14221

Apunte 11
CONDICIONES
DE PRIMER Y
SEGUNDO ORDEN

Miguel Alfaro

INDUSTRIA VIRTUAL 2020 1

INDUSTRIA VIRTUAL 2020 2
 CONDICIONES DE PRIMER Y SEGUNDO ORDEN

Introducción

Una vez que se ha construido un modelo matemático de optimización, en función del tipo de modelo, se
definen las condiciones que debe cumplir el óptimo y sus características (mínimo o máximo). Estas
condiciones proporcionan la teoría para poder resolver el modelo.

En consecuencia con lo anterior, en este apunte, veremos las condiciones de primer orden o de Euler, que
permite (n) encontrar la o las funciones que optimizan la función objetivo. Además, veremos la
condición de segundo orden que permite caracterizar el óptimo. Estas condiciones se obtienen para
modelos no restringidos.

Desarrollo

1. Optimización dinámica sin restricciones o cálculo variacional

El problema de la braquistócrona corresponde al tipo de modelos de optimización sin restricciones.

Solo existe la función de criterio u objetivo. Para resolver este tipo de problemas comenzaremos
estudiando el teorema de Euler, que proporciona las condiciones de primer orden para obtener un
óptimo local.

INDUSTRIA VIRTUAL 2020 3

 [Link]ón de funcional

2
Sea x(t) una función de clase (funciones con primera y segunda derivada continuas) con t ∈ [t0, tf ].

Sea φ el conjunto de funciones x(t). Se define como funcional a una función J, definida sobre φ, cuyo
valor es un real, es decir, J: φ → ℛ :

tf

∫
J = x(t)dt
t0

Ejemplo, sea x(t) = t 2 definida en [0,1], luego:

1
1
∫
J = t 2 dt =
3
0

[Link]ón del problema de optimización sin restricciones

Sea x(t) ∈ φ y F una función de tres variables, F(x(t), ẋ(t), t). El problema consiste en optimizar la
funcional J con respecto a x(t). Luego, se debe encontrar la función x(t) que maximiza o minimiza la
funcional J. Esto se expresa por:

tf

∫
Opt J(x(t)) = F(x(t), ẋ(t), t)dt
t0

INDUSTRIA VIRTUAL 2020 4

𝒞
En función de diferentes condiciones para x(tf ) se generan diferentes tipos de casos. Comenzaremos con

el caso que denominaremos caso base. Cuya formulación es:

tf

∫
OptJ(x(t)) = F(x(t), ẋ(t), t)dt
t0

x(t0) = x0

x(tf) = xf

[Link] de Euler o condición de primer orden

Cuando se busca el óptimo de una función real f (x) se determinan las condiciones de primer y segundo
orden que debe cumplir x* que optimiza f (x). De ese modo, se obtiene que la condición de primer orden es:

d f (x)
x* = 0
dx

La condición de segundo orden corresponde a la caracterización del óptimo, por ejemplo si:

d 2 f (x)
x* > 0
d x2

Entonces x* produce un mínimo en f (x).

INDUSTRIA VIRTUAL 2020 5

 En el caso de la optimización dinámica se procede de manera similar. El teorema de Euler nos
proporciona las condiciones de primer orden que debe cumplir la función x(t) para que optimice la
función J.

Sea x*(t) ∈ φ la función que genera un óptimo local en J. Entonces, se verifica que:

d ∂F(x*(t), ẋ (t), t)
*
∂F(x*(t), ẋ*(t), t)
− ( )=0
∂x dt ∂ ẋ

Se usará una notación un poco más sintética:

d
Fx(x*(t), ẋ*(t), t) − Fẋ(x*(t), ẋ*(t), t) = 0
dt

En este caso, un óptimo local es una función x*(t) que genera un máximo o mínimo en una vecindad de
funciones de x*(t).

Demostración:

tf
definida en [t0, tf ]. Con η(t0) = η(tf) = 0 y
∫t
2
Sea η(t) función de clase η(t)dt ≠ 0. Con esta
0

condición, se puede afirmar que existe un intervalo ∆ t ⊆ [t0, tf ] donde η(t) ≠ 0. Se define una vecindad

en torno a la función x*(t) en el intervalo [t0, tf ] de la forma:

x(t) = x*(t) + ε η(t)

INDUSTRIA VIRTUAL 2020 6

𝒞
Con ε ∈ ℛ. Se observa que x(t) ∈ φ. Si se evalúa J en la vecindad de x*(t) se obtiene:

tf

∫
J(x(t)) = F(x*(t)+ε η(t), ẋ*(t) + ε η̇(t), t)dt
t0

Al realizar la integral, la función J depende solamente de ε. Luego, se tiene una función cuya condición
de primer orden para encontrar un óptimo es:

d J(ε)
ε* = 0
dε

Aplicando la formula de Leibniz se obtiene:

tf
d J(ε) ∂F d x ∂F d ẋ ∂F dt
∫ ∂x dε
= ( + + )dt
dε ∂ ẋ dt ∂t dε
t0

Donde x(t) = x*(t) + ε η(t), luego, se obtiene:

