Lecciones de Calculo Variacional

Calculo de variaciones
Luis O. Silva
Universidad
Nacional
Aut onoma de
Mexico
Cd. Universitaria
2008
c _ Luis O. Silva 4 de febrero de 2009
Typesetting L
A
T
E
X2
Indice general
1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2. Notacion y nomenclatura . . . . . . . . . . . . . . . . . . . . . . . . 5
3. Supremo, nmo, maximo y mnimo . . . . . . . . . . . . . . . . . . 6
4. Convexidad de conjuntos y funciones . . . . . . . . . . . . . . . . . 8
5. Minimizacion de funciones convexas . . . . . . . . . . . . . . . . . . 11
6. Espacios de funciones y funcionales . . . . . . . . . . . . . . . . . . 14
7. Funcionales convexos . . . . . . . . . . . . . . . . . . . . . . . . . . 19
8. Minimizacion de funcionales convexos . . . . . . . . . . . . . . . . . 34
9. Minimizacion de funcionales convexos bajo condiciones convexas . . 41
10. Extremos locales de funciones reales de variable real . . . . . . . . . 42
11. Espacios normados. . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
12. Continuidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
13. Compacidad. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1. Introduccion
1.1. El calculo de variaciones o c alculo variacional es una rama cl asica y funda-
mental de las matem aticas. No es una exageraci on armar que el desarrollo de esta
rama de las matem aticas ha ido a la par con el desarrollo de los conceptos centrales
del analisis matem atico y sus aplicaciones. En lo que respecta a las aplicaciones,
muchos de los conceptos centrales de la fsica teorica est an en estrecha relaci on con
el calculo variacional.
1.2. Las races del calculo variacional se extienden a tiempos anteriores a la Grecia
cl asica. Uno de los problemas mas antiguos del c alculo variacional, y de las ma-
tem aticas en general, es el problema isoperimetrico. Este problema esta relacionado
con la legendaria Dido fundadora de la ciudad fenicia de Cartago (buena parte de
la leyenda de Dido se encuentra en la Eneida de Virgilio, aunque por otras fuentes
se sabe que fue un personaje hist orico). Cuenta la leyenda que Dido y un grupo de
seguidores llegaron a las costas de lo que ahora es T unez y solicitaron un pedazo
de tierra a los habitantes locales. Dido pidio la tierra que pueda se encerrada por
3
4 Introducci on
la piel de un toro. Desde luego la petici on no pareca muy ambiciosa as que le fue
esto concedido. Dido corto la piel en tiras muy delgadas formando as un cuerda
muy larga. Utiliz o entonces esta cuerda para rodear un extensi on de tierra en la
costa que pas o a convertirse en la ciudad de Cartago. Independientemente de la
veracidad de la leyenda no es difcil aceptar que el problema de abarcar la mayor
area posible dada una cuerda de longitud ja apareci o hace mucho tiempo en la
historia. El losofo Zenodoros (200 a.n.e.) plante o de manera precisa este y otros
problemas matem aticos relacionados con encontrar guras optimas, que hoy po-
demos considerar problemas cl asicos del c alculo variacional. Hay otros problemas
cl asicos que son parte del calculo de variaciones que fueron planteados y estudiados
por Aristoteles y Pappus.
1.3. Hasta aqu hemos hablado de problemas de c alculo variacional, pero no hemos
denido esta rama de las matem aticas. De hecho no lo haremos ahora sino que
postergaremos la denicion del calculo de variaciones hasta el par agrafo lll. Esto
no nos impide notar que en los problemas de calculo de variaciones siempre se
requiere encontrar curvas, guras, procesos, optimos.
1.4. Se le atribuye a Pierre de Fermat, matematico frances del siglo XVII, el prin-
cipio fsico de tiempo mnimo, el cual establece que la trayectoria que toma la luz
entre dos puntos es la trayectoria que puede ser recorrida en el menor tiempo. Este
principio esta relacionado con el principio de distancia mnima de Her on de Ale-
jandra, losofo griego del siglo I (la luz sigue la trayectoria entre dos puntos que
resulta ser la m as corta). En 1662, Fermat utiliz o su principio de tiempo mnimo pa-
ra deducir la ya entonces conocida ley de Snell que describe la refracci on de la luz al
pasar de un medio a otro. Es a partir de este momento que se empiezan a utilizar
metodos analticos para la resoluci on de problemas de optimizacion (anterior-
mente estos problemas se haban abordado por metodos puramente geometricos).
El tratemiento de Fermat de este problema es considerado por varios historiadores
del c alculo variacional como el comienzo del mismo, precisamente por el uso de
tecnicas analticas similares a las que se usar an mas tarde en el an alisis matemati-
co. Es interesante mencionar que estas tecnicas jugaron un papel importante en el
desarrollo del c alculo unos a nos despues.
1.5. En 1685 Newton resuelve problemas sobre el contorno optimo que debe
tener una cuerpo moviendose en un uido para tener la menor resistencia. Los
resultados de este trabajo de Newton fueron obtenidos en base a las herramientas
analticas que el mismo haba desarrollado a nos antes.
Notaci on y nomenclatura 5
1.6. En 1696 Johann Bernoulli publica un desafo para los matematicos de su
tiempo: el llamado problema de la Braquistocrona (vease lll). Varios matem aticos
dieron respuesta al desafo. Entre las respuestas destacadas se encuentran la de
su hermano Jakob, la de Newton (publicada de manera an onima) y la de Leibniz.
Jakob Bernoulli ocupa un metodo similar al de Fermat, pero mas renado, para
dar respuesta al problema. El desarrollo y generalizaci on de estos metodos por
Euler y despues Lagrange lleva a un metodo sistematico para estudiar este tipo
de problemas y con esto propiamente al c alculo de variaciones. Fue precisamente
Euler quien acu no el termino.
1.7. Johann Bernoulli tambien estudio geodesicas en varias supercies. Este es
otro problema cl asico del calculo variacional. La geodesica es la curva m as corta
sobre cierta supercie que une a dos puntos de esa supercie.
1.8. Durante el siglo XIX los trabajos de Euler y Lagrange son formalizados y
generalizados para conformar lo que es el calculo de variaciones hoy en da. Es de
destacarse las contribuciones de Weierstrass en la formalizaci on de la teora.
1.9. Como mencionamos en los Par agrafos 1.1 y 1.4, el desarrollo del calculo va-
riacional est a relacionado con el desarrollo de la fsica. Esto es as por el marco
conceptual en el que se han desarrollado las ideas sobre el comportamiento de
la realidad. Con innegable inuencia religiosa el pensamiento fsico ha considerado
que los procesos naturales se desarrollan de manera optima. Durante la evoluci on
de los procesos algo se minimiza o maximiza (Dios o la naturaleza deben ser per-
fectos). As las leyes de la fsica deben ser el producto de principios variacionales.
Es as como surgen la mec anica analtica y la mec anica hamiltoniana y de ah la
formalizaci on de la mecanica cu antica. Es tambien notable que la Teora General
de la Relatividad tambien esta relacionada con el c alculo de variaciones.
2. Notaci on y nomenclatura
2.1. A lo largo de estas notas trataremos de mantener una notacion y una no-
menclatura uniformes. Describiremos aqu breve y parcialmente la notaci on y la
nomenclatura utilizadas. Esta secci on no es exhaustiva en el sentido de que gran
parte de la notaci on y nomenclatura de este texto no estar an aqu descritas, sino
que se dar an a medida que se introduzcan nuevos conceptos.
2.2. Los conjuntos en general seran denotados por letras may usculas caligr acas.
Para el conjunto de los n umeros reales y naturales utilizaremos R y N como es usual.
6 Supremo, nmo, m aximo y mnimo
Para denotar a los elementos de R
d
utilizaremos letras latinas min usculas cuando
d = 1, y letras latinas min usculas en negrillas cuando d > 1. Para los elementos
de N reservaremos las letras i, k, l, m, n. Tambien haremos uso de la convencion
habitual de denotar un intervalo abierto en R con puntos extremos a < b por
medio de (a, b), y el correspondiente intervalo cerrado por [a, b].
2.3. Los elementos de un espacio abstracto ser an denotados por medio de letras
griegas min usculas, incluso en el caso de elementos de R
d
cuando d no est a especi-
cado.
2.4. El dominio de la funci on f se denotar a por medio de dom(f), mientras que
el rango de f sera denotado por ran(f). Obedeceremos la siguiente convenci on.
Cuando la funci on f sea tal que ran(f) R diremos que f es una funci on real. Al-
ternativamente en ocasiones diremos que f es una funci on a valores reales. Cuando
la funcion f sea tal que ran(f) R
d
con d > 1 diremos que f es una funci on
vectorial. A lo largo del texto estudiaremos tambien otros tipos de funciones, a los
cuales les daremos su propio nombre a su debido tiempo.
3. Supremo, nmo, maximo y mnimo
3.1. El conjunto de los n umeros reales tiene propiedades que son relevantes en los
modelos matematicos de la realidad. La propiedades que presentan subconjuntos
de R con respecto a la relaci on de orden de R son fundamentales para lo que vamos
a estudiar aqu.
3.2. Denicion. Un subconjunto / de R se dice acotado si y solo si existe una
constante real c tal que si x /, entonces [x[ c. Esto lo podemos escribir
c : x /, [x[ c .
Se dice que / est a acotado superiormente si y s olo si
c
+
: x /, x c
+
,
mientras que / est a acotado inferiormente si y s olo si
c
: x /, x c
.
3.3. Es evidente que un conjunto que esta acotado inferior y superiormente es un
conjunto acotado.
Supremo, nmo, m aximo y mnimo 7
3.4. Denicion. El conjunto de las cotas superiores de / R, denotado /
+
se
dene como
/
+
:= c
+
R : x /, x c
+
.
Tambien tenemos /
que es el conjunto de cotas inferiores de /

/
:= c
R : x /, x c
.
3.5. Claramente, /
+
y /
son subconjuntos de R. Si /
+
= , entonces / no
est a acotado superiormente y si /
= , entonces / no esta acotado inferiormente.

