Sei sulla pagina 1di 6

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

CONDIC
OES
NECESSARIAS
E SUFICIENTES DE OTIMALIDADE PARA O
PROBLEMA DE CONTROLE DE SISTEMAS LINEARES DETERMIN
ISTICOS
` REALIMENTAC
DE SA
SUJEITOS A
AO
IDA
o Bosco Ribeiro do Val
Diego de Sousa Madeira, Joa

DT-FEEC-UNICAMP
Av. Albert Einstein, 400
Cid. Universit
aria Zeferino Vaz
Distrito de Bar
ao Geraldo
Campinas, S
ao Paulo, Brasil
Emails: dmadeira@dt.fee.unicamp.br, jbosco@dt.fee.unicamp.br
Abstract The main contributions of this work are that necessary and sufficient optimality conditions for the
control problem of linear deterministic systems are obtained. We adopted the output feedback control method, a
finite number of stages and a cost function that is quadratic in the state and control vectors. The deterministic
problem is completely solved, that is, we prove that for any MIMO system the necessary optimality conditions
are also sufficient. To do so, a formulation of the Discrete Minimum Principle is used.
Keywords
Conditions.

Linear Deterministic Systems, Discrete Minimum Principle, Necessary and Sufficient Optimality

Resumo As principais contribuic


oes deste trabalho s
ao a obtenc
ao de condic
oes necess
arias e suficientes de
otimalidade para o problema de controle de sistemas lineares determinsticos. Adotamos o m
etodo de controle
por realimentac
ao de sada, uma quantidade finita de est
agios e um funcional de custo quadr
atico nas vari
aveis
de estado e de controle. O problema determinstico
e solucionado por completo, ou seja, provamos que para um
sistema MIMO qualquer as condic
oes necess
arias de otimalidade s
ao tamb
em suficientes. Para tanto, uma vers
ao
do Princpio do Mnimo Discreto
e utilizada.
Palavras-chave Sistemas Lineares Determinsticos, Princpio do Mnimo Discreto, Condic
oes Necess
arias e
Suficientes de Otimalidade.

Introdu
c
ao

Suponha um sistema linear determinstico discreto


no tempo governado pela seguinte din
amica, t
0:
x(t + 1)
y(t)

Ax(t) + Bu(t)

= Cx(t)

em que x e o vetor de estados, u e o controle aplicado e y e o vetor de sada. As matrizes A, B e C


s
ao as matrizes do sistema e possuem dimensoes
apropriadas.
Em conex
ao com os sistemas (A, B, C), estudaremos um tipo particular de retroalimentacao
de absoluta relev
ancia em teoria de controle: a
realimentac
ao de sada. Muitas vezes, n
ao temos
acesso a todas as vari
aveis de estado, seja porque n
ao e possvel medi-las, seja porque elas sequer possuem significado fsico. Faz sentido, ent
ao, utilizar um vetor de sada acessvel para fins
de controle.
Segundo Mustafa (1995), um controle por realimentac
ao de sada e caracterizado pela aplicac
ao em cada instante de uma ac
ao de controle u(t)
proporcional `
a sada y(t), ou seja, u(t) = K(t)y(t).
Consequentemente:
x(t + 1)

e aplicado e esta acao leva o sistema dinamico


(A, B, C) de um estado x(t) a um estado x(t + 1).
Todavia, com o objetivo de manter a concordancia
com a notacao usual da area, adotaremos um ganho de controle sempre designado por u(t). Nosso
sistema dinamico assume, logo, a seguinte forma:

Ax(t) + BK(t)y(t)

(A + BK(t)C) x(t)

Em cada instante t 0 um controle K(t)

ISBN: 978-85-8001-069-5

x(t + 1)

(A + Bu(t)C) x(t)

(1)

Definido o tipo de sistema linear em questao,


surge a necessidade de descrever o funcional de
custo associado. Esta tarefa e relevante, pois temos interesse em controlar o sistema otimizando
recursos. Tal criterio assume, assim como em
(Vargas, 2004) e (do Val e Basar, 1999), a forma
de um funcional de custo quadratico envolvendo
as variaveis de estado e de controle:
N
JU

:=

N
1
X

[x(t)0 (Q + C 0 u(t)0 Ru(t)C) x(t)]

t=0

+ x(N )0 Sx(N )

(2)

O sistema tem origem em um estado x(0) =


x0 fixo e N > 0 representa uma quantidade finita
de estagios, um horizonte finito. As matrizes Q,
R e S exercem uma funcao de ponderacao. Por
meio de tais matrizes, sao penalizados os desvios
dos estados x(t) com relacao `a origem e o esforco
de controle ou energia utilizada no processo de
regulacao.

