Equação de Euler-Lagrange e condições de

transversalidade: uma abordagem geométrica

Medeiros de Faria, Y. 1 , Salles M.O. 2
1 Departamento de Física Teórica e Experimental, DFTE – UFRN e
2 Departamento de Matemática, DMAT – UFRN

Resumo
Neste trabalho nós mostramos uma dedução da equação de Euler-Lagrange e das condições
de transversalidade em uma visão geométrica. Para isto, consideramos um funcional F ,
medindo algum aspecto físico do nosso sistema, como uma “função"sobre o conjunto de
todas as possíveis curvas x que descrevem o desenvolvimento do sistema. Para gerar este
conjunto, dada uma curva x, compomos esta com dois grupos a um parâmetro de funções,
φQ, à esquerda e φ−1 ◦ ◦ −1
I, à direita, e geramos assim uma família de curvas x = φQ, x φI, .
A primeira composição gera variações verticais e a segunda uma gera variações horizontais.
Para escolher a curva x0 que será candidata para solução ótima do nosso problema, usamos
o princípio variacional F 0 [x0 ] = 0.
palavras-chave: cálculo variacional.equação de Euler.condições de transversalidade.

Abstract
In this work we show a deduction of Euler-Lagrange equation and transversality conditions in
a geometric view. To do that we use a functional F , measuring some physical aspect of our
system, as a function over the set of all possible curves x that describe the development of
the system. To generate this set, given one curve x, we compose it with two one-parameter
groups of functions, φQ, at left and φ−1
I, at right, and after that generate a family of curves
x = φQ, ◦ x ◦ φ−1
I, . The first composition generate vertical variations and the second one
generate horizontal variations. To choose the curve x0 that can be a candidate to optimal
solution of our problem we use the variational principle F 0 [x0 ] = 0.
key-words: variational calculus. Euler equation. transversality condition

1 Introdução
O cálculo de variações ou cálculo variacional é uma potente ferramenta para resolver problemas
complexos de forma relativamente simplificada em várias áreas do conhecimento tais como a
física, matemática, economia, etc. Neste trabalho faremos uma exposição de equações funda-
mentais nesta área. Na primeira parte faremos uma exposição com um viés histórico de alguns
aspectos afins do desenvolvimento da teoria, dentro de uma perspectiva que gostaríamos de
enfatizar na formulação desta. Na segunda parte, introduzimos o conceito de grupo a um pa-
râmetro1 , que é apresentado com mais detalhes no apêndice, e deduzimos ainda as equações
propostas. Na terceira parte discutimos um exemplo e ao final temos uma breve conclusão onde
apresentamos proposta de continuidade do trabalho.
1
Este conceito é aplicado em diversas áreas da matemática, como no estudo de equações diferenciais ordinárias e
em geometria, onde representam fluxos de campos de vetores.

1
1.1 Histórico
Em junho de 1696, Johann Bernoulli, um dos grandes matemáticos do séc XVII, publicou na
revista cientifica Acta Eruditorum um problema desafiando os maiores matemáticos da sua época
e para que o solucionassem. Ele foi apresentado da seguinte forma [7]:
Datis in plano verticali duobus punctis A&B (vid. Fig. 5) assignare Mobili M viam
AM B, per quam gravitate sua descendens & moveri incipiens a puncto A, brevissimo
tempore perveniat ad alterum punctum B.

u
:
u
A Pq
P
B

Figura 1: Trajetória entre os pontos A e B.

Este problema ficou conhecido como problema da braquistócrona e pode ser visto da seguinte
forma: qual a trajetória de uma partícula deslizando sem atrito, em queda livre (sob influência
apenas do campo gravitacional) descreve entre dois pontos A e B (vide Figura 1) no menor
tempo possível? Foi prometido a publicação das soluções deste problema. A partir de maio de
1697 foram publicadas na Acta Eruditorum, além da solução do próprio Johann Bernoulli, outras
quatro soluções2 .
Na solução deste problema encontramos o desenvolvimento embrionário do cálculo variacional.

