 13
12 13
k 2 + 2 11 23
kl + 11 23
l2 +
2
2
2
m11
m11m22 m12
m
m
m
11
22
12
(m
+
11m22
(m
11m22
2
m12
m11
) (m m m m )
(m m m )
11 23
11 22
12 13
2 2
12
l2 +
1
2
m11m33 m13
l2
m11
2
m11m22 m12
m11m23 m12 m13 ) l
(
m12 k + m13l
k +
+
q = m11 h +
+
2
m
m
m
m
m
11
11
11 22
12
1
m m m 2 m m m 2 ( m m m m )2 l 2
+
11 22
12
11 33
13
11 23
12 13
m m m m2
2
11
11 22
12
(
)
)(
2
m11m22 m12
m11m23 m12 m13 ) l
(
m12 k + m13l
k +
+
q = m11 h +
+
2
m
m
m
m
m
11
11
11 22
12
2
m11 m11m22 m12
2
2
2
2 2
m11
m22 m33 m11m22 m13
m33 + m12
m13 2
m11m12
2 2
l
2 2
m11m23 + 2m11m12 m13m23 m12 m13
2
m11m22 m12
+
q = m11 h +
k+
+
2
m11
m11
m11m22 m12
m
(
+
11m22 m33
2
2
2
m33
+ 2m12 m13m23 m11m23
m22 m13
m12
2
m11m22 m12
)l
q = ( det M 1 ) h*2 +
( det M 2 ) *2 ( det M 3 ) 2
k +
l
( det M 1 )
( det M 2 )
det M 3
det M 2
>0 e
> 0 o que implica em
det M1
det M 2
det M1 > 0 , det M 2 > 0 e det M 3 > 0 . Mas se q < 0 preciso que det M1 < 0 ,
det M 3
det M 2
<0 e
< 0 o que implica em det M1 < 0 , det M 2 > 0 e det M 3 < 0 .
det M1
det M 2
No entanto a melhor forma de provar o caso geral usar a tcnica de diagonalizao de matrizes.
J sabemos que se a matriz M definida positiva ou negativa ento as sub-matrizes M k
possuem a mesma definio. Sabemos que uma transformao de similaridade do tipo
r
r
r
r
r
r
q = hk Sk Sk M k Sk Sk hk , ou seja, q = hk Sk Dk Sk hk . Agora definimos hk* = Sk hk logo
r
r
r
r
hk* = hk Sk logo q = hk* Dk hk* .
1 0
0
2
Mas Dk =
M
M
0 0
se se q < 0 ento i
L
L
O
L
<0
0
k
0
ento q = i hi*2 . Logo se q > 0 ento i > 0 i , mas
M
i =1
k
i . Se i > 0 i ento det Dk > 0 , mas se i < 0 i ento
sign [det M k ] = ( 1)
k .
Suponha agora que os vetores possveis devem obedecer a uma restrio do tipo:
f 22 2
f 2
2
Assim q = A11h + 2 A12hk + A22k = A11 2 k 2 A12 2 k + A22k
f1
f1
2
k
q = f 22 A11 2 f1 f 2 A12 + f12 A22 2
f
1
E o sinal de q ser definido pelo sinal de sign ( q ) = sign f 22 A11 2 f1 f 2 A12 + f12 A22 .
f
2
f1
A11
A12
f2
A12 = f 22 A11 2 f1 f 2 A12 + f12 A22 logo em
A22
Generalizando:
H11
H
12
Sem restrio com uma matriz Hessiana n n da forma H =
M
H1n
a matriz definida positiva se det H1 = det ( H11 )
H12 L H1n
H 22 L H 2 n
ento
M
O
M
H 2 n L H nn
H11 H12
, det H 2 = det
,
H
H
12
22
H11
H
det H k = det 12
M
H1k
H12 L H1k
H11 H12 L H1n
H
H 22 L H 2 k
H 22 L H 2n
12
at det H n = det
forem
M
M
O
M
M
O
M
H 2k L H kk
H1n H 2n L H nn
todos positivos. A matriz ser definida negativa se det H 2k +1 < 0 e det H 2 k > 0 .
f1 L f n
0
f H
1
11 L H1n
%
Com restrio: H =
ser definido positivo se os determinantes
M
M O
M
f n H1n L H nn
det H% 3 < 0 , det H% 4 < 0 , ..., det H% n +1 < 0
r
r
r
r
f (1 ) x + x > (1 ) f ( x ) + f ( x ) concava
r r
para
x
e x .
