1 CÁLCULO DE VARIACIONES 1

1. Cálculo de Variaciones 1
1.1. Introducción
El lector esta familiarizado en la solución de problemas de optimización estática,
dado un conjunto de oportunidades (denominadas restricciones) el objetivo es elegir
valores de ciertas variables que optimicen una función de valor real. En estos problemas
el tiempo no importa, el análisis se sobreentiende, se realiza en un momento específico.
Pero si el tiempo es relevante, entonces el método debe ampliarse, porque ahora el
propósito es elegir trayectorias temporales óptimas.
Durante la guerra fría era importante determinar la trayectoria óptima de los misi-
les. En economía, los gobiernos empezaron a planear de manera temporal las decisiones

14
de políticas fiscal y monetaria. Era permisible sin afectar la solvencia del gobierno in-
currir en periodos de déficit fiscal seguidos con superávit en las finanzas. Por otro lado,

20
las empresas no solo ajustan los precios en un instante de tiempo, implementan una
política óptima de precios de sus productos; mientras que las familias buscan un plan
adecuado de gastos de consumo y ahorro. os
iv
1.2. Preliminares
at

Desde un punto de vista matemático el problema a estudiar consiste en una apli-

tit

cación cuyo dominio es un conjunto de funciones y tiene por rango un subconjunto de

an

R. En otras palabras, las variables independientes son en sí mismas funciones que se

establecen en el campo de los reales; el espacio vectorial a considerar tiene por objeto a
cu

las funciones.
os
od
ét
M

3
 1 CÁLCULO DE VARIACIONES 1

Definición 1.1 (Espacio vectorial de funciones). Sea Ω un espacio vectorial de fun-

ciones continuas en el intervalo [ a, b] con a, b ∈ R y a < b, junto con dos operaciones:
adición y multiplicación escalar, que obedecen los siguientes axiomas.
Para todo x1 , x2 , x3 ∈ Ω y α, β ∈ R.
A. Adición
A.1 Conmutativa: x1 + x2 = x2 + x1
A.2 Asociativa: x1 + ( x2 + x3 ) = ( x1 + x2 ) + x3
A.3 Existencia del neutro: x1 + 0 = x1
A.4 Inverso aditivo: x1 + (− x1 ) = 0

B. Multiplicación escalar
B.1 Asociativa: (αβ) x1 = (α)( βx1 )
B.2 Distributiva: α( x1 + x2 ) = αx1 + αx2

14
Existencia del cero: 0x1 = 0

20
En lo sucesivo identificar al espacio vectorial de funciones como:

Ω = { x : x ∈ [ a, b]}
os
iv
De manera adicional, se establece el concepto de distancia en Ω a partir del uso de una
at

norma.
tit
an

Definición 1.2 (Espacio normado). Un espacio vectorial es normado si para cada

x1 , x2 ∈ Ω y α ∈ R:
cu

i) Positividad k x k ≥ 0, con igualdad si x = 0.

os

ii) Homogeneidad: kαx k = |α|k x k

od

iii) Desigualdad del triángulo:

ét

k x1 + x2 k ≤ k x1 k + k x2 k
M

Dentro de los espacios vectoriales, la norma euclidiana constituye sin duda alguna
el ejemplo recurrente.
Ejemplo 1.1. Norma euclidiana.
!1/2
kxk = ∑ x`2
`∈ L

La positividad se obtiene con facilidad, es la suma de números no negativos: x`2 ≥

0 ∀ ` ∈ L.

4
 1 CÁLCULO DE VARIACIONES 1

En el caso de la homogeneidad, sea α ∈ R,

!1/2
kαx k = ∑ α2 x`2
`∈ L
!1/2
= α2 ∑ x`2
`∈ L
!1/2
= |α| ∑ x`2
`∈ L
= |α|k x k
La demostración de la desigualdad del triángulo requiere de la Desigualdad de Sch-
warz,