Si sucede que /
= R, o que /
+
= R entonces / es el conjunto vaco.
3.6. Denicion. El supremo de un subconjunto no vaco / de R se denota sup /,
o bien sup
xA
x, y se dene como
sup / :=
_
_
c
s
,
_
c
s
/
+
, x
0
/ : c
s
< x
0
+ /
+
= .
An alogamente el nmo de un subconjunto / no vaco de R se denota nf /, o bien
nf
xA
x, y se dene como
nf / :=
_
_
c
i
,
_
c
i
/
, x
0
/ : c
i
+ > x
0
/
= .
3.7. N otese que la condicion que aparece en la denicion del supremo
c
s
/
+
: , x
0
/ : c
s
< x
0
es en realidad equivalente a
c
s
/
+
: , c
s
, /
+
.
De manera similar se puede reformular la condicion an aloga para c
i
en la denicion
del nmo.
3.8. Supongamos que c
0
= nf
xA
x entonces siempre se cumple que c
0
=
sup
xA
x. As cualquier armaci on sobre las propiedades del nmo o del
supremo tiene su correspondiente armaci on sobre las propiedades de su contra-
8 Convexidad de conjuntos y funciones
parte.
3.9. Teorema. Sea / un subconjunto no vaco de R acotado superiormente, en-
tonces existe c
s
R tal que c
s
= sup /.
3.10. Corolario. De 3.8 y del Teorema 3.9 sigue que si / , = est a acotado infe-
riormente, entonces existe c
i
R tal que c
i
=nf /.
3.11. Corolario. Del Teorema 3.9 y del Corolario 3.10 se sigue que para todo
subconjunto no vaco de R existe el nmo y el supremo.
3.12. Desde luego que el nmo y el supremo de un conjunto dado no necesa-
riamente pertenecen a ese conjunto. Por ejemplo, para un conjunto no acotado
superiormente (inferiormente) el supremo (nmo) no pertenece al conjunto. En
contraste considere los siguientes conceptos:
3.13. Denicion. El maximo elemento del subconjunto no vaco / de R se denota
m ax /, o bien m ax
xA
x, y se dene de la siguiente manera
m ax / := x
max
/ x /, x
max
x .
Similarmente se dene el mnimo elemento del conjunto no vaco /, denotado
mn /, o bien mn
xA
x:
mn / := x
min
/ x /, x
min
x .
3.14. Claramente no todo subconjunto no vaco de R tiene m aximo o mnimo.
Si existe el maximo de /, entonces max / = sup /. Si existe el mnimo de /,
entonces mn / =nf /.
4. Convexidad de conjuntos y funciones
4.1. Denicion. Sea L un espacio lineal y ( uno de sus subconjuntos no vacos.
Decimos que ( es convexo si y s olo si para cualesquiera , ( resulta que
t + (1 t) ( t (0, 1) .
4.2. Cuando L = R
d
con d N, el subconjunto ( es convexo si junto con cualquier
par de puntos de ( se contiene en ( al conjunto de puntos que forman el segmento
Convexidad de conjuntos y funciones 9
recto que une a esos dos puntos.
4.3. Denicion. La funci on f es convexa si y s olo si est a denida en un conjunto
convexo (, toma valores reales y satisface
f(t + (1 t)) tf() + (1 t)f() t (0, 1) (4.1)
para cualesquiera , (. La funci on se dice estrictamente convexa si la igualdad
en (4.1) para cierto t (0, 1) tiene lugar s olo cuando = . Esto ultimo se puede
parafrasear de la siguiente forma: f es estrictamente convexa si y solo si para
cualesquiera , ( tales que ,= se cumple que
f(t + (1 t)) < tf() + (1 t)f() t (0, 1) .
4.4. La condici on de que una funcion sea convexa es equivalente a que su epigr aco
sea un conjunto convexo. Esto se puede visualizar cuando el espacio lineal L donde
est a contenido ( = dom(f) resulta ser R
d
con d N.
4.5. Denicion. Sea ( un subconjunto de R
d
con d N. Decimos que la funcion
real f est a en C(() = C
0
(() si y s olo si dom(f) = (, ran(f) R y f es continua
en todo su dominio de denici on. En otras palabras C(() es el conjunto de todas
las funciones reales continuas denidas en (.
4.6. Si ( ,= ( entonces claramente
C(()
G
C((),
donde f C(()
G
si f = g
G
con g C((). Esto es as ya que en este caso C(()
puede entenderse como las funciones en C(() que pueden extenderse continuamente
a (.
4.7. Para el conjunto C(() cuando ( = [a, b] se va a utilizar la notaci on C[a, b].
Mientras que cuando ( = (a, b) utilizaremos la notaci on C(a, b).
4.8. Denicion. Sea ( R
d
con d N. Decimos que la funci on vectorial f : (
R
m
, m > 1, est a en C((, R
m
) = C
0
((, R
m
) si y solo si f es una funcion continua
en todo su dominio de denici on.
4.9. Sea ( R
d
y sea f una funci on real denida en (. Si d = 1, la derivada de
f en el punto x
0
( se denotar a
d
dx
f(x
0
) o f
(x
0
) seg un sea conveniente. Por otra
10 Convexidad de conjuntos y funciones
parte, cuando d > 1, utilizaremos para el gradiente de f evaluado en x
0
la notaci on
x
f(x
0
). Notese que

x
f(x
0
) R
d
.
4.10. Sea f una funci on real denida en ( R y sea (
el subconjunto de (
donde existe la derivada de f. Si a cada elemento x (
le asociamos el valor de
la derivada en ese punto, obtendremos una funci on real denida en (
. Esa funcion
generalmente se denota como
d
dx
f o bien f
. Analogamente se dene la funci on

vectorial

x
f.
4.11. Denicion. Sean a y b cualesquiera elementos del espacio lineal R
d
con
d > 1. Ademas, sea e
k
d
k=1
la base can onica
1
en R
d
. De modo que
a =
d
k=1
a
k
e
k
, b =
d
k=1
b
k
e
k
.
Esto es otra forma de escribir que
a = (a
1
, . . . , a
d
) , b = (b
1
, . . . , b
d
) .
Denamos el producto interno en R
d
como sigue:
a, b) =
d
k=1
a
k
b
k
,
De esta forma el espacio lineal R
d
pasa a ser el espacio euclidiano R
d
.
4.12. Denicion. Sea f una funcion vectorial tal que dom(f) R
d
y ran(f) R
n
,
donde d N, n > 1. Diremos que f
k
es la componente de f a lo largo del elemento
e
k
de la base can onica de R
n
cuando
f
k
() = f(), e
k
) dom(f) .
De esta forma
f() =
n
k=1
f
k
()e
k
dom(f) .
4.13. Denicion. Sea ( R
d
.
1
Cuando al elemento a de R
d
se le representa a = (a
1
, . . . , a
d
), entonces e
1
= (1, 0, . . . , 0),
e
2
= (0, 1, . . . , 0), etc.
Minimizaci on de funciones convexas 11
a) Cuando d = 1, decimos que la funcion real f est a en C
m+1
(() si y s olo si
d
dx
f
est a en C
m
((). Analogamente la funcion vectorial f est a en C
m+1
((, R
n
) si y
s olo si
d
dx
f est a en C
m
((, R
n
).
b) Sea d > 1 y sea la funci on vectorial f tal que ran(f) R
n
. Adem as sea f
k
la componente de f a lo largo del elemento e
k
de la base canonica de R
n
.
Decimos que f est a en C
m+1
((, R
n
) si y s olo si

x
f
k
est a en C
m
((, R
d
) para
todo k = 1, . . . , n.
c) Cuando d > 1, decimos que la funci on real f est a en C
m+1
(() si y s olo si

x
f
est a en C
m
((, R
d
).
4.14. Por inducci on, en base a las deniciones 4.5, 4.8 y 4.13, para cualquier
( R
d
con d N podemos denir los conjuntos C
n
(() y C
n
((, R
m
) con cualquier
n N 0 y cualquier m > 1.
5. Minimizaci on de funciones convexas
5.1. Denicion. Sea ( un subconjunto no vaco de R
d
con d N y sea f una
funci on real denida en (. Diremos que f es diferenciable en
0
( si y solo si
existe la derivada, o el gradiente (cuando ( sea un subconjunto de R
d
con d > 1),
en
0
.
5.2. Teorema. (Criterio de convexidad) Sea ( un intervalo abierto o cerrado del
eje real y sea f una funcion real denida en ( y diferenciable en todos los puntos
de (. La funci on f resulta ser convexa si y solo si
f(c
2
) f(c
1
) +
_
d
dx
f(c
1
)
_
(c
2
c
1
) c
1
, c
2
( (5.1)
Demostraci on.
Primero demostraremos que (4.1), con = c
1
y = c
2
, implica (5.1). Sin perder
generalidad podemos considerar que c
1
< c
2
. Restemos f(c
1
) a ambos lados de (4.1),
con = c
1
y = c
2
y dividimos la desigualdad completa por tc
1
+(1t)c
2
c
1
> 0.
Asi, tenemos
f(tc
1
+ (1 t)c
2
) f(c
1
)
(1 t)(c
2
c
1
)

(1 t)(f(c
2
) f(c
1
))
(1 t)(c
2
c
1
)
.
12 Minimizaci on de funciones convexas
Ahora tomamos el lmite en ambos lados de la desigualdad cuando t 1, obte-
niendo as
d
dx
f(c
1
)
f(c
2
) f(c
1
)
c
2
c
1
.
Vamos ahora a la armaci on conversa, a saber, cuando (5.1) implica (4.1), con
= c
1
y = c
2
. Sea c
0
= tc
1
+ (1 t)c
2
con t [0, 1], de (5.1) obtenemos
f(c
1
) f(c
0
)
_
d
dx
f(c
0
)
_
(c
1
c
0
) (5.2)
f(c
2
) f(c
0
)
_
d
dx
f(c
0
)
_
(c
2
c
0
) . (5.3)
Multiplicamos la desigualdad (5.2) por t y la desigualdad (5.3) por 1 t. Despues
de sumar ambas desigualdades y simplicar terminos llegamos a (4.1), con = c
1
y = c
2
.
5.3. Teorema. (Criterio de convexidad) Sea ( un subconjunto convexo de R
d
con
d > 1 y sea f una funcion real denida en ( y diferenciable en todos los puntos de
(. La funci on f resulta ser convexa si y solo si
f(c
2
) f(c
1
) +
_