1.2 Otimização: equações de Euler

Em cursos iniciais de Cálculo são introduzidas técnicas que visam minimizar ou maximizar os
valores de uma função f : Ω ⊂ Rn → R que, dado um conjunto de condições que obedecem
o corpo do problema, podem ser aplicadas em diversas áreas do conhecimento. Estas técnicas,
comumente chamadas de otimização, indicam como condição necessária para que um ponto p0
no interior do domínio Ω da função f seja um candidato à minimizar ou maximizar a função é que
este ponto satisfaça a condição
f 0 (p0 ) = 0 . (1)
Uma ideia para obter uma solução do problema proposto por James Bernoulli envolve uma
certa analogia com o parágrafo anterior usando o princípio de Fermat ou princípio da mínima
ação3 . A ideia consiste em buscar a trajetória γ(τ ) no conjunto ΩAB de todas as possíveis
trajetórias que ligam os pontos A e B , i.e.,

ΩAB = {γ : [τ0 , τ1 ] −→ R2 / γ(τ0 ) = A e γ(τ1 ) = B}

2
Nesta revista foram publicadas as soluções de Johann, Jacob Bernoulli (irmão mais novo de Johann), Gotfried
Leibniz, Ehrenfried von Tschirnhaus e Isaac Newton, que enviara anonimamente sua solução que publicara anterior-
mente em janeiro de 1697 na Philosophical Transactions da Royal Society, pois não gostara de ter sido importunado
com este desafio. Posteriormente, passado aproximadamente 300 anos, foi publicada uma solução dada à época por
Marques de L’Hôpital [4].
3
Pierre de Fermat estipulou o princípio físico que o caminho percorrido entre dois pontos por um raio de luz é o
caminho que pode ser percorrido no menor tempo. Este princípio tem orientado a formulação de leis físicas e foi usado
na estratégia da solução de vários problemas, como por exemplo o da braquistócrona e permitiu resolver em 1701 o
problema isoperimétrico, que trata da determinação da figura geométrica de área máxima para um perímetro dado.

2
 u
:
u
A
B

Figura 2: Trajetórias possíveis entre os pontos A e B.

Ao contrário de uma função, o problema passa agora a ser descrito por um funcional, denotado

F : ΩAB −→ R , (2)
que associa para cada trajetória γ(τ ) = (x(τ ), y(τ )) um número real F [γ], que neste caso tem
como significado físico o tempo gasto no deslocamento entre os pontos γ(τ0 ) = A e γ(τ1 ) = B .
Descrevendo a curva γ dada como sendo gráfico de uma função, representado por y(x), teremos
este funcional expresso por
s
x1
1 + [y 0 (x)]2
Z
1
F [γ] = √ dx (3)
2g x0 y(x)

onde A = (x0 , y0 ) e B = (x1 , y1 ). Finalmente, usando ferramentas de cálculo (variacional), e

fazendo a exigência que a solução seja um ponto crítico deste funcional, isto é, que as curvas
γ0 (t) candidatas a otimizar o funcional (3) são tais que
F 0 (γ0 ) = 0 . (4)
Esta exigência gera uma equação diferencial de 2a ordem cuja solução é obtida considerando as
condições iniciais γ0 (t0 ) = A e γ0 (t1 ) = B .

s
A s
u B
Hj
H

Figura 3: Braquistócrona (curva ciclóide)

Esta técnica mostrou-se eficiente para resolução de diversos problemas e adquiriu o formato de
uma teoria através de Leonhard Euler, aluno de Johann Bernoulli. Denotaremos de agora em
diante, de uma forma simplificada, o integrando o funcional F em (3) visto como uma função L
que depende4 de t, da curva x(t), vista como uma função de t, e de suas derivadas x0 (t), isto é,
Z t1
F [x] = L(x(t), x0 (t), t) dt . (5)
t0

Em 1744, Euler publica o livro Methodus inveniendi lineas curvas maximi minimive proprietate
gaudentes sive Solutio problematis isoperometrici latissimo sensu accepti5 , que incluiu a equação
4
Vamos considerar à partir de agora apenas duas variáveis, uma dependente x e outra independente t. Assim as
curvas serão representadas como gráficos de funções na forma x(t).
5
A data da publicação de "Um método para descobrir linhas curvas com propriedade de máximo ou mínimo da
solução do problema isoperimétrica tomado seu sentido mais amplo"(em uma tradução livre) marca para muitos o
nascimento do cálculo das variações.

