Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Instituto de Matemáticas
Pontificie Universidad Católica de Valparaı́so
Introducción al
Análisis Convexo
Pedro Gajardo
http://www.dim.uchile.cl/~pgajardo/
2006
Dado que la forma del Universo entero es la más perfecta y, de hecho, la más sa-
biamente creada, absolutamente nada en el mundo ocurrirı́a sin que una minimizacı́on o
maximización esté actuando.
1. Presentación 1
4. Aplicaciones 25
iv
CAPÍTULO 1
Presentación
El presente documento ha sido elaborado con el objetivo de ser un apoyo a las charlas
realizadas en la XXXIII Semana de la Matemática. El tema abordado es el Análisis
Convexo, teorı́a que permite estudiar de manera unificada problemas de optimización y
cálculo de variaciones en el contexto convexo. En estas páginas se podrán encontrar los
primeros conceptos, resultados y ejemplos relacionados con esta disciplina, en particular,
lo que concierne a la Dualidad en optimización convexa. La mayor parte de los contenidos
de este apunte son presentados de manera similar (orden y demostraciones) al curso
Análisis Convexo y Dualidad dictado el año 1999 por el profesor Roberto Cominetti en
la Facultad de Ingenierı́a de la Universidad de Chile. Otros resultados y demostraciones
han sido obtenidos principalmente del apunte Análisis Convexo y Dualidad del Profesor
Felipe Alvarez [1] quien dicta regularmente el curso de mismo nombre en la Facultad de
Ingenierı́a de la Universidad de Chile, y del libro, recientemente publicado, Variational
Analysis in Sobolev and BV spaces de los autores Heddy Attouch, Giuseppe Buttazzo
y Gérard Michaille [2]. Como bibliografı́a complementaria se recomienda el fundacional
texto Convex Analysis de Tyrell Rockafellar [6] asi como el libro Convex analysis and
minimization algorithms de Jean B. Hiriart-Urruty y Claude Lemaréchal [4, 5].
Este cursillo está orientado a estudiantes con un cierto bagaje en análisis funcional
(como referencia ver [3]) aunque en su mayorı́a intenta ser autocontenido.
1
1.1. CONJUNTOS CONVEXOS
donde h·, ·i denota el producto de dualidad entre X y X ∗ , es decir, para una función lineal
continua x∗ ∈ X ∗ definida sobre el espacio X a valores en IR, se tiene x∗ : X −→ IR y
escribiremos
hx, x∗ i = x∗ (x) ∀ x ∈ X. (1.1.1)
Recordemos que la topologı́a más pequeña en X que hace continua a los elementos en X ∗
es la topologı́a débil. Por otro lado, dado x ∈ X se tiene que el operador evaluación (que
notaremos de igual manera) x : X ∗ −→ IR definido por
x(x∗ ) = x∗ (x) = hx, x∗ i
es lineal continuo (para la topologı́a inducida por k · k∗ en X ∗ ), por lo tanto X ⊂ X ∗∗ . La
topologı́a más pequeña en X ∗ que hace ser continuos a los operadores evaluación (i.e. a
los elementos de X) es la topologı́a ∗-débil.
2
1.1. CONJUNTOS CONVEXOS
H = {x ∈ X : hx, x∗ i = α}
Teorema 1.1.1. Sea C ⊂ X un conjunto convexo cerrado no vacı́o del evn X. Entonces,
cada elemento u ∈
/ C puede ser fuertemente separado de C por un hiperplano cerrado, es
decir,
3
1.1. CONJUNTOS CONVEXOS
Corolario 1.1.1. Sea C ⊂ X un conjunto convexo cerrado no vacı́o del evn X. Entonces,
C es la intersección de todos los semiespacios cerrados que lo contienen, es decir,
\
C= Hz∗ ,α ,
C⊂Hz∗ ,α
F := {(z ∗ , α) ∈ X ∗ × IR : C ⊂ Hz∗ ,α }.
Claramente \
C⊂ Hz∗ ,α .
(z ∗ ,α)∈F
T
Para probar la inclusión inversa tomemos u ∈ Hz∗ ,α . Si u ∈
/ C, utilizando el teore-
(z ∗ ,α)∈F
ma de separación de Hahn-Banach 1.1.1 se obtiene una contradicción.
