Extremos de Funciones Variables

Extremos de Funciones Escalares
MOISES VILLENA
4
4.1.
4.1.
4.2.
4.2.
4.3.
4.3.
4.4.
POLINOMIOS DE TAYLOR
EXTREMOS DE FUNCIONES
ESCALARES
EXTREMOS CONDICIONADOS
(Multiplicadores de Lagrange)
Objetivos.
130
Encontrar Polinomios de Taylor para funciones de dos

variables.
Optimizar funciones de dos y tres variables sin restricciones y
con una y dos restricciones de igualdad
MOISES VILLENA
4.1 POLINOMIOS DE TAYLOR

En el capitulo anterior se mencion que si
es una funcin diferenciable
z = f ( x0 ) + Df ( x 0 ) [ x x 0 ] debe ser
aproximacin de la funcin en la vecindad de x 0 , es decir:
f ( x ) f ( x 0 ) + Df ( x 0 ) [ x x 0 ]
entonces
una
buena
Para funciones de dos variables tenemos:
f
f ( x, y ) f ( x0 , y0 ) +
x
x x0
f
y ( x0 , y0 ) y y0
Un polinomio de primer orden:
f ( x, y ) = f ( x0 , y0 ) +
f ( x , y )
f ( x , y )
[ x x0 ] +
[ y y0 ] + r1
x
y
0
Ejemplo.
Sea
f ( x, y ) = sen ( x + 2 y ) . Hallar el polinomio de Taylor de Primer orden en la
vecindad de ( 0, 0 ) .
SOLUCIN:
En este caso tenemos:
f ( 0, 0 )
f ( 0, 0 )
[ x 0] +
[ y 0] + r1
x
y
Las derivadas parciales, serian:
f ( 0, 0 )
= cos ( x + 2 y )( 0,0) = 1
x
f ( 0, 0 )
= 2 cos ( x + 2 y )( 0,0) = 2
x
f ( x, y ) = f ( 0, 0 ) +
sen ( x + 2 y ) = 0 + 1[ x ] + 2 [ y ] + r1
4.1.1 Polinomio de Taylor de segundo orden.

Para funciones de una variable el polinomio de Taylor de segundo orden
es:
f ( x ) = f ( x0 ) + f ( x0 ) [ x x0 ] +
1
2
f ( x0 ) [ x x0 ] + r2
2
131
MOISES VILLENA
Haciendo analoga para funciones de varias variables, deberamos utilizar

n
matrices diferenciales y vectores de
.
1
T
f ( x ) = f ( x 0 ) + Df ( x0 ) [ x x0 ] + [ x x0 ] D ( Df ( x 0 ) ) [ x x0 ] + r2
2
donde D
( Df ( x ) )
0
seria la matriz diferencial de la matriz diferencial, es
decir la matriz de segunda derivadas, la cual se la denomina matriz

Hessiana, se la denota por
H( f )
f x1x1
f x2 x1
f
xx
H( f )= 31
fx x
41
f
xn x1
Si
y se la define de la siguiente manera:
f x1x2
f x1x3
f x2 x2
f x2 x3
f x3 x2
f x3 x3
f x4 x2
f x4 x3
f xn x2
f xn x3
es una funcin de dos variables, la matriz Hessiana sera:
f xx
H ( f ( x, y ) ) =
f yx
Si
f x1xn
f x2 xn
f x3 xn
f x4 xn
f xn xn
f xy
f yy
es una funcin de tres variables, la matriz Hessiana sera:
f xx
H ( f ( x, y , z ) ) = f yx
f zx
f xy
f yy
f zy
f xz
f yz
f zz
Bien, el polinomio de Taylor de segundo orden para funciones de dos

variables seria:
f
f ( x, y ) = f ( x0 , y0 ) +
x
x x0 1
f
+ [ x x0
y ( x0 , y0 ) y y0 2
f xx
y y0 ]
f yx
f xy
x x0
y y + r2
f yy
0
( x0 , y0 )
Ejemplo.
Sea f ( x, y ) = e
3x+2 y
. Hallar el polinomio de Taylor de segundo orden en la vecindad
de ( 0, 0 )
SOLUCIN:
En este caso tenemos
f ( x, y ) = f ( 0, 0 ) + f x
132
f y
( 0,0)
x 1
y + 2 [ x

f xx
y]
f yx
f xy
f yy
x
y + r2
( 0,0 )
MOISES VILLENA
Las derivadas parciales de primer orden serian:
f x ( 0, 0 ) = 3e3 x + 2 y
( 0,0 )
=3
f y ( 0, 0 ) = 2e3 x + 2 y
( 0,0 )
=2
Las derivadas parciales de segundo orden serian
f xx ( 0, 0 ) = 9e3 x + 2 y
( 0,0 )
f xy ( 0, 0 ) = 6e3 x + 2 y
( 0,0 )
f yy ( 0, 0 ) = 4e3 x + 2 y
( 0,0 )
=9
= 6 = f yx ( 0, 0 )
=4
Reemplazando y resolviendo:
x 1
f ( x, y ) = 1 + [ 3 2 ] + [ x
y 2
9 6 x
y]
+ r2
6 4 y
x
1
f ( x, y ) = 1 + 3 x + 2 y + [9 x + 6 y 6 x + 4 y ] + r2
2
y
1
( 9 x 2 + 6 xy + 6 xy + 4 y 2 ) + r2
2
9
f ( x, y ) = 1 + 3 x + 2 y + x 2 + 6 xy + 2 y 2 + r2
2
f ( x, y ) = 1 + 3 x + 2 y +
La formula de Taylor de segundo orden puede ser usada en forma directa:

f
f ( x, y ) = f ( x0 , y0 ) +
x
x x0 1
f
+ [ x x0
y ( x0 , y0 ) y y0 2
f xx
y y0 ]
f yx
f xy
f yy
1
f ( x, y ) = f ( x0 , y0 ) + f x [ x x0 ] + f y [ y y0 ] + f xx [ x x0 ] + f yx [ y y0 ]
2
x x0
+ r2
y y0
( x0 , y0 )
x x0
f xy [ x x0 ] + f yy [ y y0 ]
+ r2
y y0
1
2
2
f ( x, y ) = f ( x0 , y0 ) + f x [ x x0 ] + f y [ y y0 ] + f xx [ x x0 ] + 2 f xy [ x x0 ][ y y0 ] + f yy [ y y0 ] + r2
Ejercicios propuestos 4.1

1. Determinar el polinomio de Taylor de segundo orden para la funcin alrededor del punto indicado:
a) f x, y = x + y 2 , x 0 = 0, y 0 = 0
b) f x, y = e x + y , x 0 = 2, y 0 = 3
c)
d)
e)
2.
( ) ( )
( )
f ( x, y ) = e x y cos( xy ), x 0 = 0, y 0 = 0
f ( x, y ) = sen ( xy ) + cos( xy ), x 0 = 2, y 0 = 1
f ( x, y ) = e ( x 1) , x 0 = 1, y 0 = 0
2
Obtenga un desarrollo de Taylor de segundo orden para:
f ( x, y ) =
1
, x = 0, y0 = 0
( x + y 2 + 1) 0
2
Luego utilice el resultado para hallar el valor aproximado de f ( 0.3, 0.2 )

3.
Empleando la formula de Taylor de segundo orden aproxime:

30.1 ln ( 0.85 )
a)
133
MOISES VILLENA
b)
( 2.05)
3.8 sen ( 0.4 )
c)
4.
3.99
1 0
Sea f ( 1,1) = 5 , f ( 1,1) = , H ( 1,1) =

. Obtenga el valor aproximado para
1 1
1
f ( 0.99,0.98 )
5.
Sea
f:
diferenciable
en
( x0 , y0 )
tal
que
f ( x0 , y0 ) = ( 2,1) ,
0
1
Hf ( x0 , y0 ) =
y f ( x0 , y0 ) = 3 . Determine f ( x0 + 0.2, y0 0.1)
0 1
4. 2 EXTREMOS DE FUNCIONES ESCALARES