3
diferencial chamada Equação de Euler-Lagrange 6
∂L d ∂L
− = 0. (6)
∂x dt ∂x0

1.3 Contorno: condições de transversalidade

Tipicamente, ao estudarmos valores ótimos de uma função f , devemos restringirmo-nos ao es-
tudo de um intervalo específico [a, b]. Este é o análogo que as equações de Euler propõem-se
resolver, uma vez que buscamos a curva ideal no conjunto de todas as curvas que começam
no ponto A e terminam em B . Porém algumas generalizações podem, e fazem-se necessárias,
como ao estudarmos valores ótimos sem a restrição de fixarmos os pontos finais e/ou iniciais.
Supondo, por exemplo, que estamos interessados em achar as curvas x(t) de maior e/ou
menor comprimento, ligando um ponto A e até uma curva ϕ. Neste caso teremos que pensar em
aprimorar a abordagem discutida na seção anterior.

ϕ B1
t

B2
t
A t B3
t

Figura 4: Curva Limite

Obviamente o funcional neste caso será dado pela integral que determina o comprimento de uma
curva x(t) ligando o ponto A até a curva ϕ. Assim temos um problema variacional onde deve ser
encontrada a curva x(t) que otimiza o funcional
Z T p
F [x] = 1 + [x0 (t)]2 dt (7)
t0

onde, para t0 fixo, temos x(t0 ) = x0 e, por outro lado, para T livre, temos apenas a exigência de
que x(T ) é um ponto que pertence a curva ϕ, isto é, x(T ) = ϕ(T ). Neste exemplo, a equação
de Euler (6) fornecerá a equação diferencial de 2a ordem
ẍ(t) = 0 ,
cuja solução é uma reta na forma x(t) = at + b, onde a e b são constantes arbitrárias. A condição
inicial x(t0 ) = x0 nos fornece uma equação que permite determinar apenas uma das constantes7 .
6
Joseph Louis Lagrange era um matemático francês, contemporâneo de Euler, e deu a base analítica para o cálculo
variacional. Ao contrário de Euler desprezou a exigência que o funcional (5) tenha os extremos fixos.
7
Neste caso
x0 = at0 + b = A ,
que não nos determina qual das retas é candidata a otimizar o funcional F [x], ou seja, qual das retas que passam pelo
ponto x0 e cruzam a curva ϕ tem o menor tempo.

4
Para contornarmos este problema precisamos considerar no funcional F a dependência explicita
no extremo de integração T da curva ϕ, que denotamos por Tϕ , e assim temos
Z Tϕ
F [x] = L(x(t), x0 (t), t) dt . (8)
t0

A exigência da solução x(t) ser um ponto crítico deste funcional, isto é, F 0 [x] = 0, além de
nos gerar as equações de Euler, nos gera uma a equação algébrica, chamada condição de
transversalidade, que auxiliará na solução do nosso problema, e que tem a forma
 
0 ∂L 0
L + (ϕ − x ) = 0 (9)

∂x0

t=Tϕ

onde a solução x, sua derivada x0 e a derivada da curva ϕ, são avaliadas no instante limite Tϕ .
No exemplo do funcional (7), veremos que esta condição impõe a condição de que as soluções
x(t) sejam perpendiculares à curva ϕ em t = T .

! t
!
!A!!
! A!!
!!
!!
A t !
!

Figura 5: Curva Limite

2 Equação de Euler e condições de transversalidade

Para deduzirmos as equações (6) e (9), relaxaremos a generalidade de uma exposição formal
de sorte a termos um equilíbrio entre a intuição e o rigor. Para interessados referimos ainda os
textos [5] e [6] e para aplicações em economia referimos o texto [2]. Em nossa discussão todos
objetos possuem as propriedades de diferenciabilidade necessária.