74

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

Neste trabalho, ser


a provado que as condicoes
necess
arias de otimalidade para o problema de minimizac
ao do funcional (2) sujeito em cada instante `
a restric
ao (1) s
ao tambem suficientes. Este
problema de otimizac
ao multi-est
agios n
ao e convexo, o que torna a sua resoluc
ao um tanto mais
difcil.
No sec
ao 2, o problema de controle mencionado a pouco e formulado em termos de um problema de otimizac
ao n
ao-linear. Na sec
ao 3, um
princpio do mnimo discreto e apresentado. Tal
princpio, dependendo das propriedades do sistema din
amico e do funcional de custo adotado,
pode vir a fornecer otimalidade global. Na secao
4, utilizamos o princpio do mnimo discreto estabelecido na forma do Teorema 1 para solucionar o
problema proposto na sec
ao 2.
2

Formula
c
ao do problema

O problema proposto consiste em minimizar o funN


cional de custo JU
em N est
agios, resultante da
aplicac
ao de uma sequencia de ganhos de controle
U {u(t) : t = 0, . . . , N 1}:
N
JU

N
1
X

q(t) + q(N )

(3)

(A + Bu(t)C) x(t)

(4)

t=0

x(t + 1)
q(t)

= x(t)0 (Q + C 0 u(t)0 Ru(t)C) x(t) (5)


q(N )

= x(N ) Sx(N )

(6)

Um princpio do mnimo discreto

Com base na formulacao (3)(6), obtemos a seguinte funcao Lagrangeana:


LN
U :=

N
1 n
X

x(t)0 (Q + C 0 u(t)0 Ru(t)C) x(t)

t=0

+ p (t + 1) [(A + Bu(t)C) x(t) x(t + 1)]

+ x(N )0 Sx(N )

(7)

Os multiplicadores de Lagrange p (t)


0
{Rn } (t = 1, . . . , N ) constituem, juntamente com
algum par de sequencias {x , u }, uma sequencia
de pontos estacionarios: {x0 , u (0), p (1)} em t =
0; {x (t), u (t), p (t + 1)} para t = 1, . . . , N 1;
e no instante t = N o par {x (N ), p (N )}.
A seguir, realizamos uma divisao da func
ao
Lagrangeana em 3 partes: uma contendo o instante inicial t = 0, outra contendo os instantes
intermediarios t = 1, . . . , N 1 e uma u
ltima dedicada ao instante final t = N . Tal procedimento
foi proposto por Vidal (1987) para sistemas discretos no tempo em um contexto de maximizac
ao
de um determinado funcional de custo associado.
Seu trabalho foi baseado, contudo, em ideias desenvolvidas por Mangasarian (1966) para o caso
dos sistemas contnuos. Temos:
n
LN
=
x(0)0 (Q + C 0 u(0)0 Ru(0)C) x(0)
U
o
+ p (1) (A + Bu(0)C) x(0)
+