Observación 1.1.1. Los conjuntos cerrados Hz∗ ,α de la proposición anterior también re-
sultan ser cerrados para la topologı́a débil y por lo tanto el conjunto convexo cerrado C
es cerrado para la topologı́a débil (intersección de cerrados débiles). Ası́, una conclusión
importante, y que será utilizada más adelante, del Corolario 1.1.1, es que todo conjunto
convexo cerrado es también cerrado para la topologı́a débil.
Demostración. Propuesto.
4
CAPÍTULO 2
5
2.1. FUNCIONES CONVEXAS
y estrictamente convexa si
La función f es coerciva si
f = f0 + ΨC
Este conjunto del espacio producto es muy útil ya que nos permite trabajar con funciones
y conjuntos indistintamente debido a las siguientes equivalencias.
6
2.1. FUNCIONES CONVEXAS
Demostración. Propuesto.
(P ) inf f (x)
x∈X
Demostración. Dado que f es propia, entonces existe x0 ∈ X tal que γ := f (x0 ) < +∞.
Sea xk una sucesión minimizante del problema de minimización, es decir,
Esta sucesión existe ya que como inf f (x) ≤ γ, podrı́an ocurrir dos casos: si
x∈X
7
2.1. FUNCIONES CONVEXAS
Si inf f (x) = −∞ (más adelante veremos que esto no ocurre) tomamos xk tal que
x∈X
f (xk ) ≤ −k + γ + 1. Ası́, se observa que (en cualquiera de los dos casos)
xk ∈ M := {x ∈ X : f (x) ≤ γ + 1} ∀ k ∈ N.
Debido a que f es convexa y sci es fácil probar que el conjunto M es convexo y cerrado.
Por otro lado, dado que f es coerciva, se tendrá que M es acotado. De hecho, si existe
una sucesión yk ∈ M con kyk k → +∞ por la coercividad obtendrı́amos f (yk ) → +∞
lo que no puede ser ya que yk ∈ M . Por lo tanto el conjunto M es cerrado y acotado
y como X es un espacio reflexivo, M será compacto para la topologı́a débil. Ası́, existe
una subsucesión de xk (que notaremos igual) que converge débil a un elemento x̄ ∈ X.
Concluı́mos pues la función f es sci para la topologı́a débil (ver Observación 2.1.1) y por
lo tanto
inf f (x) ≤ f (x̄) ≤ lı́m inf f (xk ) = lı́m f (xk ) = inf f (x).
x∈X k→∞ k→∞ x∈X
Observación 2.1.2. El resultado anterior puede ser extendido, en cierta forma, cuando f
no es convexa. De hecho, siguiendo los pasos de la demostración precedente, se prueba lo
mismo si la función f es sci para la topologı́a débil y es coerciva.
Veamos ahora un resultado que se obtiene como aplicación directa de las equivalencias
dadas en la Proposición 2.1.1.
8
2.1. FUNCIONES CONVEXAS
El resultado anterior puede ser presentado de forma más general, de hecho, veremos a
continuación que toda función convexa, sci y propia puede ser expresada como el supremo
de funciones lineales afines. Esto último es una consecuencia directa del Teorema de
separación de Hahn-Banach 1.1.1.
Teorema 2.1.2. Sea f : X −→ IR∪{+∞} una función convexa, sci y propia (f ∈ Γ 0 (X)),
entonces existe un conjunto M ⊂ X ∗ × IR tal que
9
2.1. FUNCIONES CONVEXAS
lo que implica que si (x, r) ∈ epi f se tendrá (x, r − n) ∈ epi f para todo n ∈ N lo cual
induce a una contradicción, por lo tanto debe existir (z ∗ , s, α) ∈ F con s < 0. Sin pérdida
de generalidad supondremos (haciendo una normalización) s = −1. Ası́, se tiene que
lo que implica
hx, z ∗ i − r ≤ α ∀ (x, r) ∈ epi f
y por lo tanto
hx, z ∗ i − α ≤ f (x) ∀x∈X
mostrando asi que M 6= ∅ ((z ∗ , α) ∈ M).