Funções e curvas: composições verticais e horizontais

Veremos inicialmente como, dada uma curva x : I −→ Q, podemos gerar uma nova curva x̃.
A ideia básica é fazer composição à esquerda e/ou à direita de x por funções definidas na sua
imagem e/ou no seu domínio, respectivamente. Uma característica importante ao estudarmos
estas funções é a de manter os pontos iniciais e finais (extremos) fixos ou não. Sem perda de
generalidade iremos analisar estas caracteristicas no caso dos pontos finais, ou seja, as condi-
ções necessárias nas funções para que as novas curvas tenham o mesmo ponto final da curva
original. Para o caso dos pontos iniciais a discussão seria análoga.

5
 Como primeiro caso, geramos uma nova curva x̃ compondo a curva original x á esquerda
com uma aplicação φQ : Q → Q 8 , ou seja, x̃ = φQ ◦ x.

x6 x6 φQ (x(ti )) = x̃(ti )
q q

tB tB

tA x(t) φQ tA x(ti )
q q
- 6 -
t ti t
Figura 6: Composição à esquerda de uma curva x(t) com uma função φQ , com ponto final fixo.

Observemos que ao exigirmos que as curvas x e x̃ terminem no mesmo ponto final B = (t1 , x1 ),
ou seja, que x(t1 ) = x1 = x̃(t1 ) exigimos indiretamente que x1 seja um ponto fixo de φQ , que se
traduz como φQ (x1 ) = x1 9 . Ao abrirmos mão desta exigência, teremos coordenadas do ponto
final da curva x̃, serão dadas por B 0 = (t1 , φ(x1 )). Observamos que as curvas x̃ assim obtidas
terão variação das coordenadas dos pontos finais apenas na segunda coordenada, e por esta
razão chamamos estas de composições verticais.

x6 φQ (x(ti )) = x̃(ti )
q q
φQ
sB̃
sB
sA x = (t1 , x1 )(ti )
q q
6 -
ti t
Figura 7: Composição à esquerda de uma curva x(t) com uma função φQ , com ponto final livre.

No segundo caso, dada uma função φI : I → I inversível, geramos uma nova curva x̃
compondo a curva original x pela direita com a inversa de φI , ou seja, x̃ = x ◦ φ−1
I .

x 6 x 6 x̃(t) = x(φ−1
I (t))

x(t) t
B x̃(ti ) r  r x(ti ) t
B
t t
6
A A
- r r -
t φ−1
I (ti )
I ti t
φ−1
I

Figura
8
8: Composição à direita de uma curva x(t) com uma função φ−1
I , com ponto final fixo.
Por outro lado, dada duas curvas x, x̃ : I −→ Q, podemos escrever a segunda como composição a esquerda da
primeira com a função φQ = x̃ ◦ x−1 : Q → Q.
9
Dizemos que um ponto z ∈ S é ponto fixo de f : S −→ S de f (z) = z.

6
Neste caso, ao exigirmos que as curvas x e x̃ terminem no mesmo ponto final B = (t1 , x1 ),
exigimos indiretamente que t1 é um ponto fixo de φI (e de φ−1 I ), que se traduz como φI (t1 ) = t1 .
Ao abrirmos mão desta exigência, teremos coordenadas do ponto final B̃ = (t̃1 , x̃1 ) da curva
x̃, serão tais que φI (t1 ) = t̃1 e x̃1 = x̃(t̃1 ) = x ◦ φ−1
I (φI (t1 )) = x1 . Observamos agora, que
as curvas x̃ assim obtidas terão variação das coordenadas dos pontos finais apenas na primeira
coordenada, e por esta razão chamamos estas de composições horizontais.

x 6 x̃(t) = x(φ−1
I (t))

x̃(ti ) r  r x(ti ) t
B̃ tB
t
6
A
r r -
φ−1
I (ti )
I ti t
φ−1
I

Figura 9: Composição à direita de uma curva x(t) com uma função φ−1
I , com ponto final livre.

Combinando a curva x : I → Q com as duas funções φQ : Q → Q e φI : I → I , temos a curva

x̃(t) = φQ ◦ x ◦ φ−1
I (t) .