N
1 n
X

x(t)0 (Q + C 0 u(t)0 Ru(t)C) x(t)

t=1

Denominamos vetor de estados a variavel


x(t) Rn , t = 0, . . . , N , x(0) = x0 , e chamamos de ganho de controle a vari
avel u(t) Rsm ,
t = 0, . . . , N 1. Adotamos um custo por estagio
quadr
atico q(t) 0, t = 0, . . . , N 1, e um custo
final q(N ) 0, t = N .
As matrizes Q Rnn , R Rss e S Rnn
s
ao simetricas e Q 0, R > 0 e S 0. Alem
disso, C Rmn , B Rns e A Rnn .
Desejamos determinar a sequencia de controle
U {u(t) : t = 0, . . . , N 1} que minimiza o funN

cional JU
sobre todas as sequencias possveis. E
importante observar que este problema possui natureza n
ao-linear e n
ao e, em geral, convexo.
A existencia de convexidade bastaria para
que pudessemos afirmar que as condic
oes necess
arias de otimalidade s
ao tambem suficientes, o
que n
ao significa que e impossvel verificar tal
juscondic
ao para um problema n
ao convexo. E
tamente neste contexto que iremos desenvolver
nosso trabalho: mesmo sem convexidade, provaremos que, satisfeitas determinadas condic
oes, qualquer
otimo local e tambem um
otimo global para
o problema proposto, as condic
oes necess
arias de
otimalidade s
ao tambem suficientes.

ISBN: 978-85-8001-069-5

o
+ p (t + 1) (A + Bu(t)C) x(t) p (t)x(t)

+ {x(N )0 Sx(N ) p (N )x(N )}

(8)

Com o objetivo de simplificar a notacao utilizada, definimos, para t = 0, . . . , N 1, os seguintes


operadores:
Q(t)

:= Q + C 0 u(t)0 Ru(t)C

A(t)

:= A + Bu(t)C

(9)
(10)

Consequentemente, para um controle u (t) temos, t = 0, . . . , N 1:


Q (t)

= Q + C 0 u (t)0 Ru (t)C

A (t)

= A + Bu (t)C

Definimos tambem, para t = 0, . . . , N 1, o


Hamiltoniano:
H(t) := x(t)0 Q(t)x(t) + p (t + 1)A(t)x(t)

(11)

e a seguinte funcao:
F (N )

:= x(N )0 Sx(N ) p (N )x(N ) (12)

75

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

Como resultado desta representac


ao, escrevemos:
LN
U = H(0) +

N
1
X

[H(t) p (t)x(t)] + F (N ) (13)

t=1

Tomando a func
ao Lagrangeana (13) e a
definic
ao (11) como referencia, estabelecemos
um princpio do mnimo discreto em termos
da otimizac
ao global, em cada est
agio, de uma
func
ao composta pelo Hamiltoniano e por funcoes
lineares dos vetores de estado, ganho de controle
e multiplicadores de Lagrange. Tal princpio,
caso verificado, fornece condic
oes suficientes de
otimalidade. Considere o teorema a seguir.
Teorema 1: Suponha que existam sequencias
factveis {x , u , p } satisfazendo as condic
oes
abaixo:
u (0)

{x (t), u (t)}

minimiza

H(0)

minimiza

H(t) p (t)x(t),
t = 1, . . . , N 1

x (N )

minimiza

q(N ) p (N )x(N )

O par de sequencias {x , u } e um
otimo global
para o problema (3)-(6).
Prova: Vidal (1987) afirma que condiderando o
problema, em cada instante, como um problema
est
atico em {x(t), u(t)}, verificamos a existencia
de um ponto de sela {x (t), u (t), p (t + 1)}
para a func
ao Lagrangeana. E se tal ponto
de sela existe, ele consitui um
otimo global
para a func
ao, vide (Mangasarian, 1969) e Apendice B.
2
Por estarmos lidando com restric
oes de igualdade se torna f
acil verificar a partir do Apendice
B que, existindo uma sequencia
otima de multiplicadores p , as sequencias {x , u } que minimizam
globalmente o problema dual LN
U minimizam tamN
bem o problema primal JU
. Trata-se de um caso
particluar da prova fornecida no referido apendice,
no qual o caso generico das restric
oes de desigualdade e estudado.
A condic
ao de suficiencia apresentada e valida independentemente da natureza das funcoes
envolvidas. As func
oes custo por est
agio e a din
amica do sistema n
ao precisam nem mesmo ser
contnuas. Alem disso, e importante observar que
n
ao e estabelecida nenhuma exigencia de convexidade ou positividade das func
oes envolvidas. O
teorema refere-se t
ao somente `
a existencia de um
otimo global em cada est

agio.
4

suposicoes adicionais para obter as condicoes


necessarias e suficientes de otimalidade para o
problema proposto.