Veamos el caso f (x0 ) < +∞. En esta situación se tendrá que s < 0, pues si s = 0
tomamos (x0 , f (x0 )) ∈ epi f y por (2.1.3) se deduce
lo que es absurdo. Sin pérdida de generalidad (otra vez) suponemos s = −1. De la relación
(2.1.3) deducimos (notar que (x, f (x)) ∈ epi f )
hx, z ∗ i − α ≤ f (x) ∀x ∈ X
10
2.2. CONJUDA DE FENCHEL
11
2.2. CONJUDA DE FENCHEL
proviene del hecho que f , por pertenecer a Γ0 (X), es el supremo de todas las minorantes
afines (Teorema 2.1.2), es decir,
f (x) = sup{hx, x∗ i − α : hy, x∗ i − α ≤ f (y) ∀ y ∈ X}. (2.2.1)
Si se fija un elemento x∗ ∈ X ∗ y se hace variar α tal que h·, x∗ i − α ≤ f (·) se observa que
el mejor α que se podrı́a obtener es
α = suphy, x∗ i − f (y) = f ∗ (x∗ ),
y∈X
Ejemplo 2.2.3 (Se requiere de conocimientos en espacios de Sobolev, ver [3]). Sea Ω un
conjunto abierto acotado y no vacı́o de IRn . Considere el espacio de Hilbert X = L2 (Ω)
de las función a cuadrado integrable, es decir,
Z
2 2
L (Ω) = u : Ω −→ IR | u (x)dx < +∞ .
Ω
12
2.2. CONJUDA DE FENCHEL
induciendo la norma Z 21
kukL2 (Ω) = u2 (x)dx .
Ω
donde H 1 (Ω) es el conjunto de las funciones en X con derivada (en el sentido de las
distribuciones) a cuadrado integrable. Es directo ver que f es una función convexa y
propia. Probemos primero que f es sci. Sea ū ∈ H 1 (Ω) = dom f y tomemos uk → ū (con
la topologia de la norma en X = L2 (Ω). Debemos demostrar que
El caso no trivial es cuando lı́m inf f (uk ) < +∞. En este caso se tendrá que existe M > 0
k→∞
tal que
1
Z
f (uk ) = k∇uk (x)k2 dx ≤ M ∀k ≥ 0. (2.2.2)
2 Ω
Como uk es una suseción acotada en X (es convergente) se tiene por (2.2.2) que será aco-
tada en H 1 (Ω) y por lo tanto existe una subsucesión convergente que converge débil a
un elemento w̄ ∈ H 1 (Ω) (este espacio es reflexivo) como uk converge fuerte a ū en X se
deduce w̄ = ū.
13
2.3. SUBDIFERENCIAL CONVEXO
1 1
Z Z Z Z
2 2
sup v(x)u(x)dx − k∇u(x)k dx = − inf1 k∇u(x)k dx − v(x)u(x)dx.
u∈H 1 (Ω) Ω 2 Ω u∈H (Ω) 2 Ω Ω
f (x) + hy − x, x∗ i ≤ f (y) ∀ y ∈ X.
pues
f (ty + (1 − t)x) = f (x + t(y − x)) ≤ tf (y) + (1 − t)f (x)
14
2.3. SUBDIFERENCIAL CONVEXO
Demostración. La desigualdad
f (x) + f ∗ (x∗ ) ≥ hx, x∗ i
siempre es cierta para cualquier elemento en X ∗ debido a la definición de f ∗ . Esta es
conocida como la desigualdad de Fenchel. Por otro lado, si x∗ ∈ ∂f (x) entonces
f (x) + hy − x, x∗ i ≤ f (y) ∀ y ∈ X ⇒ f ∗ (x∗ ) = suphy, x∗ i − f (y) ≤ hx, x∗ i − f (x).
y∈X
15
2.3. SUBDIFERENCIAL CONVEXO
Ejemplo 2.3.1. Sea X un espacio de Hilbert y f la función definida por f (x) = kxk,
entonces
{x/kxk} si x 6= 0
∂f (x) =
BX si x = 0
donde BX = {z ∈ X : kzk ≤ 1} es la bola unitaria en X.