x
f(c
1
), (c
2
c
1
)
_
c
1
, c
2
( (5.4)
(vease la notaci on introducida en 4.9)
5.4. La demostraci on de esta armaci on es totalmente analoga a la del Teorema
5.2 y la dejamos como ejercicio al lector.
5.5. Claramente, el conjunto C
1
(() esta contenido en el conjunto de funciones
reales denidas en ( y diferenciables en todos los puntos de (. Por esta razon,
en las condiciones de los Teoremas 5.2 y 5.3, podemos sustituir la condici on de
diferenciabilidad por la condici on de que la funcion este en C
1
(().
5.6. Es f acil ver que adem as de los Teoremas 5.2 y 5.3 tenemos los correspondien-
tes criterios de convexidad estricta. Enunciemos el criterio de convexidad estricta
correspondiente al Teorema 5.2:
Sea ( un intervalo abierto o cerrado del eje real y sea f una funci on real denida
en ( y diferenciable en todos los puntos de (. La funci on f resulta ser estrictamente
Minimizaci on de funciones convexas 13
convexa si y s olo si
f(c
2
) > f(c
1
) +
_
d
dx
f(c
1
)
_
(c
2
c
1
) c
1
, c
2
( , c
1
,= c
2
. (5.5)
5.7. Denicion. Sea f una funci on real denida en un subconjunto de R
d
con
d N. Decimos que
0
dom(f) minimiza a f cuando
f(
0
) = mn ran(f) (5.6)
Equivalentemente, en ocasiones diremos que
0
es un mnimo global de la funci on f.
Cuando
0
sea el unico elemento de dom(f) para el que se satisface (5.6), diremos
que
0
minimiza a f de manera unica.
5.8. Decir que f(
0
) = mn ran(f) es, de acuerdo a la Denici on 3.13, equivalente
a decir que
0
dom(f) es tal que
dom(f) f() f(
0
) . (5.7)
0
minimiza a f de manera unica si la igualdad en la desigualdad anterior tiene
lugar solo si =
0
. Esto ultimo tambien lo podemos escribir as:
0
minimiza a f
de manera unica cuando
0
dom(f) es tal que
dom(f) : ,=
0
f() > f(
0
) .
5.9. Denicion. Sea f una funci on real denida en un subconjunto de R
d
con
d N. Decimos que
0
dom(f) maximiza a f cuando
f(
0
) = max ran(f) (5.8)
Equivalentemente, en ocasiones diremos que
0
es un m aximo global de la funci on
f. Cuando
0
sea el unico elemento de dom(f) para el que se satisface (5.8), diremos
que
0
maximiza a f de manera unica.
5.10. Denicion. Sean , funciones (reales o vectoriales) tales que dom() =
dom(). La funci on + (suma de funciones y ) se dene como sigue:
( + )() := () + () dom() .
14 Espacios de funciones y funcionales
Tambien se dene la funci on a (multiplicaci on de la funcion por el escalar a)
de la siguiente forma para cualquier a R:
(a)() := a() dom() .
5.11. Debido a los comentarios de los par agrafos 3.8 y 3.14 se verica directa-
mente que
0
maximiza a f siempre que
0
minimice a f. Esto tambien sigue
directamente de (5.7).
5.12. Denicion. Sea f una funcion real denida en un subconjunto de R
d
con
d N.
0
dom(f) es un punto estacionario de f cuando f es diferenciable en
0
y el valor de la derivada (en su caso el gradiente) en
0
es cero.
5.13. Teorema. Sea f una funcion convexa denida en un subconjunto de R
d
con
d N y diferenciable en su dominio de denici on. Si
0
es un punto estacionario
de f, entonces
0
minimiza a f. Cuando f no es s olo convexa, sino estrictamente
convexa, entonces el punto estacionario
0
minimiza a f de manera unica.
Demostraci on.
Como f es convexa, entonces dom(f) es convexo y ya que f es diferenciable
en su dominio de denici on podemos usar los Teoremas 5.2 o 5.3. Como
0
es un
punto estacionario de f, entonces de (5.1), o en su caso de (5.4) (cuando d > 1),
se sigue que
f() f(
0
) dom(f).
Si f es estrictamente convexa, entonces, debido a los Comentarios 5.6 y 5.8, obte-
nemos de manera an aloga la segunda armaci on del teorema.
6. Espacios de funciones y funcionales
6.1. Teorema. Con las operaciones de suma de funciones y multiplicaci on de una
funci on por un escalar dadas en la Denici on 5.10 los conjuntos C
n
(() y C
n
((, R
m
)
(n N 0, m > 1) de la Denici on 4.13 son espacios lineales.
6.2. Teorema. Los espacios lineales C
n
(() y C
n
((, R
m
) (n N0, m > 1) son
espacios de dimensi on innita.
Espacios de funciones y funcionales 15
Demostraci on.
Demostraremos esta armacion para el espacio C[a, b]. Es facil ver como ex-
tender la demostraci on al caso general. Recordamos que un espacio lineal es de
dimensi on innita si contiene un conjunto innito de elementos linealmente inde-
pendientes. Para demostrar que este es el caso consideremos el conjunto T
n
[a, b] de
polinomios de grado n o menor denidos en [a, b]. Claramente dimT
n
[a, b] = n lo
que signica que T
n
[a, b] tiene n elementos linealmente independientes. La demos-
traci on se concluye al observar que T
n
[a, b] C[a, b] para todo n N.
6.3. Hay una diferencia fundamental entre los espacios lineales de dimensi on in-
nita, como por ejemplo los espacios de funciones C
n
(() (n N0, y los espacios
lineales de dimensi on nita, como por ejemplo los espacios R
d
(d N). La natu-
raleza de los elementos del espacio no es tan importante, lo que es determinante
aqu es si la dimensi on es o no nita. Esto quedar a claro m as adelante.
6.4. Es facil ver que los conjuntos C
n
(() y C
n
((, R
m
) (n N 0, m > 1) de
la Denicion 4.13 satisfacen:
C
n+1
(() C
n
(() , C
n+1
((, R
m
) C
n
((, R
m
)
Por lo tanto para cada espacio C
n
((), o bien C
n
((, R
m
) (n N 0, m > 1),
existe una cadena de subespacios.
6.5. (Ejemplos de subespacios de espacios lineales de funciones).
1. El espacio de funciones y C[a, b] : y(a) = 0, y(b) = 0 es un subespacio de
C[a, b].
2. El espacio de funciones y C(() : y
G
0 es un subespacio de C(().
3. El espacio de funciones y C
1
[a, b] : y(a) = 0, y(b) = 0 es un subespacio
de C
1
[a, b] y C[a, b].
4. Sean c
1
, c
2
R tales que [c
1
[ +[c
2
[ > 0. El conjunto de funciones y C[a, b] :
y(a) = c
1
, y(b) = c
2
no es un espacio lineal.
6.6. Denicion. (Funcional) Vamos a llamar funcional a cualquier funci on deni-
da en un subconjunto de un espacio lineal de funciones y que toma valores reales.
6.7. En general la denici on de funcional es mas amplia. Nosotros trabajaremos
unicamente con funcionales como se han denido arriba.
6.8. Notacion. A lo largo de este texto todos los funcionales ser an denotados por
letras goticas may usculas.
6.9. (Ejemplos de funcionales).
1. Consideremos una funci on cualquiera y en C[a, b] y la integral
_
b
a
_
sin
3
x + y
2
(x)
_
dx .
Claramente el integrando es una funcion en C[a, b] y por lo tanto la integral
nos da un n umero real. A cada y C[a, b] le corresponde un n umero real.
As podemos denir el funcional J tal que dom(J) = C[a, b] y tal que a cada
elemento de su dominio le asocia el valor de la integral de arriba, as
J(y) =
_
b
a
_
sin
3
x + y
2
(x)
_
dx .
2. Consideremos la integral
_
b
a
_
1 + [y
(x)]
2
dx
cuando y C
1
[a, b]. El integrando vuelve a caer en C[a, b] y por lo tanto la
integral nos da un n umero real. As podemos considerar el funcional J tal que
dom(J) = C
1
[a, b] y tal que
J(y) =
_
b
a
_
1 + [y
(x)]
2
dx .
3. Fijemos c
0
en [a, b]. Denamos el funcional J tal que dom(J) = C[a, b] y tal
que
J(y) = y(c
0
) .
Claramente J asocia un n umero real a cada funcion en C[a, b] .
4. Ahora consideremos la integral
_
b
a
y(x), y
(x))dx ,
donde y C
1
([a, b], R
n
), n N. El integrando y(x), y
(x)) es una funcion

en C[a, b], por lo que la integral existe y nos da siempre un n umero real.
Espacios de funciones y funcionales 17
Denamos el funcional J con
dom(J) = y C
1
([a, b], R
n
) : y(a) = c
y tal que
J(y) =
_
b
a
y(x), y
(x))dx
6.10. Abajo, en el Ejemplo 1 del paragrafo 6.12 se utilizar a un resultado cl asico de
Weierstrass que se enuncia abajo en el Teorema 6.11. Recurriremos a este resultado
en m ultiples ocasiones a lo largo del texto. Tambien m as adelante demostraremos
una armaci on mas general que contiene al Teorema 6.11 como caso particular.
Vease ...
6.11. Teorema. Si y C[a.b], entonces existen m ax ran(y) y mn ran(y). Se di-
ce entonces que la funcion y alcanza su m aximo y su mnimo en el dominio de
denici on.
6.12. (Ejemplos de funcionales).
1. La integral
_
b
a
1 + [y
(x)]
2
y(x)
dx (6.1)
no esta denida para toda funcion de C
1
[a, b]. Sin embargo, al considerar que
la funcion y est a en el conjunto
T :=
_
y C
1
[a, b] : y(x) > 0 x (a, b]
_
b
a
dx
_
y(x)
< +
_
,
es facil ver que, debido a la condici on de que y(x) > 0 para x (a, b], la
integral (6.1) se ha convertido en una integral que, para las funciones y T
tales que y(a) = 0, es impropia con singularidad en a. Como el integrando es
positivo en (a, b], para demostrar la existencia de la integral impropia, basta
con acotar superiormente la integral
_
b
a+
1 + [y
(x)]
2
y(x)
dx
para todo > 0. Ahora, como y C
1
[a, b] C[a, b], haciendo uso del Teorema
6.11 tenemos
_
b
a+
1 + [y
(x)]
2
y(x)
dx < m ax
x[a,b]
_
1 + [y
(x)]
2
_
b
a
dx
_
y(x)
< +.
Lo que demuestra que podemos denir el funcional J tal que dom(J) = T y
tal que
J(y) =
_
b
a
1 + [y
(x)]
2
y(x)
dx
N otese que T no es un espacio lineal.
2. Consideremos la integral
_
b
a
_
1 + y
(x) dx .
Aqu tampoco podemos tomar cualquier funci on de C
1
[a, b] porque el valor
de la integral podra salirse de los reales. El siguiente funcional est a bien
denido:
dom(J) =
_
y C
1
[a, b] : y
(x) 1 x [a, b]
_
y
J(y) =
_
b
a
_
1 + y
(x) dx .
En este caso tambien tenemos que el funcional no est a denido en un espacio
lineal.
6.13. Siempre que se de un funcional debe especicarse su dominio. Dos funciona-
les son diferentes si tienen dominio diferente y, de hecho, mas adelante veremos que
las propiedades del funcional pueden cambiar dr asticamente al cambiar su dominio
de denicion.
6.14. Denicion. Decimos que el funcional G es restriccion de J si y solo si
dom(G) dom(J) y para toda y dom(G)
G(y) = J(y) .
Dado un funcional J y un conjunto T dom(J) siempre se puede denir la res-
tricci on G de J tal que dom(G) = T. Entonces diremos que hemos restringido J al
Funcionales convexos 19
conjunto T y utilizaremos la notaci on
G = J
D
.
6.15. Denicion. De manera an aloga a la Denici on 5.10 introducimos operacio-
nes de funcionales. Sean J y G funcionales con dominio de denici on com un. El
funcional J +G se dene
(J +G)(y) := J(y) +G(y) y dom(J) .
Asimismo el funcional aJ se dene
(aJ)(y) := aJ(y) y dom(J) .
7. Funcionales convexos
7.1. Denicion. (Derivada de Gateaux) Sea J un funcional denido en un sub-
conjunto del espacio lineal de funciones / y sean y
0
dom(J) y h /. El
funcional J tiene derivada de Gateaux en y
0
a lo largo de la direcci on h si
a) : [t[ < y
0
+ th dom(J).
b) lm
t0
J(y
0
+ th) J(y
0
)
t
El valor del lmite del inciso b) es, precisamente el valor de la derivada de Gateaux
del funcional J en y
0
a lo largo de la direccion h. Utilizaremos la siguiente notacion:
J(y
0
, h) := lm
t0
J(y
0
+ th) J(y
0
)
t
.
7.2. Consideremos nuevamente al funcional J denido en un subconjunto del es-
pacio lineal de funciones / y supongamos que existe la derivada de G ateaux del
funcional J en y
0
a lo largo de la direcci on h. Aqu, debido a que las funciones
y
0
dom(J) y h / est an jas, J(y
0
+th) resulta ser una funci on real de variable
real t. Mas especcamente
J(y
0
+ th) : V
(0) R,
donde hemos subrayado y
0
y h para acentuar el hecho de que estas son funciones
jas. V
(0) denota la vecindad delta del cero, esto es, el conjunto t R : [t[ < .
20 Funcionales convexos
Resulta entonces que
J(y
0
, h) =
d
dt
J(y
0
+ th)
t=0
7.3. Se verica de manera directa que la derivada de G ateaux es una operacion
lineal, esto es, si los funcionales F y G tienen derivada de Gateaux en y a lo largo
de la direcci on h, entonces
(aJ + bG)(y, h) = aJ(y, h) + bG(y, h) a, b R.
Es tambien f acil mostrar que
J(y, cv) = cJ(y, v) .
7.4. El an alogo de la derivada de Gateaux para una funci on f C
1
(R
d
) es la
derivada direccional. Sean x
0
, v R
d
. De acuerdo a la denicion de derivada de
G ateaux estamos interesados en el lmite
lm
t0
f(x
0
+ tv) f(x
0
)
t
,
pero esto coincide con la denici on de derivada direccional de f en x
0
a lo largo de
la direccion v, lo cual normalmente se denota
v
f(x
0
). Claramente,
v
f(x
0
) =
d
dt
f(x
0
+ tv)
t=0
En base a esto es f acil comprobar que
v
f(x
0
) =
_