4.2.1 DEFINICIN
Sean f ( x ) : U R n R , x 0 U , Bn ( x 0 , ) .
1. f ( x0 ) es un valor MXIMO LOCAL f en Bn ,
si f ( x ) f ( x0 ) , x Bn .
2. f ( x 0 ) es un valor MNIMO LOCAL de f en

Bn , si f ( x ) f ( x 0 ) , x Bn .
3. Si f ( x0 ) es tal que en su vecindad, en
ciertas direcciones hay un mximo y en
otras un mnimo, entonces se llama
PUNTO DE SILLA.
Bien, ya estn definidos los extremos, ahora debemos definir cmo
encontrarlos. Igual que para funcin de una variable debern existir puntos
candidatos a ser extremos.
La mayora de las funciones son diferenciables por tanto nos regiremos al
estudio de este tipo de funciones.
4.2.2 TEOREMA (Condicin necesaria para la existencia de

extremos locales)
Sean
f ( x ) : U Rn R ,
una
funcin
diferenciable, sea x0 U . Si en x0 , f ( x )
tiene un extremo local entonces f ( x 0 ) = 0 .
134
MOISES VILLENA
x0
tal que
f ( x 0 ) = 0 se lo llama PUNTO CRTICO ESTACIONARIO.
Lo anterior quiere decir que los extremos se producen necesariamente en

los puntos crticos, igual que para funcin de una variable. Entonces los
primeros que debemos hacer es obtener los puntos crticos y luego
clasificarlos en mximos, mnimos o ninguno.
Para funcin de una variable, empleando el criterio de la segunda
derivada, tenamos que si esta es positiva en un punto crtico estacionario
entonces estamos ante un mnimo; y, si la segunda derivada es negativa
entonces tenemos un mximo. Esto es debido a que segn Taylor de
segundo orden la funcin se aproxima mediante una parbola cuya
concavidad depende justamente del signo de la segunda derivada:
f ( x ) f ( x0 ) + f ( x0 ) [ x x0 ] +
0
1
2
f ( x0 ) [ x x0 ]
2
Para funciones de varias variables, podemos tambin hacer uso de la

formula de Taylor de segundo orden. Suponga que tenemos una funcin
diferenciable y que su gradiente se anula en un punto x 0
1
T
f ( x ) f ( x0 ) + f ( x0 ) [ x x0 ] + [ x x0 ] H ( f ( x0 ) ) [ x x 0 ]
2
0
Anlogamente, ahora debemos analizar la matriz Hessiana para clasificar

los extremos.
4.2.3 TEOREMA (Condicin suficientes para la existencia de

extremos)
Sea f ( x ) : U R n R , suponga que x 0 es

un punto tal que f ( x0 ) = 0 , suponga que f
tiene derivadas parciales se segundo orden
continuas, entonces:
1. Si la matriz Hessiana H ( f ( x0 ) ) es definida
POSITIVA (todos sus valores propios son
positivos) entonces f ( x0 ) es un valor
MNIMO de f .
135
MOISES VILLENA
2. Si la matriz Hessiana H ( f ( x 0 ) ) es definida

NEGATIVA (todos sus valores propios son
negativos) entonces f ( x 0 ) es un valor
MXIMO de f .
3. Si la matriz Hessiana H ( f ( x 0 ) ) es SEMIDEFINIDA POSITIVA (valores propios no
negativos) entonces f ( x 0 ) PUEDE ser un
valor MNIMO de f .
4. Si la matriz Hessiana H ( f ( x 0 ) ) es SEMIDEFINIDA NEGATIVA (valores propios no
positivos) entonces f ( x 0 ) PUEDE ser un
valor MXIMO de f .
5. Si la matriz Hessiana H ( f ( x0 ) ) es NO
DEFINIDA (valores propios no positivos y no
negativos) entonces f ( x0 ) es un PUNTO
DE SILLA de f .
Obtener los valores propios de la matriz Hessiana puede resultar una
tarea dificultosa por tanto, podemos utilizar otro mecanismo que lo vamos a ir
indicando primero para dos variables, luego para tres hasta llegar a
generalizarlo.
4.2. 4 TEOREMA
Sea
f ( x, y )
una
funcin
dos
veces
diferenciable en U R 2 , sea ( x0 , y0 ) U un
punto crtico estacionario de f .
Defnanse las matrices:
f xx f xy
H1 = [ f xx ]( x , y ) , H 2 = H =
0 0
f yx f yy
( x0 , y0 )
Entonces:
1. Si H1 > 0 H 2 > 0 , entonces f ( x0 , y0 )
es un MNIMO de f en U .
136
MOISES VILLENA
2. Si H1 < 0 H 2 > 0 , entonces f ( x0 , y0 )

es un MXIMO de f en U .
3. Si H 2 < 0 , entonces
f ( x0 , y0 ) es un
PUNTO DE SILLA de f en U .
4. Si H 2 = 0 , no se puede concluir.
Ejemplo 1
Hallar los extremos para f ( x, y ) = x 2 + y 2
SOLUCIN:
PRIMERO se encuentran los puntos crticos, candidatos a ser extremos.
f
= 2x
x
2
2
Las derivadas parciales para f ( x, y ) = x + y son:
f
= 2y
y
2 x = 0
da como resultado x0 = 0 y y0 = 0
2 y = 0
El sistema
Por tanto tenemos en este caso un slo punto crtico (x 0 , y 0 ) = (0,0 )

SEGUNDO Clasifiquemos el punto crtico:
f xx = 2
Las segundas derivadas parciales son: f yy = 2
f xy = f yx = 0
2 f
2
x
La matriz Hessiana en este caso es: H = 2
f
yx
Ahora, como H 1 = 2 > 0 y H 2 =
mnimo para la funcin, que sera:
2 f
xy
2 0
=
f
0 2
y 2 (0,0)
2 0
= 4 > 0 concluimos que en (0,0) hay un valor
0 2
f Mn (0,0) = 0 2 + 0 2 = 0
Ejemplo 2
Hallar los extremos para f ( x, y ) = x 3 y 3 + 6 xy
SOLUCIN:
PRIMERO: Para hallar los puntos crticos, tenemos:
Las derivadas parciales son:
f x = 3x 2 + 6 y
f y = 3 y 2 + 6 x
3 x 2 + 6 y = 0
3 y 2 + 6 x = 0
Resolviendo el sistema
tenemos:
137
MOISES VILLENA
y2
y al reemplazarlo en la primera ecuacin encontramos los
2
En la segunda ecuacin se obtiene x =

valores de y 0 , es decir :
2
y2
+ 6y = 0
3
2
y4
+ 6y = 0
4
y3
3 y
+ 2 = 0
4
y = 0 y = 2
3
Luego; si y 0 = 0 entonces x 0 =
02
=0; y,
2
si y 0 = 2 entonces x 0 =
( 2)2
2
=2
Es decir, aqu tenemos dos puntos crticos (0,0 ) y (2,2 ) .