16
2.3. SUBDIFERENCIAL CONVEXO
Debido a que f ∗ es convexa, sci y propia, por la Propiedad 2.2.1 se tiene que f ∗ = (f ∗ )∗∗ .
Asi,
f ∗∗ (x) + (f ∗ )∗∗ (x∗ ) = hx, x∗ i
lo que es equivalente a decir (por la Proposición 2.3.4) x∗ ∈ ∂f ∗∗ (x).
17
2.3. SUBDIFERENCIAL CONVEXO
18
CAPÍTULO 3
φ(·, 0) = f (·).
φ∗ : X ∗ × Y ∗ −→ IR ∪ {+∞}
w(x∗ ) = mı́n
∗ ∗
φ∗ (x∗ , y ∗ ).
y ∈Y
19
3.2. TEOREMAS DE DUALIDAD
w(0) = mı́n
∗ ∗
φ∗ (0, y ∗ ).
y ∈Y
Observe que al problema (D) podemos a su vez asociarle su problema dual utilizando la
conjugada de φ∗ la cual resultará ser φ, es decir, el problema dual de (D) es el problema
primal (P ) (bidual ≡ primal).
Proposición 3.1.1. La función valor v : Y −→ IR ∪ {+∞} definida por (3.1.1) es
convexa.
Demostración. Propuesto.
= suphy, y ∗ iY,Y ∗ + sup −φ(x, y) = sup suphy, y ∗ iY,Y ∗ + hx, 0iX,X ∗ − φ(x, y) = φ∗ (0, y ∗ ),
y∈Y x∈X y∈Y x∈X
donde h·, ·iX,X ∗ y h·, ·iY,Y ∗ son los pares de dualidad entre los espacios (X, X ∗ ) e (Y, Y ∗ ).
Durante el resto del apunte notaremos simplemente h·, ·i siempre y cuando no exista
confusión.
donde φ ∈ Γ0 (X × Y ) con φ(·, 0) = f (·) ∈ Γ0 (X). Recordemos que las funciones valor
están dadas por
que pueden tomar valores en IR. Vimos que v(·) es una función convexa y que
20
3.2. TEOREMAS DE DUALIDAD
Lo mismo se puede demostrar para la función valor w, es decir, w también es una función
convexa y w∗ (x) = φ(x, 0) = f (x). Ası́ los problemas primal y dual pueden ser escritos de
la siguiente forma
(P ) mı́n w∗ (x) (3.2.3)
x∈X
y
(D) mı́n v ∗ (y ∗ ). (3.2.4)
y ∗ ∈Y ∗
A continuación veremos dos resultados que relacionan los valores de los problemas
primal y dual. El primero de ellos es conocido como el Teorema de dualidad abstracta.
Para ello notaremos por S(P ) y S(D) los conjunto soluciones de los problemas primal y
dual respectivamente, es decir, si x̄ ∈ S(P ) entonces f (x̄) ≤ f (x) para todo x ∈ X.
Teorema 3.2.1. Si ∂v(0) 6= ∅ entonces
1. α = −β
2. S(D) = ∂v(0).
1. α = −β
2. S(P ) = ∂w(0).
Por otro lado, dado que v(0) = v ∗∗ (0), de la segunda parte de la Proposición 2.3.6 se tiene
∂v(0) = ∂v ∗∗ (0). Si y ∗ ∈ S(D) de la Proposición 2.3.1 y de la expresión del problema
dual (3.2.4) se deduce 0 ∈ ∂v ∗ (y ∗ ) y dado que v ∗ ∈ Γ0 (Y ∗ ) de la Proposición 2.3.4 y 2.3.6
concluı́mos
y ∗ ∈ ∂v ∗∗ (0) = ∂v(0).
La demostración de la segunda parte del teorema es análoga a la anterior.
El teorema anterior nos da una caracterización del conjunto de soluciones del problema
dual S(D) además de una relación entre los valores de los problemas primal y dual. Ahora
veremos un resultado similar, conocido como el Teorema de dualidad práctico, con una
21
3.2. TEOREMAS DE DUALIDAD
hipótesis, a priori, más fácil de verificar. Para esto necesitaremos los teoremas que damos
a continuación y cuyas demostraciones pueden ser vistas en [1].
f (y) ≤ R ∀ y ∈ Vx .
