Bañuelos Saucedo PDF

CLCULO VECTORIAL
Notas de clase
Profesor: A. Leonardo Bauelos Saucedo
TEMA I
MXIMOS Y MNIMOS
determinar el valor de la pendiente, esto es:
, o bien que
no exista.
Si se cumple alguna de las condiciones anteriores, entonces
es un punto
crtico, y debe determinarse la naturaleza de dicho punto. La forma ms sencilla para

determinar la naturaleza del punto crtico
, la proporciona el criterio de la segunda
INTRODUCCIN
El tema con el que inicia el curso de Clculo Vectorial, es de gran importancia para el
ingeniero, puesto que en l se estudian los mximos y mnimos de funciones de dos o
ms variables, que tienen su aplicacin en los problemas de optimacin. As, un
ingeniero puede buscar la combinacin de recursos que le produzcan la mxima
ganancia, o el mnimo desperdicio; puede buscar la mnima distancia o el mnimo costo,
en problemas de manufactura podr interesarse en minimizar los defectos, etc. Ante la
escases de ciertos recursos, es muy importante aprovecharlos de la mejor manera, de ah
la importancia de este tema.
En el curso de clculo de una sola variable se estudiaron los mximos y
mnimos para funciones
,
.
derivada, la cual analiza la concavidad de la curva. Si

un mnimo relativo, si
entonces en
entonces en
existe
existe un mximo relativo, y si
el criterio no proporciona informacin sobre la naturaleza del punto crtico

, y deben utilizarse otros criterios.
S)))))))))))))))))))))))))))))))))))))))
Ejemplo 1.1
Determinar los mximos y mnimos relativos, si los hay, de la funcin
Resolucin
Supngase que una funcin
tiene la siguiente representacin grfica:
De la funcin
se tiene la derivada
De la condicin para la obtencin de los puntos crticos
Slo existe una raz real, por lo que el nico punto crtico es
Del criterio de la segunda derivada se tiene que:

y valuando el punto crtico en la segunda derivada
Por lo que en
entonces en los puntos
se tienen un mximo y un mnimo relativo de
siendo los valores mximo y mnimo
La condicin necesaria para que un punto cualquiera,

dominio de
A.L.B.S.
respectivamente.
que pertenece al
sea mximo o mnimo es que la pendiente sea cero o bien, que no se pueda
existe un mnimo relativo, el cual es
CLCULO VECTORIAL
Tema I
Pg. 2
MXIMOS Y
VARIABLES
MNIMOS
PARA FUNCIONES
Dada una funcin de dos variables independientes,

, los puntos crticos de
DE
DOS
, escrita de la forma
sern aquellos en los cuales la primera derivada
(direccional) sea cero. Esto es:
Donde
denota la derivada direccional de la funcin
gradiente de la funcin, y para el caso de dos variables se tiene que
representa el
,
))))))))))))))))))))))))))))))))
y
MXIMOS Y MNIMOS DE FUNCIONES DE VARIAS

VARIABLES
Un nmero
es lo mximo absoluto (o simplemente mximo) de una funcin
, donde
si para cualquier punto en
local) de
, sobre un conjunto
se tiene que
se encuentra en el punto
hiperesfera alrededor de
tal que
que pertenece a
direccional,
Para que la derivada direccional en un punto sea igual a cero en cualquier

direccin, debe cumplirse que el gradiente de la funcin es igual a cero vector, es decir:
Si
entonces
. Un mximo relativo (o mximo

en
, si existe una
para cualquier punto
en la
hiperesfera. Los mnimos absolutos y los mnimos relativos se definen de forma similar.
A los mximos y mnimos absolutos y relativos de una funcin se les llama
extremos.
Al igual que para las funciones de una sola variable, antes de obtener los
valores extremos se deben encontrar los puntos crticos de la funcin. Un punto crtico
es aquel en el cual la primera derivada es igual a cero, pues esto significa que la
pendiente de la recta tangente es igual a cero, pero en el caso de funciones de varias
variables, se estudiaron dos tipos de derivadas: las derivadas parciales y la derivada
direccional. Puesto que las derivadas parciales son un caso particular de la derivada
direccional, no debe ser una sorpresa el hecho de que se utilice la derivada direccional.
A.L.B.S.
es un vector unitario que indica la direccin en la cual se evala la derivada
lo que implica que
que lleva a la condicin

Por otro lado una funcin puede presentar un punto crtico cuando el gradiente
de la funcin no exista para un punto del dominio de la funcin.
CLCULO VECTORIAL
Tema I
Teorema 1.1 (Puntos crticos de una funcin