x
f(x
0
), v
_
Demostraci on.
Introducimos x(t) = x
0
+ tv, de modo que x(0) = x
0
. As
v
f(x
0
) =
d
dt
f(x(t))
t=0
=
d
dt
(f x)(t)
t=0
=
_

x
f(x),
d
dt
x
_
t=0
=
_

x
f(x
0
), v
_
7.5. Denicion. Fijemos n N0 y consideremos u
0
, . . . , u
n+1
, tales que u
0

[a, b] y (u
1
, . . . , u
n+1
) ( R
n+1
. Sea f una funcion de variables u
0
, . . . , u
n+1
tal
que f C([a, b] (). Ahora supongamos que se nos da una funci on y que este en
T = y C
n
[a, b] : ran(y) ran(
d
n
dx
n
y) ( .
Para cada x [a, b] sustituimos las variables u
0
por x y u
k+1
por
d
k
dx
k
y(x) (k =
0, . . . , n). Es claro que para cada y T siempre sucede que
_
x, . . . ,
d
n
dx
n
y(x)
_
[a, b] ( x [a, b] ,
de modo que para cada y T, podemos siempre denir la funci on:
f
[y]
(x) := f(x, . . . ,
d
n
dx
n
y(x)) x [a, b], .
Obviamente f
[y]
C[a, b]. Esto ultimo nos permite denir el funcional F con
dom(F) C
n
[a, b] tal que
F(y) :=
_
b
a
f
[y]
(x)dx =
_
b
a
f(x, . . . ,
d
n
dx
n
y(x))dx .
A cada funci on f le corresponde un funcional F.
7.6. (Ejemplos de funcionales denidos a partir de funciones por medio de la
Denici on 7.5)
1. En la Denici on 7.5, considerese n = 0 y la funci on f(u
0
, u
1
) = u
0
u
1
. Sea
[a, b] cualquier intervalo nito del eje real. Claramente f C([a, b] R).
Sustituimos u
0
por x y u
1
por
d
0
dx
0
y(x) = y(x). As, para cada y C
0
[a, b] =
C[a, b],
f
[y]
(x) = f(x, y(x)) = xy(x) .
Por lo tanto podemos denir
dom(F) := y C[a, b] : y(a) = 0, y(b) = 0
y
F(y) :=
_
b
a
f
[y]
(x)dx =
_
b
a
f(x, y(x))dx =
_
b
a
xy(x)dx .
Desde luego como dominio de denici on de F podamos haber tomado cual-
quier otro subconjunto de C[a, b].
2. En la Denici on 7.5, considerese n = 1 y la funcion f(u
0
, u
1
, u
2
) = u
1
u
2
2
u
0
.
Sea [a, b] cualquier intervalo nito del eje real. Claramente f C([a, b] R
2
).
Sustituimos u
0
por x, u
1
por y(x) y u
2
por y
(x). Para cada y C

1
[a, b]:
f
[y]
(x) = f(x, y(x), y
(x)) = y(x) [y
(x)]
2
x .
Sea entonces
F(y) :=
_
b
a
f
[y]
(x)dx =
_
b
a
f(x, y(x), y
(x))dx =
_
b
a
_
y(x) [y
(x)]
2
x
_
dx
y dom(F) := y C
1
[a, b] : y(a) = a
0
. Cualquier otro subconjunto de C
1
[a.b]
podra haber hecho las veces de dominio de F.
7.7. Fijemos n en la Denici on 7.5. Consideremos casos particulares de la funci on
f = f(u
1
, . . . , u
n+1
) cuando esta funci on no dependa de la variable u
k
con k n.
Por ejemplo para n = 0 tenemos los siguientes casos
Caso 0.1 f(u
0
, u
1
) C([a, b] R) F(y) =
_
b
a
f(x, y(x))dx, dom(F) C[a, b]
Caso 0.2 f(u
1
) C(R) F(y) =
_
b
a
f(y(x))dx, dom(F) C[a, b]
Ahora bien, cuando n = 1 tenemos las siguientes posibilidades
Caso 1.1 f(u
0
, u
1
, u
2
) C([a, b] R
2
)
F(y) =
_
b
a
f(x, y(x), y
(x))dx, dom(F) C
1
[a, b]
Caso 1.2 f(u
0
, u
2
) C([a, b] R) F(y) =
_
b
a
f(x, y
(x))dx, dom(F) C
1
[a, b]
Caso 1.3 f(u
1
, u
2
) C(R
2
) F(y) =
_
b
a
f(y(x), y
(x))dx, dom(F) C
1
[a, b]
Caso 1.4 f(u
2
) C(R) F(y) =
_
b
a
f(y
(x))dx, dom(F) C
1
[a, b].
Hay otros casos particulares que no consideramos en este comentario. Los casos que
aqu se presentan contiene la mayora de los funcionales que estudiaremos adelante.
7.8. (Ejemplos de funcionales denidos a partir de funciones por medio de la
Denici on 7.5: casos particulares)
7.9. En las pr oximas secciones vamos a estudiar funcionales F relacionados con
funciones f como se indica en la Denicion 7.5. Frecuentemente vamos a suponer
la existencia de las derivadas parciales de f con respecto a u
1
y u
2
en [a, b] (. En
este conjunto est an denidas las funciones

u
1
f y

u
2
f. Claramente si las funciones
u
1
f y

u
2
f est an en C([a, b] (), al sustituir u
0
por x, u
1
por y(x) y u
2
por y
(x)
como se indica en 7.5, obtenemos que para cada y T las funciones
u
1
f(x, y(x), y
(x))

u
2
f(x, y(x), y
(x)) (7.1)
est an en C[a, b].
7.10. Las funciones en (7.1) se denotar an simplemente como

y
f
[y]
y

y
f
[y]
, res-
pectivamente. De esta forma en vez de escribir
u
1
f(x, y(x), y
(x)) escribiremos

y
f
[y]
(x)
y en lugar de
u
2
f(x, y(x), y
(x)) escribiremos

y
f
[y]
(x) .
Lo mismo sera cierto para derivadas de orden superior cuando estas existan. En
lugar de escribir
2
u
1
u
2
f(x, y(x), y
(x)) escribiremos

2
yy
f
[y]
(x) .
As la armacion del par agrafo 7.9 se puede enunciar de la siguiente forma. Para
toda y C
1
[a, b]
u
1
f,

u
2
f C([a, b] R
2
)

y
f
[y]
,

y
f
[y]
C[a, b] .
7.11. En el integrando de una integral con respecto a x sobre [a, b], omitiremos
la variable x de cualquier funci on integrable. As por ejemplo, si g C[a, b] y
u
1
f C([a, b] R
2
), la integral
_
b
a
_

u
1
f(x, y(x), y
(x))
_
g(x)dx
la escribiremos
_
b
a
_

y
f
[y]
_
g dx .
7.12. Lema. Consideremos [a, b][c, d] R
2
y las variables reales s, t tales que s
[a, b] y t [c, d]. Sea f una funcion de las variables s, t, tal que f C([a, b] [c, d])
y

t
f C([a, b] [c, d]). Ademas consideremos la funci on g con dom(g) = [c, d] tal
que
g(t) :=
_
b
a
f(s, t)ds .
Entonces resulta que g C
1
[c, d] y
d
dt
g(t) =
_
b
a
_
t
f(s, t)
_
ds .
Demostraci on.
Introducimos la siguiente funcion:
h(t) :=
_
b
a
t
f(s, t)ds .
Claramente h C[c, d] y tenemos
_
d
c
h(t)dt =
_
d
c
__
b
a
t
f(s, t)ds
_
dt .
Ya que

t
f C([a, b] [c, d]) podemos intercambiar el orden de integraci on para
obtener
_
d
c
h(t)dt =
_
b
a
__
d
c
t
f(s, t)dt
_
ds
=
_
b
a
[f(s, d) f(s, c)] ds
= g(d) g(c) .
O sea que g
= h.
7.13. Teorema. Consideremos el funcional F de la Denici on 7.5 con
f C([a, b] () , ( R
2
O sea que
F(y) :=
_
b
a
f(x, y(x), y
(x))dx
y
dom(F) y C
1
[a, b] : ran(y) ran(y
) ( .
Si sucede que

u
1
f y

u
2
f est an en C([a, b] (), entonces, para toda y dom(F) y
h C
1
[a, b] tales que se satisface el inciso a) de la Denici on 7.1, existe la derivada
de Gateaux en y a lo largo de la direcci on h y
F(y, h) =
_
b
a
__