SEGUNDO: Clasificando los puntos crticos
f xx = 6 x
Las segundas derivadas parciales son: f yy = 6 y
f xy = f yx = 6
2 f
2
x
La matriz Hessiana en este caso es: H = 2
f
yx
2 f
6
xy 6 x
=
2
6
6
y
y 2
6 0 6
6(0)
=
6(0) 6 0
6
1. La matriz Hessiana para el punto (0,0) es: H =

Como H 2 =
0 6
= 36 < 0 concluimos que (0,0) hay un punto de silla.
6 0
6 12 6
6(2)
=
6
6
(
2) 6 12
2. La matriz Hessiana para el punto ( 2,2) es: H =

Como H1 = 12 > 0 y H 2 =
12
12
= 144 36 = 108 > 0 entonces en ( 2,2) hay un valor
3
3
Mnimo para la funcin, y es: f MIN (2,2) = 2 2 + 6( 2)(2) = 8
Ejemplo 3
Un supermercado vende 2 tipos de cerveza. Una marca local que se obtiene a un costo
de c/ 30 cada lata y una marca nacional que se obtiene a un costo de c/ 40 por lata. El
tendero calcula que si la de marca local se vende a " x" centavos por lata y la de marca
nacional a " y" centavos por lata, se vendern cada da aproximadamente 70 5 x + 4 y
latas de la marca local y 80 + 6 x 7 y latas de la marca nacional. Qu precio debera
fijar el tendero a cada marca para maximizar las utilidades?
SOLUCIN:
Con la informacin proporcionada determinamos la funcin utilidad
138
MOISES VILLENA
U = I C
U = [x(70 5 x + 4 y ) + y (80 + 6 x 7 y )] [30(70 5 x + 4 y ) + 40(80 + 6 x 7 y )]

U = (x 30 )(70 5 x + 4 y ) + ( y 40 )(80 + 6 x 7 y )
U = 5 x 2 + 10 xy 20 x 7 y 2 + 240 y 5300
Las derivadas parciales para la funcin Utilidad son:
U x = 10 x + 10 y 20
U y = 10 x 14 y + 240
U x = 0
10 x + 10 y 20 = 0
es decir
U y = 0
10 x 14 y + 240 = 0
10 x + 10 y 20 = 0
10 x = 20 10 y
Despejamos x en la primera ecuacin:
10 y 20
x=
10
x = y2
Para los puntos crticos hacemos
10( y 2) 14 y + 240 = 0
20 y 20 14 y + 240 = 0
Reemplazamos x en la segunda ecuacin: 4 y = 220
220
y=
4
y = 55
Luego x = y 2 = 55 2 = 53
Por tanto, tenemos un slo punto crtico P (53,55)
U xx
U yx
La matriz Hessiana es H =
U xy
10 10
=
U yy
(53,55) 10 14
10 10
= 140 100 = 40 > 0
10 14
utilidades mximas se producirn cuando x = 53 y y = 55
Como
H 1 = 10 = 10 < 0 y
H2 =
entonces
Para el caso de tres variables tenemos:
4.2. 5 TEOREMA
Sea f una funcin dos veces diferenciable

en U R 3 , sea ( x0 , y0 , z0 ) U un punto
crtico estacionario de f .
f xx
H1 = [ f xx ](x , y , z ), H 2 =
0
0 0
f yx
f xx
f xy
, H 3 = H = f yx
f yy
f zx
( x0 , y 0 , z 0 )
f xy
f yy
f zy
f xz
f yz
f zz
( x0 , y 0 , z 0 )
Entonces:
139
MOISES VILLENA
Si
H1 > 0 H 2 > 0 H 3 > 0 ,
entonces f ( x0 , y0 , z0 ) es un MNIMO de f
en U .
2.
Si
H1 < 0 H 2 > 0 H 3 < 0 ,
entonces f ( x0 , y0 , z0 ) es un MXIMO de f
en U .
1.
Ejemplo
Hallar los extremos para f ( x, y , z ) = 2 x 2 + xy + 4 y 2 + xz + z 2 + 2
SOLUCIN:
PRIMERO determinamos los puntos crticos estacionarios.
f
= 4x + y + z
x
f
= x + 8y
Las derivadas parciales son:
y
f
= x + 2z
z
4 x + y + z = 0
tenemos:
Resolviendo el sistema simultneo x + 8 y = 0
x + 2z = 0
Despejando " y " en la segunda ecuacin resulta y =
x
.
8
x
.
2
Luego reemplazando " y " y " z " en la primera ecuacin, encontramos " x ", es decir:
Despejando " z " en la tercera ecuacin resulta z =
x x
=0
8 2
1 1
4 x = 0
8 2
x=0
0
0
x
x
Por lo tanto y = = = 0 y z = = = 0
8
8
2
2
4x
Hay un solo punto crtico P (0,0,0)

SEGUNDO: Clasificando el punto crtico.
f xx f xy
La matriz Hessiana sera: H = f yx f yy

f
zx f zy
De aqu tenemos: H1 = [4]
Calculando los determinantes tenemos:
140
f xz
f yz
f zz
4 1 1
= 1 8 0
1 0 2
(0,0,0 )
4 1
H2 =
1 8
4 1 1
H 3 = H = 1 8 0
1 0 2
MOISES VILLENA
H1 = 4 = 4 > 0
H2 =
4 1 1
H 3 = H = 1 8 0 = 54 > 0
4 1
= 31 > 0
1 8
1 0 2
Por lo tanto, se concluye que en el punto P (0,0,0) se produce un mnimo, cuyo valor es:
f (0,0,0) = 202 + 00 + 402 + 0 + 02 + 2
f min = 2
Para el caso de
variables, tenemos:
4.2. 6 TEOREMA
Sea la Funcin Objetivo w = f ( x1 , x2 , x3 ,, xn ) ,

dos veces diferenciable. Suponga que se
obtiene el punto crtico estacionario
( x01 , x02 , x03 ,, x0n )
f x1 x1
f x1 x2
H 3 = f x2 x1
f x2 x2
f x3 x1
fx x
H1 = f x1 x1 H 2 = 1 1
f x2 x1
f x1 x2
f x2 x2
f x3 x2
f x1 x3
f x2 x3
f x3 x3
, Hn = H
Entonces:
1.- Si H1 > 0 H 2 > 0 H 3 > 0 H n > 0 ,
entonces en ( x01 , x02 , x03 ,, x0 n ) la funcin
tiene un MNIMO.
2.- Si H1 < 0 H 2 > 0 H 3 < 0 (1)n H n > 0 ,
entonces en ( x01 , x02 , x03 ,, x0 n ) la funcin
tiene un MXIMO.
1.
Determine y clasifique los puntos crticos de :

a)
f x, y = x 2 y x xy 2
+y
b)
f ( x, y ) = x + y 6 xy + 9 x + 5 y + 2
c)
f ( x, y ) = x 2 + 2 y 2
f ( x, y ) = (x 4 )ln( xy )
1
f ( x, y ) = x 3 + 8 y 3 2 x 2 + y 2 + 1
3
d)
e)
) (
f)
f ( x, y ) = 2 x 2 + y 2 ln( xy 2 )
g)
f ( x, y ) = x 2 y + y 2 x + 3 xy
h)
f ( x, y ) = x 2 y + y 2 x + 3 xy
141
MOISES VILLENA
2.
i)
f ( x, y, z ) = x 2 + xz y + y 2 + yz + 3 z 2
j)
f ( x, y, z ) = x 2 y 2 z 2 + 2 y + xz
Determine el mximo y mnimo absolutos de la funcin

regin
z = sen x + sen y + sen ( x + y )
en la
0 x , 0 y .
2
2

Resp. , Mximo local
3 3
x
)+
2t
dt
1+ t4
3.
Determine los puntos crticos de f ( x, y ) = ln 1 + x + y
4.
Una compaa de telfonos planea introducir dos nuevos tipos de sistemas de comunicaciones. Se
calcula que si el primer tipo de sistema se valora en x cientos de dlares por sistema y el segundo
tipo en y cientos de dlares por sistema, aproximadamente 40 8 x + 5 y consumidores

comprarn el primer tipo y 50 + 9 x 7 y comprarn el segundo tipo. Si el costo de fabricacin del
primer tipo es de $1000 por sistema y el costo del segundo tipo es $3000 por sistema. Qu precio
debera fijar la compaa de telfonos a los sistemas para generar la mxima utilidad posible?.
5.
Suponga
que
una
P1 = 63 4Q1
P2 = 105 5Q 2
P = 75 6Q
3
3
empresa
monopolista
tiene
las
siguientes
, y la funcin de costo total
funciones
de
precio
C = 20 + 15Q + Q 2
donde
Q = Q1 + Q2 + Q3 . Determine los niveles de demanda que haga mximo el beneficio.