Condi
c
oes necess
arias e suficientes de
otimalidade

Nesta sec
ao, utilizaremos o princpio do mnimo
discreto introduzido na sec
ao anterior e algumas

ISBN: 978-85-8001-069-5

Teorema 2:
Considere novamente o problema (3)-(6). Suponha que existem controles
u (t) Rsm , t = 0, . . . , N 1, estados
x (t) Rn , t = 0, . . . , N, x(0) = x0 , e
0
multiplicadores p (t) {Rn } , t = 1, . . . , N ,
constitutindo uma sequencia de pontos estacion
arios:
{x0 , u (0), p (1)} em t = 0;

{x (t), u (t), p (t + 1)} para t = 1, . . . , N 1;


e no instante t = N o par {x (N ), p (N )}.
Suponha tambem que, como resultado, vetores
sada y (t) = Cx (t) Rm (t = 1, . . . , N 1)
com pelo menos um elemento n
ao nulo e um
N
ao produzidos. Ent
ao nenhuma outra
custo JU
s
combinac
ao de sequencias {x, u} ir
a produzir um
N
As condic
oes necess
arias
custo menor que JU
.
de otimalidade s
ao tambem suficientes.
Prova: Seguiremos a proposta de Vidal (1987),
sumarizada na forma do Teorema 1. Conforme
dito anteriormente, este autor desenvolveu um
trabalho em um contexto de maximizacao, utilizando portanto um princpio do maximo discreto.
Faremos, logo, a adequacao de seu raciocnio ao
nosso problema de minimizacao.
A diferenca entre uma funcao Lagrangeana
N
factvel qualquer LN
U e uma Lagrangeana LU pro
duzida por algum trio de sequencias {x , u , p } e
definida como:

:=

N
LN
U LU

{H(0) H (0)}
N
1 n
X
+
[H(t) p (t)x(t)]
t=1

[H (t) p (t)x (t)]

+ {F (N ) F (N )}(14)
Caso mostremos que 0 para quaisquer sequencias {x, u}, o Teorema 2 esta provado.
Como primeiro passo, sabemos que a funcao H(0)
e convexa na variavel u(0) (para x(0) = x0 fixo)
e que a funcao F (N ) e convexa na variavel x(N ),
pois:
2 H(0)
vec(u(0))vec(u(0))0

2 F (N )
x(N ))x(N )0

2 (Cx0 x00 C 0 ) R 0

= S0

Isto decorre das propriedades da derivada da


funcao traco de matriz e do produto de Kronecker, vide (L
utkepohl, 1996) ou Apendice A. Da
convexidade das funcoes H(0) e F (N ) em suas
respectivas variaveis, temos:
H(0) H (0) 0

(15)

76

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

F (N ) F (N ) 0

(16)

Combinando (18) e (21), obtemos:

Como resultado:

(t)
x(t)

(t) =

N
1 n
X

[H(t) p (t)x(t)]

t=1

[H (t) p (t)x (t)]

(17)

Definimos ent
ao uma func
ao (t), para t =
1, . . . , N 1, dada por:
(t)

x(t) x(t)0 Q(t)x(t)

x(t)=x (t)

x (t)0 Q (t)x (t)

(27)

= x (t) Q (t)x (t)

x(t)0 Q(t)x(t)
+p (t + 1)A(t)x(t) p (t)x(t)(18)

Logicamente:

+ p (t + 1)A (t)x (t) p (t)x (t)

(28)

Uma condicao suficiente para que 0 valha


e que [(t) (t)] 0 seja satisfeito. Desejamos
ter, em cada instante t = 1, . . . , N 1:
(t)

(t) = x (t)0 Q (t)x (t)

(26)

No ponto {x (t), u (t)}, igualando (21) a zero,


temos:
0



(t)
x (t)
(t) =

x(t)

:= H(t) p (t)x(t)
=

0

:= (t) (t) 0
=

(t) + x (t)0 Q (t)x (t) 0 (29)