y
f
[y]
_
h +
_

y
f
[y]
_
h
_
dx
Demostraci on
Como y y h son tales que se satisface el inciso a) de la Denicion 7.1 entonces
en una vecindad del cero V
(0) est a denida la funci on de t, F(y + th). Pero esta

funci on satisface
F(y + th) =
_
b
a
f(x, y(x) + th(x), y
(x) + th
(x))dx
=
_
b
a
f(x, t)dx
Donde para cierto evidentemente

f C([a, b] V
(0)). As que para que se

satisfagan las condiciones del Lema 7.12, necesitamos unicamente comprobar que
la funcion

t
f este en C([a, b] V
(0)). Formalmente calculamos
f(x, t) =

u
1
(x) + th
(x))

t
u
1
(x, t)
+

u
2
(x) + th
(x))

t
u
2
(x, t)
=

u
1
(x) + th
(x))h(x)
+

u
2
(x) + th
(x))h
(x) .
La ultima expresi on esta claramente en C([a, b] V
(0)), por lo que las condiciones

del Lema 7.12 se satisfacen. Esto implica que la derivada
d
dt
F(y + th)
t=0
existe y
obedece
d
dt
F(y + th)
t=0
=
_
b
a
__

u
1
f(x, y + th, y
+ th
)
_
h +
_

u
2
f(x, y + th, y
+ th
)
_
h
_
t=0
dx
=
_
b
a
__

y
f
[y]
_
h +
_

y
f
[y]
_
h
_
dx
De manera an aloga se obtiene la siguiente generalizaci on del teorema anterior.
7.14. Teorema. Consideremos el funcional F de la Denici on 7.5 con
f C([a, b] () , ( R
1+n
n N 0 .
O sea que
F(y) :=
_
b
a
f(x, . . . ,
d
n
dx
n
y(x))dx
y
dom(F) y C
n
[a, b] : ran(y) ran(
d
n
dx
n
y) ( .
Si sucede que

u
k
f est a en C([a, b]R
1+n
) para toda k = 1, . . . , n+1, entonces, para
toda y dom(F) y h C
n
[a, b] tales que se satisface el inciso a) de la Denici on
7.1, existe la derivada de G ateaux en y a lo largo de la direcci on h y
F(y, h) =
_
b
a
__

y
f
[y]
_
h + +
_

y
[n]
f
[y]
_
d
n
dx
n
h
_
dx (7.2)
7.15. Teorema. Fijemos n N 0. Sea f una funci on de las variables u
0
,
u
1
, . . . , u
n+1
tales que u
0
[a, b] y (u
1
, . . . , u
n+1
) R
n+1
. Supongamos que f est a en
C([a, b] R
1+n
) y

u
k
f est a en C([a, b] R
1+n
) para toda k = 1, . . . , n +1. Consi-
deremos los funcionales F
0
, F
1
, F
2
, F
3
generados a partir de la funci on f por medio
de la Denici on 7.5 tales que
dom(F
0
) = C
n
[a, b]
dom(F
1
) = y C
n
[a, b] : y(a) = c
1
dom(F
2
) = y C
n
[a, b] : y(b) = c
2
dom(F
3
) = y C
n
[a, b] : y(a) = c
1
, y(b) = c
2
.
Denamos tambien los conjuntos
T
0
= C
n
[a.b]
T
1
= h C
n
[a, b] : y(a) = 0
T
2
= y C
n
[a, b] : y(b) = 0
T
3
= y C
n
[a, b] : y(a) = 0, y(b) = 0 .
Para cada k 0, 1, 2, 3 ja y para cualquier y dom(F
k
), la derivada de Gateaux
F
k
(y, h) existe si y solo si h T
k
. Ademas se cumple (7.2).
Demostraci on
Debido a los Teorema 7.14 lo unico que debemos mostrar es que para cualquier
y dom(F
k
), se satisface el inciso a) de la Denici on 7.1 si y solo si h T
k
. Esto
es en realidad evidente ya que si h T
k
, entonces y + th dom(F
k
) para toda
y dom(F
k
) y t R. Por otra parte si h , T
k
, claramente y +th , dom(F
k
) para
ning un t R y ninguna y dom(F
k
).
7.16. El Teorema 7.15 contiene evidentemente los casos particulares que se men-
cionan en 7.7.
7.17. Denicion. Sea J un funcional denido en un subconjunto del espacio lineal
de funciones /. Fijemos y
0
dom(J). El conjunto de direcciones admisibles de J
en y
0
es el conjunto de funciones h / para las cuales existe J(y
0
, h).
7.18. Considerense los funcionales F
0
, F
1
, F
2
, F
3
del Teorema 7.15. Fijemos k
0, 1, 2, 3. De acuerdo al Teorema 7.15 y a la Denici on 7.17, para cada y
dom(F
k
), el conjunto de direcciones admisibles de F
k
en y es T
k
.
7.19. (Ejemplos de funcionales y su correspondiente conjunto de funciones admi-
sibles)
7.20. Denicion. El funcional J es convexo si y s olo si para cualquier par y
1
, y
2

dom(J) existe J(y
1
, y
2
y
1
) y se cumple
J(y
2
) J(y
1
) + J(y
1
, y
2
y
1
) . (7.3)
Evidentemente, debido a lo que se arma en 7.3, la igualdad en (7.3) tiene lugar si
y
1
= y
2
. Decimos que J es estrictamente convexo cuando la igualdad en (7.3) tiene
lugar solo si y
1
= y
2
. (Recordemos que y
1
= y
2
signica que y
1
(x) = y
2
(x) para
toda x dom(y
1
) = dom(y
2
)).
7.21. N otese que la denici on que hemos dado para funcionales convexos no es
exactamente an aloga a la denici on de convexidad de funciones dada en 4.3. En
particular, el conjunto dom(J) puede no ser convexo.
7.22. Teorema. Si J y

J son funcionales convexos con dominio de denicion
com un, entonces los funcionales J +
J y aJ con a 0 son funcionales convexos.

Demostraci on.
Sean y
1
, y
2
dom(J). As, de acuerdo a la Denici on 6.15 y utilizando el
Comentario 7.3, tenemos
(aJ +
J)(y
2
) (aJ +
J)(y
1
) = a [J(y
2
) J(y
1
)] +
J(y
2
)
J(y
1
)
aJ(y
1
, y
2
y
1
) +
J(y
1
, y
2
y
1
)
= (aJ +
J)(y
1
, y
2
y
1
) .
Las armaciones del teorema se obtienen suponiendo primero a = 1 y despues
J = 0.
7.23. Corolario. Claramente aJ +
J es estrictamente convexo cuando J es estric-

tamente convexo y a > 0.
7.24. (Ejemplo de funcional convexo) Consideremos el funcional F asociado a la
funci on f en C([a, b]R) a traves de la Denici on 7.5, donde f(u
0
, u
1
) = sin
2
u
0
+u
2
1
,
es decir,
F(y) =
_
b
a
_
sin
2
x + y
2
(x)
dx .
Vamos a tomar dom(F) = C[a, b]. Estudiemos si este funcional es convexo. Sean
y
1
, y
2
cualesquiera elementos de dom(F). Primero notemos que el funcional ha sido
denido de manera tal que corresponde al funcional F
0
con n = 0 del Teorema
7.15. Por lo tanto para y = y
1
y h = y
2
y
1
existe F(y
1
, y
2
y
1
) y se cumple
F(y
1
, y
2
y
1
) = 2
_
b
a
y
1
(y
2
y
1
)dx . (7.4)
As
F(y
2
) F(y
1
) =
_
b
a
_
y
2
2
y
2
1
dx
= 2
_
b
a
y
1
(y
2
y
1
)dx +
_
b
a
[y
2
y
1
]
2
dx
F(y
1
, y
2
y
1
) (7.5)
Lo que nos hace concluir que F es un funcional convexo.
7.25. Lema. Sea f C[a, b] tal que f(x) 0 para toda x (a, b). Entonces
_
b
a
fdx = 0 f = 0 .
Demostraci on.
Denamos
f(x) :=
_
x
a
fdt .
De las condiciones del Lema tenemos que para toda x [a, b]
0

f(x)
_
b
a
fdt = 0 .
As

f(x) 0, por lo que f =

f
= 0.
7.26. (Continuacion del Ejemplo 7.24). Es facil concluir del Lema 7.25 que la
igualdad en la desigualdad (7.5) tiene lugar solo si y
1
= y
2
, por lo que el funcional
F no es s olo convexo, sino estrictamente convexo.
7.27. (Ejemplo). Consideremos la funci on f(u
2
) = u
2
2
y el funcional F asociado
a esa funci on por medio de la Denici on 7.5 tal que dom(F) = C
1
[a, b]. Investigue-
mos la posible convexidad de este funcional. Sean y
1
, y
2
cualesquiera elementos de
dom(F). Notese que el funcional ha sido denido de tal forma que corresponde al
funcional F
0
con n = 1 del Teorema 7.15 (aqu tenemos el caso particular 1.4 del
par agrafo 7.7). De esta forma, para y = y
1
y h = y
2
y
1
, existe F(y
1
, y
2
y
1
) y
se cumple que
F(y
1
, y
2
y
1
) = 2
_
b
a
y
1
(y
2
y
1
)dx .
As
F(y
2
) F(y
1
) =
_
b
a
_
(y
2
)
2
(y
1
)
2
dx
= 2
_
b
a
y
1
(y
2
y
1
)dx +
_
b
a
[y
2
y
1
]
2
dx
F(y
1
, y
2
y
1
) (7.6)
Lo que nos hace concluir que F es un funcional convexo. Notese que el Lema 7.25
nos hace concluir que la igualdad en la desigualdad (7.6) tiene lugar cuando y
1
= y
2
,
esto es y
1
y
2
= c, donde c es una constante arbitraria. De esta forma el funcional
no es estrictamente convexo.
7.28. (Ejemplo). Vamos ahora a considerar el funcional

F, el cual es una restric-
ci on de F (cf. Denicion 6.14) al conjunto T = y C
1
[a, b] : y(a) = c
1
y(b) =
c
2
. Aqu todo es igual al Comentario 7.27, pero, debido a las condiciones en el
dominio, debe suceder que c = 0. Es as que

