Introduccin al Clculo Infinitesimal.

I.T.I. de SISTEMAS.

Funciones reales de varias variables reales.-

5.4.- Extremos condicionados. Mtodo de los multiplicadores de Lagrange.-

Nos proponemos utilizar el Mtodo de los Multiplicadores de Lagrange que es til para optimizar
funciones sometidas a restricciones de las variables.

En general, el mtodo de los multiplicadores de Lagrange dos da una condicin necesaria que
deben cumplir los puntos de una funcin f(x1,x2, ... ,xn) sometidos a las condiciones: g1(x1,x2, ...
,xn) = 0 , g2(x1, ... ,xn) = 0, ..... , gm(x1, ... ,xn) = 0.

Teorema.

Si un problema de optimizacin de una funcin f con restricciones g1 = 0, ..... ,gm = 0 tiene un

mximo o mnimo en un punto P donde las todas las funciones admiten derivadas parciales de
primer orden continuas, y los vectores gradientes de las funciones de restriccin no se anulan en
dicho punto; entonces existen unos nmeros , , , ...... , , llamados multiplicadores de Lagrange,
que dan lugar a la funcin F = f + g1+ g2 + .... .... + gm, funcin de Lagrange ,tales que P
es solucin del sistema :

dF dF dF
=0 ; = 0 ; ........ ; = 0;
d x1 d x2 d xn

g1(x1,x2, ... ,xn) = 0 , g2(x1, ... ,xn) = 0, ..... , gm(x1, ... ,xn) = 0.

Una vez conocidos los puntos solucin del sistema, podemos utilizar las condiciones del problema
para distinguir si son mximos o mnimos. Con frecuencia son problemas geomtricos y es fcil
hacerlo. Si (a,b) es un punto critico, evaluamos f(a,b) y los puntos terminales de la ecuacion de
ligadura (condicion), si los tiene y asi distinguimos
Page 1 los valores maximos y minimos.
Pero si tenemos el caso de dos variables f(x,y) y una sola condicion, g(x,y)=0, la funcion de
Lagrange es: F( x, y, ) = f( x, y ) + g( x, y ); los puntos criticos son las soluciones del sistema
critico:

Fx = 0
Fy = 0
F = 0
y podemos evaluar el caracter de los puntos criticos mediante el signo del siguiente determinante:

F, F x F y

:= F x Fxx Fxy

F y Fx y Fyy

0 gx gy

Que resulta ser de manera simplificada: := gx Fxx Fxy

gy Fx y Fyy

de modo que:

si ( a, b ) < 0entonces (a,b) es MINIMO.

si 0 < ( a, b ) entonces (a,b) es MAXIMO.
si ( a, b ) = 0 entonces (a,b) no sabemos lo que es y debemos recurrir a lo descrito con
anterioridad, comparar con otros puntos.

Haremos sencillos problemas para comprender lo explicado.

Consideramos una funcin f( x, y ) tal que sus puntos han de cumplir la condicin g( x, y ) = 0 y nos
emplearemos en determinar los puntos que hacen que f( x, y ) sea mximo o mnimo sometidos a tal
condicin.

> with(linalg):
Delta:=matrix(3,3,[F[lambda,lambda],F[lambda*x],F[lambda*y],
F[x*lambda],F[xx],F[xy],F[y*lambda],F[y*x],F[yy]]);

Delta:=matrix(3,3,[0,g[x],g[y],
g[x],F[xx],F[xy],g[y],F[y*x],F[yy]]);
F, F x F y

:= F x Fxx Fxy

F y Fx y Fyy
0 gx gy

:= gx Fxx Fxy

gPage
y F2x y Fyy
EJEMPLO .
Calcular los maximos y minimos de f = x2 + y2 con la condicion de que: x4 + y4 = 2
> "Funcion a optimizar";f:=(x,y)->x^2+y^2;
"Condicion";g:=(x,y)->x^4+y^4-2;
"Funcion de Lagrange";F:=(x,y)->f(x,y)+lambda*g(x,y);
"Funcion a optimizar"
f := ( x, y ) x2 + y2
"Condicion"
g := ( x, y ) x4 + y4 2
"Funcion de Lagrange"
F := ( x, y ) f( x, y ) + g( x, y )
> "Sistema
Critico";Fx:=(diff(F(x,y,lambda),x)):(%=0);Fy:=(diff(F(x,y,lambd
a),y)):(%=0);
g(x,y)=0;
"Sistema Critico"
2 x + 4 x3 = 0
2 y + 4 y3 = 0
x4 + y4 2 = 0
Para resolver este sistema podemos hacer:
Tomamos las dos primeras ecuaciones y consideramos unica variable , con ello podemos
considerar que se trata de un sistema lineal y lo reescribimos de la forma siguiente:
4 x3 = 2 x
4 y3 = 2 y de modo que para que sea compatible determinado: rang(A) = rang(ab) =1=>
4 x3 2 x
Ab := 3 =0 con lo que queda:
4 y 2 y
2 x y ( x2 + y2 ) = 0 => x = 0; y = 0; y = x; y = -x.