Substituindo (18) em (29), resulta:

Logo:

N
1
X

(t) = x (t)0 Q (t)x (t)


[(t) (t)]

(19)

+ x(t)0 Q(t)x(t) + p (t + 1)A(t)x(t)


p (t)x(t)

i=1

A fim de obter uma sequencia de pontos estacion


arios {x , u , p }, utilizamos novamente as
propiedades da derivada da func
ao traco de matriz
(Apendice A) e calculamos para t = 1, . . . , N 1:
(t)
= 2Ru(t)Cx(t)x(t)0 C 0
u(t)
+ B 0 p (t + 1)0 x(t)0 C 0

Substituindo (24) na equacao anterior, temos:


(t) = x (t)0 Q (t)x (t)
+ x(t)0 Q(t)x(t) + p (t + 1)A(t)x(t)
[2x (t)0 Q (t) + p (t + 1)A (t)]x(t)
Ou ainda:

(20)
(t) = x (t)0 Q (t)x (t) + x(t)0 Q(t)x(t)

(t)
= 2Q(t)x(t) + A(t)0 p (t + 1)0 p (t)0 (21)
x(t)

+ p (t + 1) [A(t)x(t) A (t)x(t)]

As sequencias {x , u , p } anulam, em cada


instante, as derivadas de primeira ordem (20) e
(21). Isto significa que as igualdades (22) e (23)
abaixo tambem s
ao verificadas para t = 1, . . . , N
1:

Sabemos, contudo, que a seguinte relacao e


valida:

2x (t)0 Q (t)x(t)

(30)

2x (t)0 Q (t)x(t) = (x(t) x (t))0 Q (t)


(x(t) x (t)) x (t)0 Q (t)x (t)
x(t)0 Q (t)x(t)

Cx (t) [2x (t)0 C 0 u (t)0 R + p (t + 1)B] = 0 (22)

(31)

Consequentemente, combinando (30) e (31):


2x (t)0 Q (t) + p (t + 1)A (t) p (t) = 0

(23)

As igualdades acima s
ao simplesmente a
transposic
ao de (20) e (21) e a relev
ancia de sua
utilizac
ao ficar
a evidente a seguir. De (23), a seguinte relac
ao de recorrencia entre os multiplicadores de Lagrange e estabelecida, t = 1, . . . , N 1:
p (t) = 2x (t)0 Q (t) + p (t + 1)A (t)

(24)

Supomos, adicionalmente, que em t = N a


relac
ao abaixo e v
alida:
p (N ) = x (N )0 S

ISBN: 978-85-8001-069-5

(25)

(t) = x(t)0 Q(t)x(t) x(t)0 Q (t)x(t)


+ (x(t) x (t))0 Q (t)(x(t) x (t))
+ p (t + 1)Bu(t)Cx(t) p (t + 1)Bu (t)Cx(t)
Rearranjando:
(t) = x(t)0 (C 0 u(t)0 Ru(t)C) x(t)
x(t)0 (C 0 u (t)0 Ru (t)C) x(t)
+ (x(t) x (t))0 Q (t)(x(t) x (t))
+ p (t + 1)Bu(t)Cx(t)
p (t + 1)Bu (t)Cx(t)

77

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

Convem, agora considerar um importante aspecto envolvendo a relac


ao (22). Aqui, o que precisamos garantir e que o termo entre colchetes
[2x (t)0 C 0 u (t)0 R + p (t + 1)B] seja nulo sempre
que a condic
ao como um todo seja verificada, ou
seja:
Cx (t) [2x (t)0 C 0 u (t)0 R + p (t + 1)B] = 0
[2x (t)0 C 0 u (t)0 R + p (t + 1)B] = 0

(32)

Chamamos o vetor Cx (t) Rm de M e o


0
vetor [2x (t)0 C 0 u (t)0 R + p (t + 1)B] {Rs } de
N , respectivamente coluna e linha, a fim de avaliar
o resultado de seu produto:

m1
m2 


MN =
... n1 n2 ... ns
mm

m1 n1 m1 n2
m2 n1 m2 n2
MN =

...
...
mm n1 mm n2

... m1 ns
... m2 ns

...
...
... mm ns

(33)

