1

1 + a2 + a(tf 5 a) = 0 a= (3.218)
5 tf
considerando esto y que x(tf ) = (tf ), tenemos que

3 + 10 = 10, = 5 tf (3.219)
( 2)(2 + 2 + 5) = 0 (3.220)
= 2 = 5 tf tf = 3 (3.221)

Esto es la optimizacion sin restricciones pero considerando las condiciones de frontera.

El siguiente paso es considerar restricciones estaticas en el ndice de desempe
no para tener
parametros no lineales como restriccion.

5.
Ztf
J= g(t, x, x)dt
; x(t0 ) = t0 : x(tf ) = tf y f (t, x) = 0, t [t0 , tf ] (3.222)
t0

3.5 Problema de Control Optimo con restricciones:

Caso de una sola funci
on.
Sea x(t) D1 (t0 , tf ) y g(t, x, x)
una funcion con derivadas parciales continuas de primero y
segundo orden con respecto a los argumentos. Entre todas las x(t) que satisfacen x(t0 ) = x0
y x(tf ) = xf , encontrar la funcion x(t) para cual el funcional

Ztf
J[x] = g(t, x, x)dt
(3.223)
t0

tiene un valor extremo y que satisfaga la siguiente restriccion equivalente a un conjunto de

ecuaciones algebraicas nolineales:

f (t, x) = 0 . t [t0 , tf ] (3.224)

y donde g es una funcion escalar de una funcion, i.e. vector de dimension 2n+1 . Tambien
x y x son funciones escalares.
Solucion:
Se forma el funcional aumentado Ja mediante los multiplicadores de Lagrange:

Ztf
Ja [x, p] = [g(t, x, x)
+ p(t)f (t, x)]dt (3.225)
t0

38
donde p(t) es llamado un multiplicador de Lagrange. El incremento de Ja es

Ztf
Ja = {g(t, x + x, x + x)
+ [p + p]f (t, x + x)}dt (3.226)
t0

Ztf
{g(t, x, x)
+ p(t)f (t, x)}dt (3.227)
t0

Simplificando la integral, donde los terminos p x se ignoran debido a que son terminos
de orden superior, tenemos que

Ztf
{g(t, x, x)
+ gx x + gx x + HOT + (p + p)(f (t, x) + fx x + HOT ) gt}dt = 0 (3.228)
t0

Por el teorema de Taylor y solamente considerando los terminos de primer y segundo orden,
la primera variacion de Ja es:

Ztf
Ja = {gx x + gx x + pfx x + f p}dt (3.229)
t0

Asumiendo condiciones de extremo fijas, desaparecen las condiciones de fontera

Integrando por partes y usando el Teorema 2

Ztf
d
Ja = {[gx + pfx gx + f p}dt = 0 (3.230)
dt
t0

Como f (t, x) = 0, entonces usando el Lema 1, (hacemos el integrando igual a cero)

d
gx + pfx gx = 0 (3.231)
dt

Definimos el integrando aumentado como

ga (t, x, x,
p) = g(t, x, x)
+ p(t)f (t, x) (3.232)

Aplicando la ecuacion de Euler-Lagrange a este integrando se determina el grupo de condi-

ciones necesarias para que x sea un valor extremo:

ga d ga
= 0 (3.233)
x dt x
f (t, x) = 0 (3.234)

39
6. Caso de tener una multifuncion
Ztf Ztf
J = g(t, x1 , x2 , , xn , x 1 , x 2 , , x n )dt = g(t, x, x)dt
(3.235)
t0 t0
n n
donde x R ; x(t0 ) = x0 R ; x(tf ) = xf Rn (3.236)

Resolver n ecuaciones de Euler-Lagrange

d
gx gx = 0 (3.237)
dt

gx 1 d gx 1 0
n=2 : = (3.238)
gx 2 dt gx 2 0
para n
gx 1 gx 1
gx 2 d gx 2
0
n : .. .. = (3.239)
. dt . 0
gx n gx n

Ejemplo 4.3-1 libro Kirk pp. 146-147

corregir x 22 x 1
tabla 4.1 pg. 151 notacion vectorial, multifuncion
es importante en control optimo como definir la funcion g.