14
!2 ! !
∑ x1,` x2,` ≤ ∑ x1,2 ` ∑ x2,2 `

20
`∈ L `∈ L `∈ L
Sea
k x1 + x2 k2 = ∑ (x1` + 2`)2
os
iv
`∈ L

∑ x12` + 2 ∑ x1` x2` + ∑ x22`

at

=
`∈ L `∈ L `∈ L
tit

En virtud que,
an

! !
∑ x1` x2` ≤ ∑ x1,2 ` ∑ x2,2 `
cu

`∈ L `∈ L `∈ L
entonces,
os

k x1 + x2 k2 ≤ k x1 k2 + 2k x1 kk x2 k + k x2 k2
od

≤ (k x1 k + k x2 k)2
ét

de forma tal que,

k x1 + x2 k ≤ k x1 k + k x2 k
M

Ejemplo 1.2. La norma del máx

k x k = máx{ x` }
La positividad se obtiene debido a que | x` | ≥ 0 ∀ ` ∈ L.
La homogeneidad:

kαx k = máx |αx` |

= |α| máx | x` |
= |α|k x k

5
 1 CÁLCULO DE VARIACIONES 1

La desigualdad del triángulo:

k x1 + x2 k = máx | x1` + x2` |

por la propiedad de la desigualdad de los valores absolutos.

k x1 + x2 k ≤ máx{ x1` } + máx{ x2` }

` `
≤ k x 1` k + k x 2` k

La norma del máx es de gran utilidad en optimización dinámica.

Ejemplo 1.3. Sean x1 = t3 y x2 = t − 2 funciones continuas en el intervalo [0, 1], determinar

la norma de cada función y la distancia.

14
a) k x1 k = máx0≤t≤1 |t3 | = 1

20
b) k x2 k = máx0≤t≤1 |t − 2| = 2

c) d( x1 , x2 ) = k x1 − x2 k = máx0≤t≤1 | x1 − x2 | = máx |t − 2 − t3 | = 2
os
El espacio D ( a, b) está formado por las funciones x (t) definidas en el intervalo [ a, b]
iv
con primera derivada continua.
at
tit

Definición 1.3. El espacio lineal normado D [ a, b] está formado por funciones diferen-
ciables en [ a, b], cuya norma
an

k x k = máx | x (t)| + máx | x 0 (t)|

cu

En forma general, para funciones que aceptan n-derivadas, la norma es:

os

n
k x k = ∑ máx | xi (t)|
od

i =0
ét

donde x0 = x (t).
M

Definición 1.4 (Convergencia). En un espacio vectorial normado, una sucesión infini-

ta de vectores pertenecientes al mismo, se dice que converge a x ∗ ∈ Ω, si k x ∗ − xn k → 0;
en tal caso xn → x ∗ .

La definición anterior exige conocer el valor limite de la convergencia, lo cual es

difícil saber en la mayoría de los casos. Una definición mas flexible y que no requiere
del valor límite, es el criterio de convergencia de Cauchy.

6
 1 CÁLCULO DE VARIACIONES 1

Definición 1.5 (Criterio de Cauchy). Una sucesión de vectores { xn }∞n=0 en un espacio

vectorial normado es una secuencia de Cauchy si para todo e > 0, existe un Ne tal que

k xn − xm k < e, ∀ n, m ∈ Ne

Si el espacio vectorial normado satisface el criterio de Cauchy, entonces se dice que

es un espacio vectorial (de funciones) normado completo, que también se denomina
espacio de Banach.
Una vez definido el espacio vectorial (de funciones) normado completo, el siguiente
paso es el estudio de las aplicaciones o transformaciones de un espacio a otro.

Definición 1.6 (Transformación o aplicación). Una transformación de un espacio

vectorial X a otro Y se expresa como T : X → U.

14
Un ejemplo sencillo de transformación se presenta cuando X = U = R; la transfor-

20
mación es una función de valor real f : R → R.
El funcional es la transformación utilizada en optimización dinámica, J : Ω → R. El
os
conjunto Ω está formado por un conjunto de funciones continuas en el intervalo [t0 , t1 ].
Los siguientes son ejemplos de funcionales en el conjunto t ∈ [0, 1]
iv
at