Para que una funcin
punto
del dominio de
Pg. 3
)
, tenga un extremo un
, es condicin necesaria que el gradiente
de la funcin se anule en dicho punto, o bien que el gradiente no exista

en ese punto, es decir:
en
el cual es no lineal, pero en este caso tiene la ventaja de que las dos ecuaciones
son independientes, por lo que:
De la ecuacin
o bien que
, se tienen las races
y de la ecuacin
se tiene la raz
en
Finalmente, los puntos crticos de la funcin son:
y
Para verificar este teorema debe tenerse en cuenta que el gradiente de una
funcin proporciona la direccin de mximo crecimiento y su negativo la direccin de
mximo decrecimiento, por lo que su existencia (distinta de cero vector) implica una
direccin en la cual la funcin crecer o disminuir, lo que contradice la posibilidad de
estar en un punto para el cual su entorno se encuentre por debajo de l o por arriba de
l, que es la condicin para obtener mximos y mnimos relativos.
En la prctica la condicin en la cual el gradiente no existe,
, casi no
puesto que cada uno de estos puntos satisface de manera simultnea la

condicin
S)))))))))))))))))))))))))))))))))))))))
Para determinar la naturaleza de un punto crtico se utiliza el criterio de la
segunda derivada, para ello se vuelve a derivar la derivada direccional de la funcin
se emplea, puesto que la mayora de las funciones que se estudian en el curso poseen
primeras y segundas derivadas parciales continuas. Por otro lado, la condicin en la cual
lleva a un sistema de dos ecuaciones con dos incgnitas, generalmente no
lineal, el cual deber resolverse para obtener el o los puntos crticos. El siguiente
ejemplo muestra la obtencin de puntos crticos para una funcin de dos variables.
S)))))))))))))))))))))))))))))))))))))))
Ejemplo 1.2
Determinar, si existen, los puntos crticos de la funcin
Considerando que
, y sustituyendo se tiene:
Resolucin
De la condicin para obtener los puntos crticos se tiene que
, de donde
y por igualdad de vectores se forma el sistema de ecuaciones

. . . (1)
Y en forma matricial
A.L.B.S.
CLCULO VECTORIAL
Tema I
Pg. 4
para relacionar (4) y (5), de (4) y multiplicando por
se tiene
. . . (2)
reagrupando y completando cuadrados
Que puede escribirse en forma compacta como

. . . (3)
Donde la matriz
recibe el nombre de matriz hessiana, y el determinante
recibe el nombre de determinante hessiano, o simplemente hessiano.

La naturaleza del punto crtico depender del signo que adquiera la segunda
derivada direccional, para cualquier direccin, si
relativo, mientras que para
sustituyendo el hessiano (5), en la ltima expresin

. . . (6)
entonces se tiene un mnimo
se tiene un mximo relativo. Las segundas
Finalmente, en la ltima expresin se observa que el signo del lado derecho

depende de
, por lo que se tienen las siguientes posibilidades.
Al valuar la expresin (6) en un punto crtico:
derivadas
proporcionan gran informacin, puesto que geomtricamente
representan la concavidad de las curvas de interseccin de la superficie con planos

paralelos a
ya
respectivamente; sin embargo, debe tomarse en cuenta tambin la
Si
(concavidad positiva), y se tiene un
entonces
(concavidad negativa), y se tiene un
. Para ver esto de
una forma ms clara, se realiza el siguiente desarrollo.

De (1),
y puesto que para funciones continuas con primeras y segundas derivadas parciales
continuas, las parciales mixtas son iguales, se tiene
. . . (4)
y de (2), puesto que las parciales mixtas son iguales se tiene que
. . . (5)
A.L.B.S.
entonces
mnimo relativo en el punto crtico.

Si
informacin que proporcionan las parciales mixtas
mximo relativo en el punto crtico.

Si
entonces de (5)
puede ser positiva
o negativa por lo que se tiene un punto silla.

Si
entonces no se tiene informacin sobre la naturaleza del punto crtico.
Lo anterior se resume en el siguiente teorema.
CLCULO VECTORIAL
Tema I
Pg. 5
el coeficiente
Teorema 1.2 (Criterio de la segunda derivada)
Dada un funcin
con primeras y segundas derivadas parciales
continuas en una regin abierta que contiene el punto
,y
, para el cual
Del curso de lgebra lineal, debe recordarse los siguiente:
en
, entonces
es un mnimo
relativo.
Si
2.
de la expresin (3).
es la matriz hessiana, se tiene que:
Si
1.
del trmino mixto, lo que equivale a girar los ejes de la expresin (7).
Esto se puede lograr diagonalizando la matriz
Una matriz
Una matriz
es diagonalizable si existe una matriz diagonal
equivalente a
en
, entonces
es un mximo
relativo.
Si
en
, entonces en
4.
Si
en
, entonces el criterio no proporciona informacin.
Dos matrices
matriz inversible
-
3.
es ortogonal si
existe un punto silla.
, donde
de
que sea
son equivalentes (o semejantes) si existe una
de
tal que
Cualquier matriz simtrica es diagonalizable.