r
r
r
r
f (1 ) x + x < (1 ) f ( x ) + f ( x ) convexa
(1 ) x + x = (1 ) x + x + h = x + h
r
h 0 . Nesse caso
ento:
r
r
r
f x + h > (1 ) f ( x ) + f
r
r
r
f x + h < (1 ) f ( x ) + f
(
(
r r
x+h
r r
x+h
)
)
concava
convexa
r
r r
r
r 1r r
f x + h = f ( x ) + h f ( x ) + hHh
2
r
r
r
r
r 2 r r
f x + h = f ( x ) + h f ( x ) +
hHh
2
Logo:
r
r
r 2 r r
r
r 1 r r
r r
f ( x ) + h f ( x ) +
hHh > (1 ) f ( x ) + f ( x ) + h f ( x ) + hHh concava
2
2
r
r
r 2 r r
r
r 1 r r
r r
f ( x ) + h f ( x ) +
hHh < (1 ) f ( x ) + f ( x ) + h f ( x ) + hHh convexa
2
2
r
r
r
r 2 r r
r
r r r
f ( x ) + h f ( x ) +
hHh > f ( x ) + h f ( x ) + hHh concava
2
2
2
r
r
r
r r r
r
r r r
f ( x ) + h f ( x ) +
hHh < f ( x ) + h f ( x ) + hHh convexa
2
2
2 r r
2
hHh >
2 r r
2
hHh <
r r
2
hHh
r r
2
hHh
concava
convexa
(1 ) r r
ou seja, se o Hessiano for definido negativo a funo cncava e se for definido positivo a
funo convexa. intuitivo que funes cncavas possuam mximos enquanto funes
convexas possuam mnimo.
1. Maximizar y = x1 x2 s.r. x1 + 4 x2 = 16 .
r
L ( , x ) = x1 x2 [ x1 + 4 x2 16 ]
L = x2 = 0
x1
L = x1 4 = 0
x2
(1)
( 2)
L = ( x1 + 4 x2 16 ) = 0
= x2 =
[equao
( 4 x2 + 4 x2 16 ) = 0
( 3)
x1
logo x1 = 4 x2 . Jogando essa relao na
4
(3)]
temos
x2 = 2 x1 = 8 = 2
2L
2
2
L
%
H =
x1
2
L
x
1
2L
x1
2L
x12
2L
x1x2
2L
x1
0 1 4
2L
= 1 0 1 x1 e x2 .
x1x2
4 1 0
2
L
x22
0 1 4
D2 = det 1 0 1 = 4 + 4 = 8 > 0 .
4 1 0
Como D2 > 0 com uma restrio o D2 sem restrio seria negativo, matriz definida negativa.
Assim ponto de mximo.
Esse problema tambm fcil de resolver por substituio. Da restrio temos que
x1 = 4 ( 4 x2 ) .
Substituindo
na
funo
objetivo
y = 4 x2 ( 4 x2 ) ,
logo
dy
= 4 ( 4 x2 ) 4 x2 = 16 8 x2 = 0
dx2
e x2 = 2 e
x1 = 4 ( 4 2 ) = 8 . A segunda derivada
d2y
= 8 < 0 , logo o ponto de mximo.
dx22
2. Maximizar f ( x, y, z ) = xz + yz s.r. y 2 + z 2 = 1 e xz = 3 .
r
L ( , x ) = xz + yz 1 y 2 + z 2 1 2 ( xz 3 )
L = z 2 z = (1 2 ) z = 0
x
L = z 21 y = 0
y
( 2)
L = y + x 21z 2 x = 0
z
L = y2 + z2 1 = 0
1
L = ( xz 3) = 0
2
(1)
( 3)
( 4)
( 5)
z 21 y = 0
y 21z = 0
2
1
2
1
1+ =
1
e
4
1
1
e 1 = .
