Professional Documents
Culture Documents
Cal Var
Cal Var
Catenaria: encontrar la
curva (fija en dos extremos)
que da la mínima superficie
de revolución
Métodos del Cálculo de Variaciones (1)
En su forma unidimensional
el problema se puede ver dy
como: y
dt
Se tiene una función t2
Definida en un camino y = y(t) I f y, y , t dt
t1
entre dos valores t1 y t2
Se quiere encontrar un
camino y(t) tal que la integral
de línea I de f entre t1 y t2
tenga un valor estacionario
Se consideran, solamente,
variaciones entre caminos
para los que y(t1) = y1 y y(t2) =
y2
Métodos del Cálculo de Variaciones (2)
La condición para
obtener un punto dI
estacionario es 0
d 0
0
Deducción de las ecuaciones de
Euler-Lagrange (2)
Por lo tanto la variación
dI x2 f d f
de I con respecto a es x dx
d x1
y dx y
0
sus derivadas
1 y
v 2 gx 2
2
Además
2
dy
t12
1 2 gx
dx
ds dx dy 1 dx 1 y dx
2 2 2
dx
Solución de Problemas Geométricos
Braquistocrona (2)
Identificamos f como f d f
1/ 2 0
1 y
2
dy dx dy
f
x
y 1
2
x1 y 2a
La ecuación de Euler- 2
Lagrange es
Que tiene como solución
(parametrizada) la
cicloide
x a1 cos
y a sin
Solución de Problemas Geométricos
Catenaria (1)
Tenemos una curva fija en
dos extremos (x1,y1) y (x2,y2)
queremos que el área que se
genera al dar una revolución
alrededor del eje y sea
mínima
El área del segmento
sombreado de la figura es
2xds = 2x 1 y2 dx
x2
El área total está dada por la 2 x 1 y dx
2
variacional
Solución de Problemas Geométricos
Catenaria (2)
Las ecuaciones de Euler- dy a
Lagrange nos dan la
dx x2 a2
ecuación diferencial
y b
x a cosh
Que tiene solución a
Esta es la ecuación de
una catenaria
La gráfica de la curva
es (en el plano xy)
Formalismo Variacional de la Mecánica
Teórica (1)
Principio de Hamilton:
Describe el movimiento de un sistema mecánico
Para sistemas monogénicos (toda fuerza es derivable a partir
de un potencial escalar):
El movimiento de un sistema del tiempo t1 al tiempo t2 es
tal que la integral de línea
t2
I
t1
L dt ,
donde L = T – V, tiene un valor estacionario para el camino
corrrecto del movimiento.
T es la energía cinética del sistema y V el potencial al que
este está sujeto
I se conoce como la acción o integral de acción
Formalismo Variacional de la Mecánica
Teórica(2)
El principio de Hamilton se puede expresar
diciendo que el movimiento es tal que la
variación de la integral de línea I es cero para
t1 y t2 fijos
t
I Lq1 , qn ; q 1 , q n ; t dt 0
2
1 t
1
El Lagrangiano del sistema es L
2
m r 2 csc 2 r 2 2 mgr cot
Ejemplos Físicos
Movimiento Dentro de un Cono (2)
Para la coordenada d L
0
tenemos dt
es una coordenada cíclica L
mr 2 cte
Vs. t
x(t), y(t) (paramétrico)
Ejemplos Físicos
Péndulos Acoplados (1)
Dos masas iguales se a
ponen en una cuerda, una a
a, la otra a 2a. El extremo O a
de la cuerda está fijo
Las coordenadas
generalizadas son los
ángulos y de la figura
1
T ma 2 2 2 cos
La energía cinética y 2
potencial del sistema son U mga2 cos cos
1
L ma 2 2 2 cos
El Lagrangiano del sistema 2
mga2 cos cos
Ejemplos Físicos
Péndulos Acoplados (2)
Las ecuaciones de Euler-
Lagrange para y son 2a 2 g sin a 2 sin a cos
a g sin a 2 sin a cos
Tomando:
a = 0.5 m,
g = 10 m/s2,
(0) = 0, ’(0) = 0,
Vs. t
Vs. t
Otras Áreas de la Física
Teoría de Campos
La formulación Lagrangiana de partículas se puede
extender a la descripción de campos.
Se trabaja con la densidad Lagrangiana del sistema
~
L L x , x ; x
Las ecuaciones de campo que se deducen de esta
formulación son
~ ~
L L A
0, 1,2,3 A
x A A x
Esta formulación tiene aplicaciones en
electromagnetismo, relatividad, mecánica cuántica,
etc…
Principio Variacional en Elasticidad
En elasticidad se puede E mín energía de carga
aplicar un principio variacional geometría
sobre el siguiente del dominio
planteamiento energía de superficie
La energía de carga es, en
general, un término no
convexo que favorece la
formación de microestructuras
en el material
Microestructura: estructura
observada en un espécimen
con una magnificación óptica ~
x25 a x1500
La energía de superficie es
una función que penaliza
cambios fuertes en la función
que minimiza la energía total
Dificultad y Motivación de
Problemas No Convexos (1)
¿Qué características debe tener el integrando
(Lagrangiano) para que existan minimizadores para
I en un espacio de funciones? D. Hilbert, 1900
I debe ser débil inferiormente semicontinuo
Requisito: convexidad de f en la derivada de y(x). Tonelli,
1930.