La matriz diagonal
equivalente a una matriz
principal a los valores caractersticos de
es la transpuesta de
tiene en la diagonal
Los valores caractersticos de una matriz
son las races del polinomio
.
Otra forma de analizar la naturaleza de un punto crtico es utilizando los
antecedentes del lgebra lineal. Esta tcnica tiene la ventaja de que permitir la
generalizacin del criterio de la segunda derivada para funciones de
variables.
Retomando la ecuacin (4), y puesto que al analizar un punto crtico
sustituir en las derivadas,
tal que
, se debe
entonces se puede hacer la asignacin
Los vectores caractersticos de una matriz simtrica correspondientes a valores

caractersticos diferentes son ortogonales.
Una matriz es diagonalizable ortogonalmente si existe una matriz ortogonal
.
Entonces puesto que
es simtrica, es diagonalizable, y para valores
caractersticos diferentes es diagonalizable ortogonalmente (de lo contrario se tendra

que proceder a un proceso de diagonalizacin ortogonal), por lo que existe una matriz
y
, por lo que (4) se puede escribir
tal que
, y puesto que
a la condicin
. . . (7)
es ortogonal, satisface
lo que lleva
, condiciones que permiten escribir la ecuacin (3)
como
ecuacin que podra interpretarse como una superficie cuadrtica para las variable
y
. Es evidente que el signo de la segunda derivada direccional depende tambin del
valor de
. La expresin (7) se puede escribir en forma matricial

expresin en la cual la matriz
. . . (8)
Para determinar el signo de la segunda derivada direccional, debe eliminarse
A.L.B.S.
se premultiplic y postmultiplic por la identidad, con
lo cual no se altera la ecuacin. Adems,
CLCULO VECTORIAL
Tema I
-
Pg. 6
Cuando
difieren de signo, entonces existen direcciones para las
cuales
es positivo y direcciones para las cuales es negativo, por lo que
lo que lleva a
y haciendo
, entonces
el punto bajo estudio es un punto silla.

Cuando alguno de los valores caractersticos es cero, el criterio no proporciona
informacin.
Con la finalidad de ilustrar el empleo del criterio de la segunda derivada, se

muestran los siguientes ejemplos.
y puesto que
es un nuevo vector director referido al nuevo sistema, y dado que la
matriz diagonal
tiene en su diagonal principal los valores caractersticos de
entonces
S)))))))))))))))))))))))))))))))))))))))
Ejemplo 1.2
Dada la funcin
son
, cuyos puntos crticos

y
, determinar la naturaleza de dichos puntos.
Resolucin
Las primeras derivadas de la funcin son:
expresin que al operarse da como resultado

. . .(9)
de donde es fcil observar el signo que toma
a partir de los valores propios

y las segundas derivadas parciales son:
.
En conclusin, si
son los valores propios de la matriz hessiana para
el punto crtico bajo estudio, entonces:
Cuando
, entonces
para cualquier direccin de

y dado que el determinante hessiano se puede escribir como:
corte, y el punto bajo estudio es un mnimo relativo.

-
Cuando
, entonces
para cualquier direccin de
corte, y el punto bajo estudio es un mximo relativo.

A.L.B.S.
se puede construir la siguiente tabla para determinar la naturaleza de cada punto

crtico.
CLCULO VECTORIAL
Tema I
Pg. 7
Y los extremos son:
Mximos relativos en
Naturaleza
S)))))))))))))))))))))))))))))))))))))))
12
-2
-24
Punto silla
-12
-2
24
Mximo relativo
41.25
Obsrvese que los extremos de una funcin son los puntos mximos y mnimos
de sta, los puntos silla no son extremos.
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.4
S)))))))))))))))))))))))))))))))))))))))
Ejemplo 1.3
Obtener los extremos de la siguiente funcin
Obtener los mximos, mnimos y puntos silla de la funcin
Resolucin
De la condicin
, se tiene:
Resolucin
de la primera ecuacin se tiene
, que al sustituirla en la segunda da
como resultado,
,
Al igualar a cero, el sistema de ecuaciones queda
,
Por lo que los puntos crticos son:
Para determinar su naturaleza se utiliza el criterio de la segunda derivada,

,
Para resolver el sistema anterior, lo primero que debe observarse es que la

funcin exponencial
nunca es cero, por lo que el sistema se reduce
a
Finalmente, se construye la tabla
Naturaleza
A.L.B.S.
-16
Punto silla
-12
-12
128
Mximo rel.
-12
-12
128
Mximo rel.
Resolviendo simultneamente el sistema se tienen los puntos crticos:

,
,
,
y
Las segundas derivadas son:
CLCULO VECTORIAL
Tema I
Pg. 8
MXIMOS Y MNIMOS PARA FUNCIONES DE MS DE DOS

VARIABLES
En la vida profesional de un ingeniero, es comn enfrentarse a problemas de optimacin
para funciones de
variables independientes. En esta seccin se generalizarn los
conceptos de mximos y mnimos vistos para funciones de dos variables.
Si
Teorema 1.4 (Puntos crticos de una funcin