Ejemplo 1.4.
i) J1 ( x ) = x (t)
tit

ii) J2 ( x ) = x 0 (t)
an

R1 √
iii) J3 ( x ) = 0 1 − ẋ2 dt
cu

R1
iv) J4 ( x ) = 0 | x 0 |dt
os

Un ejemplo general de un funcional es

od

Z b
f (t, x, x 0 )dt
ét

a
x ( t0 ) = x0
M

x ( t1 ) = x1

Dos observaciones relativas al funcional, en primer lugar, la transformación es li-

neal. Es decir, sea x1 , x2 ∈ Ω y α, β ∈ R, entonces

J (αx1 + βx2 ) = αJ ( x1 ) + βJ ( x2 )

Segundo, la transformación de un espacio Ω al espacio J es continua. Sea x ∗ ∈ Ω y e > 0,

entonces existe un δ > 0 tal que

k x − x ∗ k < δ implicak x1 k = k J ( x ) − J ( x ∗ )k < e

7
 1 CÁLCULO DE VARIACIONES 1

En conclusión, el espacio Ω es un conjunto de funciones continuas y acotadas, sobre el

cual se aplica el funcional J : Ω → R.
Considerar la transformación T : R → R definida por la derivada de una función
real

f ( x + h) − f ( x )
f 0 ( x ) = lı́m (1.1)
h →0 h
siempre y cuando el límite exista.
Definir la función e( x, h) como

f ( x + h) − f ( x )
e( x; h) = − f 0 (x) (1.2)
h
La función no está definida cuando h = 0, pero el lı́m e( x, h) = 0. Con un poco de álgebra
h →0
en (1.2) se obtiene

14
f ( x + h) = f ( x ) + f 0 ( x )h + he( x, h) (1.3)

20
La ecuación (1.3) es la forma de aproximar linealmente una función no lineal pero dife-
renciable, si
lı́m
h →0
e( x, h)
h
=0 os (1.4)
iv
se tiene la aproximación de primer orden de Taylor. La figura (1) muestra la aproxima-
at

ción lineal de la función f ( x ) alrededor del punto a, tomando en consideración el punto

tit

a + h y que la derivada existe.

an

f(x)
cu
os
od

(a + h, f(a + h))
ét

(a, f(a)) f(x) = f(a) + f 0 (a)(x a)

M

a a+h x

Figura 1: Aproximación lineal

El análisis se extiende con facilidad a un campo escalar, donde la transformación es

F : Rn → R.

8
 1 CÁLCULO DE VARIACIONES 1

Definición 1.7. Sea S un conjunto abierto en Rn y H ∈ Rn lo suficientemente pequeño

para que X + H ∈ S. Si F es una transformación de S en R tal que

|| F ( X, H ) − F ( X ) − AH ||
lı́m =0
|| H ||→0 || H ||

entonces F es diferenciable en X y A = ∇ F ( X ) es el gradiente de la función.

Si F es diferenciable en todo X ∈ S, y además el residuo tiende a cero, entonces

F(X + H ) = F(X ) + ∇ F(X ) H

Existe una generalización del concepto de diferenciailidad en espacios normados

que se denomina Diferencial de Fréchet

14
Definición 1.8 (Diferencial de Fréchet). Sean Ω y Y espacios vectoriales normados,

20
T : X → Y una transformación, con X ⊆ Ω. Si para cada X ∈ S fijo y un H ∈ Ω, existe
una función lineal y continua δT ( X, H ) tal que
os
k T ( X + H ) − T ( X ) − δT ( X; H )k
lı́m =0
iv
k H k→0 kHk
at

entonces T es diferenciable de Fréchet en X y δT ( X; H ) se llama diferencial de Fréchet

tit

de T en X con incremento H.
an

Si una transformación T tiene una diferencial de Fréchet entonces es única y conti-

cu

nua, al respecto ver (Luenberger, 1969). En particular, al fijar un punto X ∈ S, la dife-

rencial de Fréchet,
os

∂T ( X; H ) = A x H
Donde A x es un operador lineal acotado de Ω → V, que consiste en el gradiente ∇ f ( x ).
od

Otro operador importante en los espacios normados es la diferencial de Gateaux.