F es estrictamente convexo.
7.29. Denicion. El funcional J es lineal si dom(J) es un espacio lineal y para
cualesquiera y
1
, y
2
dom(J) y para cualesquiera c
1
, c
2
R se cumple
J(c
1
y
1
+ c
2
y
2
) = c
1
J(y
1
) + c
2
J(y
2
) .
7.30. Obviamente para cualquier combinaci on lineal en dom(J), de la forma
n
k=1
c
k
y
k
, n N, tenemos
J
_
n
k=1
c
k
y
k
_
=
n
k=1
c
k
J(y
k
) .
7.31. Teorema. Si el funcional J es lineal, entonces existe la derivada de G ateaux
J(y, h) para cualesquiera y, h dom(J) y adem as
J(y, h) = J(h) .
Demostraci on.
De manera directa se verica esta armacion. En efecto
J(y, h) = lm
t0
J(y + th) J(y)
t
= lm
t0
tJ(h)
t
= J(h) .
7.32. Corolario. Un funcional lineal es convexo, pero no estrictamente convexo.
Adem as J(y, h) = 0 s olo cuando h ker(J).
7.33. Si J es un funcional lineal, entonces el conjunto de direcciones admisibles
coincide con el conjunto lineal dom(J).
7.34. Lema. Sean f, g C[a, b] tales que f(x) g(x) para toda x (a, b).
Entonces
_
b
a
fdx
_
b
a
gdx
La igualdad sucede s olo si f = g.
Demostraci on.
La desigualdad sigue directamente de las propiedades de la integral de Riemann.
La segunda armacion sigue del Lema 7.25.
7.35. Teorema. Sea f C([a, b] R
2
) y F el funcional asociado a f por medio
de la Denici on 7.5. O sea que
F(y) :=
_
b
a
f(x, y(x), y
(x))dx , dom(F) C
1
[a, b] .
Si sucede que

u
1
f,

u
2
f est an en C([a, b] R
2
) y se cumple
f(u
0
, u
1
+ v, u
2
+ w) f(u
0
, u
1
, u
2
)
_

u
1
f(u
0
, u
1
, u
2
)
_
v +
_

u
2
f(u
0
, u
1
, u
2
)
_
w
(7.7)
para todo u
0
[a.b] y para todos los (u
1
, u
2
), (v, w) R
2
, entonces el funcional F
es convexo.
Demostraci on.
Tomemos y
1
, y
2
dom(F). De las condiciones del teorema, haciendo uso del
Lema 7.34, tenemos
F(y
2
) F(y
1
) =
_
b
a
[f(x, y
2
(x), y
2
(x)) f(x, y
1
(x), y
1
(x))] dx
_
b
a
__

y
f
[y
1
]
_
(y
2
y
1
)
_

y
f
[y
1
]
_
(y
2
y
1
)
_
dx .
El funcional F corresponde al funcional F
0
con n = 1 del Teorema 7.15. Por lo
tanto, para y = y
1
y h = y
2
y
1
, existe F(y
1
, y
2
y
1
) y se cumple que
_
b
a
__

y
f
[y
1
]
_
(y
2
y
1
)
_

y
f
[y
1
]
_
(y
2
y
1
)
_
dx = F(y
1
, y
2
y
1
) .
As,
F(y
2
) F(y
1
) F(y
1
, y
2
y
1
) (7.8)
7.36. Corolario. En base al Lema 7.34 se verica directamente que si la desigual-
dad (7.7) tiene lugar de manera tal que la igualdad se da s olo si v = w = 0, entonces
F es estrictamente convexo.
7.37. Corolario. Supongamos que en el Teorema 7.35
dom(F) = y C
1
[a, b] : y(c) = c
1
c [a, b]
Entonces F es estrictamente convexo cuando la desigualdad (7.7) tiene lugar de
manera tal que la igualdad se da solo si v = 0, o si w = 0.
Demostraci on.
La igualdad en (7.7) tiene lugar s olo cuando vw = 0. Esto implica que la
igualdad en (7.8) sucede solo cuando (y
2
y
1
)(y
2
y
1
)
= 0. Pero entonces
0 = (y
2
y
1
)(y
2
y
1
)
=
1
2
_
(y
2
y
1
)
2
y esto implica que y

2
(x)y
1
(x) = c
2
para toda x [a, b]. Dado que por la restriccion
del dominio tenemos y
2
(c) y
1
(c) = 0 concluimos que c
2
= 0.
7.38. Para los casos particulares del Comentario 7.7 tenemos las siguientes va-
riantes de la desigualdad (7.7)
(7.7)-1.1 Esto es simplemente la desigualdad (7.7) para todo u
0
[a.b] y para
todos los (u
1
, u
2
), (v, w) R
2
.
(7.7)-1.2 f(u
0
, u
2
+ w) f(u
0
, u
2
)
_

u
2
f(u
0
, u
2
)
_
w u
0
[a.b], u
2
, w R
(7.7)-1.3 f(u
1
+ v, u
2
+ w) f(u
1
, u
2
)
_

u
1
f(u
1
, u
2
)
_
v +
_

u
2
f(u
1
, u
2
)
_
w
(u
1
, u
2
), (v, w) R
2
(7.7)-1.4 f(u
2
+ w) f(u
2
)
_

u
2
f(u
2
)
_
w u
2
, w R.
7.39. Lema. Sea f C([a, b] R) tal que f est a en el Caso 1.2 del Comentario
7.7. Si se cumple que

2
u
2
2
f est a en C([a, b] R) y

2
u
2
2
f > 0, entonces f satisface
(7.7)-1.2, donde la igualdad en la desigualdad ocurre solo cuando w = 0.
Demostraci on.
Fijemos u
0
[a, b] y denamos la funcion g(u
2
) = f(u
0
, u
2
). De esta forma
g
(u
2
) =

2
u
2
2
f(u
0
, u
2
). Tomemos z > z. As
g( z) g(z) =
_
e z
z
g
(t)dt
= ( z z)g
(z) +
_
e z
z
( z t)g
(t)dt
> ( z z)g
(z)
Tomando en consideracion la denicion de la funci on g y sustituyendo z = u
2
y
z = u
2
+ w, vericamos que la desigualdad de arriba es
f(u
0
, u
2
+ w) f(u
0
, u
2
) >
_

u
2
f(u
0
, u
2
)
_
w
7.40. Claramente tenemos la armaci on an aloga al Lema 7.39 para el caso Caso
1.4 del Comentario 7.7, a saber: Sea f C(R) tal que f est a en el Caso 1.4 del
Comentario 7.7. Si se cumple que f
est a en C(R) y f
> 0, entonces f satisface

(7.7)-1.4, donde la igualdad en la desigualdad ocurre solo cuando w = 0.
34 Minimizaci on de funcionales convexos
8. Minimizacion de funcionales convexos
8.1. Denicion. La funcion y
0
dom(J) minimiza al funcional J cuando
J(y
0
) = mn ran(J) . (8.1)
Equivalentemente, en ocasiones diremos que y
0
es un mnimo global del funcional J.
Cuando y
0
sea el unico elemento de dom(J) para el que se satisface (8.1), diremos
que y
0
minimiza a J de manera unica.
8.2. Denicion. La funcion y
0
dom(J) maximiza al funcional J cuando
J(y
0
) = max ran(J) . (8.2)
Equivalentemente, en ocasiones diremos que y
0
es un m aximo global del funcional
J. Cuando y
0
sea el unico elemento de dom(J) para el que se satisface (8.2), diremos
que y
0
maximiza a J de manera unica.
8.3. Desde luego aqu tenemos comentarios an alogos a 5.8, 5.11.
8.4. Denicion. Decimos que y
0
es un extremo global si y s olo si y
0
dom(J) es
tal que se cumple o bien (8.1) o bien (8.2).
8.5. Teorema. Sea J un funcional convexo. Si la funcion y
0
que est a en dom(J) es
tal que J(y
0
, yy
0
) = 0 para toda y en dom(J), entonces y
0
minimiza a J. Si resulta
que J no es solo convexo, sino estrictamente convexo, entonces la minimizacion se
da de manera unica.
Demostraci on.
La demostracion es directa.
J(y) J(y
0
) J(y
0
, y y
0
) = 0 .
La segunda parte de la armaci on sigue directamente de la denici on de convexidad
estricta.
8.6. (Ejemplo) Tomemos el funcional que se dio en el Comentario 7.24. De acuer-
do a los resultados que obtuvimos en ese comentario y en el Comentario 7.26 el
funcional es estrictamente convexo. Otra observaci on f acil de hacer es la siguiente:
Sea y
0
= 0 (recordemos que esto signica que y
0
(x) = 0 para toda x [a, b]). De
Minimizaci on de funcionales convexos 35
(7.4) tenemos que
F(y
0
, y y
0
) = 0 y dom(F) .
El Teorema 8.5 entonces implica que y
0
= 0 minimiza al funcional de manera unica.
8.7. (Ejemplo) Consideremos el funcional G tal que
dom(G) = y C[a, b] : y(a) = c
1
y(b) = c
2
,
donde c
1
,= c
2
.
G(y) =
_
b
a
_
sin
2
x + y
2
(x)
dx .
El funcional G es una restriccion (cf. 6.14) del funcional F del Comentario 7.24.
Como en ese caso se demuestra que el G es estrictamente convexo. Sin embargo
ahora la minimizaci on ya no es tan sencilla pues y
0
= 0 no se encuentra en el
dominio de denicion de G.
8.8. (Ejemplo) Es f acil encontrar la funci on que minimiza al funcional

F del Co-
mentario 7.28. Consideremos la funci on y
0
T tal que y
0
(x) c. Claramente, para
cualquier y T (vease el Comentario 7.28), tenemos
F(y
0
, y y
0
) = 2c
_
b
a
(y
0
)dx = 2c
_
b
a
(y y
0
)
dx
= 2c [(y(b) y
0
(b)) (y(a) y
0
(a))] = 0
O sea que y
0
debe minimizar de manera unica a

H. Encontremos la forma concreta
de la funcion y
0
. Sabemos que esta funcion es un polinomio de primer orden que
est a en T, esto es, y
0
(x) = d
1
x + d
2
. De las condiciones a la frontera: y
0
(a) = c
1
y
y
0
(b) = c
2
directamente se obtiene que la funcion
y
0
(x) =
c
1
c
1
a b
(x a) + c
1
minimiza al funcional de manera unica.
8.9. Teorema. Sea u
0
[a, b] y (u
1
, u
2
) R
2
. Consideremos a la funci on f
C([a, b] R
2
) tal que

u
1
f,

u
2
2
) y al funcional F asociado a
f por medio de la Denici on 7.5 tal que dom(F) = C
1
[a, b]. Si y
0
dom(F) es tal
que
d
dx
_

y
f
[y
0
]
_
=

y
f
[y
0
]
, (8.3)
entonces, para toda h C
1
[a, b],
F(y
0
, h) =
_

y
f
y
0
(b)
_
h(b)
_

y
f
y
0
(a)
_
h(a) . (8.4)
(Recordemos que de acuerdo a la Notaci on 7.10, para cualquier c [a, b],

y
f
y
0
(c)
es una abreviaci on de

y
f(c, y
0
(c), y
0
(c))).
Demostraci on.
Primero n otese que se satisfacen las condiciones del Teorema 7.13 para y = y
0
y h. Entonces,
F(y
0
, h) =
_
b
a
__

y
f
[y
0
]
_
(h)
_

y
f
[y
0
]
_
h
_
dx
=
_
b
a
_
d
dx
_

y
f
[y
0
]
_
h
_

y
f
[y
0
]
_
h
_
dx
=
_
b
a
d
dx
__

y
f
[y
0
]
_
h
_
dx
2
de la Denici on 7.5. Consideraremos aqu que
dom(F) = y C
1
[a, b] : y(a) = c
1
, y(b) = c
2
Supongamos que