6.
Para los productos
A, B y C
de un monopolista la funcin costo est dada por
C ( p A , p B , pC ) = p A 2 + 2 p B 2 + pC 3 p A p B 2 pC 2 p A + 12
donde
p A , p B , p C son los precios de los productos. Encuentre los precios que minimicen el costo.
4.3 EXTREMOS CONDICIONADOS ( Multiplicadores de

Lagrange)
En muchas ocasiones nos enfrentaremos a situaciones de optimizacin
cunado las variables independientes deben ser tomadas de un subconjunto
de su dominio. Es decir presentan restricciones
4.3.1 TEOREMA. Criterio para establecer extremos con

una restriccin en funciones de dos
variables
Suponga que se desea optimizar la funcin

de dos variables f , dos veces diferenciable,
sujeta a la restriccin o ligadura g ( x, y ) = k ,
donde k es una constante.
Defnase la Funcin Langragiana
L ( , x , y ) = f ( x, y ) [ g ( x , y ) k ]
142
MOISES VILLENA
donde es llamado
Multiplicador de
Lagrange.
Suponga que se obtiene el Punto crtico
( x0 , y0 , ) de la Funcin Langragiana.
Defnase el Hessiano Orlado, como la matriz:
L L x L y 0 g x g y
H = Lx Lxx Lxy = g x Lxx Lxy

Ly Lyx Lyy g y Lyx Lyy

( x0 , y0 , )
Entonces:
1. Si H > 0 entonces en ( x0 , y0 ) la funcin f
tiene un MXIMO.
2. Si H < 0 entonces en ( x0 , y0 ) la funcin f
tiene un MNIMO.
Ejemplo
Hallar los valores mximos y mnimos de f ( x, y ) = xy , sujeto a que x 2 + y 2 = 8
SOLUCIN:
En este caso g ( x, y ) = x 2 + y 2 . Por tanto la funcin Langragiana sera:
L(, x, y ) = f ( x, y ) [g ( x, y ) k ] = xy x 2 + y 2 8
L = 0 f = g y = 2 x
x
x
x
L
0
f
g
=
y
y
y x = 2 y
L = 0 g ( x, y ) = k x 2 + y 2 = 8
Despejando en las dos primeras ecuaciones, e igualando se obtiene:
y
y
x
2 x
=
y 2 = x 2 y = x
x
2x 2 y
=
2 y
=
x2 + y2 = 8
Reemplazando en la tercera ecuacin, resulta: 2 x 2 = 8

x = 2
x2 = 4
x = 2
143
MOISES VILLENA
y = 2
x=2
y = 2
Por tanto:
y = 2
x = 2
y = 2
Es decir, existen cuatros puntos crticos: (2,2) , (2,2) , (2,2) y (2,2) .

Hallemos el Hessiano Orlado
H = g x
g y
gx
L xx
L yx
gy 0
2x
2y
L xy = 2 x 2
1
2
L yy 2 y
1
2y
2 2xy
0
2x
x
, se tiene H = 2 x 2 2xy
Y como =
2y
2y
1
( )
( )
Ahora clasifiquemos los puntos crticos:
0 4 4
1.- Para ( 2,2) tenemos: H = 4 1 1
4 1 1
Entonces, como H = 4( 8) + 4(8) = 64 > 0
se dice que f (2,2) = (2)(2) = 4
es un
MXIMO.
0 4 4
2.- Para ( 2,2) tenemos: H = 4 1 1
4 1 1
Ahora, como H = 4(8) 4(8) = 64 < 0 se dice que f (2,2) = (2)(2) = 4 es un

MNIMO.
3.- Para (2,2) se tiene: H = 4
4 4
1 1
1 1
Ahora, como H = 4(8) + 4(8) = 64 < 0 se dice que f (2,2) = (2)(2) = 4

es un MNIMO.
0 4 4
1 1
4 1 1
4.- Para (2,2) se tiene: H = 4
Entonces, como H = 4(8) 4(8) = 64 > 0
se dice que f (2,2) = (2)(2) = 4
es
un MXIMO.
Ejemplo 2
A un editor se le han asignado $60,000 para invertir en el desarrollo y la promocin de
un nuevo libro. Se calcula que si se gastan " x" miles de dlares en desarrollo y " y"
3
miles en promocin se vendern aproximadamente f ( x, y ) = 20 x 2 y ejemplares del

libro. Cunto dinero debe asignar el editor a desarrollar y cunto a promocin para
maximizar las ventas?
SOLUCIN:
3
En este caso la Funcin objetivo sera f ( x, y ) = 20 x 2 y sujeta a la restriccin x + y = 60

3
La funcin Langragiana sera: L(, x, y ) = 20 x 2 y ( x + y 60)
144
MOISES VILLENA
Para obtener los puntos crticos, hacemos:
x + y = 60
L = 0
1
2
3 12
L x = 0 (1) + 20 x y = 0 = 30 x y
2
3
3
2
2
L = 0
(1) + 20 x = 0
= 20 x
y
1
Igualando las dos ltimas ecuaciones, resulta: 30 x
y = 20 x
y=
2
x
3
2
x = 60
3
Lo ltimo lo reemplazamos en la primera ecuacin y se obtiene: 3 x + 2 x = 120
5 x = 120
x = 36
x+
Por tanto:
2
(36)
. Es decir, existe slo un punto crtico: (36,24)
3
y = 24
y=
0
1
1
1
1
2
2
El Hessiano Orlado sera: H = 1 15 x y 30 x
1
2
0
1 30 x
Y para el punto (36,24) es:
1
0 1
H = 1 60 180
1 180 0
Como el determinante es: H = (1)(180) + 1(120) = 300 > 0 , concluimos que el editor debe
invertir $36000 en desarrollo y $24000 en promocin para obtener las mximas ventas.
Ejemplo 3
Un consumidor tiene $600 para gastar en 2 artculos, el primero de los cuales tiene un valor de
$20 / unidad y el segundo $30 / unidad. Si la utilidad obtenida por el consumidor de " x"
unidades del primer artculo y " y" unidades del segundo est dada por f ( x, y ) = 10 x 0.6 y 0.4 .
a) Cuntas unidades de cada artculo debera comprar el consumidor para maximizar su
utilidad?
SOLUCIN:
En este caso la funcin Objetivo es f ( x, y ) = 10 x
La funcin Langragiana es
y 0.4 sujeta a que 20 x + 30 y = 600 .

L ( , x , y ) = f ( x , y ) ( g ( x , y ) k )
0. 6
L(, x, y ) = 10 x 0.6 y 0.4 (20 x + 30 y 600)
Obteniendo los puntos crticos tenemos:
145
MOISES VILLENA
L = 20 x + 30 y = 600 2 x + 3 y = 60
6 x 0.4 y 0.4
0.4 0.4
y 20 = 0 =
Lx = 6 x
20
0. 6 0. 6
x
y
4
L y = 4 x 0.6 y 0.6 30 = 0 =
30
4 x 0.6 y 0.6 6 x 0.4 y 0.4

=
30
20
(10)2 x 0.6 y 0.6 = 15(3 x 0.4 y 0.4 )
20 x = 45 y
4
x
9
Reemplazando en la primera ecuacin (la Restriccin), tenemos:
4
2 x + 3 x = 60
9
12
2 x + x = 60
9
18 x + 12 x = 540
y=
30 x = 540
x = 18
4
x entonces y = 8 .
9
Por lo tanto resulta el punto crtico (18,8) .
Para clasificar el punto crtico, calculamos el Hessiano Orlado:
Y como y =
20
0
H = 20 2.4 x 1.4 y 0.4

30 2.4 x 0.4 y 0.6
30
2.4 x 0.4 y 0.6

0.6 1.6
2.4 x y
(18,8)
20
0
= 20 2.4(18) 1.4 (8)0.4

30 2.4(18) 0.4 (8) 0.6
30
2.4(18) 0.4 (8) 0.6

0.6 1.6
2.4(18) (8)
Como H > 0 entonces el consumidor, para obtener las mximas utilidades, debe comprar 18
unidades del primer artculo y 8 unidades del segundo artculo.
Ejemplo 4
Un fabricante planea vender un nuevo producto a $350 la unidad y estima que si se invierten "x"
miles de dlares en desarrollo y "y" miles en promocin, los consumidores comprarn
250 y 100 x
unidades del producto, aproximadamente. Los costos de fabricacin de este
+
y+2 x+5
producto son $150 por unidad.
a) Cunto debera invertir el fabricante en desarrollo y cunto en promocin para generar la
mxima utilidad posible, si dispone de fondos ilimitados?
En este caso habr que formar la Funcin Objetivo, que es la Utilidad:
U = Ingresos [Costos + Inversin]
250 y 100 x 250 y 100 x