7. extension de punto 5 (pg. 38)

Ztf
J= g(t, w, w)dt
; w Rn+m (3.240)
t0
t0 , tf , w0 , wf fijos (3.241)
f (t, w) = 0 , f Rn (3.242)
ga d ga
= 0 y f (t, w) = 0 (3.243)
w dt w

donde ga = g + pT f (3.244)

Notacion de
T
(p f ) (3.245)
w
Considerese
f1 (t, w)
[p1 (t) p2 (t)] = p1 (t)f1 (t, w) + p2 (t)f2 (t, w) (3.246)
f2 (t, w)
T f1 f2
(p f ) = p1 (t) + p2 (t) (3.247)
w w w

40
Definicion. Sea fi (t, w) una funcion escalar de un vector. La parcial con respecto al vector
es el gradiente:
fi
w1
fi
fi w2
= vector gradiente = .. (3.248)
w .
fi
wn+m

En muchos textos se encuentra,

fi fi fi fi
= (3.249)
w w1 w2 wn+m

f
El Jacobiano ( w ) se encuentra a partir de la primera definicion como:
f1 f2

w1 w1
T .. .. p1 f
(p f ) = . . = p (3.250)
w f1 f2
p2 w
wn+m wn+m

Y en funcion de la segunda definicion (la cual se usa en el texto) como:

" #T T
f1 f1 f1
T w1 w2
wn+m p1 f
(p f ) = f2 f2 f2 = p (3.251)
w w1 w2
wn+m
p2 w

T
g f d g
+ p =0 Eq.4.5 30 (3.252)
w w dt w

3.6 Problema variacional mas simple (como el 1) con

restricciones dadas por ecuaciones diferenciales: funci
on
sencilla

Ztf
J[x] = g(t, x, x)dt,
(3.253)
t0
f (t, x, x)
= 0 , t [t0 , tf ] (3.254)

Solucion:
Ztf
Ja [x, p] = [g(t, x, x)
+ p(t)f (t, x, x)]dt
(3.255)
t0

41
 Ztf
Ja = {g(t, x + x, x + x)
+ (p + p)f (t, x + x, x + x)}dt
(3.256)
t0

Ztf
[g(t, x, x)
+ p(t)f (t, x, x)]dt
(3.257)
t0

Ztf
Ja = {gx x + gx x + (p + p)[fx x + fx x]}dt
+ HOT (3.258)
t0

Ztf
= {(gx + pfx )x + (gx + pfx ) x}dt
+ HOT (3.259)
t0

Ztf
d
Ja = gx + pfx gx + pfx x dt (3.260)
dt
t0

Definimos ga
ga (t, x, x,
p) = g(t, x, x)
+ p(t)f (t, x, x)
(3.261)
y las condiciones necesarias son:
ga d ga
= 0 (3.262)
x dt x
d ga
f (t, x, x)
= 0 ga =0 (3.263)
p dt p
Ver texto para estension a caso multifuncion. Tabla 4.1
Ejemplo 5.1-1 Resuelva el siguiente problema usando el Calculo de Variaciones
Sea la ecuacion
y + y = u (3.264)
y el ndice de desempe
no

Ztf
1
J = u2 dt (3.265)
2
t0
sujeto a x 1 = x2 (3.266)
x 2 = x2 + u (3.267)

En este problema se desea minimizar la energa inyectada al sistema.

Las ecuaciones que representan las restricciones de tipo diferencial se pueden expresar como:

x = Ax + bu (3.268)
Ax + bu x = 0 (3.269)

42
o en forma de vector
x2 x 1
(3.270)
x2 + u x 2
formamos la integral aumentada como

1 x2 x 1
ga = u2 + [p1 p2 ] (3.271)
2 x2 + u x 2
Definimos
x1
w = x2 (3.272)
u
y obtenemos las ecuaciones de Euler-Lagrange para w como sigue:
ga d ga
= 0 p1 = 0 p1 = c1 (3.273)
x1 dt x 1
ga d ga
= 0 p2 = p2 p1 p2 (3.274)
x2 dt x 2
ga d ga
= 0 u + p2 = 0 (3.275)
u dt u
A partir de estas ecuaciones que se deducen anteriormente, se encuentra p2 y u
p2 = c1 + c2 et = u (3.276)
Reescribimos el funcional aumentado ga en funcion de los multiplicadores de Lagrange p1
y p2
1
ga = u2 + p1 (x2 x 1 ) + p2 (x2 + u x 2 ) (3.277)
2
Ahora substituimos u en x y resolvemos para x1 y x2
1 1
x1 = x10 + (x20 + c1 + c2 )(1 et ) c1 t c2 (1 et ) (3.278)
2 2
1 1
x2 = (x20 + c1 + c2 )et c1 c2 et (3.279)
2 2
usamos la condicion inicial x(0) = 0, y la condicion final x(2) = [5 2]T para obtener as
c1 y c2 .
En este problema se encontro el valor de x1 , x2 , y u para satisfacer las restricciones de
ecuaciones diferenciales y minimizar el ndice de desempe
no.
Las desventajas es que el control es de lazo abierto y no estabiliza nuestro sistema.

3.7 Problema variacional mas simple con restricciones

isoperim
etricas.
3.7.1 Restricciones isoperim
etricas
Algunos casos de una restriccion isoperimetrica se da en los siguientes ejemplos:

43