Para que una funcin
Naturaleza
Mnimo relativo
tenga un extremo en un punto
del dominio de
,
, es condicin
necesaria que el gradiente de la funcin se anule en dicho punto, o bien

que el gradiente no exista en ese punto, es decir:
en
o bien que
en
Punto Silla
Punto Silla
Mximo Relativo
Mximo Relativo
El desarrollo de la segunda derivada direccional para determinar la naturaleza

de un punto crtico, lleva nuevamente a la matriz hessiana, que es una matriz simtrica
de segundas derivadas parciales. Utilizando la notacin de Lagrange para indicar las
derivadas parciales de la funcin , la matriz hessiana adquiere la forma:
S))))))))))))))))))))))))))))))))))))))))
En particular para una funcin de tres variables independientes,

la matriz hessiana
A.L.B.S.
es:
CLCULO VECTORIAL
Tema I
Pg. 9
Teorema 1.6 (M atriz definida negativa)

Una matriz cuadrada
simtrica es definida negativa, si se
de orden
cumple alguna de las siguientes condiciones:

para todos los vectores
Antes de establecer el criterio de la segunda derivada generalizado, se deben

estudiar algunos resultados del lgebra lineal.
vector.
Los valores propios de la matriz
distintos de cero
son todos negativos.
Todas las submatrices principales superiores izquierdas

(angulares)
tienen determinantes con signos alternados,
comenzando con
negativo. Es decir
Teorema 1.5 (M atriz definida positiva)

Una matriz cuadrada
de orden
Todos los pivotes (sin intercambio de filas) son negativos.
simtrica es definida positiva, si se
cumple alguna de las siguientes condiciones:

-
para todos los vectores

vector.
distintos de cero
Teorema 1.7 (M atriz indefinida)

Una matriz cuadrada
de orden simtrica es indefinida, si se cumple alguna
de las siguientes condiciones:
son todos positivos.
para algunos vectores
distintos de cero y
Todas las submatrices principales superiores izquierdas

(angulares)
tienen determinantes positivos.
Todos los pivotes (sin intercambio de filas) son positivos.
Los determinantes de las submatrices angulares no son cero y no

corresponden a matrices definida positiva o definida negativa.
Los pivotes (sin intercambio de filas) son positivos y negativos.
para otros vectores
Cuando una matriz
distintos de cero vector.

son unos positivos y otros negativos.
no puede clasificarse como positiva, negativa o
indefinida, se dice que es semidefinida, pudiendo ser semidefinida positiva o

semidefinida negativa.
Finalmente para determinar la naturaleza de un punto crtico, se tiene el
siguiente teorema
A.L.B.S.
CLCULO VECTORIAL
Tema I
Teorema 1.8 (Generalizacin del criterio de la segunda derivada)

Dada un funcin
con primeras y segundas derivadas parciales
continuas en una regin abierta que contiene el punto
,y
Si
2.
relativo.
Si
es una matriz definida positiva, entonces
3.
relativo.
Si
es una matriz indefinida, entonces en
4.
Si
e)
, para el cual
Resolucin
es la matriz hessiana, se tiene que:
1.
Pg. 10
es una matriz definida negativa, entonces
es un mximo
a)
Matriz definida positiva.
es un mnimo
b)
Obteniendo los determinantes de las submatrices angulares
Mnimo relativo
existe un punto silla.
es una matriz semidefinida, entonces el criterio no proporciona
informacin.
Matriz indefinida.
S))))))))))))))))))))))))))))))))))))))))
c)
Punto silla
Ejemplo 1.5
Si una funcin
, con dominio en
, tiene primeras y segundas derivadas
parciales continuas y en un punto para el cual
se tienen las matrices
hessianas siguientes, clasificar cada una de las siguientes matrices en definida

positiva, definida negativa, indefinida o semidefinida, adems determinar la
naturaleza del punto crtico bajo estudio.
a)
Matriz indefinida.
d)
e)
c)

,
Matriz indefinida.
b)
Punto silla
Punto silla

,
d)
Matriz definida positiva. Punto mnimo
S))))))))))))))))))))))))))))))))))))))))
A.L.B.S.
CLCULO VECTORIAL
Tema I
Pg. 11
es una matriz definida negativa y
Ejemplo 1.6
Obtener los puntos crticos de la funcin
es un mximo relativo
Otra forma de determinar la naturaleza es:
y determinar su naturaleza.
Resolucin
De la condicin
se tiene:
... (a)
Donde se observa que la diagonal principal de la ltima matriz est formada

por
, por lo que la matriz es definida negativa.
S))))))))))))))))))))))))))))))))))))))))
... (b)
Ejemplo 1.7
... (c)
Las ecuaciones (a), (b) y (c) forman un sistema lineal homogneo cuya
solucin es la trivial
,
,
Resolucin
El nico punto crtico es