Para satisfazer a condic


ao (22), precisamos
obter uma matriz M N ( Rms ) cujos elementos s
ao todos nulos. Contanto que pelo menos um
elemento de M seja n
ao nulo, podemos afirmar
que M N s
o ser
a nula se N for. Ou seja, se o
vetor de sada Cx (t) possuir pelo menos um elemento n
ao nulo, o que de modo algum constitui
uma restric
ao severa, teremos que a condicao (32)
necessariamente se aplica. Equivalentemente:
p (t + 1)B

2x (t)0 C 0 u (t)0 R

(34)

Logo:

o que implica [(t) (t)] 0, para t =


1, . . . , N 1. Somando-se a isso a convexidade nos
instantes inicial e final, ou seja (15) e (16), resulta
que 0. Portanto, existindo uma sequencia de
multiplicadores p , quaisquer sequencias {x , u }
constitutem um otimo global para o problema (3)(6).
2
5

Conclus
oes

O problema de controle otimo de sistemas lineares determinsticos sujeitos `a realimentacao de


sada foi solucionado. Adotamos uma estrutura
0
de multiplicadores de Lagrange p {Rn } que
nos permitiu afirmar que as condicoes necess
arias de otimalidade sao tambem suficientes para
este cenario. O resultado e valido para qualquer
caso determinstico, incluindo a classe dos sistemas multivariaveis de qualquer ordem. Outro aspecto importante, e que foi possvel obter otimalidade sem exigir das funcoes envolvidas convexidade conjunta, positividade ou qualquer outra
caracterstica eventualmente restritiva.
Possveis desdobramentos do nosso trabalho
envolveriam a extensao dos resultados alcancados
ate o momento tambem para o caso estocastico
com rudo aditivo, um importante problema de
controle. Para tanto, consideramos a formulacao
do problema (3)-(6) em termos de equacoes de segundo momento do vetor de estados, conforme (do
Val e Basar, 1999). Sabemos que por meio de
uma transformacao simples de variaveis podemos
obter, pelo menos par o caso determinstico, um
conjunto de equacoes absolutamente analogo ao
obtido nas secoes 3 e 4 deste trabalho.
Agradecimentos

(t) = x(t)0 (C 0 u(t)0 Ru(t)C) x(t)


x(t)0 (C 0 u (t)0 Ru (t)C) x(t)

` FAPESP pelo suporte financeiro.


A
2009/12511-4.

Processo

+ (x(t) x (t))0 (Q + C 0 u (t)0 Ru (t)C)


(x(t) x (t)) 2x (t)0 C 0 u (t)0 Ru(t)Cx(t)
+ 2x (t)0 C 0 u (t)0 Ru (t)Cx(t)
Ent
ao:
(t) = (x(t) x (t))0 Q((x(t) x (t))
+ (x(t) x (t))0 (C 0 u (t)0 Ru (t)C) (x(t) x (t))
+ x(t)0 (C 0 u(t)0 Ru(t)C) x(t)

Refer
encias
do Val, J. B. R., Basar, T. (1999). Receding
horizon control of jump linear systems and a
macroeconomic policy problem, Journal of Economics Dynamics and Control 23: 1099-1131.
L
utkepohl, H. (1996).
Handbook of Matrices, John Wiley & Sons, Chichester.

x(t)0 (C 0 u (t)0 Ru (t)C) x(t)


+ 2x (t)0 C 0 u (t)0 Ru (t)Cx(t)

2x (t) C u (t) Ru(t)Cx(t)


Por fim:
(t) = (x(t) x (t))0 Q((x(t) x (t))

Mangasarian, O. L. (1969).
Nonlinear Programming, SIAM, Philadelphia.
Mangasarian, O. L. (1966). Sufficient conditions for the optimal control of nonlinear systems,
J. SIAM Control 1 (4): 139-152.

+ [u(t)Cx(t) u (t)Cx (t)] R


[u(t)Cx(t) u (t)Cx (t)] 0

ISBN: 978-85-8001-069-5

Mostafa, E. M. E. (2007).
Computational
design of optimal discrete-time output feedback

78

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

controllers. Journal of the Operations Research.