150
+ 1000 x + 1000 y
U = 350
+
+
y
+
2
x
+
5
y
2
x
5
+
+
250 y 100 x
U ( x, y ) = 200
+
1000 x 1000 y
y + 2 x + 5
El punto crtico, sin restricciones, ser:
146
MOISES VILLENA
1( y + 2) y
U y = 50000
1000 = 0
( y + 2) 2
250 y + 500 250 y
U y = 200
1000 = 0
( y + 2) 2
500
=5
( y + 2) 2
100 x 500 100 x

U x = 200
1000 = 0
( x + 5) 2
500
U x = 200
= 1000
( x + 5) 2
500
=5
( x + 5) 2
y 500 = 5( y + 2) 2
500 = 5( x + 5) 2
100 = ( y + 2) 2
100 = ( x + 5) 2
y + 2 = 10
y =8
x + 5 = 10
x=5
Compruebe que en el punto crtico (5,8) se produce un mximo (Hessiano).

Es decir que el fabricante debera invertir $5000 en desarrollo y $8000 en promocin del nuevo libro
para obtener las mximas utilidades.
b) Si el fabricante slo tiene $11,000 para invertir en el desarrollo y la promocin del nuevo
producto. Cmo debera distribuirse este dinero para generar la mxima utilidad posible?
Para este caso tenemos la misma Funcin Objetivo
250 y 100 x
U ( x, y ) = 200
+
1000 x 1000 y
y + 2 x + 5
pero ahora sujeta a la restriccin de que x + y = 11 .
Trabajamos ahora con la funcin Langragiana

250 y 100 x
+
L(, x, y ) = 200
1000 x 1000 y ( x + y 11)
y + 2 x +5
Encontrando los puntos crticos, tenemos:
L = 0 x + y = 11
100000
1000 =
Lx = 0
( x + 5) 2
L y = 0 100000 1000 =
( y + 2) 2
100000
( x + 5) 2
1000 =
100000
( y + 2) 2
10000
Igualando las dos ltimas ecuaciones, resulta: ( y + 2) 2/ = ( x + 5) 2/

y+2=x+5
y=x+3
x + y = 11
x + (x + 3) = 11
Reemplazando y en la restriccin, tenemos: 2 x + 3 = 11

2x = 8
x=4
x + y = 11
Entonces: y = 11 x
y=7
Compruebe que en el punto crtico (4,7) se produce un mximo. (Hessiano Orlado).

Por tanto, cuando slo hay $11000 para inversin, habr que distribuirlos de la siguiente manera para
obtener las mximas utilidades: $4000 en desarrollo y $7000 en la promocin del nuevo libro.
Ejemplo 5
Hallar la menor distancia entre la elipse de ecuacin x 2 + 3 y 2 = 19 y la recta de
ecuacin 4 x + 3 y = 12 .
SOLUCIN:
147
MOISES VILLENA
El problema lo resolveremos definiendo la distancia entre un punto de la elipse y la recta.

4 x + 3 y = 12
x 2 + 3 y 2 = 19
( x0 , y0 )
Entonces, la funcin objetivo sera d =
4 x0 + 3 y0 12
42 + 32
sujeta a que g : x0 + 3 y0 = 19
2
d
g
=
x
0
x0
lo cual da
Ahora d = ( g ) , es dcir:
g
d
y = y
0
0
Igualando y simplificando resulta: x0 = 4 y0
4
5 = ( 2 x0 )
3 = (6 y )
0
5
Reemplazando en la restriccin:
x0 2 + 3 y0 2 = 19
( 4 y0 )
+ 3 y0 2 = 19
y 0 = 1
De acuerdo a la posicin, observe el dibujo, tomamos el positivo. (En otro caso habra que probarlo)
Entonces x0 = 4 y0 = 4 (1) = 4
Hemos hallado las coordenadas del punto de la elipse que da la mnima distancia, por tanto
esta distancia mnima ser:
d min . =
4 ( 4 ) + 3 (1) 12
5
7
5
Ejercicios Propuestos 4.3

1.
Encuentre los extremos de la funcin f ( x, y ) = xy sujeta a que x + y = 6
2.
Maximizar f ( x, y ) = xy sujeta a que x + y = 10

Resp. (5,5)
3.
4.
f mx = 25
Encuentre los extremos de la funcin f ( x, y ) = x + y

2
sujeta a que x + 4 y = 2
Empleando multiplicadores de Lagrange, halle la distancia mnima de la recta con ecuacin

2 x + 3 y = 1 al origen.
1
13
Empleando multiplicadores de Lagrange, halle la distancia mnima de la circunferencia con ecuacin
x 2 + y 2 = 1 a la recta con ecuacin 4 x + 3 y = 12 .
Resp.
5.
d min =
Resp. d min =
148
7
5
MOISES VILLENA
6.
Empleando multiplicadores de Lagrange, halle la distancia mnima de
( x 4)
+ y 2 = 4 al punto
de coordenadas ( 0,10 )
30
Resp. d min = 116
29
7.
2
29
Los cursos de dos ros (dentro de los lmites de una regin determinada) representan
2
aproximadamente una parbola y = x
,y una recta x y 2 = 0 . Hay que unir estos ros por
medio de un canal rectilneo que tenga la menor longitud posible. Porqu puntos habr que
trazarlos?.
1 1
2 4
2
2
Hallar la distancia mnima entre 9 x + 16 y = 144 y
11 5
,
8 8
5 x + 8 y = 40 .
Resp. Parbola , , recta
8.
100
9.
En una esfera de radio
20 18
; d min ==
,
Resp. elipse
61 61
inscribir un cilindro cuya superficie sea mxima.
2a
Resp. r =
5 5
5 5
10.
144
( 5 1)
Calcular la superficie total del cilindro de mximo volumen inscrito en una esfera de radio
Resp. A =
40
61
89
2a
, h=
61
( 2 + 1) a 2
a.
11. Dadas las ecuaciones de utilidad presupuestal de un consumidor
U = q1 2 q 2
100 = 3q1 + 4q 2
. Determine los
valores de q1 y q 2 que maximizan la utilidad del consumidor.

12. La relacin entre las ventas "S" y las cantidades "x" y "y" gastadas en dos medios de publicidad est
dada por S =
200 x 100 y
1
+
. La Utilidad neta es
de las ventas menos el gasto en publicidad.
5 + x 10 + y
5
El presupuesto para publicidad es de $25. Determine cmo debe asignarse este presupuesto entre los
dos medios para maximizar la utilidad neta.
13. Una empresa de computadoras tiene un presupuesto mensual publicitario de $60,000. Su
departamento de ventas estima que si se gastan " x " dlares cada mes en publicidad en peridicos y
" y " dlares cada mes en publicidad por televisin, las ventas mensuales estarn dadas por
S = 90 x
3
4 y 4 dlares. Si la utilidad es el 10% de las ventas menos el costo de la publicidad,
determine cmo asignar el presupuesto publicitario para maximizar la utilidad mensual. Comprubelo
utilizando el Hessiano Orlado.
14. Usando
L unidades de mano de obra y K unidades de capital, una empresa puede elaborar P
unidades de su producto, en donde P ( L, K ) = 60 5( L + K ) . Los costos de la mano de obra

2
y de capital son de $200 y $100 por unidad. Suponga que la empresa decide elaborar 4500 unidades.
Halle el nmero de insumos de mano de obra y de capital que deben emplearse con objeto de
minimizar el costo total.
15. En un taller de mecnica se reparan 2 tipos de autos
A y B . La funcin de trabajo conjunto est
dado por: f ( x, y ) = x + 2 y xy , donde x e y representa el nmeros de autos por da del