Para la matriz hessiana
. . . (a)
. . . (b)
. . . (c)
El sistema formado por (a), (b), y (c) es lineal y su solucin es

,
,
Por lo que el nico punto crtico es
De donde
A.L.B.S.
CLCULO VECTORIAL
Tema I
Pg. 12
Resolucin
. . . (a)
Puesto que
es definida negativa, entonces en
existe un mximo relativo.
. . . (b)
Finalmente:
. . . (c)
S))))))))))))))))))))))))))))))))))))))))
El criterio para determinar la naturaleza de un punto crtico a travs de los
valores caractersticos de la matriz hessiana es el ms poderoso; sin embargo, slo en
algunas ocasiones resulta sencillo el obtener las races del polinomio caracterstico,
puesto que las races de un polinomio de tercer grado o superior, donde las races pueden
ser irracionales, es en general una labor complicada.
Por fortuna, para determinar la naturaleza de un punto crtico, no es necesario
obtener los valores caractersticos, basta con saber los signos de los valores
caractersticos y para ello se emplea el teorema de los signos de Descartes. Recordando
que para una matriz simtrica, los valores caractersticos son siempre reales.
Los criterios de los signos de la diagonal principal y el de las submatrices son
mucho ms sencillos, pero tienen el inconveniente de que estn en funcin del arreglo
elegido para obtener la matriz hessiana; es decir, se puede obtener una matriz
considerando el orden de las variables
y otra matriz para el orden
, etc. Si
el determinante de la matriz de mayor orden es diferente de cero, entonces debe existir
un arreglo para el cual el criterio decida, pero no siempre es el tradicional, por lo que si
se utiliza uno de estos criterios y se obtienen ceros, no debe considerarse que el criterio
no decide, debe buscarse una permutacin adecuada o debe utilizarse el criterio de los
valores caractersticos.
El siguiente ejemplo muestra una caso en el cual la obtencin de los valores
caractersticos es bastante sencilla.
El sistema formado por (a), (b), y (c) es lineal y su solucin es
,
Por lo que el nico punto crtico es
Factorizando
se tiene:
de donde:
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.8
A.L.B.S.
y puesto que todos los valores caractersticos son positivos, se tiene que
CLCULO VECTORIAL
Tema I
Pg. 13
es un mnimo relativo.
Finalmente:
S))))))))))))))))))))))))))))))))))))))))
El siguiente ejemplo muestra como el criterio de la segunda derivada a travs
de los valores caractersticos puede emplearse tambin para funciones de ms de 3
variables.
De la condicin
se tienen los valores caractersticos
,
,
,
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.9
Puesto que
El punto
existe un mnimo relativo.
Resolucin
. . . (a)
. . . (b)
. . . (c)
. . . (d)
El sistema de ecuaciones formado por (a), (b), (c) y (d) es lineal y su solucin
es:
,
,
,
S))))))))))))))))))))))))))))))))))))))))
La aplicacin de la optimacin de funciones se muestra en los siguientes
problemas.
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.10
Una compaa fabrica dos productos. Los ingresos totales de
unidades del
producto
y de
unidades del producto
son
Obtener el nmero de unidades de los productos
ingresos sean mximos.

Resolucin
Resolviendo el sistema se obtiene:
A.L.B.S.
de tal forma que los
CLCULO VECTORIAL
Tema I
Pg. 14
de donde:
que son los nmeros buscados.

S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.12
Obtener la distancia mnima del punto
al plano
Valuando en el punto crtico se observa que

y
Resolucin
Por lo que el mximo se obtiene cuando
Puesto que la distancia
ser maximiza o se minimiza cuando
sea mxima o
mnima respectivamente, entonces el problema puede formularse como:

S))))))))))))))))))))))))))))))))))))))))
Si la funcin que desea maximizarse o minimizarse (optimarse) est sujeta a
restricciones, entonces se puede sustituir la restriccin en la funcin objetivo. En el
siguiente ejemplo, F.O. se utiliza como abreviatura de funcin objetivo, mientras que
s.a significa sujeto a.
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.11
Obtener tres nmeros positivos
tales que su suma sea
Si el punto
es el origen entonces sus coordenadas son:
y al sustituir se obtiene:
mn
derivando parcialmente para obtener el punto crtico:
sea mximo.
Resolucin
F.O.
mn
simplificando se obtiene el sistema
Mx
s.a
De la restriccin
y sustituyendo en la F.O. se tiene

