1 Condicin Necesaria de 1er Orden: Euler

Si x

(t) es un mximo (mnimo) local, debe cumplir la siguiente condicin:

F
x

dF
x
0
dt
= 0 (General)
F F
x
0 x
0
= c (sin t)
Fx
0
= c (sin x)
? (sin x)
2 Condicin Necesaria de 2do Orden: Legendre
Si x

(t) es un mximo (mnimo) local, verica la siguiente condicin:

F
x
0
x
0 > (<)0
3 Condicin de Transversalidad
Deniendo el vector ortogonal: . l:= (F F
x
0 x
0
; F
x
0 ) [
pto term.
; la condicin
necesaria para el ptimo local es que dicho vector ha de ser perpendicular a
toda direccin admisible.
1. Estado y momento nal dado (siempre se cumple)
2. Momento nal libre . l:= (0; F
x
0 ) [
pto term.
3. Estado nal libre . l:= (F F
x
0 x
0
; 0) [
pto term.
4. Momento y estado nal libre . l:= (0; 0) [
pto term.
5. Momento y estado nal igual a una funcin . l:= (F F
x
0 x
0
; F
x
0 ) ==
\g(t; x(t)) [
pto term.
Dado x(t) = (t), haciendo 0 = x(t) (t); entonces
\g(:) = (
0
(t); 1) y para que se cumpla el paralelismo:
FF
x
0 x
0
F
x
0
=
0
(t)
6. Estado acotado inferiormente
4 Condicin Suciente
F(x; x
0
; t) es una funcin cncava (convexa) en (x; x
0
) para cada t [t
0
; t
1
]. Si
x

= x

(t) verica la condicin de Euler, la condicin de transversalidad (para

1, 2 y 6), entonces x

(t) es un mximo (mnimo) global para el problema

considerado.
1
4.1 Concavidad y Convexidad
La funcin z = f(x
1
; x
2
) es cncava (convexa) si para todo par de puntos
distintos entre s u y v que pertenecen al dominio de f, y para 0 < < 1:
f(u) + (1 )f(v)
altura del segmento lineal
_ (_)f[u + (1 )v]
altura del arco
Notas:
1) Si f(x) es lineal, entonces es cncava y convexa.
2) Si f(x) es cncava (convexa), entonces f(x) es convexa (cncava).
3) Si f(x) y g(x) son cncavas (convexas), f(x) +g(x) tambin.
4.1.1 Vericacin de concavidad (convexidad):
Matriz Hessiana (H): Matriz con las segundas derivadas de una funcin
F(x; x
0
t). H =

F
xx
F
xx
0
F
x
0
x
F
x
0
x
0

Concavidad y convexidad estricta: La funcin F es cncava (convexa)

si su matriz Hessiana es denida negativa (positiva).
Matriz denida negativa y denida positiva: Una matriz es denida
negativa (positiva) si sus menores impares (1, 3, 5, etc.) son negativos
(todos sus menores principales son positivos).
Convexidad y Concavidad: La funcin F es cncava (convexa) si su
matriz Hessiana es semi-denida negativa (semi-denida positiva).
Matriz semi-denida negativa y semi-denida positiva (para Hes-
sianas de 2x2): Una matriz es semi-denida negativa (semi-denida pos-
itiva) si: (2 formas)
Criterio de las races caractersticas: r
2
tr(H) + det(H) = 0, hallar
las races de la ecuacin. Si ambas son positivas (negativas), la matriz es semi-
denida positiva (semi-denida negativa).
Criterio de los menores: Intercambiar los elementos de su diagonal prin-
cipal y aplicar el criterio de los menores principales. La matriz es semi-denida
negativa (semi-denida positiva) si sus menores impares (1, 3, 5, etc.)
son negativos (todos sus menores principales son positivos).
2
5 Ecuaciones Diferenciales Ordinarias (EDO)
5.1 EDO Lineales de 1er orden:
dy
dt
+ u(t)
coeciente
y = w(t)
trmino
(Ecuacion completa)
Solucin general:
y(t) = e

R
u(t)dt

A+
Z
w(t)e
R
u(t)dt
dt

Solucin general cuando el coeciente es constante:

Y (t) = Y
c
funcin complementaria
sol. gnral. de la ec. reducida
+ Y
p
integral particular
cualquier sol. particular de la ec. completa
Notas:
- Generalmente Y
c
= Ae
at
.
- Cuando la ecuacin es homognea (w(t) = 0) entonces Y
p
= 0.
- Y
p
por coecientes indeterminados: Dada una EDO lineal de 1er o 2do orden,
observar si w(t) es una funcin dcil
1
del tipo:
Tipo de funcin Funcin Conjetura sobre forma de y
p
y
0
p
f. constante b A 0
f. polinmica t
n
P(n) = At
n
+Bt
n1
+::: +Z
dP(n)
dt
f. exponencial e
g(t)
Ae
g(t)
Ag
0
(t)e
g(t)
f. trigonomtrica sinx o cos x Asint +Bcos t Acos t Bsint
Nota: Reemplazar luego y
p
y y
0
p
en la ecuacin completa y usar la condicin
inicial y nal para hallar la solucin denida.
5.2 EDO Lineales de 2do orden con coecientes constantes:
d
2
y
dt
2
+a
1
dy
dt
+a
2
y = T(t) (Ecuacion completa)
Solucin:
1. Integracin.
2. Y = Y
p
+Y
c
r
2
+a
1
r +a
2
= 0
r
1
; r
2
=
a
1

2
p
a
2
1
4a
2
2
Hay 3 casos:
1
Sus derivadas sucesivas alcanzan un nmero nito de formas.
3
(a) r
1
,= r
2
Y
c
= A
1
e
r1t
+A
2
e
r2t
(b) r
1
= r
2
Y
c
= A
1
e
rt
+A
2
te
rt
(c) r
1
,r
2
= h vi son complejos
Y
c
= e
ht
(A
1
sinvt +A
2
cos vt)
5.3 EDO No Lineales de 1er orden
Solucin:
1. Linealizar (Ec. Bernoulli):
dy
dt
+u(t)y
m
= w(t), m > 1
dy
dt
+R(t)y = T(t)y
m
; m ,= 0; 1
Transformar la ecuacin a una de la forma
dz
dt
+ u(t)z = w(t) dividiendo
entre y
m
, haciendo z = y
1m
y normalizando el coeciente de
dz
dt
a 1
multiplicando (1 m).
2. Variables Separables:
f(y)dy +g(t)dt = 0
Solucin: Z
f(y)dy =
Z
g(t)dt
3. EDO exactas
4