Por otro lado, la función f será localmente Lipschitz en x ∈ dom f (y por lo tanto
continua en x) si existe una vecindad Vx de x y una constante L > 0 (que depende de x)
tal que
|f (y) − f (y 0 )| ≤ Lky − y 0 k ∀ y, y 0 ∈ Vx .
1. α + β = 0
2. S(D) = ∂v(0) 6= ∅
φ(x0 , y) ≤ φ(x0 , 0) + 1 ∀ y ∈ V.
Dado que v(y) ≤ φ(x0 , y) se tendrá que la función convexa v es acotada en V (vecindad
de cero en Y ) y por el Teorema 3.2.2, v(·) es continua en y = 0. Si v(0) > −∞, entonces
por el Teorema 3.2.3 se tiene que ∂v(0) 6= ∅ y gracias al Teorema de la dualidad abstracto
3.2.1 concluı́mos ya que si v(0) es finito entonces α + β = 0.
22
3.2. TEOREMAS DE DUALIDAD
23
3.2. TEOREMAS DE DUALIDAD
24
CAPÍTULO 4
Aplicaciones
En este último capı́tulo son presentados dos ejemplos donde se aplican los resultados de
la dualidad vistos en las unidades precedentes. El primero es el problema de programación
lineal en dimensión finita y el segundo es el problema de Dirichlet.
Sea IRn y IRm dotados del producto interno habitual (que notaremos de la misma
manera)
n
X
0
hx, x i = xi x0i ∀ x = (x1 , . . . , xn ), x0 = (x01 , . . . , x0n ) ∈ IRn ,
i=1
m
X
0
hy, y i = yi yi0 ∀ y = (y1 , . . . , ym ), y 0 = (y10 , . . . , ym
0
) ∈ IRm ,
i=1
m
X
kyk2m = hy, yi = yi2 ∀ y = (y1 , . . . , ym ) ∈ IRm .
i=1
25
4.1. PROGRAMACIÓN LINEAL
(P ) inf hc, xi
x∈IRn
Ax≤b
φ∗ (x∗ , y ∗ ) = sup hx, x∗ i + hy, y ∗ i − φ(x, y) = sup hx, x∗ i + hy, y ∗ i − hc, xi.
(x,y)∈X×Y (x,y)∈X×Y
Ax≤b−y
Si existe una cordenada i de y ∗ ∈ Y ∗ = IRm negativa (i.e. yi∗ < 0), entonces tomando
x = 0 y haciendo tender yi → −∞ se obtiene que el supremo anterior es +∞.
Supongamos y ∗ ≥ 0 (i.e. yi∗ ≥ 0 para todo i). En este caso se tiene que el mayor valor
de hy, y ∗ i bajo la restricción Ax ≤ b − y se obtiene con y = b − Ax, por lo tanto
hb, y ∗ i si y ∗ ≥ 0 y A∗ y ∗ + c = x∗
∗ ∗ ∗
φ (x , y ) =
+∞ si no.
Veamos ahora cómo se traduce la condición de calificación primal, es decir, qué significa
que exista x0 ∈ X = IRn tal que φ(x0 , ·) sea finita y continua en y = 0 ∈ Y = IRm .
26
4.2. PROBLEMA DE DIRICHLET
Directamente se observa que φ(x0 , ·) es finita y continua en cero sı́ y sólo si (ssi) Ax0 < b.
De hecho, el que φ(x0 , ·) sea finita en y = 0 es equivalente a Ax0 ≤ b. Si Ax0 = b, restando
una pequeña perturbación y al lado derecho tal que Ax0 > b−y se tendrı́a φ(x0 , y) = +∞.
Esto implica que φ(x0 , ·) no es continua en y = 0 (pasa de hc, x0 i a +∞). Por lo tanto,
el caso Ax0 < b nos asegura que para pequeñas perturbaciones se mantenga la condición
Ax0 ≤ b − y y ası́ φ(x0 , y) = hc, x0 i en una vecindad de cero (función continua). Esta
condición (∃ x0 ∈ IRn tal que Ax0 < b) es conocida como la condición de Slater.
entonces
inf hc, xi + inf hb, y ∗ i = 0 (4.1.1)
x∈IRn y ∗ ∈IRm
Ax≤b A∗ y ∗ +c=0
y ∗ ≥0
y se tiene que el conjunto de soluciones del problema dual S(D) = ∂v(0) es no vacı́o.