Resolviendo el sistema se tiene:
derivando
Con los valores de
al sustituir en la ecuacin del plano se tiene
Finalmente, el punto del plano ms cercano al origen es

la distancia entre ellos es:
Omitiendo el caso en el que
el sistema queda:
. . . (a)
. . . (b)
Despejando
A.L.B.S.
de (a) y sustituyendo en (b)
S))))))))))))))))))))))))))))))))))))))))
.
y
CLCULO VECTORIAL
Tema I
Ejemplo 1.13
El material para construir la base de una caja abierta cuesta
veces lo que
el material para construir los lados. Para una cantidad fija de dinero
determinar las dimensiones de la caja de volumen mximo que puede

construirse.
Resolucin
Sean , ,
el largo, ancho y alto de la caja respectivamente, entonces:
El costo de la caja es proporcional a
Pg. 15
con lo que
Finalmente, las dimensiones para obtener el volumen mximo son:
; es decir, el costo
est dado por:

, donde
es una constante de proporcionalidad
que representa el precio por metro cuadrado del material de los lados.
El planteamiento del problema es:
F.O.
s.a
Despejando
de la restriccin y sustituyendo en la F.O
S))))))))))))))))))))))))))))))))))))))))
MULTIPLICADORES DE LAGRANGE
La forma ms generalizada de resolver problemas de mximos y mnimos con
restricciones es mediante el mtodo que propuso Joseph Louis Lagrange. Lagrange, a
la edad de 19 aos, desarroll el mtodo que lleva su nombre para resolver problemas
de optimacin restringida.
En el caso ms sencillo, cuando se tiene un funcin de dos variables como por
derivando e igualando a cero
ejemplo
, donde
son constantes tales que
y se desea maximizar la funcin sujeta a la restriccin
, debe observarse
que para representar a la funcin objetivo y a la restriccin en una misma grfica, la

funcin objetivo debe dibujarse empleando sus curvas de nivel, tenindose una grfica
como la mostrada en la siguiente pgina; donde la recta representa la restriccin; y las
curvas son las curvas de nivel de la funcin objetivo, trazadas para diversos niveles.
simplificando
Por la simetra de las ecuaciones se obtiene
A.L.B.S.
y sustituyendo en
CLCULO VECTORIAL
Tema I
Pg. 16
obtiene, para un caso como el ilustrado, un sistema de tres ecuaciones con tres
incgnitas.
En particular, para el ejemplo, se tiene:

Lagrange observ que el mximo de la funcin objetivo, sujeta a la restriccin
se obtiene en el punto para el cual la curva de nivel de la funcin objetivo y la restriccin
son tangentes, por lo que para encontrar ese punto plante la ecuacin:
Al despejar
donde
es la funcin objetivo,
es la restriccin igualada a cero y
de las primeras dos ecuaciones, e igualar, se obtiene la expresin
es un escalar que
iguala los vectores gradientes y recibe el nombre de multiplicador de Lagrange
de donde, al despejar
se obtiene
, que al sustituirlo en la restriccin
genera
simplificando y recordando que
De la condicin de paralelismo de los vectores gradientes y de la restriccin se
se tiene:
Que proporciona el punto ptimo.

Es muy comn escribir la ecuacin de Lagrange de la siguiente forma:
A.L.B.S.
Obsrvese que los vectores gradientes en el punto ptimo tiene la misma

direccin, pero no necesariamente el mismo sentido ni el mismo mdulo, por
lo que para igualarlos es necesario introducir una constante de proporcionalidad
.
puesto que al calcular las primeras derivadas parciales de la funcin
e igualarlas a cero
CLCULO VECTORIAL
Tema I
Pg. 17
se obtiene:
que lleva al mismo sistema utilizado para resolver el problema a partir de la condicin
. Por otro lado, cuando el signo del multiplicador de Lagrange no es
y la ecuacin de Lagrange:
relevante, entonces es muy comn plantear la ecuacin de Lagrange como lo indica el

siguiente teorema.
Teorema 1.9
Si y
son funciones con primeras derivadas parciales continuas, y
tiene un extremo sujeto a la restriccin
, entonces dicho
extremo se producir en uno de los puntos crticos de la funcin

definida por:
Los siguientes ejemplos muestran la utilizacin del mtodo de los

multiplicadores de Lagrange.
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.14
Emplear el mtodo de los multiplicadores de Lagrange para minimizar la
El teorema anterior puede extenderse para el caso en el que la funcin objetivo

sea de tres variables, plantendose el problema de la siguiente manera:
funcin
sujeta a la restriccin
Resolucin
F.O.
y teniendo como ecuacin de Lagrange a:
s.a
La ecuacin de Lagrange es
La ecuacin de Lagrange puede generalizarse para

tenindose el problema:
variables y
restricciones,
. . . (a)
. . . (b)
. . . (c)
A.L.B.S.
CLCULO VECTORIAL
Tema I
De (a)
Pg. 18
Ejemplo 1.16
Se desea construir un recipiente cilndrico sin tapa de tal manera que su
De (b)
volumen sea igual a
Igualando las lambdas se tiene
y sustituyendo en la
. Determinar las dimensiones correspondientes
para que se minimice la cantidad de material utilizado, utilizando el mtodo de