2
2
+
Para 1 =
Para 1 =
1
2
1
2
2
z=0
2
y+
y=z
2
z=0
2
y = z
2
1
1
3
, y=
e x = = 3 2 . Assim temos 4 pontos extremos:
z
2
2
1 1 1
,
, ,1
2 2 2
1
1 1
( x, y, z, 1 , 2 ) = 3 2, , , ,1
2
2 2
1 1
1
( x, y, z, 1 , 2 ) = 3 2, , , ,1
2 2 2
( x, y, z, 1 , 2 ) = 3
( x, y, z, 1 , 2 ) = 3
2,
2,
1
1
1
,
, ,1
2
2 2
2 z 2 = 1 , logo
2L
2
1
2
L
12
2
L
H% =
x
1
2
L
y1
2L
z1
2L
12
2L
x1
2L
y1
2L
22
2L
x2
2L
y2
L
x2
L
x 2
L
xy
L
y2
L
xy
L
y 2
2L
z2
2L
xz
2L
yz
2L
z1
2L
0
0
z2
0
0
2
L 0
z
=
xz
2 y 0
2L 2 z x
yz
2L
z 2
2 y
z
0
0
0
21
(1 2 )
2 z
x
(1 2 )
1
21
.
Como 2 = 1 ento
0 0 2 y 2 z
0
0
0 z
0
x
H% = 0
0
0
z 0
2
0
0
1
y
1
2 z x 0
1
21
0 0 2 y 2 z
0
0 2 y 2 z
0
0
0
z
0
x
0 z
0
0
det 0 z 0
0
0 = z det
2 y 0 21
1
y
2
0
0
2
1
2 z x
21
1
2 z x 0
1
21
2 y 2 z
0
D4 = z ( z ) det 2 y 21
1
2 z
1
21
D4 = z 2 4 zy + 4 zy + 8 z 21 + 8 y 21 = 8 z 2 zy + z 2 + y 2 1
como
y2 + z2 = 1
ento:
D4 = 8 z 2 [ zy + 1 ]
1
1
z = y zy = z 2 =
2
2
logo se trata de ponto de mximo.
Para 1 =
1
1
zy =
2
2
de ponto de mnimo
1 1
+ =1
2 2
portanto D4 = 8 z < 0
1 1
2
1 + zy = = 1 portanto D4 = 8 z > 0 logo se trata
2 2
Para 1 =
Assim os pontos
1 + zy =
( x, y , z ) = 3
2,
1 1
,
e
2 2
( x, y, z ) = 3
2,
1
1
,
so pontos de
2
2
1 1
1
1
,
,
mximo enquanto os pontos ( x, y, z ) = 3 2,
e ( x, y, z ) = 3 2,
so
2 2
2
2
pontos
de
mnimo.
Voltando
funo
objetivo
vemos
que
1
1
1
1 1
1 7
,
+
= 3+ =
f 3 2,
=3 2
2 2
2
2
2
2 2
logo
7
2
valor
1
1
1
1 1
1 5
5
mximo.
Seja F ( x ) =
f ( x, t ) dt . Queremos calcular
g(x)
d
F ( x) .
dx
h ( x +x )
F ( x ) =
h( x )
h ( x +x )
f ( x + x, t ) dt +
g( x)
f ( x + x , t ) dt
g ( x +x )
f ( x + x , t ) dt
h( x )
h( x )
F ( x )
f ( x + x , t ) f ( x , t )
1
dt +
=
x
x
x
g( x)
h( x )
f ( x + x , t ) dt
g( x)
1
f ( x + x , t ) dt
x
g ( x +x )
f ( x + x, t ) dt
g(x)
P ( x, t ) = f ( x, t ) , ou seja, P ( x, t ) = f ( x, t ) dt , ento:
x
( x +x )
h ( x +x )
f ( x, t ) dt
g( x)
h ( x +x )
f ( x + x, t ) f ( x, t ) dt +
g( x)
1
x
h( x )
h( x )
h( x )
F ( x ) =
f ( x, t ) dt
g( x)
f ( x + x, t ) dt +
g ( x +x )
f ( x + x, t ) dt
g ( x +x )
g( x)
F ( x ) =
h( x )
f ( x + x, t ) dt =
P ( x + x, ( x + x ) ) P ( x + x, ( x ) )
(x)
P ( x + x, ( x + x ) ) P ( x + x, ( x ) ) ( x + x ) ( x )
=
x
( x + x ) ( x )
P
d
d
= f ( x, ( x ) )
x, ( x ) )
(
dx
dx
Ento:
1
x
h ( x +x )
h( x )
f ( x + x, t ) dt = f ( x + x , h ( x ) )
dh
dx
1
x
g ( x +x )
f ( x + x, t ) dt = f ( x + x, g ( x ) )
g( x)
dg
dx
Logo:
h( x )
dF ( x )
f ( x , t )
dh
dg
dt + f ( x , h ( x ) ) f ( x, g ( x ) )
=
x
dx
dx
dx
g( x)
h( x )
f ( x , t )
d
dh
dg
f ( x, t ) dt =
dt + f ( x, h ( x ) ) f ( x , g ( x ) )
dx g ( x )
x
dx
dx
g( x)
Casos particulares?