2
tipo A y B reparados, respectivamente. Para minimizar el trabajo, cuntos autos de cada tipo
deben repararse, si diariamente se puede reparar 8 autos?
16. Una compaa puede destinar su planta a la elaboracin de dos tipos de productos A y B . Obtiene
una utilidad de $4 por unidad de A y de $6 por unidad de B . Los nmeros de unidades de los dos
tipos que pueden producir mediante la planta estn restringidos por la ecuacin del transformacin del
2
2
producto: x + y + 2 x + 4 y 4 = 0 Con x y y los nmeros de unidades (en miles de
dlares) de A y B respectivamente, producidos por semana. Halle las cantidades de cada tipo que
deben producirse a fin de maximizar la utilidad.
149
MOISES VILLENA
17. Si una empresa gasta " x " miles de dlares en publicidad en la ciudad
A , sus ventas potenciales
300 x
. Si gasta " x " miles de dlares en la
(en miles de dlares) en tal ciudad estn dadas por
x + 10
500 x
. Si la utilidad es
ciudad B , sus ventas potenciales (en miles de dlares) en tal ciudad son
x + 13.5
del 25% de las ventas y la empresa dispone de una restriccin del presupuesto de 16500 destinados a
publicidad en las dos ciudades. Cunto deber gastar en cada ciudad con objeto de maximizar la
utilidad neta de la empresa? Utilice el Hessiano Orlado para verificar los resultados.

una restriccin en funciones de tres
variables
Suponga que se desea optimizar la funcin

de tres variable f , dos veces diferenciable,
sujeta a la restriccin g ( x, y, z ) = k .
L ( , x, y , z ) = f ( x, y , z ) [ g ( x, y , z ) k ) ]
Suponga que se obtiene el Punto Crtico
( x0 , y0 , z0 , ) en la Funcin Langragiana.
0
g
x
H =
g y
g z
Sean H 3 = g x
gy
Entonces
1. Si H 3 > 0 H 4
gx
L xx
L yx
L zx
gx
Lxx
Lyx
gy
L xy
L yy
L zy
gz
L xz
L yz
L zz
( x0 , y 0 , z 0 , )
gy
Lxy y H 4 = H
Lyy
< 0 entonces en ( x0 , y0 , z0 )
la funcin f tiene un MXIMO.

2. Si H 3 < 0 H 4 < 0 entonces en ( x0 , y0 , z0 )
la funcin f tiene un MNIMO.
150
MOISES VILLENA
Ejemplo 1
Encuentre los extremos de f ( x, y, z ) = 3x + 5 y + 9 z sujeta a que xyz = 25 .
SOLUCIN:
La funcin Langragiana es:
L(, x, y, z ) = 3x + 5 y + z ( xyz 25)
Para el punto crtico obtenemos:
L = 0
xyz = 25
L x = 0 3 ( yz ) = 0 ( x)
L y = 0 5 ( xz ) = 0 ( y )
L z = 0 9 ( xy ) = 0 ( z )
Multiplicando por x, y y z respectivamente las tres ltimas ecuaciones, y despejando, resulta:
3x
5
3x
x
z=
z=
9
3
3x = xyz
9 z = xyz 3x = 5 y = 9 z
5 y = xyz
y=
3x x
x = 25
5 3
Reemplazando en la restriccin: x = 5
3
x=5
y=3
De donde :
5 Por lo tanto hay un solo punto crtico: 5,3, 53
z=
3
3
3
Para este caso = 2 =
y el Hessiano Orlado sera:
5
y
yz
xz
xy
0
0
yz
z
y
0
= 25
H =
xz z
x
=
5
x
0
3
y =35
15
xy
y
x
0
z=
3
3
5
5
0
1
95
15
3
1 95
0 3
3 0
25
5 25 3
0
De aqu tenemos: H 3 = 5
0 1
25 3 1 0
250
< 0 y H 4 = H = 675 < 0
Los determinantes sera: H 3 =
3
Por tanto en (5,3, 53 ) la funcin tiene un mnimo.
Ejemplo 2
Se quiere construir una caja rectangular abierta cuyo volumen sea de 100 cm3 ,
Cules deben ser las dimensiones de la caja para utilizar la menor cantidad de
material posible?
SOLUCIN:
Haciendo un esquema
151
MOISES VILLENA
y
z
x
En este caso la funcin objetivo es el rea total : AT = xy + 2 xz + 2 zy
Y la restriccin ser el volumen: V = xyz = 100cm
Yendo un tanto ms rpido podemos plantear que
AT = ( V ) Porqu?
AT
V
x = x
V
A
O lo que es lo mismo T =
y
y
AT
V
=
z
z
Entonces, tenemos:
y + 2 z = yz
x + 2 z = xz
2 x + 2 y = xy
Multiplicando por x, y, z respectivamente:

yx + 2 zx = yzx
xy + 2 zy = xzy
2 xz + 2 yz = xyz
Igualando:
yx + 2 zx = xy + 2 zy = 2 xz + 2 yz
yx + 2 zx = xy + 2 zy
xy + 2 zy = 2 xz + 2 yz
Aqu tenemos dos ecuaciones, que pueden ser:

Tomando la primera:
yx + 2 zx = xy + 2 zy
2 zx = 2 zy
x= y
Tomando la segunda:
xy + 2 zy = 2 xz + 2 yz
xy = 2 xz
y = 2z
xyz = 100
( 2 z )( 2 z ) z = 100
z 3 = 25
z = 3 25
Por tanto x = 2
152
25 y y = 2 3 25
MOISES VILLENA
Ejemplo 3
Hallar el volumen mximo de un slido rectangular que tiene la propiedad de que la
suma de las reas de las seis caras es 6a 2 .
SOLUCIN:
Semejante al anterior , pero en este caso la funcin objetivo es el volumen: V = xyz
sujeto a que AT = 2 xy + 2 yz + 2 xz = 6a
Igualmente, podemos plantear rpidamente V = AT , es decir:
yz = ( y + z )
xz = ( x + z )
xy = ( y + x )
Multiplicando por x, y, z respectivamente:
xyz = ( yx + zx )
xyz = ( xy + zy )
xzy = ( yz + xz )
Igualando:
yx + zx = xy + zy = yz + xz
yx + zx = xy + zy
xy + zy = yz + xz
Aqu tenemos dos ecuaciones que pueden ser:

Tomando la primera:
yx + zx = xy + zy
zx = zy
x= y
Tomando la segunda ecuacin:
xy + zy = yz + xz
xy = xz
y=z
Reemplazando en la restriccin
xy + yz + xz = 3a 2
xx + xx + xx = 3a 2
3x 2 = 3a 2
x=a= y=z
Lo que quiere decir que las dimensiones de la caja deben ser iguales a a , para obtener un volumen
mximo, cuyo valor es Vmx. = a 3
Ejemplo 4
Hallar la ecuacin del plano que contiene al punto ( x0 , y0 , z0 ) en el primer octante y
que forme con los planos coordenados un tetraedro que tenga el menor volumen
posible.
SOLUCIN:
Esquemticamente tenemos:
153
MOISES VILLENA
( x0 , y0 , z0 )
a
x
En este caso la funcin objetivo es el volumen del tetraedro: V =
1
abc
6
Sujeto a que el punto ( x0 , y0 , z0 ) pertenezca al plano, es decir debe satisfacer su ecuacin:
x0 y0 z0
+ + = 1 , esta debe ser su restriccin g ( a, b, c )
a b c
Planteando rpidamente:
g
V
a = a
g
V
=
b
b
V
g
c = c
Tenemos:
1
x0
bc = 2
6
a
1
y0
ac = 2
6
b
1
z
ab = 02
6
c
1
x0
6 abc = a
1
y
Multiplicando por a, b, c respectivamente: abc = 0
6
b
1
z
abc = 0
6
c
x
y
z
Igualando: 0 = 0 = 0
a
b
c
154
MOISES VILLENA
x0 x0 x0
+ + =1
a a a
x
3 0 =1
a
a = 3x0
Calculando b y c resulta: b = 3 y0 y c = 3 z0
Por tanto la ecuacin buscada es:
x
y
z
+
+
=1
3 x0 3x0 3x0

f ( x, y , z ) = 2 x 2 + y 2 + 3 z 2 si
1.
Determine el valor mximo o mnimo de la funcin
2.
Determine el valor mximo o mnimo de la funcin f ( x, y , z ) = x 2 2 y 2 z 2 + xy + z si
3.
Determine el valor mximo de f ( x, y , z ) = xyz si x + y + z = 6 .
4.
Encuentre el mnimo para f ( x, y, z ) = x 2 + y 2 + z 2 siempre que x + y + z = 1
5.
Minimizar f ( x, y , z ) = x + y + z
6.
Resp. (2,2,2) ; f min = 12