los multiplicadores de Lagrange.
ecuacin (c)
y
Resolucin
F. O.
El mnimo es
s. a
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.15
Emplear el mtodo de los multiplicadores de Lagrange para maximizar la
funcin
sujeta a la ligadura
.
Utilizando los multiplicadores de Lagrange
De donde la solucin es
Resolucin
F.O.
s.a
La ecuacin de Lagrange es:
. . . (a)
. . . (b)
. . . (c)
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.17
Demostrar, empleando los multiplicadores de Lagrange, que el paraleleppedo
de mayor volumen que se puede inscribir en una esfera, es un cubo.
Resolucin
Maximizando el volumen de un paraleleppedo inscrito en la esfera
F.O.
s.a
De
(a),
De
(b),
sustituyendo en
De la ecuacin de Lagrange:
(c),
por lo que:
y el mximo es
S))))))))))))))))))))))))))))))))))))))))
A.L.B.S.
...
(a)
...
(b)
...
(c)
CLCULO VECTORIAL
Tema I
...
De (a) y (b) despejando a
(d)
Pg. 19
de donde:
e igualando
sustituyendo en (e):
Por lo que el nico punto crtico es:
De (b) y (c) de manera anloga
y el mximo de la funcin es
De donde
y el paraleleppedo es un cubo.
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.18
Obtener mediante multiplicadores de Lagrange, el valor mximo de
sujeto a las restricciones:
S))))))))))))))))))))))))))))))))))))))
Es muy sencillo verificar que el punto crtico encontrado en el ejemplo anterior
es un mnimo, puesto que al obtener otro punto que satisfaga las restricciones, por
ejemplo un punto para el cual
, y se encuentren los valores respectivos de y
se observa que la funcin objetivo vale cero, con lo que el valor
encontrado es un
mximo.
Resolucin
La ecuacin de Lagrange es:
Existen problemas de optimizacin restringida, para los cuales deben emplearse

los mtodos del hessiano (mximos y mnimos libres) y el de los multiplicadores de
Lagrange (restriccin con igualdad). El siguiente ejemplo, en el cual la restriccin es una
. . . (a)
. . . (b)
. . . (c)
. . . (d)
regin en
, con puntos interiores y puntos frontera, deben utilizarse ambos mtodos
para obtener la solucin

S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.19
Obtener los puntos mximos y mnimos absolutos de la funcin
sujeta a la restriccin
Resolucin
. . . (e)
De (b) y (c)
. . . (f)
Sustituyendo (f) en (d) y (e)
A.L.B.S.
Para los puntos interiores
y de la condicin
CLCULO VECTORIAL
Tema I
Si
El punto crtico es
Finalmente:
La matriz hessiana es :
Los determinantes de las submatrices angulares son

es definida negativa y en
se encuentra un mximo
relativo, el mximo es
Para los puntos frontera
Pg. 20
y de la condicin
En
se tiene un mximo absoluto, y es
En
se tiene un mnimo absoluto, y es
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.20
Considrese una placa metlica cuadrada de lado 2, que puede definirse
mediante la regin
se
obtiene el sistema
... (a)
En la cual, en cada punto se observa una temperatura diferente, segn la

funcin:
... (b)
... (c)
Determinar el punto ms caliente de la placa y el ms fro.
... (d)
Resolucin
Deben encontrarse los extremos (absolutos) de la funcin definida en un
dominio especfico.
y de la restriccin
de (a) y (b)
Para los puntos interiores, de la condicin
...
(e)
de (b) y (c)
Al resolver el sistema se obtiene que el punto critico es
El hessiano es
...
de (e) y (f)
(f)
es un punto silla
Para analizar la frontera, puesto que es una regin cuadrada, se analiza cada
una de las rectas.
En la frontera
,
existe un mnimo en
En la frontera
A.L.B.S.
CLCULO VECTORIAL
Tema I
existe un mnimo en
En la frontera
Pg. 21
,
...(b)
,
se consideran slo los extremos del intervalo, por lo que
y de la restriccin
y
Finalmente:
El mximo absoluto es 4 , en
De (a) y (b)
puntos se tiene la mxima temperatura.

El mnimo absoluto es 0 , en
Que es el par de consumo ptimo.

S))))))))))))))))))))))))))))))))))))))))
Los multiplicadores de Lagrange, tambin son aplicados en las decisiones

financieras de inversin, como lo muestra el siguiente ejemplo.
S))))))))))))))))))))))))))))))))))))))))
Ejemplo 1.21
La funcin de utilidad de un individuo es
es su consumo al inicio de un perodo de tiempo y
su consumo al
final de ese mismo perodo. Utilizar multiplicadores de Lagrange para

maximizar la utilidad del individuo, si la suma de los cuadrados de los
consumos inicial y futuro es
.
Resolucin
F.O.
s.a
De la condicin
...(a)
A.L.B.S.
y sustituyendo en (c)
y en esos
puntos se tiene la mnima temperatura.