1.
2.
d
dh
dg
f ( t ) dt = f ( h ( x ) ) f ( g ( x ) )
dx g ( x )
dx
dx
J sabemos que
f
f
dJ 2
= ( f y + f y& & ) dt onde f y =
e f y& = . Aplicando a segunda derivada
d t1
y
y&
temos:
t
d 2J 2
= ( f yy 2 + f yy& & + f yy& & + f yy& & & 2 ) dt
d 2 t1
Que pode ser escrito na forma matricial:
t
f
d 2J 2
=
(& ) f yy& &
2
d
yy&
t1
f yy& &
dt
f yy
Assim:
f yy& &
d 2J
se
a
matriz
>
0
f
d 2
yy&
f yy&
for definida positiva e o extremo de mnimo.
f yy
f yy& &
d 2J
< 0 se a matriz
2
d
f yy&
f yy&
for definida negativa e o extremo de mximo.
f yy
Logo, usando as regras dos determinantes das matrizes definidas positivas e negativas, temos que
2
o extremo ser de mximo ou mnimo se f yy f yy& & ( f yy& ) > 0 . Se essa condio no for satisfeita o
ponto de sela. Ser mnimo se f yy& & > 0 e mximo se f yy& & < 0 . Estas so as condies de
Legendre.
( t1 , y1 ) = ( 0, yo ) . A nova parametrizao,considerando
J ( ) =
f ( t , y * + , y& * + & ) dt
T * + T
f
f
*
y + y& & dt + f ( T + T ) T
Logo
T*
f
d
f
J ( ) = + & dt + f (T * ) T
y
y&
d
0
=0
A integral por partes agora tambm deve ser feita com cuidado porque o termo uv no mais
nulo:
T*
T*
T*
T*
f
f
d f
f
d f
&dt =
dt =
T * ) (T * )
dt
(
y&
y& 0
y&
dt y&
dt y&
0
0
T*
f
d
d f
f
J ( ) =
& dt + (T * ) (T * ) + f (T * ) T
d
dt y&
y
y&
0
=0
Agora y = y f y *f = y ( T * + T ) y * ( T * )
y (T * + T ) = y * (T * + T ) + (T * + T )
y (T * + T ) y * (T * ) = y * ( T * + T ) y * (T * ) + (T * + T )
y = y& *T + ( T * + T )
Logo
T*
d f
f
f *
f
0 y dt y& & dt + y& (T ) y + f y& y& T
T*
f
f *
f
d f
0 y dt y& & dt + y& (T ) y + f y& y& T = 0
Novamente a funo ( t ) arbitrria significando que a integral e os outros dois termos devem
ser nulos independentemente. Para a integral ser nula continua valendo a equao de EulerLagrange:
f d f
=0
y dt y&
Mas a ela devemos acrescentar as condies de transversalidade:
*
f *
f
T ) y + f y& T = 0
(
y&
y&
Exemplos de fixao:
l = 1 + y& 2 dt
funo
objetivo
f ( t , y, y& ) = 1 + y& 2
Nesse
fy = 0
caso
f y& =
1 2 y&
y&
=
. Note que f yy& & =
2 1 + y& 2
1 + y& 2
y&
1 + y& 2 y&
1 + y&
1 + y& 2
2
1 + y& 2 y& 2
(1 + y& )
2
(1 + y& )
2
o que
2
d
d
f y& = 0 nos leva a
f y& = 0 ou seja f y& = c , logo
dt
dt
y& 2 =
c2
1 c2
y& =
c
1 c2
= a . Se y& = a ento
y2
y
e a reta y ( t ) = 2 t a
t2
t2
a
1 + a2
y&
1 + y& 2
mas y (T ) = y f
f = 1 + y& 2 = 1 + a 2
& y& (T ) = 0 .
f (T ) yf
a
t
logo
1 + a2
1
a
1
& y& (T ) = 1 + a 2 a
=
= 0 preciso
f (T ) yf
a = 0 . Entretanto, para que
2
2
1+ a
1+ a
1 + a2
y& = a
f y& =
yy
a
origem e o ponto ( 0, y f ) .