51 (1): 15-28.
Mustafa, D. (1995).
LQG optimal scalar
static output feedback, Systems & Control Letters (27): 9-19.

O conjunto X constitui uma regi


ao factvel,
x e dito uma soluc
ao e f (x ) o mnimo do problema. Qualquer vetor x na regiao factvel e chamado de um ponto factvel. Definimos, alem disso,
a seguinte funcao lagrangeana
L(x, u)

Vargas, A. N. (2004).
Controle por horizonte retrocedente de sistemas lineares com
saltos markovianos e rudo aditivo. Tese de
mestrado, Faculdade de Engenharia Eletrica e de
Computac
ao, UNICAMP, Setembro de 2004.
Vidal, R. V. V. (1987). On the Sufficiency
of the Linear Maximum Principle for DiscreteTime Control Problems, Journal of Optimization
Theory and Applications (54): 583-589.

Neste apendice, uma serie de definic


oes e conceitos matem
aticos b
asicos utilizados durante todo
o trabalho e apresentada e discutida. A principal
referencia utilizada foi (L
utkepohl, 1996).
Sejam X Rmn , A Rnn , B Rmm ,
ent
ao:

em que o multiplicador de Lagrange p 0 e tal


que p Rm . Considere entao o teorema a seguir.
Teorema 3: Sejam x X , p Rm ,
p 0 tais que
L(x , p) L(x , p ) L(x, p )

(42)

ent
ao o par {x , p } e soluc
ao (global) do problema (39)(40): f (x) f (x ), x X .

f (x ) + pg(x ) f (x ) + p g(x )
f (x) + p g(x)

(36)

2 tr(XAX 0 B)
= A B 0 + A0 B
vec(X)vec(X)0

(37)

em que representa o produto de Kronecker.


As relac
oes (35), (36) e (37) se aplicam tambem a qualquer func
ao real de uma vari
avel multidimensional X.
Alem disso, sejam A 0, B 0, ent
ao:
(38)

(43)

Da primeira inequacao:
(p p )g(x ) 0, u 0
Para um dado j, 1 j m, fazemos:

(35)

tr(XAX 0 B)
= B 0 X 0 A0 + A0 X 0 B 0
X

AB 0

(41)

Prova: De (41) e (42), temos:

Ap
endice A

tr(AXB)
= A0 B 0
X

:= f (x) + pg(x)

pi

pi , para i = 1, 2, . . . , j 1, j + 1, . . . , m

pj

pj + 1

Como resultado, gj (x ) 0. Repetindo este


procedimento para todo j, obtemos g(x ) 0, ou
seja, x e um ponto factvel, x X .
Como p 0 e g(x ) 0, resulta que

p g(x ) 0. Da primeira inequacao em (43), novamente, temos que ao tomarmos p = 0, obtemos


p g(x ) 0. Logo, p g(x ) = 0.
Tomando um x X qualquer, temos da segunda desigualdade em (43) que:
f (x ) f (x) + p g(x), pois p g(x ) = 0
f (x ) f (x),

pois u 0, g(x) 0

Logo, x e uma solucao para o problema (39)


Ap
endice B

(40)

Apresentamos aqui uma adaptac


ao do teorema
provado por Mangasarian (1969).
Seja X 0 Rn um domnio, f uma funcao real
e g uma restric
ao de desigualdade m-dimensional
definida em X 0 . Considere o problema de otimizac
ao est
atico de encontrar o vetor x X tal
que:
f (x )

= minxX f (x)

(39)



x|x X 0 , g(x) 0

(40)

Repare que nenhuma hipotese de convexidade


e utlizada para provar o teorema, o que permite
tratar o caso das restricoes de igualdade de modo
igualmente simples. Basta substituir uma eventual restricao de igualdade h(x) = 0, h(x) Rq ,
por duas restricoes de desigualdade, h(x) 0 e
h(x) 0.

sujeito a
x X

ISBN: 978-85-8001-069-5

79

Potrebbero piacerti anche