Por otro lado, observamos que la función valor del problema dual es dada por
w(x∗ ) := inf hb, y ∗ i.
y ∗ ∈IRm
A∗ y ∗ +c=x∗
y ∗ ≥0
Se puede probar, gracias al Teorema 3.2.3 que, dada la particular estructura de w(·), se
tiene w(0) ∈ IR ⇒ ∂w(0) 6= ∅. Ası́, debido a (4.1.1) y al Teorema de dualidad 3.2.1
probamos que el conjunto de soluciones del problema primal S(P ) = ∂w(0) es no vacı́o.
Z
2 2
L (Ω) = u : Ω −→ IR | u (x)dx < +∞
Ω
27
4.2. PROBLEMA DE DIRICHLET
∂u ∂u
Observe que si u ∈ H01 (Ω) entonces el gradiente débil ∇u = ∂x1
, . . . , ∂x n
está en
2 n
L (Ω) .
Dado que el evn (L2 (Ω), k·kL2 (Ω) ) es un espacio de Hilbert, identificamos su dual con el
mismo. Lo mismo para el evn (L2 (Ω)n , k·kL2 (Ω)n ). El espacio dual del evn (H01 (Ω), k·kH01 (Ω) )
se denota por H −1 (Ω).
Los productos de dualidad entre los diferentes espacios y sus duales los notaremos
h·, ·iL2 (Ω),L2 (Ω) , h·, ·iL2 (Ω)n ,L2 (Ω)n y h·, ·iH01 (Ω),H −1 (Ω) donde
Z
∗
hu, u iL2 (Ω),L2 (Ω) = u(x)u∗ (x)dx u, u∗ ∈ L2 (Ω)
Ω
n Z
X n
X
∗
hw, w iL2 (Ω)n ,L2 (Ω)n = wi (x)wi∗ (x)dx = hwi , wi∗ iL2 (Ω),L2 (Ω) w, w∗ ∈ L2 (Ω)n
i=1 Ω i=1
Z
hu, u∗ iH01 (Ω),H −1 (Ω) = u(x)u∗ (x)dx u ∈ H01 (Ω), u∗ ∈ H −1 (Ω).
Ω
28
4.2. PROBLEMA DE DIRICHLET
Para el estudio de nuestro problema, supongamos A : H01 (Ω) −→ L2 (Ω)n dado por
Au = ∇u (operador lineal y continuo). El operador adjunto A∗ : L2 (Ω)n −→ H −1 (Ω)
estará dado por
n Z
∗ ∗ ∗ ∗ ∗
X ∂u∗
hu , A w iH01 (Ω),H −1 (Ω) = hAu , w iL2 (Ω)n ,L2 (Ω)n = (x)w∗ (x)dx
i=1 Ω
∂x i
Antes de pasar al problema propiamente tal calculemos una conjugada de Fenchel que
nos será útil. Sean X e Y dos evn. Considere las funciones F ∈ Γ0 (X) y G ∈ Γ0 (Y ). Para
un operador lineal continuo A : X −→ Y se define la función φ : X × Y −→ IR ∪ {+∞}
dada por
φ(x, y) = F (x) + G(Ax + y).
Es directo probar que φ ∈ Γ0 (X × Y ). Calculemos ahora su conjugada
29
4.2. PROBLEMA DE DIRICHLET
Ahora consideremos los espacios X = H01 (Ω) e Y = L2 (Ω)n con sus respectivos duales
topológicos X ∗ = H −1 (Ω) e Y ∗ = L2 (Ω)n . Dada una función v : Ω −→ IR en L2 (Ω), el
problema a estudiar es
1 1
Z Z
2
(P ) inf1 k∇u(x)k2 dx− u(x)v(x)dx = inf1 k∇uk2L2 (Ω)n −hu, viH01 (Ω),H −1 (Ω) .
u∈H0 (Ω) 2 Ω Ω u∈H 0 (Ω) 2
Si tomamos los funcionales F : H01 (Ω) −→ IR, G : L2 (Ω)n −→ IR y A : H01 (Ω) −→ L2 (Ω)n
definidos por
Z
F (u) = − u(x)v(x)dx = −hu, viH01 (Ω),H −1 (Ω) u ∈ H01 (Ω)
Ω
1 1
Z
G(u0 ) = ku0 (x)k22 dx = ku0 k2L2 (Ω)n u0 ∈ L2 (Ω)n
2 Ω 2
Au = ∇u u ∈ H01 (Ω),
donde
A∗ w∗ = − div w ∗ .