1

1

1

1
4 4 4 4
Si x = 0 => y = 2 o y = 2 . Puntos criticos: A = 0, 2 y B = 0, 2
1 1
4 4
Si y = 0 => C = 2 , 0 ,D = 2 , 0
Si y = x => E=(1,1) y F=(-1,-1)
Si y =- x => G=(1,-1) y H=(-1,1)
Sustituyendo en f(x,y):
f(1,1) = f(1,-1) = f(-1,1) = f(-1,-1) = 2 =>Maximos
Los restantes son minimos con valor 2 = 1.41..

Estos resultados se pueden corroborar con el determinante

Page 3
EJERCICIO 1.
Calcular los puntos de la curva de ecuacin 5 x2 + 5 y2 + 6 x y 8 = 0 ms cercanos y ms
lejanos del origen de coordenadas.

La distancia entre dos puntos P =(x,y) y Q = (a,b) la mide: d = ( x a )2 + ( y b )2 como en este

caso ( a,b) es el origen de coordenadas, d = x2 + y2

Al punto P =(x,y) no le hemos exigido ninguna condicin por lo tanto es un punto cualquiera, si le
obligamos a que sea de la funcin g(x,y) =0 que en nuestro caso es: 5 x2 + 5 y2 + 6 x y 8 = 0 y ya
tenemos organizado el problema:
Los extremos de d(x,y) estn en los mismos puntos que los de d2 de ah que para evitar las
engorrosas races tomemos la funcin al cuadrado.
f( x, y ) = d2 = x2 + y2 es la funcin a optimizar y la condicin ser g( x, y )= 5 x2 + 5 y2 + 6 x y 8
> f:=(x,y)->x^2+y^2;
g:=(x,y)->5*x^2+5*y^2+6*x*y-8;
f := ( x, y ) x2 + y2
g := ( x, y ) 5 x2 + 5 y2 + 6 x y 8
Aplicamos el proceso de optimizacin por el Mtodo de Lagrange.

> F:=(x,y)->f(x,y)+lambda*g(x,y);
F := ( x, y ) f( x, y ) + g( x, y )
>
Eq1 := 2 x + ( 10 x + 6 y ) = 0
Eq2 := 2 y + ( 10 y + 6 x ) = 0
Eq3 := 5 x2 + 5 y2 + 6 x y 8 = 0
-1 1 1 -1 1 1
Sol := { { = ,y= 2, x = 2 }, { = , y = 2, x = 2 },
8 2 2 8 2 2
-1 -1
{ = , x = 2 , y = 2 }, { = , x = 2 , y = 2 } }
2 2
Entresacamos los puntos; es decir los valores del par (x,y). ( no interesa).
>
1 1 1 1
P := 2, 2 , 2, 2 , [ 2 , 2 ], [ 2 , 2 ]
2 2 2 2
>

Puntos a estudiar |Distancia al cuadrado |

[1/2*2^(1/2), 1/2*2^(1/2)] | 1 |
[-1/2*2^(1/2), -1/2*2^(1/2)] | 1 |
[-2^(1/2), 2^(1/2)] | 4 |
[2^(1/2), -2^(1/2)] | 4 |
No olvidemos que a las distancias les tenemos que extraer la raiz cuadrada.
Page 4
 2 2 2 2
La Mnima distancia, 1 unidad, la dan los puntos: [ , ] y [ , ].
2 2 2 2
2 2
La Mxima distancia , 2 unidades, la dan los puntos:[ 2 , 2 ] y [ , ].
2 2
>

Como se aprecia, se trata del tpico problema de calcular los semiejes de una elipse, en este caso
girada respecto de sus ejes.