La suma de tres nmeros es 50. Determinar el valor de cada uno de ellos para que el producto sea
2 x 3 y 4 z = 49 .
x + y + z = 35 .
sujeta a que x + y + z 6 = 0
50 50 50
, ,
3 3 3
mximo.
Resp.
7.
Demuestre que el producto de tres nmeros positivos cuya suma es S es mximo si los tres nmeros
son iguales.
8.
Un paquete en forma rectangular se puede enviar por correo, si la suma de su longitud y el permetro
de una seccin transversal perpendicular a la longitud es igual a 34 cm. Encuentre las dimensiones del
paquete de mximo volumen que puede ser enviado por correo.
Resp. x =
9.
34
17
17
, y=
, z=
3
3
3
Demostrar que un tringulo es equiltero si el producto de los senos de sus ngulos es mximo.
10. Demostrar que entre todos los tringulos inscritos en un mismo circulo, el de mayor permetro es el
tringulo equiltero.
11. Muestre que el tringulo de mayor rea que puede ser inscrito en una circunferencia, es un tringulo
equiltero.
12. Una caja rectangular est colocada en el primer octante, con una de sus esquinas en el origen y tres
de sus lados sobre los tres planos coordenados. El vrtice opuesto al rigen se encuentra en el plano
x + 2 y + 3 z = 6 .Cules son sus dimensiones?cul es el volumen mximo de dicha caja?.
Resp. x = 2 , y = 1 , z =
2
4
; Vmx = u 3
3
3
13. Encontrar las dimensiones del paraleleppedo rectangular de volumen mximo con caras paralelas a
2
2
2
los planos coordenados, que se puede inscribir en el elipsoide 16 x + 4 y + 9 z = 144 .
3, y=2 3 , z=
Resp. x =
4 3
3
14. Determinar el volumen del paraleleppedo rectangular ms grande que puede inscribirse en el elipsoide
x2 y2 z 2
+
+
=1
a 2 b2 c2
8abc
3 3
3 2
15. Encuentre los puntos ms cercanos al origen de la superficie xy z = 16 .
Resp. Vmx =
Resp. x =
8
64
6
, y = 24 3 , z = 6
3 3
3 3
155
MOISES VILLENA
16. Determnese el punto ms prximo al origen de la superficie z = xy + 1

Resp. ( 0,0,1)
17. Determine los puntos en la superficie y xz = 4 que estn ms cercanos del origen y calcule la
distancia mnima.
Resp. ( 0, 2,0 ) ; Dmn = 2
2
18.
19.
Hllense las dimensiones de un paquete rectangular de volumen mximo, talque la suma de su

longitud y el permetro transversal no excedan de 108 pulgadas.
Resp. x = 36 ; y = 18 ; z = 18
Determine las dimensiones de una baera rectangular cuyo volumen es Q unidades cbicas, si se
requiere recubrir su superficie interior con la mnima cantidad de material posible.
Resp. Largo=ancho = 2 3
20.
Q
4
El material para construir la base de una caja abierta cuesta 1.5 veces lo que el material para
construir los lados. Para una cantidad fija de dinero C, hllense las dimensiones de la caja de
volumen mximo que puede hacerse.
Resp. x = y =
21.
Q
, altura =
4
Hllese la distancia mnima de la superficie con ecuacin
2C
3
,z=
9a
4
2C
9a
z 2 = x 2 + y 2 al punto ( 4,0,0 )
Resp c) d min = 2 5

una restriccin en funciones de
variables
Sea la Funcin Objetivo w = f ( x1 , x2 , x3 ,, xn )

sujeta a la restriccin g ( x1 , x2 , x3 ,, xn ) = k
L(, x1 , x 2 , x 3 , , x n ) = f ( x1 , x 2 , x 3 , , x n ) [g ( x1 , x 2 , x 3 , , x n ) k ]
Suponga que se obtiene el Punto Crtico

( x01 , x02 , x03 ,, x0 n , ) resolviendo el sistema:
L = 0
L = 0
x1
Lx = 0
2
Lx3 = 0
Lxn = 0
g ( x1 , x2 , x3 , , ) = k
f x1 = g x1
f x2 = g x2
f x3 = g x3
f xn = g xn
156
MOISES VILLENA
0
g
x1
H = g x2
g x
n
Sea H 3 = g x1
g x2
g x1
L11
L21
g x1
L11
L 21
g x2
L12
L 22
g x3
L13
L23
Ln1
Ln 2
Ln3
0
g x2
gx
L12 , H 4 = 1
g
x2
L22
gx
3
g xn
L1n
L2 n
Lnn
( x01 , x02 , x03 ,, x0 n , )
g x1
g x2
L11
L12
L21
L22
L31
L32
g x3
L13
L23
L33
,, H n = H
Entonces:
1. Si H 3 > 0 H 4 < 0 H 5 > 0 (1)n H n > 0
entonces en ( x01 , x02 , x03 ,, x0 n ) la funcin tiene
un MXIMO.
2. Si H 3 < 0 H 4 < 0 H 5 < 0 H n < 0 (todos
negativos) entonces en ( x01 , x02 , x03 ,, x0 n ) la
funcin tiene un MNIMO.

dos restriccin en funciones de tres
variables
Suponga que se desea optimizar la Funcin

Objetivo w = f ( x, y , z ) sujeta a que
g ( x, y, z ) = k1
h ( x, y , z ) = k 2
Defnase la funcin Langragiana:
L ( , , x, y , z ) = f ( x, y , z ) [ g ( x, y , z ) k1 ] [ h( x, y , z ) k 2 ]
Entonces el MXIMO o el MNIMO de la
funcin se producen en el Punto Crtico
( x0 , y0 , z0 , , ) que se obtiene al resolver el
sistema:
157
MOISES VILLENA
L
L

Lx
L
y
Lz
=0
=0
=0
g ( x, y, z ) = k1
h ( x, y , z ) k 2
f x = g x + hx
=0
=0
f y = g y + hy
f z = g z + hz
Ejemplo 1
Encuentre los puntos crticos de
f ( x, y, z ) = xy + yz sujeta a que x 2 + y 2 = 8 y
yz = 8
SOLUCIN:
En este caso la funcin Langragiana es:
L(, u, x, y, z ) = f ( x, y, z ) [g ( x, y, z ) k1 ] [h( x, y, z ) k 2 ]
L(, u, x, y, z ) = xy + yz ( x 2 + y 2 8) ( yz 8)
Para los puntos crticos tenemos:
L
L