S))))))))))))))))))))))))))))))))))))))))
donde
...(c)
y en esos
CLCULO VECTORIAL
BIBLIOGRAFA
Clculo, Conceptos y Contextos.- Stewart, James.- Editorial T homson.- Tercera
Edicin.- Mxico, 2006.
Clculo Vectorial.- Marsden, Jerrold E. y Tromba, Anthony J.- Pearson AddisonW esley, S.A.- Quinta edicin.- Madrid, 2004.
Anlisis Vectorial.- Davis, H arry F. y Snider, Arthur David.- McGraw-Hill.- Primera
edicin.- Mxico, 1992.
Clculo y Geometra Analtica.- Larson, Roland P. , Hostetler, Robert P. y Edwards,
Bruce H. -McGraw-Hill.-Octava edicin.- China, 2006.
Clculo Vectorial.- Pita Ruiz, Claudio.- Prentice Hall Hispanoamrica S.A.- Primera
edicin.- Mxico, 1995.
Clculo con G eometra Analtica.- Zill, Dennis G.- Grupo Editorial Iberoamrica.Primera edicin.- Mxico, 1987.
Clculo con Geometra Analtica.- Swokowski, Earl W .- Grupo Editorial Iberoamrica.Segunda edicin.- Mxico, 1988.
El Clculo con Geometra Analtica.- Leithold, Louis.- HARLA.- Sexta edicin.Mxico, 1992.
Clculo, Tomo 2.- Smith, Robert T. y Minton, Roland B.- Segunda edicin.-McGrawHill.- Madrid, 2002.
A.L.B.S.
Tema I
Pg. 22

Bañuelos Saucedo PDF

Cargado por

Información del documento

Título original

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

Bañuelos Saucedo PDF

Cargado por

Copyright:

Formatos disponibles

CLCULO VECTORIAL

Profesor: A. Leonardo Bauelos Saucedo

determinar el valor de la pendiente, esto es:

Si se cumple alguna de las condiciones anteriores, entonces

crtico, y debe determinarse la naturaleza de dicho punto. La forma ms sencilla para

derivada, la cual analiza la concavidad de la curva. Si

existe un mximo relativo, y si

el criterio no proporciona informacin sobre la naturaleza del punto crtico

Supngase que una funcin

tiene la siguiente representacin grfica:

Del criterio de la segunda derivada se tiene que:

entonces en los puntos

se tienen un mximo y un mnimo relativo de

siendo los valores mximo y mnimo

La condicin necesaria para que un punto cualquiera,

existe un mnimo relativo, el cual es

Dada una funcin de dos variables independientes,

sern aquellos en los cuales la primera derivada

(direccional) sea cero. Esto es:

denota la derivada direccional de la funcin

gradiente de la funcin, y para el caso de dos variables se tiene que

MXIMOS Y MNIMOS DE FUNCIONES DE VARIAS

es lo mximo absoluto (o simplemente mximo) de una funcin

Para que la derivada direccional en un punto sea igual a cero en cualquier

. Un mximo relativo (o mximo

para cualquier punto

es un vector unitario que indica la direccin en la cual se evala la derivada

lo que implica que

que lleva a la condicin

Teorema 1.1 (Puntos crticos de una funcin

, es condicin necesaria que el gradiente

de la funcin se anule en dicho punto, o bien que el gradiente no exista

, se tienen las races

puesto que cada uno de estos puntos satisface de manera simultnea la

y por igualdad de vectores se forma el sistema de ecuaciones

para relacionar (4) y (5), de (4) y multiplicando por

reagrupando y completando cuadrados

Que puede escribirse en forma compacta como

recibe el nombre de matriz hessiana, y el determinante

recibe el nombre de determinante hessiano, o simplemente hessiano.

relativo, mientras que para

sustituyendo el hessiano (5), en la ltima expresin

entonces se tiene un mnimo

se tiene un mximo relativo. Las segundas

Finalmente, en la ltima expresin se observa que el signo del lado derecho

proporcionan gran informacin, puesto que geomtricamente

representan la concavidad de las curvas de interseccin de la superficie con planos

(concavidad positiva), y se tiene un

(concavidad negativa), y se tiene un

. Para ver esto de

una forma ms clara, se realiza el siguiente desarrollo.

mnimo relativo en el punto crtico.

informacin que proporcionan las parciales mixtas

mximo relativo en el punto crtico.

puede ser positiva

o negativa por lo que se tiene un punto silla.

Del curso de lgebra lineal, debe recordarse los siguiente:

es la matriz hessiana, se tiene que:

Esto se puede lograr diagonalizando la matriz

es diagonalizable si existe una matriz diagonal

, entonces el criterio no proporciona informacin.

existe un punto silla.

son equivalentes (o semejantes) si existe una