ét

Definición 1.9 (Diferencial de Gateaux). Sea X ∈ Ω y un H arbitrario que pertenece

M

al espacio vectorial. Si el límite

1
∂T ( X; H ) = lı́m [ T ( X + αH ) − T ( X )]
α →0 α

existe, entonces se denomina diferencial de Gateaux, y cuando el límite existe para cada
H ∈ Ω, la transformación T, se dice que es diferenciable Gateaux en X.

Si la diferencial de Fréchet generaliza el concepto de diferenciablidad, la diferen-

cial de Gateaux generaliza el concepto de derivada direccional. De hecho, el análisis de

9
 1 CÁLCULO DE VARIACIONES 1

cálculo de variaciones se realiza utilizando la diferencial de Gateaux, así que se presen-

tan dos ejemplos significativos.
Ejemplo 1.5 (Derivada direccional). Sea el conjunto D = Rn y sobre el mismo una transfor-
mación definida por una función escalar real F : Rn ∈ R. Obtener la derivada direccional de F
en la dirección del vector unitario H.
Sea H = (h1 , ..., hn ) ∈ D con norma euclidiana || H || = 1, de forma que la recta para-
métrica L(t) = X + αH para todo α ∈ R pertenece al conjunto D. Si X es fijo y dado el
vector unitario H, la función o transformación restringida a la recta L(t) es F ( X + αH ).
La diferencial de Gateaux es
d 
∂F ( X; H ) = F ( X + αH )

dα α =0
∂F
=∑ hi

14
i ∈n
∂xi

20
es la derivada direccional de F en X, en la dirección del vector unitario.
Ejemplo 1.6. Encontrar la diferencial de Gateaux para el espacio de funciones continuas en el
os Rt
intervalo C [t0 , t1 ] y cuya transformación está definida por el funcional J (t, x ) = t01 f (t, x (t))dt.
iv
Asumir que la función x (t) es continua en t y para una función arbitraria h(t), la
at

diferencial de Gateaux es
tit

d t1
Z 
∂T ( x; h) = f (t, x (t) + αh)dt

an

dα t0 α =0
Z t1
d 
= f (t, x (t) + αh)dt

cu

t0 dα α =0

Observar que se ha intercambiado el orden de diferenciación e integración en el

os

ejemplo, esto es posible porque se ha utilizado el Teorema de Leibnitz.

od

Teorema 1.1 (Teorema de Leibnitz). Si f ( x, θ ), a(θ ) y b(θ ) son diferenciables respecto

ét

a θ, entonces
M

Z b(θ ) Z b(θ )
∂ 0 0 ∂
f ( x, θ )dx = f (b(θ ), θ )b (θ ) − f ( a(θ ), θ ) a (θ ) + f ( x, θ )dx
∂θ a(θ ) a(θ ) ∂θ

La diferencial de Gateaux también permite encontrar óptimos o extremos en un

conjunto Ω,

Teorema 1.2 (Teorema del óptimo). Sea un funcional de valor real que tiene una
diferencial de Gateaux en un espacio vectorial Ω. Una condición necesaria para que el
funcional tenga un extremo en x ∗ ∈ Ω es que ∂T ( x ∗ ; h) = 0 ∀ h ∈ Ω.

10
 1 CÁLCULO DE VARIACIONES 1

La demostración consiste en definir la función F ( x + αh) ∈ Ω, si x ∗ es un máximo,

entonces F ( x + αh) ≤ F ( x ∗ ). Derivar respecto a α, dα
d
F ( x + αh) d
≤ dα F ( x ∗ ). Se deduce

α =0
que ∇ F ( x ∗ ) = 0, por ende

d 
∂F ( x; h) = F ( x + αh) =0

dα α =0

1.3. La ecuación de Euler

El objetivo principal de la sección es encontrar una función x (t) en el intervalo [t0 , t1 ]
que sea la solución al funcional
Z t1
J (x) = f (t, x, x 0 )dt (1.5)

14
t0

20
x ( t0 ) = x0
x ( t1 ) = x1 os
iv
El teorema del máximo establece las condiciones bajo las cuales es posible encontrar
at

al menos una solución al problema

tit

Teorema 1.3 (Teorema del extremo). Sea Ω un espacio métrico y compacto. Suponer
an

que F : Ω → R una función real continua sobre el mismo, entonces existen puntos p, q ∈
Ω tales que f (q) ≤ f ( x ) ≤ f ( p).
cu

El problema (1.5) tiene solución, el funcional J ( x ) es continuo y todas las trayectorias

os

admisibles (aquellas que satisfacen la condición inicial y terminal) se establecen en un

od

conjunto cerrado y acotado (conjunto compacto).