Calculemos F ∗ :
F ∗ (u∗ ) = sup hu, u∗ iH01 (Ω),H −1 (Ω) + hu, viH01 (Ω),H −1 (Ω) = sup hu, u∗ + viH01 (Ω),H −1 (Ω) ,
u∈H01 (Ω) u∈H01 (Ω)
30
4.2. PROBLEMA DE DIRICHLET
por lo tanto
si u∗ = −v
∗ ∗ 0
F (u ) =
+∞ si no,
y entonces
si div w∗ = −v
∗ ∗ ∗ 0
F (−A w ) =
+∞ si no.
De esta forma el problema dual (D) está dado por
(D) inf φ(0, w∗ ) = inf F ∗ (−A∗ w∗ ) + G∗ (w∗ )
w∗ ∈Y ∗ w∗ ∈L2 (Ω)n
1 ∗ 2
= inf2 kw kL2 (Ω)n .
∗
w ∈ L (Ω) n
2
div w∗ = −v
La calificación primal se tendrá ya que para u0 = 0 se tiene que φ(0, ·) = G(·) es una
función finita y continua en w = 0 ∈ L2 (Ω)n . Por otro lado, es fácil probar que la función
F (u) + G(Au) es estrictamente convexa y coerciva, al igual que la función G∗ = G. Del
Teorema 2.1.1 se deduce
(P ) −∞< inf F (u) + G(Au),
u∈H01 (Ω)
por lo tanto el conjunto de soluciones S(D) del problema dual (D) es no vacı́o. De hecho
existe una unica solución por ser G∗ estrictamente convexa (ver demostración del Teorema
2.1.1). Se puede probar que la condición de calificación dual (lo mismo que la condición
de calificación primal pero para φ∗ (·, w0∗ )) no se tiene. De la teorı́a general de espacios de
Sobolev recordamos que X = H01 (Ω) es un espacio reflexivo y aplicando el Teorema 2.1.1
concluı́mos que existe un único ū solución del problema primal (P ).
1 1
= k∇ūk2L2 (Ω)n − hū, viH01 (Ω),H −1 (Ω) + kw̄∗ k2L2 (Ω)n .
2 2
∗
Dado que div w̄ = −v, remplazando se tiene
1 1
0 = k∇ūk2L2 (Ω)n + hū, div w ∗ iH01 (Ω),H −1 (Ω) + kw̄∗ k2L2 (Ω)n .
2 2
Dado que A = ∇ y −A∗ = div se observa
1 1
0 = k∇ūk2L2 (Ω)n + hū, div w ∗ iH01 (Ω),H −1 (Ω) + kw̄∗ k2L2 (Ω)n
2 2
31
4.2. PROBLEMA DE DIRICHLET
1 1 1
= k∇ūk2L2 (Ω)n − h∇ū, w∗ iL2 (Ω)n ,L2 (Ω)n + kw̄∗ k2L2 (Ω)n = k∇ū − w∗ k2L2 (Ω)n .
2 2 2
La última igualdad es debida a que en un espacio de Hilbert (H, h·, ·i) se tiene que la
norma está definida por kxk2 = hx, xi y por lo tanto
div w∗ = −v
lo que implica
n
X ∂2u
− div ∇ū = −∆ū = = v,
i=1
∂x2i
y como ū está en H01 (Ω) se concluye
−∆ū(x) = v(x) x∈Ω
ū(x) = 0 x ∈ ∂Ω.
32
Bibliografı́a
[6] T.R. Rockafellar, Convex Analysis, Princeton Mathematical Series, No. 28 Princeton
University Press, Princeton, N.J. (1970).
33