Lx
L
y
L z
=0
=0
=0
=0
=0
De la ltima ecuacin
= 1.
x 2 + y 2 = 8
h ( x, y , z ) k 2
yz = 8
f x = g x + h x y = (2 x ) + (0 )
x + z = (2 y ) + (z )
f y = g y + h y
f z = g z + h z
y = (0) + ( y )
g ( x , y , z ) = k1
x + z = (2 y ) + 1(z )
De la penltima ecuacin
x = 2y =
x
2y
De la antepenltima ecuacin: y = 2x =
y
2x
y
x
=
2
y
2
x
Igualando se obtiene
x2 = y2
x2 + y2 = 8
Reemplazando en la primera ecuacin:
x2 + x2 = 8
2x 2 = 8
x = 2
x = 2 y = 2
8
Por tanto
y como z =
resultan los siguientes puntos crticos: (2,2,4) ,
x = 2 y = 2
y
(2,2,4) , (2,2,4) y (2,2,4)
158
MOISES VILLENA
Ejemplo 2
Obtenga los puntos del primer octante sobre la curva de interseccin del elipsoide
x 2 + 4 y 2 + 4 z 2 = 4 y el plano x 4 y z = 0 que estn ms cerca del origen,

calcular la distancia mnima.
SOLUCIN:
2
2
2
2
En este caso la funcin objetivo ser la distancia: D = f ( x, y, z ) = x + y + z , y las
g : x2 + 4 y2 + 4z 2 = 4
h : x 4 y z = 0
restricciones seran
Podemos hacer f = ( g ) + ( h )
( 2 x, 2 y, 2 z ) = ( 2 x,8 y,8 z ) + (1, 4, 1)

2 x = 2 x +
2 y = 8 y 4
2 z = 8 z
La segunda ecuacin por ( z ) y la tercera por ( y ) , luego se las suman algebraicamente.
2 yz = 8 yz + 4 z
2 yz = 8 yz y
0 = 4 z y
Resulta y = 4 z
Reemplazando en la segunda restriccin:
x 4 ( 4z ) z = 0
x = 17 z
Reemplazando en la primera restriccin:
(17 z )
+ 4 ( 4z ) + 4z2 = 4
2
357 z 2 = 4
z=
Tomando en el primer octante, el punto sera:
34
357
8
357
2
357
2
357
Ejercicios Propuestos 4.5

1.
Maximizar
f ( x, y, z ) = xyz
x + y + z = 32
x y + z = 0
sujeta a que:
Resp. (8,16,8) ; f max = 1024
x + 2z = 4
x + y = 8
2.
Minimizar f ( x, y , z ) = x + y + z sujeta a que:
3.
Encuentre los puntos crticos de f ( x, y , z ) = x + 2 y z 2 sujeta a que 2 x y = 0 y a que
Resp. (4,4,0 ) ; f min = 32
y+z =0.
4.
Encuentre los puntos crticos de f ( x, y , z ) = x + y + z

2
sujeta a que x + y + z = 1 y a
que x y + z = 1 .
5.
Encuentre los puntos crticos de f ( x, y, z ) = xyz sujeta a que x + y + z = 12 y a que
x+ yz =0.
6.
Encuentre los puntos crticos de f ( x, y , z ) = x 2 + y 2 + z 2 sujeta a que x + 2 z = 4 y a que
x+ y =8.
159
MOISES VILLENA
7.
Hallar el punto de la recta de interseccin de los planos
x y = 2
x 2 z = 4 , ms prximo
al origen.
8.
4 2 4
Resp. , ,
3 3 3
Encontrar los puntos para los valores mximo y mnimo de la distancia del origen a la porcin del
primer octante de la curva segn la cual el plano x + y + z = 12 corta a la superficie xyz = 54 .
3
3
3
3
Resp. (3,6,3) ; 1 5 , 9 + 3 5 , 1 5 ; 1 + 5, 9 3 5, 1 + 5
2
2
2
2
9.
x 2 + y 2 xy z 2 = 1
y el origen.
2
2
x + y = 1
Cul es la distancia mnima entre C
1
1
1
Resp.
,
,
Dmin =
2
2
2
3
2
10.
El plano x + y + z = 12 intersecta al paraboloide z = x + y en una elipse. Determine los

puntos ms altos y ms bajos de esta elipse.
Resp. ms alto (3,3,18) ; ms bajo (2,2,8)
11.
Determine la distancia ms cercana del origen a la curva C
12.
Sea T ( x, y , z ) = 100 + x + y la temperatura en cada punto de la esfera x + y + z = 50 .
2
2
2 z = 16 x y
.
x + y = 4
Resp. (2,2,4 ) ; d min = 2 5
Hllese la temperatura mxima en la curva formada por la interseccin de la esfera y el plano

xz =0.
Resp. 0, 50,0 ; Tmax = 150
160

Extremos de Funciones Variables

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Extremos de Funciones Variables

Cargado por

Copyright:

Formatos disponibles

Extremos de Funciones Escalares

Encontrar Polinomios de Taylor para funciones de dos

Extremos de Funciones Escalares

4.1 POLINOMIOS DE TAYLOR

es una funcin diferenciable

Para funciones de dos variables tenemos:

Un polinomio de primer orden:

f ( x, y ) = sen ( x + 2 y ) . Hallar el polinomio de Taylor de Primer orden en la

4.1.1 Polinomio de Taylor de segundo orden.

Extremos de Funciones Escalares

Haciendo analoga para funciones de varias variables, deberamos utilizar

seria la matriz diferencial de la matriz diferencial, es

decir la matriz de segunda derivadas, la cual se la denomina matriz

y se la define de la siguiente manera:

es una funcin de dos variables, la matriz Hessiana sera:

es una funcin de tres variables, la matriz Hessiana sera:

Bien, el polinomio de Taylor de segundo orden para funciones de dos

. Hallar el polinomio de Taylor de segundo orden en la vecindad

Extremos de Funciones Escalares

Las derivadas parciales de primer orden serian:

Las derivadas parciales de segundo orden serian

La formula de Taylor de segundo orden puede ser usada en forma directa:

Ejercicios propuestos 4.1

Obtenga un desarrollo de Taylor de segundo orden para:

Luego utilice el resultado para hallar el valor aproximado de f ( 0.3, 0.2 )

Empleando la formula de Taylor de segundo orden aproxime:

Extremos de Funciones Escalares

3.8 sen ( 0.4 )

Sea f ( 1,1) = 5 , f ( 1,1) = , H ( 1,1) =

4. 2 EXTREMOS DE FUNCIONES ESCALARES

2. f ( x 0 ) es un valor MNIMO LOCAL de f en

4.2.2 TEOREMA (Condicin necesaria para la existencia de

Extremos de Funciones Escalares

f ( x 0 ) = 0 se lo llama PUNTO CRTICO ESTACIONARIO.

Lo anterior quiere decir que los extremos se producen necesariamente en

Para funciones de varias variables, podemos tambin hacer uso de la

Anlogamente, ahora debemos analizar la matriz Hessiana para clasificar

4.2.3 TEOREMA (Condicin suficientes para la existencia de

Sea f ( x ) : U R n R , suponga que x 0 es

Extremos de Funciones Escalares

2. Si la matriz Hessiana H ( f ( x 0 ) ) es definida

Extremos de Funciones Escalares

2. Si H1 < 0 H 2 > 0 , entonces f ( x0 , y0 )

Por tanto tenemos en este caso un slo punto crtico (x 0 , y 0 ) = (0,0 )

Extremos de Funciones Escalares

En la segunda ecuacin se obtiene x =

Es decir, aqu tenemos dos puntos crticos (0,0 ) y (2,2 ) .

1. La matriz Hessiana para el punto (0,0) es: H =

2. La matriz Hessiana para el punto ( 2,2) es: H =

= 144 36 = 108 > 0 entonces en ( 2,2) hay un valor

Extremos de Funciones Escalares

U = [x(70 5 x + 4 y ) + y (80 + 6 x 7 y )] [30(70 5 x + 4 y ) + 40(80 + 6 x 7 y )]

Para el caso de tres variables tenemos:

Sea f una funcin dos veces diferenciable

Extremos de Funciones Escalares

Despejando " y " en la segunda ecuacin resulta y =

Despejando " z " en la tercera ecuacin resulta z =

Hay un solo punto crtico P (0,0,0)

La matriz Hessiana sera: H = f yx f yy

Extremos de Funciones Escalares

Sea la Funcin Objetivo w = f ( x1 , x2 , x3 ,, xn ) ,

Determine y clasifique los puntos crticos de :

Extremos de Funciones Escalares

Determine el mximo y mnimo absolutos de la funcin