Desde luego, el teorema garantiza la existencia de al menos una solución, pero no
ét

dice nada acerca de la forma explícita de la misma. Si además de ser continuo el funcio-
nal, la función f (t, x, x 0 ) acepta derivas parciales en sus argumentos, entonce la forma
M

explícita de la solución se obtiene aplicando la Ecuación de Euler.

Teorema 1.4 (La ecuación de Euler). Sea (1.5) un funcional continuo en el intervalo
[t0 , t1 ] con una función f (t, x, x 0 ) que acepta derivas parciales en sus argumentos. Ade-
más x (t0 ) = x0 y x (t1 ) = x1 con x0 y x1 constantes. Entonces la solución a J ( x ) es la
ecuación de Euler:
∂
f x (t, x, x 0 ) = f x0 (t, x, x 0 )
∂t

Demostración.

11
 1 CÁLCULO DE VARIACIONES 1

x⇤ (t)
x1
x⇤ + eh

x0

t0 t1 t

Figura 2: Trayectoria óptima y perturbación

14
20
Sea x ∗ (t) el extremo o trayectoria óptima que resuelve el problema (1.5), la figura
(2) muestra que cualquier otra trayectoria, incluyendo el mismo extremo, debe satis-
os
facer la condición inicial y terminal. En específico, construir una variación alrededor
del extremo en la forma paramétrica x = x ∗ + εh, donde h(t) es una trayectoria lo sufi-
iv
cientemente pequeña para que pertenezca al conjunto abierto Ω con h(t0 ) = h(t1 ) = 0.
Además, si ε → 0, entonces x → x ∗ , la función admisible x (t) es igual a la óptima. El
at

funcional toma la forma

tit

Z t1
an

J ( x; h) = f (t, x + εh, x 0 + εh0 )dt

t0
cu

Aplicar la diferencial de Gateaux al funcional,

os

Z t1
d 
∂J ( x; h) = f (t, x + εh, x 0 + εh0 )dt

dε t0 ε =0
od

Utilizar el teorema de Leibnitz para intercambiar el orden de diferenciación,

ét

Z t1 
(t, f x (t, x, x 0 )h(t) + f x0 (t, x, x 0 )h0 (t) dt
M


∂J ( x; h) =
t0

Separar las integrales,

Z t1  Z t1 
f x (t, x, x 0 )h dt + f x0 (t, x, x 0 ))h0 dt
 
∂J ( x; h) = (1.6)
t0 t0

La condición para un extremo exige que ∂J ( x; h) = 0, por lo tanto, la ecuación (1.6)

debe ser igual a cero
Z t1 Z t1
f x (t, x, x 0 )hdt + f x0 (t, x, x 0 )h0 dt = 0 (1.7)
t0 t0

12
 1 CÁLCULO DE VARIACIONES 1

Integrar por partes el segundo término de la ecuación (1.7). Sea u = f x0 (·) y dv = h0 dt,
de modo que ∂/∂t f x0 (·) y v = h
Z t1  t1 Z t1
0 0 0
f x0 (t, x, x )h dt = f x0 (t, x, x )h(t)t − ∂/∂t f x0 (t, x, x 0 )hdt
t0 0 t0

Sustituir en(1.7) y factorizar términos comunes

Z t1 t
[ f x (t, x, x 0 )h0 − ∂/∂t f x0 (t, x, x 0 )h(t)t1 = 0 (1.8)
t0 0

Dado que h(t1 ) = h(t0 ) = 0, entonces (1.8) se reduce a:

Z t1
[ f x (t, x, x 0 )h0 − ∂/∂t f x0 (t, x, x 0 )]hdt = 0 (1.9)
t0

14
Un último teorema para obtener la ecuación de Euler,

20
R
Teorema 1.5. Si z(t) es continua en el intervalo [t0 , t1 ] y z(t)h(t)dt = 0 para toda
h(t) en el intervalo [t0 , t1 ] con h(t1 ) = h(t2 ) = 0, entonces z(t) = 0 en [t0 , t1 ].
os
Es obvio que la ecuación (1.9) satisface el teorema previo, por ende
iv
f x (t, x, x 0 ) = ∂/∂t f x0 (t, x, x 0 )
at

(1.10)
tit

Queda demostrado el teorema.

an

Ejemplo 1.7. Encontrar la trayectoria óptima (extremo) del siguiente funcional

cu

Z 1
J (x) = (tx + 2( x 0 )2 )dt
0
os

s.a. x (0) = 1
od

x (1) = 2
ét

i) f (t, x, x 0 ) = tx + 2( x 0 )2
La derivada respecto a x es:
M

f x (t, x, x 0 ) = t
Con respecto a x 0 ,
f x0 (t, x, x 0 ) = 4x 0
esta última respecto a t,
∂
f x0 (t, x, x 0 ) = 4x 00
∂t
ii) Utilizar la ecuación de Euler (1.10)

t = 4x 00

13
 1 CÁLCULO DE VARIACIONES 1

iii) Resolver la ecuación diferencial de segundo orden

1
x 00 = t
4
0 1 2
x = t + k1
8
1
x ( t ) = t3 + k 1 t + k 2
24
iv) Utilizar las condiciones iniciales para determinar k1 y k2 .
1
x (0) = (0)3 + k 1 (0) + k 2 = 1
24
1
x (1) = (1)3 + k 1 (1) + k 2 = 2
24

14
De la primera ecuación se obtiene k2 = 1, sustituir en la segunda
1

20
+ k1 + 1 = 2
24
por ende, k1 = 23/24.

La trayectoria óptima es:

os
iv
1 3 23
x∗ =
t + t+1
at

24 24
tit

Ejemplo 1.8. Encontrar la ecuación de Euler y el extremo de,

an

Z 2
J (x) = ( x + tx 0 − ( x 0 )2 )dt
cu

1
s.a. x (1) = 3
os

x (2) = 4
od

Dado que f (t, x, x 0 ) = x + tx 0 − ( x 0 )2 , entonces:

f x (t, x, x 0 ) = 1
ét

f x0 (t, x, x 0 ) = t − 2x 0
M

∂
f x0 (t, x, x 0 ) = 1 − 2x 00
∂t
La ecuación de Euler es:
1 = 1 − 2x 00
La solución es,
x 00 = 0
x0 = k1
x (t) = k1 t + k2

14
 1 CÁLCULO DE VARIACIONES 1

A partir de las condiciones iniciales

x (1) = k 1 + k 2 = 3
x (2) = 2k1 + k2 = 4

Resolver el sistema de ecuaciones se obtiene k1 = 1 y k2 = 2. La solución al problema

es:
x∗ = t + 2

Ejemplo 1.9. Resolver

Z 1
J (x) = txx 0 dt
0
s.a. x (0) = 0
x (1) = 1

14
20
f x (t, x, x 0 ) = txx 0
f x0 (t, x, x 0 ) = txos
iv
∂
f x0 (t, x, x 0 ) = tx 0 + x
at

∂t
tit

La ecuación de Euler,
an

tx 0 = tx 0 + x
x (t) = 0
cu

La solución no es compatible con las condiciones iniciales x (0) = 0 y x (1) = 0 , 1.

os
od

1.4. La ecuación de Euler: casos especiales

ét

Trabajar un poco más con la ecuación de Euler permite facilitar la solución a pro-
M

blemas de optimización dinámica. Observar que la ecuación de Euler (1.10) tiene por
argumentos a t, x (t), x 0 (t) que son funciones de t. Entonces al realizar la derivada res-
pecto a t del lado izquierdo de la función mediante la regla de la cadena lleva a:

f x0 t + f x0 x x 0 + f x0 x0 x 00 = f x (1.11)
Las ecuaciones (1.10) y (1.11) son dos formas distintas de resolver un mismo problema.
Ejemplo 1.10. Comprobar que utilizar ambas versiones de la ecuación de Euler al ejemplo 5
genera el mismo resultado.

15