tf
d J(ε)
∫
= (Fx η(t) + Fẋ η̇(t))dt
dε
t0

INDUSTRIA VIRTUAL 2020 7

 ˙ :
Aplicando la integral a ambos sumando e integrando por partes Fẋ η(t)

tf tf
tf d
∫ t0 ∫ dt ẋ
˙
Fẋ η(t)dt = Fẋ η(t) | − (F )η(t)dt
t0 to

El primer termino es cero debido a que η(t0) = η(tf) = 0 reemplazando se obtiene:

tf
d J(ε) d
∫
= (Fx η(t) − (Fẋ )η(t))dt
dε dt
t0

Como existe un intervalo ∆ t ⊆ [t0, tf ] donde η(t) ≠ 0, necesariamente:

d
Fx − F =0
dt ẋ

d
Luego, la función x(t) que genera un óptimo en J [x*(t)] satisface la ecuación Fx − F = 0,
dt ẋ
denominada condición de primer orden de Euler. Si se escribe la ecuación de manera extendida se tiene:

Fx − Fẋx ẋ − Fẋ ẋ ẍ − Fxt˙ = 0

Que corresponde a una ecuación en derivadas parciales no lineal de segundo orden. Ecuación que
muchas veces no es integrable de manera analítica.

INDUSTRIA VIRTUAL 2020 8

Ahora bien, es posible distinguir tres casos a partir de esta ecuación.

a) F no depende de x(t), en este caso se tiene:

d
F =0 ⇒ Fẋ = K
dt ẋ

b) F no depende de ẋ(t), en este caso se tiene:

Fx = 0

c) F no depende de t de manera explicita. Luego, si se deriva la función F con respecto a t se obtiene:

dF ∂F
= Fx ẋ + Fẋ ẍ +
dt ∂t
Como no depende explícitamente de t, el último término es cero. Además, por la ecuación de primer
orden sabemos que:

d
Fx = F
dt ẋ

Reemplazando se obtiene:

dF d ˙ + Fẋ ẍ
= (Fẋ )x
dt dt

Luego, es posible escribir que:

dF d
= (ẋFẋ )
dt dt

INDUSTRIA VIRTUAL 2020 9

Luego, se obtiene:

d
(F − ẋFẋ) = 0
dt

De donde se concluye que:

(F − ẋFẋ) = K

Que es otra forma de escribir la ecuación de Euler cuando no hay una dependencia explicita de t en la
función F. En muchos casos esta ecuación facilita la solución de problemas.

Ejemplo:

∫
minJ = (x 2(t) + ẋ 2(t))dt
0

Sujeto a:
x(0) = 1
x(1) = 2
Solución:
Fx = 2x(t)

Fẋ = 2 ẋ(t)

d
Fx − F = 2(x(t) − ẍ(t)) = 0
dt ẋ

INDUSTRIA VIRTUAL 2020 10

De donde se obtiene:

x(t) = Ae t + Be −t

Aplicando las condiciones x(0) = 1 y x(1) = 2 se obtiene:

( e −1 − e )
e −1 − 2 t 2 − e −t
x(t) = e + ( )e
e −1 − e

1.4 Condición de Segundo orden o condición de Legendre

Sea x*(t) ∈ φ la función que genera un óptimo local en J. Entonces, si se verifica que:

Fẋ ẋ(x*(t), ẋ*(t), t) < 0 ∀t ∈ [t0,tf ]

Entonces, x*(t) genera un máximo local en J.

Si se verifica que:

Fẋ ẋ(x*(t), ẋ*(t), t) > 0 ∀t ∈ [t0,tf ]

Entonces, x*(t) genera un mínimo local en J.

La demostración de esta condición se encuentra en las referencias de esta clase.

INDUSTRIA VIRTUAL 2020 11

Aplique este criterio al ejemplo anterior:

Fẋ ẋ = 2 > 0

( e −1 − e )
e −1 − 2 t 2 − e −t
Luego, la función x(t) = e + ( )e genera un mínimo en J.
e −1 − e

INDUSTRIA VIRTUAL 2020 12

Conclusión

En este apunte, se han estudiado las condiciones de primer y de segundo orden para el “caso base” y las
distintas formas que puede tomar la condición de Euler, dependiendo de la estructura de la función
objetivo. Además, se ha demostrado que la condición de Euler corresponde a una ecuación diferencial en
derivadas parciales de segundo orden no lineal, que resulta difícil resolverla de manera analítica en
aplicaciones reales.

El alumno debe ser capaz de aplicar las condiciones de primer y segundo orden a problemas de
optimización dinámica sin restricciones y con condiciones finales definidas.

Referencias bibliográficas

Burns J. (2014). Introduction to The Calculus of Variations and Control with Modern Applications, Virginia
Tech Blacksburg, Virginia, USA.

Liberzon D. (2012). Calculus of Variations and Optimal Control Theory Princeton University Press, USA.

Cerdá E. (2001). Optimizaci n din mica. Prentice Hall.

INDUSTRIA VIRTUAL 2020 13

ó
á