6 t
B
x(t) B̃
x(φ−1
I (t))r  r t

φQ
6 x̃(t)

Rr - r φQ (x(φ−1
I (t))) = x̃(t)
A t

r r -
φ−1
I (t) I t
φ−1
I
Figura 10: Variação de uma curva x(t) a partir de funções φI e φQ

2.1 Variação do funcional

A partir das ideias da seção anterior, iremos generalizar no sentido de, dada uma curva x(t),
obtermos uma família de curvas x (t) tal que para cada parâmetro  teremos uma curva. Um
aspecto importante é que a dependência em relação ao parâmetro será diferenciável. A título de
simplificação vamos apresentar o significado de otimizar um funcional da forma
Z T
F [x] = L(x(t), x0 (t), t)dt (10)
0

cuja solução está sujeita a condição inicial fixa x(0) = 0 e a condição final x(T ) = 0, onde T é
fixo, quando formos deduzir a equação (6). Para deduzirmos a equação (9) assumiremos que T

7
e x(T ) são livres, assumindo valores quaisquer. Neste contexto, partimos da hipótese que existe
uma solução x(t) e um valor de T tais que o valor de F [x] é otimizado (atingindo o maior ou
menor possível). Isto significa, no formalismo variacional, que

F 0 [x] = 0 . (11)

No procedimento para realização deste cálculo iremos compor a curva x : I −→ Q com os

grupos de funções a um parâmetro (vide Apêndice)

ΦI : I × R −→ I ΦQ : Q × R −→ Q
(12)
(t, ) 7−→ ΦI, (t) = ΦI (t, ) (x, ) 7−→ ΦQ, (x) = ΦQ (x, )

respectivamente, à direita com a inversa do primeiro e à esquerda com o segundo. Desta forma
obtemos uma família de curvas a um parâmetro
x : I × R −→ Q
(13)
(t, ) 7−→ x (t) = φQ, ◦ x ◦ φ−1
I, (t)

Para cada parâmetro  fixado, obtemos uma nova curva x .

Um aspecto importante dos grupos à um parâmetro é a possibilidade de diferenciação em re-
lação á este parâmetro. Desta forma, podemos compor a família de curvas (13), com o funcional
(10) de tal forma a obtermos a função
Z T
Ψ() = L (x (t), x0 (t), t) dt . (14)
0

onde T = φI, (T ). Pela possibilidade de diferenciação em relação à , temos que10

Z T
0 dT ∂
Ψ () = L (x (T ), x0 (T ), T ) () + L (x (t), x0 (t), t) dt (15)
d 0 ∂
Analisaremos, em separado, o integrando no último termo

∂ ∂L dx ∂L dx0
L (x , x0 , t) = (x , x0 , t) + (x  , x0
 , t) .
∂ ∂x d ∂x0 d
10
Escrevemos Ψ() = (I ◦ γ)(), ou seja, que Φ é a composição da função de duas variáveis
Z λ
I(λ, η) = L (x(t, η), x0 (t, η), t) dt
0

com a curva γ() = (T , ). Usando a regra da cadeia, temos que a derivada de Ψ é

Ψ0 () = (I ◦ γ)0 () = ∇I(γ()) · γ 0 ()

 
dT
onde γ 0 () = () , 1 . Para calcular o gradiente de ∇I usamos o Teorema Fundamental do Cálculo e temos
d
Z λ !
∂
∇I(λ, η) = L (x(λ, η), x0 (λ, η), λ) , L (x(t, η), x0 (t, η), t) dt .
0 ∂η

8
Integrando por partes este termo, obtemos
T T
dx0
Z   Z
∂L 0 ∂L dx t=T d ∂L dx
(x  , x , t) dt = (x , x0 , t) − (x , x0 , t) dt
∂x0 d ∂x 0 d dt ∂x 0 d

0 t=0 0

Reorganizando a expressão (15) com os termos anteriores temos:

 
0 dT ∂L dx t=T
Ψ () = L (x , x0 , t) () + 0
(x , x , t) (16)
d ∂x0 d

t=0
Z T  
∂L 0 d ∂L 0 dx
+ (x , x , t) − 0
(x , x , t) dt
0 ∂x dt ∂x d

Observemos agora que a condição de otimalidade da equação de Euler (11) equivale a exigir que

Ψ0 (0) = 0 .

A seguir iremos discutir como as condições de bordo finais, fixas ou não, nos levarão à deduzir
as equações (6) e (9).