Si el integrando f no es convexo en la derivada no
se puede garantizar la existencia de minimizadores
de I. Dacorogna, 1980
Las ecuaciones de Euler-Lagrange no son un método
efectivo para buscar estos minimizadores
Dificultad y Motivación de
Problemas No Convexos (2)
El principio variacional para la elasticidad es no
convexo, el término de la energía de superficie hace
que el problema tenga solución
La no convexidad de la energía de carga es la
responsable de la formación de la microestructura
en el material
Se presenta a continuación el método de los
momentos
Permite encontrar la solución de algunos problemas
variacionales no convexos
En caso que el problema no tenga solución, da información
sobre el comportamiento de las sucesiones minimizantes
Problema de Bolza
Balance de Energía Para una Barra
1 ux ux dx
1 2 2
I u
2
Simplificación de un problema
0
de balance energético para
una barra unidimensional de s.a :
longitud 1
u 0 u 1 0
Energía de superficie = 0
La barra está bajo el efecto de
algunas cargas externas
u(x) es la deformación que
experimenta el punto x
sobre la barra
u’(x) la deformación unitaria
Problema de Bolza
Dificultad y Motivación
El balance energético que
1 ux ux dx
1 2 2
propone el problema de Bolza
I u
2
impone condiciones difíciles 0
de cumplir
I(u) 0 s.a :
u(x) 0
u’(x) ±1
u 0 u 1 0
Estas condiciones no son
compatibles
La ecuación de Euler-
Lagrange para u presenta u x
soluciones inestables al utilizar u x
los métodos numéricos
convencionales 23u x 1
Además esta ecuación no
caracteriza el minimizador
Problema de Bolza
Relajación
Encuentra la solución o, en
caso que esta no exista, da
información sobre las
sucesiones minimizantes de
problemas no convexos
Problema variacional
problema de optimización
No convexidad en la derivada
se remplaza el integrando I u f y, y, x dx
por su envolvente convexa
Los minimizadores de esta
relajación convexa son los I u mín f y, y, x dx
y x
límites débiles de las
sucesiones minimizantes del Relajación
problema original
I u mín f c y, y , x dx
y x
Problemas Variacionales No Convexos
Relajación Convexa
La relación entre el problema original y el relajado es
mín I y inf I y
y x y
Sea un una sucesión minimizante de I, entonces ella
converge débilmente a un minimizador de I
un u
n
Teorema de Caratheodory: Dada una función f coerciva
y continua f: n su envolvente convexa está definida
como
f c t min 1 f t1 n f t n
n
k 1 k tk t
el óptimo se obtendrá en una combinación convexa de n+1
puntos a lo sumo.
Problemas Variacionales No Convexos
Relajación en Medidas (1)
Para lograr la relajación
convexa del funcional I se
introduce un nuevo funcional
~
I f y x , ; x d x dx
Ĩ en medidas x : x
es una familia de medidas
de probabilidad x
parametrizada por los puntos
x del dominio del problema
(medida de Young)
Cada medida parametrizada
y x d x
debe cumplir
Problemas Variacionales No Convexos
Resultados de Relajación (Pedregal)
El teorema de Caratedory
implica que el mínimo de Ĩ
f c y * x , y * x ; x
f y * x , ; x d
*
se obtiene en las medidas c x
Relajación
Problema variacionalSemidefinida
I (Meziat)
~ x
x
f y x , ; x d x dx
1
generalizado: 0
f puede ser no convexo s.a
sobre pero debe tener y x0 y0 y x1 y1
estructura polinomial yx d x
2n
f y x , ; x ak y, x k
k 0
ConRelajación
m*(x) la solución al
Semidefinidamin(Meziat) ak y, x m(2)
2n
programa matemático: k x
mk x
k 0
Las nuevas variables de s.a
diseño deben formar una
matriz de Hankel, ya que H x 0
mk(x) representa el
momento de orden k de la 1 m1 mn
medida parametrizada
m1 m2 mn 1
La matriz H(x) es H x 0
cuadrada (n+1)(n+1),
simétrica y los elementos m m m
n n 1 2n
sobre las diagonales
secundarias coinciden
Problemas Variacionales No Convexos
El problema variacional original
Relajación Semidefinida
min (Meziat)
a y x , x (3)
N
2n
se transforma en un problema m x x k i i k i i
de optimización (se ha m
i 1 k 0
discretizado x)
s.a
Este problema se resuelve con
métodos de optimización i
LosRelajación
puntos de soporte Semidefinida
de la (Meziat) (4)
u * xi 1 xi t xi 2 xi t xi
1 2
s.a .
No convexo en u’(x)
u 0 u 1 0
Tiene forma polinomial en
la variable derivada f x, u, 1 22 4 u 2
~ 1
I m 1 2m2 x m4 x u x dx
2
El problema relajado en 0
s.a .
momentos es u x
x
m1 s ds
0
1
m s ds 0
0
1
1 m1 x m2 x
H x m1 x m2 x m3 x 0
m x m x m x
2 3 4
Problema de Bolza
Solución con Medidas (2)
Los momentos que se m1
m2
encuentran son
m3
Que llevan a m4
1 1
* x 1 1
2 2
La sucesión minimizante
tiene la forma
Envolvente Convexa de una Función