EJERCICIO 2.
Calcular la mnima distancia de la recta x + y = 5 a la curva x2 + 2 y2=6.
>
> f:=(x,y)->x^2+2*y^2-6;
g:=(x,y)->x+y-5;
Curva:=implicitplot(f(x,y)=0,x=-3..3,y=-3..3,color=magenta,thick
ness=2,scaling=constrained):
Recta:=implicitplot(g(x,y)=0,x=-3..6,y=-3..3,color=magenta,thick
ness=2,scaling=constrained):
dis:=implicitplot(x-y-1=0,x=-1.2..4,y=-3..3,color=black,thicknes
s=2):
display({Curva,Recta,dis});
f := ( x, y ) x2 + 2 y2 6
g := ( x, y ) x + y 5
Page 5
Nos encontramos con el problema de minimizar la distancia entre dos puntos , uno de la recta y
otro de la curva. Lo primero que haremos ser llamar P (a,b) al punto de la recta y Q (x,y) al de la
curva, con ello, la funcin que hemos de minimizar es: d2 = ( x a )2 + ( y b )2 , con las
condiciones a + b -5 =0, es decir que P sea de la recta y Q de la curva x2 + 2 y2 6 =0.

> Rect:=(a,b)-> a+b-5 ;Cur:=(x,y)-> x^2+2*y^2-6;

F:=(x,y,a,b)->
(x-a)^2+(y-b)^2+lambda*Rect(a,b)+mu*Cur(x,y):FLagrange:=F(x,y,a,
b);
Rect := ( a, b ) a + b 5
Cur := ( x, y ) x2 + 2 y2 6
FLagrange := ( x a )2 + ( y b )2 + ( a + b 5 ) + ( x2 + 2 y2 6 )
>
Eq1 := 2 x 2 a + 2 x = 0
Eq2 := 2 y 2 b + 4 y = 0
Eq3 := 2 x + 2 a + = 0
Eq4 := 2 y + 2 b + = 0
Eq5 := a + b 5 = 0
Eq6 := x2 + 2 y2 6 = 0
1
Sol := { { = -2, a = 3, y = 1, = , x = 2, b = 2 }, { = -8, y = -1, = -2, a = 2, x = -2, b = 3 },
2
5 4 5 4 10 4 10 4
{ = 0, = 0, y = + I 2, b = + I 2, x = I 2, a = I 2 },
3 3 3 3 3 3 3 3
Page 6
 5 4 5 4 10 4 10 4
{ = 0, = 0, y = I 2, b = I 2, x = + I 2, a = + I 2 }}
3 3 3 3 3 3 3 3
Entonces, podemos ver que hay dos parejas de puntos, los otros no son reales, que marcan
situaciones de extremos:
1) El punto ( -2,-1) de la curva con el (2,3) de la recta. 2) El punto (2,1) de la curva con el (3,2)
de la recta.

Para distinguir el que da la mnima distancia se sustituye en ella:

> D1=subs(x=-2,y=-1,a=2,b=3,sqrt((x-a)^2+(y-b)^2));evalf(%);
D2=subs(x=2,y=1,a=3,b=2,sqrt((x-a)^2+(y-b)^2));evalf(%);
D1 = 32
D1 = 5.656854249
D2 = 2
D2 = 1.414213562
Con lo que queda aclarado que la segunda pareja de puntos dan la mnima distancia entre la recta y
la curva..

EJERCICIO 3.
Calcular los mximos y mnimos de f( x, y ) = ( x 1 )2 + ( y 2 )2 sometidos a la condicin
x + y 1 = 0.

>
>
f := ( x, y ) ( x 1 )2 + ( y 2 )2
g := ( x, y ) x + y 1

Page 7
>

F := ( x, y ) f( x, y ) + g( x, y )
Eq1 := 2 x 2 + = 0
Eq2 := 2 y 4 + = 0
Eq3 := x + y 1 = 0
Sol := { { y = 1, x = 0, = 2 } }
>
P := [ 0, 1 ]
>

Puntos a estudiar |Valor |

[0, 1] | 2 |
Para distinguir si es mximo o mnimo, probamos con otro punto cualquiera de g( x, y ) =0 y
miramos su valor en f( x, y ) comparandolo con el resultado anterior.
> z(0,1)=f(0,1);
z(2,-1)=f(2,-1);
z(-3,4)=f(-3,4);
z ( 0, 1 ) = 2
z( 2, -1 ) = 10
z( -3, 4 ) = 20
Se trata de un mnimo.