2.2 Equação de Euler

O que significa impormos às curvas x(t) as condições

x(0, ) = 0 = x(T, ) para T fixo? (17)

Ao fixarmos T teremos que dT d

() = 0 e portanto o primeiro termo de (16) será nulo. Por outro
lado, observemos que impondo a condição de que x(T, ) é constante em relação à , implica
que dx
d

(t) = 0, tanto para t = 0 quando para t = T . Temos assim que os dois primeiros termos
de (16) serão nulos. Desta forma estas condições, e a condição Ψ0 (0) = 0 implicam que
Z T 
∂L 0 d ∂L 0 dx
(x, x , t) − (x, x , t) dt = 0
0 ∂x dt ∂x0 d

Para concluirmos as equações de Euler basta usarmos o seguinte

Lema 1 Seja f (t) uma função definida e contínua em [t0 , t1 ] ⊂ R com

Z t1
f (t) g(t) = 0
t0

para toda função g(t) contínua em [t0 , t1 ]. Então, f (t) = 0 em [t0 , t1 ].

dx
Assim, como as variações x são arbitrárias, as d
são funções arbitrárias, e concluímos que

∂L d ∂L
(x, x0 , t) − (x, x0 , t) = 0
∂x dt ∂x0

9
2.3 Condições de transversalidades
Para determinarmos as condições de transversalidade, analisamos como as variações da família
x comportam-se perto da curva original x, isto é, quando  = 0. Este resultado é dado pelo
Lema 2 Para x (t) = φQ, ◦ x ◦ φ−1
I, (t), temos

dx 
(t) = XQ (x(t)) − x0 (t) XI (t) . (18)
d =0

Os campos vetoriais XQ e XI são chamados respectivamente de variações verticais e horizon-

tais.

Assim teremos que os dois primeiros termos de (16), exigindo que  = 0 e usando equação (18),
tem a forma
   
dT ∂L dx t=T 
L (x , x0 , t) () − 0
(x , x , t) =
d ∂x0 d
 
t=0 e=0
∂L
− L (x, x0 , T ) XI (T ) + (x, x0 , T ) x0 (T ) XI (T ) − XQ (T )


= 0
(19)
∂x
Reagrupando e exigindo que este termo seja identicamente nulo, obtemos
 
0 ∂L ∂L
L − x 0 XI + XQ = 0 (20)
∂x ∂x0
Esta expressão pode ser considerada em diferentes casos, conhecidos como problemas variaci-
onais com fronteiras móveis. Temos tipicamente três situações possíveis:
1. fronteira livre vertical:
x6
t B3

t B2
xT
A t
t B1

-
0 t
T
Figura 11: Fronteiras livres verticais

Neste caso fixamos um valor para φI, (T ) = T para todo , ou seja, assumimos que φI, é
a identidade, portanto teremos
XI (T ) = 0
o que fornece a condição de transversalidade

∂L
= 0 (21)
∂x0
10
 x6
xT t t t

A t

-
0 t1 t2 t3 t
Figura 12: Fronteiras livres horizontais

2. fronteira livre horizontal:

Neste caso fixamos um valor xT para ΦQ, (x(T )) = x (ΦI, (T )) para todo valor de , o que
implica
d

ΦQ, x(T )  = XQ (x(T )) = 0
d =0
Que fornece a condição

∂L
L − x0 = 0. (22)
∂x0

3. fronteira definida por uma curva ϕ:

x6 ϕ B1
t

B2
t
A t B3
t

-
0 t
Figura 13: Fronteira definida por uma curva ϕ

Neste caso, ao fixarmos a curva ϕ como fronteira estamos exigindo que no instante t = T

ΦQ, (x(T )) = ϕ(ΦI, (T ))

para todo valor de . Assim, derivando o lado direito e esquerdo, em  = 0, teremos

d 
0 d 
ΦQ, (x(T ))  = XQ (T ) = ϕ (T )XI (T ) = ϕ(ΦI, (T ))  .
 