u
1
f,

u
2
2
). Si resulta que y
0
dom(F)
es tal que (8.3) tiene lugar, entonces y
0
es tal que F(y
0
, y y
0
) = 0 para todo
y dom(F).
8.11. La f ormula (8.3) expresa el hecho de que y
0
satisface la siguiente ecuacion
diferencial
d
dx
_

y
f
_
=

y
f , (8.5)
que lleva el nombre de ecuaci on de Euler-Lagrange.
8.12. La ecuaci on de Euler-Lagrange (8.5) es en general una ecuaci on diferencial
de segundo orden. En efecto, ya que
d
dx
_

y
f(x)
_
=
d
dx
_

u
2
f(x, y(x), y
(x))
_
=

2
u
0
u
2
f(x, y(x), y
(x))
+
_

2
u
1
u
2
f(x, y(x), y
(x))
_
y
(x)
+
_

2
u
2
2
f(x, y(x), y
(x))
_
y
(x)
=

2
xy
f(x) +
_

2
yy
f(x)
_
y
(x) +
_

2
y
2
f(x)
_
y
(x) ,
podemos reescribir (8.5) como sigue
_

2
y
2
f(x)
_
y
(x) +
_

2
yy
f(x)
_
y
(x) +

2
xy
f(x) =

y
f(x) . (8.6)
8.13. La ecuaci on de Euler-Lagrange (8.5), o lo que es lo mismo (8.6), siempre
tiene soluci on y en una vecindad de a tal que y(a) = c
1
. Esta soluci on, sin embargo,
no necesariamente satisface la condici on en b de las funciones que est an en el
dominio de F. En general no sabemos cuando existe soluci on de la ecuacion de
Euler-Lagrange que este en dom(F).
8.14. En los casos particulares 1.2 y 1.4 del Comentario 7.7, la funci on y
0
satisface
la ecuacion de Euler-Lagrange cuando
f
y
0
= c , c R. (8.7)
De esta forma es evidente el siguiente corolario del Teorema 8.10.
8.15. Corolario. Sea la funci on f en C
1
(R) y F el funcional asociado a f por
medio de la Denicion 7.5. Aqu f est a en el Caso 1.4 del Comentario 7.7. Consi-
deraremos que
dom(F) = y C
1
[a, b] : y(a) = c
1
, y(b) = c
2
Si tomamos
y
0
(x) := m(x a) + c
1
, (8.8)
donde m =
c
2
c
1
ba
, entonces F(y
0
, y y
0
) = 0 para cualquier y dom(F).
Demostraci on.
Claramente f satisface las condiciones del Teorema 8.10 para el Caso 1.4 del
Comentario 7.7. La demostracion se completa al observar que debido a la eleccion
de m, y
0
est a en dom(F), y satisface la ecuaci on de Euler-Lagrange para el Caso
1.4, es decir la ecuacion (8.7).
8.16. Geodesica en una supercie cilndrica. La geodesica es la curva de
mnima longitud sobre una supercie dada que une dos puntos en esa supercie.
El problema de encontrar la ecuaci on que describe a la geodesica en una supercie
cilindrica se puede resolvar minimizando a un funcional.
Tomemos las coordenadas cilndricas (r, , z) en R
3
. Vamos a considerar la su-
percie cilndrica que resulta al jar r = 1. Cualquier punto (x, y, z) sobre esta
supercie se determina por dos par ametros (, z), donde
x = cos
y = sin
z = z
Fijemos dos puntos en esta supercie cilndrica (
1
, z
1
)y (
2
, z
2
). Para el caso en
que
1
=
2
el problema se resuelve trivialmente, por lo que de ahora en adelante
consideraremos
1
,=
2
. Sea
2
>
1
. Una curva suave sobre la supercie que une
a los puntos (
1
, z
1
) y (
2
, z
2
) es el conjunto de puntos
(, z) : z = (), C
1
[
1
,
2
], (
1
) = z
1
, (
2
) = z
2
.
Claramente el elemento diferencial de longitud de esta curva es
ds =
_
d
2
+ d
2
=
_
1 +
2
d
y, por lo tanto, la longitud de la curva que une los puntos (
1
, z
1
) y (
2
, z
2
) es
L() =
_

2
1
_
1 +
2
d (8.9)
La misma notaci on nos indica que estamos en precencia de un funcional. Diferen-
tes funciones , esto es, diferentes curvas, tienen diferentes longitudes y hay un
funcional que asocia a cada funci on, esto es curva, su correspondiente longitud. El
problema de la geodesica consiste en este caso en minimizar el funcional (8.9) tal
que
dom(L) = C
1
[
1
,
2
] : (
1
) = z
1
, (
2
) = z
2
.
La minimizaci on de este funcional es directa. Primero vericaremos que el funcional
es convexo. Notemos que el funcional L es un funcional generado por una funcion
l como en la Denicion 7.5 y m as particularmente corresponde al Caso 1.4 del
Comentario 7.7:
l(u
2
) =
_
1 + u
2
2
.
Claramente
l
(u
2
) =
1
(1 + u
2
2
)
3/2
> 0 , u
2
R.
Utilizando la armacion del Comentario 7.40, el Teorema 7.35 y el Corolario 7.37,
llegamos a la conclusi on de que el funcional es estrictamente convexo. Ahora, por
el Corolario 8.15, la funci on:
0
() = m(
1
) + z
1
, m =
z
2
z
1
1
, (8.10)
hace que L(
0
,
0
) = 0 para toda dom(L). Por ultimo, el Teorema 8.5 nos
dice que
0
minimiza a L de manera unica.
La ecuaci on (8.10) dene la curva suave m as corta que une a los puntos (
1
, z
1
)
y (
2
, z
2
). Si la geodesica es una curva suave, habremos resuelto el problema de la
geodesica en la supercie cilndrica. En realidad esta curva si resuelve el problema,
pero una discusi on sobre lo que pasa con curvas que no son suaves la dejaremos
para la Section 21.
8.17. El problema de la Braquistocrona. El problema de la braquistocrona es
el problema paradigmatico del calculo de variaciones.
Durante el movimiento de la masa puntual a lo largo de la curva todo el tiempo
se cumple que la energa cinetica es igual a la energa potencial.
mv
2
2
= mgx, (8.11)
donde m es la masa, v es la magnitud de la velocidad y g la constante de aceleracion
gravitatoria cerca de la supercie. Por otra parte la magnitud de la velocidad a lo
largo de la curva est a dada por
v =
ds
dt
=
_
1 + y
2
dx
dt
.
Despejando v de (8.11) y sustituyendola en la equaci on anterior, obtenemos
dt =
1 + y
2
2gx
dx .
De modo que el tiempo requerido para que la masa puntual, desplazandose a lo
largo de la curva denida por y, llegue al punto (a, a) habiendo partido del punto
(0, 0) es
T =
_
a
0
1 + y
2
2gx
dx .
Esta integral tiene una singularidad en el cero y, por lo tanto, debe considerarse
como una integral impropia. No obstante, es facil vericar que para cualquier fun-
ci on y C
1
[0, a], la integral impropia converge. En efecto, ya que el integrando es
positivo es suciente comprobar que existe una constante c tal que para todo > 0
_
a
1 + y
2
2gx
dx c ,
pero
_
a
1 + y
2
2gx
dx m ax
x[0, x]
1 + y
2
2g
_
a
dx
x
1/2
= m ax
x[0, x]
1 + y
2
2g
_
2a
1/2
2
1/2
_
2a
1/2
m ax
x[0, x]
1 + y
2
2g
.
Si el recorrido se hace a lo largo de otra curva, entonces el tiempo de desplazamiento
es otro. Podemos entonces denir el funcional
T(y) =
_
a
0
1 + y
2
2gx
dx ,
tal que
dom(T) = y C
1
[0, a] : y(0) = 0, y( x) = y .
Este funcional asocia a cada curva que une a los puntos (0, 0) y (a, a) el tiempo de
recorrido de la masa puntual.
Minimizaci on de funcionales convexos bajo condiciones convexas 41
8.18. Teorema. Sea f C([a
1
, a
2
] R
2
) y F
1
y F
2
los funcionales asociados a f
por medio de la Denicion 7.5, donde
dom(F
k
) = y C
1
[a
1
, a
2
] : y(a
k
) = c
k
k = 1, 2 .
Supongamos que

u
1
f,

u
2
f est an en C([a
1
, a
2
] R
2
). Fijemos k = 1 o k = 2. Si
resulta que y
0
dom(F
k
) satisface la ecuaci on de Euler-Lagrange (8.3) y
0 =
_
_
_
f(a
2
, y
0
(a
2
), y
0
(a
2
)), cuando k = 1
f(a
1
, y
0
(a
1
), y
0
(a
1
)), cuando k = 2
entonces y
0
es tal que F
k
(y
0
, y y
0
) = 0 para todo y dom(F
k
).
2
de la Denici on 7.5, donde
dom(F) = C
1
[a, b] .
Supongamos que

u
1
f,

u
2
2
). Si resulta que y
0
dom(F)
satisface la ecuaci on de Euler-Lagrange (8.3) y
f(a
2
, y
0
(a), y
0
(a)) =

y
f(a
1
, y
0
(b), y
0
(b))
entonces y
0
es tal que F(y
0
, y y
0
) = 0 para todo y dom(F).
9. Minimizaci on de funcionales convexos bajo condiciones
convexas
9.1. Teorema. Sean J, G
1
, . . . , G
N
funcionales denidos en T. Si existen constan-
tes
1
, . . . ,
N
y una funci on y
0
en T que minimice al funcional
J +
N
k=1
k
G
k
(de manera unica), entonces y
0
minimiza a