Caso 4. O ponto final deve cair na reta (T ) = T + . Nesse caso impomos a condio
& y& (T ) = 0 , com & =
f (T ) yf
a
Mas 1 + a 2 = ( a )
y=
1 + a2
, logo 1 + a 2 = a 2 a a = 1 e a =
. Nesse caso
T = T + ou seja
2 +1
.
T = , ou seja, T =
1+ 2
( y yo ) + (T To ) = R 2 . Mostre que a trajetria a reta que passa pela origem e pelo centro
do crculo (To , yo ) . Determine T e y (T ) .
Exemplos de fixao:
T
Nesse caso H = (1 + u 2 ) 2 + u ,
1
H
1
= (1 + u 2 ) 2 ( 2u ) + = 0 logo
u
2
ento:
u2
= 2
1+ u2
u 2 = 2 + 2u 2
u
1+ u2
=,
u2 =
2
1 2
u=
1 2
H
= 0 logo = o constante. Como (T ) = 0 ento = 0 , logo u = 0 . Neste caso
y
y& = 0 e y = A .
& =
Nesse caso H = 2 y 3u + ( y + u ) .
Maximizar H em relao u :
> 0 se > 3
H
. Temos que escolher u que
= 3 =
u
< 0 se < 3
maximiza H , o qual uma funo linear de u . Assim se > 3 o u que maximiza H ser
u = 2 , o maior valor permitido para o u . J se < 3 o u que maximiza H ser u = 0 , o menor
valor permitido. Dessa forma podemos escrever:
2 se > 3
u* ( t ) =
0 se < 3
H
= sempre, para
u
H
= 0 sempre, no pode valer nesse caso para determinar u . O
u
Hdt
mximo.
Encontrando :
& =
H
= 2 logo & + = 2 uma equao diferencial de primeira ordem. Usando a
y
5
. Aplicando o
2
t* t 2
a2 = 2 3 e t . Finalmente temos:
2 ( 3et 1) 0 t < t *
y (t ) =
t*
*
t
2 3 e e t t 2
*
Nesse caso y = 0 e (T ) 0 e H = ( t 2 + u 2 ) + u .
H
= 2u + = 0 logo u =
u
2
H
= 0 & = 0 = o
y
y& =
H
= u = o logo y& = o
2
2
c=4 y=
o
2
u=
y=
o
2
o
2
t + c . Com a condio inicial y ( 0 ) = 4 temos
t+4.
1
2
, logo u = o = . S falta encontrar
T
2 T
1
1 21
Vamos usar os dois formalismos, do Clculo das Variaes e da Teoria do Controle timo
sumarizados na tabela abaixo.
Clculo das Variaes
restrio h ( t , q, q& ) = 0 .
t2
Usa a Lagrangeana para transformar o
Problema: Otimizar V = L ( t , q, u ) dt sujeito
problema em:
L = f ( t , q, q& ) g ( t , q, q& )
t1
s restries y& = g ( t , q, u ) .
t2
J = L ( t , q, q& , ) dt
t1
=0
Hamilton-Jacobi:
y dt y&
H
H
H
dH H
= & ;
= y& ;
=0;
=
y
u
dt
t
Mecnica Clssica no Clculo das Variaes. Trocam-se as leis de Newton pelo princpio da
t2
L = T V
com T =
1 2
mx&
2
F =
V
x
L
V
L T
=
=F e
=
= mx& , portanto a equao de Euler-Lagrange
x
x
x&
x&
L
d L
= 0 nos leva a:
x dt x&
F
d
mx& = 0
dt
F = mx&&
L T
=
= mx& = p o momento.
x&
x&
t2
r r
coordenadas A = L t , x , x& dt temos que
t1
L
d L
n partculas com 3 graus de liberdade (x,y,z) para cada partcula teremos 3n coordenadas no
T
ento, por
x&i
T
. Suponha uma
q&l
xi
dq j = Q j dq j
q j
xi
. Se as foras so conservativas ento existe uma
q j
V
dq j = Q j dq j logo:
q j
Qj =
V
q j
T
L
V
e Qk =
:
=
q& k q& k
q k
d L
dt q& k
L
=0
q
k
Formalismo Hamiltoniano:
d
L
L
d L L
= pk = p& k ou seja
= p& k . No formalismo Hamiltoniano
= 0 , ou seja,
qk dt
qk
dt q& k qk
t2
H
L
L
. O significado do mulitplicador de Lagrange
=
+ = 0 , logo =
q&k
q&k
q& k
e
H
H
= q&k logo
= q&k
pk
H
H
= p& k e
= q&k .
qk
pk