d =0 d =0

Substituindo em (20) temos, no instante t = T , a condição de transversalidade

∂L
L + (ϕ0 − x0 ) = 0. (23)
∂x0
11
3 Exemplo
Aplicação: Distancia Geodésica
Um problema clássico que envolve a geometria de superfícies está em determinar as curvas de
menor distância que une dois pontos específicos em uma superfície qualquer. Esse problema é
análogo ao visto na introdução e suas soluções, chamadas de geodésicas, exercem um papel
fundamental nas bases da óptica, dinâmica e na mecânica de fluidos. Dado o funcional (7), que
define a distância geodésica de um ponto t0 até T , onde inicialmente ambos pontos inicial e final
são fixos. Podemos calcular a menor distância geodésica entre esses pontos. Para isto devemos
otimizar este funcional utilizando a equação de Euler-Lagrange, onde iremos obter uma equação
da forma:
x(t) = at + b
que é uma reta, o que é de fato esperado(a menor distância entre dois pontos é uma reta). Mas
de uma forma mais geral podemos calcular a J-circunferência ou circunferência geodésica, que
nada mais é do que a linha formada pelos pontos que estão a uma mesma distância geodésica
de um ponto. Para isto devemos utilizar as condições de transversalidade que irá nos fornecer
informações mais gerais. Então ao calcular a J-circunferência de raio R e com centro no ponto
O(0.0). Da condição que o extremo deve passar pelo ponto (0, 0), temos que b = 0, resultando
em x = at que nos leva a
x
x0 (t) =
t
A condição de transversalidade que é também a condição de ortogonalidade, nos diz que o
coeficiente angular da tangente à L é
−1
ϕ= ,
x0
então
x(t) t
x0 (t) = =− ,
t y(t)
que nos diz que a reta é ortogonal ao ponto(que é livre em uma curva). Onde é encontrado o
resultado t2 + x2 = R2 , que é a equação da circunferência geodésica de raio R, que é o mesmo
resultado da equação da circunferência usual x2 + y 2 = R2 .

4 Conclusão
Neste trabalho foram abordados os conceitos de otimização e cálculo variacional, sem deixar de
abordar o contexto histórico. Foram deduzidas a equação de Euler-Lagrange e as diversas con-
dições de transversalidade numa abordagem geométrica, que é o núcleo deste trabalho. A teoria
foi aplicada em dois exemplos, porém existem diversas outras aplicações que podemos citar:
problemas da otimização dinâmica na economia, problemas de superfícies mínimas e problemas
de ótica geométrica.
Como perspectiva para trabalhos futuros, além da possibilidade de abordarmos os problemas
citados. Num contexto teórico, expandir esta discussão para o formalismo hamiltoniano não
autônomo. Outra possibilidade seria discutir as variações de segunda ordem onde discutiríamos

12
as implicações do sinal da segunda variação F 00 [x0 ]. É conhecido na literatura, que a exigência
que esta última seja nula, i.e.,
F 00 [x0 ] = 0 , (24)
nos leva, no caso de considerarmos os extremos do integrando de (5) fixos. Para dedução desta
equação teríamos que considerar uma generalização para produzirmos variações não por com-
posição de uma dada solução x com grupo a um parâmetro, mas sim com grupo a dois parâme-
tros Φλ : Q × R2 −→ Q e obtermos variações

xλ (t) = φQ,λ ◦ x ◦ φ−1

I,λ (t) .

Isto leva as equações de Jacobi, que expressa-se

Z T
∂ 2 L dxλ ∂ 2 L dx0λ ∂ 2 L dxλ ∂ 2 L dx0λ
 
00 d dxλ
F [x0 ] = + − + dt
0 ∂x2 d ∂x0 ∂x d dt ∂x0 ∂x d ∂x0 ∂x0 d dλ
Para o caso de extremos livres, no contexto do cálculo variacional de segunda ordem, desconhe-
cemos o análogo das condições de transversalidade.

Apêndice
Grupo a um parâmetro: variações verticais e horizontais
Neste apêndice usamos como referência [1] e [8].