J (de manera unica), donde
J := J
{yD: G
k
(y)=G
k
(y
0
), k=1,...,N}
9.2. El problema de la Catenaria.
42 Espacios normados.
10. Extremos locales de funciones reales de variable real
10.1. Denicion. Sea f una funci on real de variable real. x
0
dom(f) es un
mnimo local de f si existe > 0 tal que x V
(x
0
) dom(f) implica que f(x)
f(x
0
).
10.2. Denicion. Sea f una funci on real de variable real. x
0
dom(f) es un
maximo local de f si existe > 0 tal que x V
(x
0
) dom(f) implica que f(x)
f(x
0
).
10.3. Denicion. Un extremo local es un m aximo o un mnimo local.
10.4. Teorema. Sea f una funci on diferenciable real de variable real. Sea x
0
un
punto interior de dom(f), esto lo denotamos x
0
int dom(f). Si x
0
es un extremo
local de f, entonces f
(x
0
) = 0.
10.5. El teorema anterior nos da una condici on necesaria para que x
0
sea un
m aximo o un mnimo local. Recordemos que para el caso de funciones convexas
esto mismo era una condicion suciente.
10.6. Si x
0
no es in punto interior de dom(f), entonces f
(x
0
) no es condici on
necesaria.
10.7. Claramente la condici on f
(x
0
) no es suciente. En efecto, considere la
funci on f(x) = x
3
con dom(f) = [1, 1]. La derivada de f evaluada en el punto
x
0
= 0 satisface la condici on, pero evidentemente no tenemos un extremo en este
punto.
10.8. En nuestra discusi on anterior, el concepto de distancia entre elementos del
dominio de la funcion fue fundamental. Adelante deniremos la distancia entre
elementos del dominio de denici on de funcionales.
11. Espacios normados.
11.1. Denicion Un espacio lineal L es normado si para cada y L existe un
unico n umero real |y| tal que
1. |y| > 0 si y ,= 0.
Espacios normados. 43
2. |ay| = [a[ |y|.
3. y
1
, y
2
L, se cumple que |y
1
+ y
2
| |y
1
| +|y
2
|.
Un mismo espacio lineal L puede tener varias normas diferentes denidas en el,
por ejemplo ||
1
y ||
2
dando lugar a espacios normados diferentes. Para tener
en cuanta esta diferencia denotaremos los correspondientes espacios normados por
(L, ||
1
) y (L, ||
2
), respectivamente.
11.2. La norma es un caso particular de funcional.
11.3. Teorema. Todo espacio normado se convierte en un espacio metrico al de-
nir la distancia entre los elementos y
1
y y
2
del espacio normado (L, ||), como
sigue
(y
1
, y
2
) := |y
1
y
2
| .
11.4. Habiendo denido la distancia entre dos elementos cualesquiera de un espa-
cio normado, podemos denir vecindades y darle sentido al concepto de localidad
en espacios normados.
11.5. Denicion Sea (L, ||) un espacio normado y y
0
L. La vecindad de y
0
es la bola abierta de radio centrada en y
0
, es decir,
V
(y
0
) := y L : |y y
0
| < .
11.6. Denicion Sea (L, ||) un espacio normado y sea y
n
n=1
una sucesi on
de elementos de L. Decimos que la sucesion y
n
n=1
converge a y
0
L (lo que
denotamos y
n

n
y
0
) si
> 0, N N : n > N y
n
V
(y
0
)
11.7. (Ejemplo) El valor absoluto es una norma en R, as los n umeros reales
constituyen un espacio normado. Note que el concepto de vecindad de la Denici on
11.5 corresponde al usado en el Comentario 7.2 y las Deniciones 10.1 y 10.2.
44 Continuidad.
11.8. (Ejemplos) Consideremos el espacio lineal C[a, b]. Denamos para cada y
C[a.b] las siguientes normas
|y|
p
=
_
_
__
b
a
[y[
p
dx
_
1/p
p R
+
m ax
x[a,b]
[y(x)[ p =
Se puede vericar f acilmente que para cada p R , el funcional y |y|
p
es una norma. N otese que para los espacios C(a, b) estos mismos funcionales no
pueden servir de norma.
11.9. Denicion. Sea L un espacio lineal que admite la denici on en el de las
normas ||
1
y ||
2
. Decimos que las normas ||
1
y ||
2
son equivalentes si
c
1
, c
2
> 0 : y L c
1
|y|
1
|y|
2
c
2
|y|
1
11.10. (Ejemplos) Consideremos el espacio lineal C
1
[a, b]. Denamos para cada
y C[a.b] las siguiente norma
|y|
p,1
=
_
_
__
b
a
_
[y[
p
+[y
[
p
dx
_
1/p
p R
+
m ax
x[a,b]
[y(x)[ + max
x[a,b]
[y
(x)[ p =
Se puede vericar f acilmente que para cada p R , el funcional y |y|
p,1
es una norma. N otese que para los espacios C
1
(a, b) estos mismos funcionales no
pueden servir de norma. Claramente en C
1
[a, b], la norma ||
,1
es equivalente a
la norma ||
f
, donde
|y|
f
= m ax
x[a,b]
([y(x)[ +[y
(x)[) .
11.11. Como C
1
[a, b] C[a, b], las normas del Comentario 11.10 son tambien nor-
mas en C
1
[a, b], dando as lugar a diferentes espacios normados. Adelante, en varias
ocasiones, utilizaremos los espacios normados (C
1
[a, b], ||
) y (C
1
[a, b], ||
,1
).
12. Continuidad.
Continuidad. 45
12.1. Denicion. Sea (L, ||) un espacio normado y J un funcional tal que dom(J)
L. J es continuo en y
0
dom(J) cuando
> 0, : y V
(y
0
) dom(J) J(y) V
(J(y
0
))
En el caso en el que el funcional sea continuo en todo su dominio de denici on
diremos que el funcional es continuo.
12.2. Cuando y
0
es un punto de acumulacion de dom(J), una denicion equi-
valente a la anterior es la siguiente. J es continuo en y
0
cuando para cualquier
sucesi on y
n
n=1
dom(J) tal que y
n

n
y
0
(vease la Denici on 11.6) sucede
que J(y
n
)
n
J(y
0
).
12.3. (Continuidad de la norma). En el Comentario 11.2 mencionamos que la
norma es un funcional. Ahora vamos a demostrar que ese funcional es continuo.
Sea
N(y) := |y|
Consideremos un elemento arbitrario y
0
del espacio normado, es decir del dominio
de N. Entonces
[N(y) N(y
0
)[ = [|y| |y
0
|[ |y y
0
| .
As, para cualquier > 0, podemos tomar como valor de cualquier real positivo
menor que .
12.4. (Ejemplo) Consideremos el funcional J en el espacio normado (C[a, b], ||
)
tal que dom(J) = C[a, b] y
J(y) =
_
b
a
_
sin
2
x + y
2
(x)
dx .
46 Continuidad.
Tenemos, para cualesquiera y, y
0
dom(J),
[J(y) J(y
0
)[ =
_
b
a
_
y
2
y
2
0
dx
_
b
a
y
2
y
2
0
dx
=
_
b
a
[y + y
0
[ [y y
0
[ dx
|y y
0
|
|y + y
0
|
(b a) . (12.1)
Ahora, si |y y
0
|
< 1, entonces
1 > |y y
0
|
|y|
|y
0
|
.
Por lo que
|y + y
0
|
|y|
+|y
0
|
< 1 + 2 |y
0
|
.
Sustituyendo esto en (12.1), obtenemos que
[J(y) J(y
0
)[ < (b a)(1 + 2 |y
0
|
) |y y
0
|
.
Lo que demuestra que J es un funcional continuo en todo su dominio de denici on.
N otese que aqu no solo depende de sino tambien del punto y
0
donde estamos
estudiando la continuidad.
12.5. Teorema. Sea f C[a, b] y supongamos que existe f
(x) para toda x

[a, b]. Entonces existe c (a, b) tal que
f(a) f(b) = (b a)f
(c) .
12.6. (Otro ejemplo de continuidad) Consideremos al funcional J en el espacio
normado (C[a, b], ||
,1
tal que dom(J) = C
1
[a, b] y
J(y) =
_
b
a
g
_
1 + (y
)
2
dx
donde g C[a, b].
Consideremos la funcion h(u
2
) =
_
1 + u
2
2
. Entonces
[h
(u
2
)[ =
[u
2
[
_
1 + u
2
2
1
Continuidad. 47
Utilizando el Teorema 12.5, llegamos a la conclusi on de que para cualesquiera
y, y
0
dom(J)
_
1 + (y
(x))
2
_
1 + (y
0
(x))
2
[y(x) y
0
(x)[ |y y
0
|
.
De esta forma
[J(y) J(y
0
)[
_
b
a
[g[ |y y
0
|
dx (b a) |g|
|y y
0
|
.
Lo que demuestra que J es un funcional continuo en todo su dominio de denici on.
N otese que aqu s olo depende de .
12.7. Denicion. Sea J un funcional lineal en un espacio normado. Decimos que
J es un funcional acotado cuando
c : y dom(J), [J(y)[ c |y| .
12.8. El concepto de funcional acotado se puede extender al caso en el que el
funcional no es lineal. Sin embargo el concepto no es muy util cuando el funcional
no es lineal.
12.9. (Ejemplo) Considerese el funcional J en el espacio normado (C[a, b], ||
)
tal que dom(J) = C[a, b] y
J(y) =
_
b
a
gydx,
donde g C[a, b].
De manera directa se verica que el funcional es lineal. Ahora, si y dom(J),
tenemos
[J(y)[
_
b
a
[gy[ dx (b a) |g|
|y|
.
Lo que muestra que J es un funcional acotado.
12.10. Lema Sea (L, ||) un espacio normado. Si y
k
N
k=1
es una sucesion nita de
elementos de L, entonces existe c > 0 tal que para cualquier colecci on de escalares
a
k
N
k=1
,
_
_
_
_
_
N
k=1
a
k
y
k
_
_
_
_
_
c
N
k=1
[a
k
[ .
48 Compacidad.
12.11. Teorema Sea (L, ||) un espacio normado y J un funcional lineal tal que
dom(J) L. Si dim(L) < , entonces J es un funcional acotado.
dom(J) L. Si J es un funcional acotado, entonces es un funcional continuo.
dom(J) L. Si existe y
0
dom(J) tal que J es continuo en y
0
, entonces J es un
funcional acotado.
12.14. Corolario. Sea (L, ||) un espacio normado y J un funcional lineal tal que
dom(J) L. Si J es continuo en un punto de su dominio, entonces es continuo en
todo su dominio de denicion.
12.15. Corolario. Sea (L, ||) un espacio normado y J un funcional lineal tal que
dom(J) L. El funcional J es continuo si y s olo si J es un funcional acotado.
13. Compacidad.
Bibliografa
[1] Akhiezer, N. I.: The calculus of variations. Blaisdell, Boston, 1962.
[2] Courant, R. and Hilbert, D.: Methods of Mathematical Physics, Vol I. Inters-
cience Press, 1953.
[3] Gelfand, I. M. and Fomin, S. V.: Calculus of variations. Dover, New York,
2000.
[4] Sagan, H.: Introduction to the calculus of variations. McGraw-Hill, New York,
1964.
[5] Troutman, J. L.: Variational calculus and optimal control: Optimization with
elementary convexity. Springer, New York-Berlin-Heidelberg, 1995.
49

Lecciones de Calculo Variacional

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lecciones de Calculo Variacional

Uploaded by

Copyright:

Available Formats

Calculo de variaciones

que es el conjunto de cotas inferiores de /

= , entonces / no esta acotado inferiormente.

. Analogamente se dene la funci on

(x)) es una funcion

(x). Para cada y C

(0) est a denida la funci on de t, F(y + th). Pero esta

(0)). As que para que se

(0)). Formalmente calculamos

(0)), por lo que las condiciones

J y aJ con a 0 son funcionales convexos.

J es estrictamente convexo cuando J es estric-

y esto implica que y

> 0, entonces f satisface

(x) para toda x

You might also like