EJERCICIO 4.
Optimizar la funcin f(x,y) = 3 x2 y para puntos que cumplan x2 + y2 =1.

>
>
f := ( x, y ) 3 x2 y
g := ( x, y ) x2 + y2 1
F := ( x, y ) f( x, y ) + g( x, y )
Eq1 := 6 x y + 2 x = 0
Eq2 := 3 x2 + 2 y = 0
Eq3 := x2 + y2 1 = 0
1 1
Sol := { { x = 0, = 0, y = 1 }, { x = 0, = 0, y = -1 }, { x = 6, y = 3 , = 3 },
3 3
1 1 1 1
{x = 6, y = 3 , = 3 }, { x = 6, y = 3 , = 3 },
3 3 3 3
1 1
{x = 6, y = 3, = 3 }}
3 3

Page 8
 1 1 1 1 1 1 1 1
P := [ 0, 1 ], [ 0, -1 ], 6, 3 , 6, 3 , 6, 3 , 6, 3
3 3 3 3 3 3 3 3
>

Puntos a estudiar |Valor |

[0, 1] | 0 |
[0, -1] | 0 |
[1/3*6^(1/2), 1/3*3^(1/2)] | 2/3*3^(1/2) |
[-1/3*6^(1/2), 1/3*3^(1/2)] | 2/3*3^(1/2) |
[1/3*6^(1/2), -1/3*3^(1/2)] | -2/3*3^(1/2) |
[-1/3*6^(1/2), -1/3*3^(1/2)] | -2/3*3^(1/2) |

6 3 6 3
Los valores mximos lo consigue f en los puntos ( , )y( , ) y los mnimos en (
3 3 3 3
6 3 6 3
, ) y ( , ).
3 3 3 3

Ahora estudiaremos grficamente lo que analticamente hemos calculado.

La superficie z = f (x,y) la cortamos con la condicin g(x,y)=0, que es otra superficie, lo que nos
dar una curva en el espacio y en ella buscaremos los puntos que dan la mxima z y la mnima z de
f.
>

>

Page 9
>

>

Page 10
EJERCICIO 5.-
Determinar los valores extremos de la funcin f(x,y)= 2 x2 + 2 y2 condicionada por la ecuacin
x-y-1 = 0.
>
>
f := ( x, y ) 2 x2 + 2 y2
g := ( x, y ) x y 1
F := ( x, y ) f( x, y ) + g( x, y )
Eq1 := 2 x + = 0
Eq2 := 4 y = 0
Eq3 := x y 1 = 0
Sol := { { = 4, y = 1, x = 2 } }
P := [ 2, 1 ]
Puntos a estudiar |Valor |
[2, 1] | 0 |
> z(2,1)=f(2,1);
z(3,2)=f(3,2);

z ( 2, 1 ) = 0
z ( 3, 2 ) = 1
Se trata de un mnimo, pero este ejercicio se puede resolver por una simple sustitucin que lo
convertir en un problema de extremos de una funcin de una variable, vemoslo.
>

Page 11
Si despejamos una de las incognitas de la condicin: y = x -1 ( es un plano paralelo al eje OZ ) y
la sustituimos en la funcin que queremos optimizar: f(x,y) ( es una superficie ) se convierte en
una funcin de una variable: f =2 x2 + 2 ( x 1 )2 = 4 4 x + x2, ( que est sobre el plano
anterior ) de modo que derivando e igualando a cero se obtiene f '= -4+2 x = 0 => x = 2 => y = 2-1
= 1 , luego el extremo lo tiene en ( 2 , 1) como sabamos.

Ejercicios.
Page 12
1.- Determinar los puntos de la elipse de ecuacin x2 + 3 y2 = 3 ms cercano y ms alejado del
segmento que la recta x + y = 3 determina en el primer cuadrante. ( Observa que este ejercicio es
muy parecido al ejemplo 2 , pero en este no podemos olvidar que tiene los puntos extremos del
segmento: (0,3) y (3,0) que pueden ser los valores mximos y mnimos buscados.)
2.- Determinar el rectngulo de rea mxima que se puede inscribir en la regin delimitada por la
curva y = 4 x2en el primer cuadrante.
3.- Determinar los extremos de la funcin f (x,y )= x2 + 3 y3 con la condicin x2 2 x + y2 = 0.

FIN:

Page 13