Definition 1 Um grupo de funções a um parâmetro é uma aplicação

Φ : Q × R −→ Q
(t, ) 7−→ Φ (t) = Φ(t, )

tal que

1. Para todo  ∈ R, temos uma função Φ : x ∈ Q −→ Φ (x) ∈ Q

2. Para todo , η ∈ R e x ∈ Q, temos Φ+η (x) = Φ ◦ Φη (x)

Em particular, pelas propriedades acima teremos que:

i) Φ (x) = Φ+0 (x) = Φ ◦ Φ0 (x), ou seja

Φ0 (x) = x ∀x ∈ Q

ii) Φ0 (x) = Φ− (x) = Φ ◦ Φ− (x) = x, ou seja

Φ− (x) = (Φ )−1 (x) ∀x ∈ Q

Definition 2 Para cada ponto x0 ∈ Q definimos a curva Φ (x0 ) : R −→ Q. O conjunto

{Φ (x0 ) /  ∈ R} é chamada órbita de Φ por x0 .

13
Um aspecto importante desta família é a independência entre a variável x e o parâmetro . Neste
sentido temos a definição

Definition 3 Seja X(x) o vetor tangente à órbita de Φ por x, isto é

dΦQ, 
X(x) = (x)
d =0

A aplicação que associa x ∈ Q −→ Xx é um campo de vetores chamado gerador infinitesimal.

Com esta notação, definimos duas famílias de funções a um parâmetro

ΦI : I × R −→ I ΦQ : Q × R −→ Q
(25)
(t, ) 7−→ ΦI, (t) = ΦI (t, ) (x, ) 7−→ ΦQ, (x) = ΦQ (x, )

onde denotamos
dΦI, dΦQ,
(t) = XI (t) e (x) = XQ (x) . (26)
d d
Dada uma curva x : I −→ Q, definimos a família a um parâmetro
x : I × R −→ Q
(t, ) 7−→ x (t) = φQ (x(φ−1
I (t, )), ) (27)
= φQ, ◦ x ◦ φ−1
I, (t)

Observemos que quando  = 0 teremos

φQ (x(φ−1
I (t, 0)), 0) = φQ (x(t), 0) = x(t) .

Para mostrarmos o resultado do Lema 2, dada x (t) = φQ, ◦ x ◦ φ−1

I, (t), basta derivamos direta-
mente, usando a regra da cadeia

dx  d −1


(t) = φQ (x(φI (t, )), ) 
d =0 d =0
   d 
dΦQ, −1
 dΦQ, −1 −1

= (x(φI, (t))) , (x(φI, (t))) · (x(φI, (t))) , 1
  
dx =0 d =0 d =0
   
d −1 
= 1 , XQ (t) · x0 (t)


(φI, (t)) , 1

d =0

= 1 , XQ (t) · x0 (t) XI (t) , 1

= − x0 (t) XI (t) + XQ (t) , (28)

onde os campos vetoriais XQ e XI são as variações verticais e vaiações horizontais.

Referências
[1] V.I. A RNOLD: Ordinary Differential Equations, Springer Science & Business Media, Mathematics (1992).
[2] A.C. C HIANG: Elements of Dynamic Optimization, McGraw Hill Higher Education, (1992).

14
[3] M.L. K RASNOV, G.I. M AKARENKO & A.I. K ISELIOV: Problems and Exercises in the Calculus of Variations, Mir
Publisher (1975).
[4] J.J. O’C ONNOR & E.F.R OBERTSON: The brachistochrone problem, MacTutor History of Mathematics (February
2002) [http://www-history.mcs.st-andrews.ac.uk/HistTopics/Brachistochrone.html]
[5] I.S. S OKOLNIKOFF: Theory and Applications to Geometry and Mechanics of Continua, Krieger Pub Co (1990).
[6] L.C. YOUNG: Lectures on the Calculus of Variations and Optimal Control Theory American Mathematical Soci-
ety (1 de Agosto, 2000).
[7] J. B ERNOULLI: Problema novum ad cujus solutionem Mathematici invitantur, Acta eruditorum pg 269 (Mensis
Junii A. MDCXCVI) [https://books.google.com.br/books?id=kHRlAAAAcAAJ](visitada em setembro de 2016)
[8] A. R OMANO: Classical Mechanics with Mathematica, Modeling and Simulation in Science, Engineering and
Technology, Springer, New York, 2012.

15