Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Multilagrangeej PDF
Multilagrangeej PDF
Ejemplo 4.2.1.-
La temperatura de una placa en un punto cualquiera (x , y ) viene dada por la función T (x,y) = 25 + 4 x2 - 4 x y + y2 . Una
alarma térmica, situada sobre los puntos de la circunferencia x2 + y2 = 25, se dispara a temperaturas superiores a 180
grados o inferiores a 20 grados. ¿Se disparará la alarma?
Solución.
Se utilizará el método de los multiplicadores de Lagrange.
T@x_, y_D := 25 + 4 x2 − 4 x y + y2
condicion = x2 + y2 − 25;
En este ejemplo, se vuelve a dar una función de 2 variables y una única condición.
Fx = ∂x F@x, yD
8x−4y+2xλ
Fy = ∂y F@x, yD
−4 x + 2 y + 2 y λ
Los puntos de la circunferencia en los que T(x,y) alcanza valores extremos son las soluciones del sistema:
Se debe, por tanto, alcanzar el mínimo y el máximo necesariamente en alguno de los siguientes puntos:
El máximo es:
2 Untitled-7
Max@varD
150
El mínimo es:
Min@varD
25
Por tanto el mínimo valor es 25 grados y el máximo 150 grados, luego la alarma no se disparará, pues las temperaturas están
comprendidas entre 25 y 150 grados, que es un rango de temperaturas permitido.
Ejemplo 4.2.2.-
Solución.
Se trata de encontrar los puntos de la elipse y de la recta más próximos entre sí.
Se denota por (x,y) a un punto genérico de la elipse y (a,b) un punto genérico de la recta. Así, hay que minimizar la
expresión:
Hx - aL2 + Hy - bL2
Hx - aL2 + Hy - bL2
Se representan gráficamente la elipse y la recta para dar una idea geométrica del problema a resolver:
Clear@a, f, bD
1
eli1 = PlotB I6 − x2 M , :x, − 6 , 6 >, DisplayFunction → IdentityF;
2
1
eli2 = PlotB− I6 − x2 M , :x, − 6 , 6 >, DisplayFunction → IdentityF;
2
rec = Plot@5 − x, 8x, −10, 10<, DisplayFunction → IdentityD;
-10 -5 5 10
-2
-4
condicion1 = x2 + 2 y2 − 6;
condicion2 = a + b − 5;
Fx = ∂x F@x, y, a, bD
2 H−a + xL + 2 x λ
Fy = ∂y F@x, y, a, bD
2 H−b + yL + 4 y λ
Fa = ∂a F@x, y, a, bD
−2 H−a + xL + µ
Fb = ∂b F@x, y, a, bD
−2 H−b + yL + µ
Los puntos en los que f(x,y,a,b) alcanza valores extremos son las soluciones del sistema:
1
:8µ → −8, a → 2, b → 3, λ → −2, x → −2, y → −1<, :µ → −2, a → 3, b → 2, λ → , x → 2, y → 1>,
2
2 1 2 1
:µ → 0, a → J5 − 2 2 N, b → J5 + 4 2 N, λ → 0, x → J5 − 2 2 N, y → J5 + 4 2 N>,
3 3 3 3
2 1 2 1
:µ → 0, a → J5 + 2 2 N, b → J5 − 4 2 N, λ → 0, x → J5 + 2 2 N, y → J5 − 4 2 N>>
3 3 3 3
Se eliminan los valores complejos de las soluciones, y el valor mínimo habría que buscarlo hallando la distancia entre los
siguientes puntos:
a.) El punto ( 2, 1) de la elipse, con el punto ( 3, 2) de la recta
b.) El punto (- 2, - 1) de la elipse, con el punto (2, 3) de la recta
que son los puntos candidatos a extremos que hemos encontrado.
82, 32<
Luego el mínimo valor, que es el dato pedido en el enunciado, es 2 ( ya que hemos trabajado con la función al cuadrado)
que se alcanza entre el punto (2,1) de la elipse y el punto (3,2) de la recta.
NOTA:
Hay que tener en cuenta que la recta no es un compacto. Sin embargo, la naturaleza del problema permite asegurar que el
resultado dado es un mínimo. La máxima distancia entre la recta y la elipse sería infinita. Mathematica resuelve el ejercicio a
ciegas, sin tener en cuenta este hecho.
Una posible solución, a la vista de la gráfica, para argumentar sobre el valor mínimo es trabajar para valores situados en el
primer cuadrante. Entonces los puntos de la recta tienen su abscisa entre 0 y 5, siendo entonces compacto dicho conjunto.
4 Untitled-7
Para garantizar que la distancia mínima se alcanza entre los puntos que hemos calculado, se debería calcular entonces la
distancia entre los puntos (5,0) de la recta y ( 6 ,0) de la elipse y (0,5) de la recta y (0, 3 ) de la elipse, que son los
vértices de dicha elipse:
SqrtBfB 6 , 0, 5, 0FF êê N
2.55051
SqrtBfB0, 3 , 0, 5FF êê N
3.26795
Ejemplo 4.2.3.-
En una empresa se fabrican recipientes con forma de prisma rectangular con las siguientes características: la suma de
todas sus aristas es de 30 metros y su superficie total es de 36 metros cuadrados.
Determinar la capacidad máxima y mínima de estos recipientes en metros cúbicos.
Solución.
Si se denominan x, y, z a las longitudes de las aristas del prisma, la función volumen, de la que se quiere hallar los extremos,
será:
v@x_, y_, z_D := x y z
condicion1 = 4 x + 4 y + 4 z − 30;
condicion2 = 2 x y + 2 x z + 2 y z − 36;
Fx = ∂x F@x, y, zD
y z + 4 λ + H2 y + 2 zL µ
Fy = ∂y F@x, y, zD
x z + 4 λ + H2 x + 2 zL µ
Fz = ∂z F@x, y, zD
x y + 4 λ + H2 x + 2 yL µ
Los puntos en los que v(x,y,z) alcanza valores extremos son las soluciones del sistema:
7 7
::λ → 1, µ → −1, x → 2, y → 2, z → >, :λ → 1, µ → −1, x → 2, y → , z → 2>,
2 2
7 9 3 3
:λ → 1, µ → −1, x → , y → 2, z → 2>, :λ → ,µ→− ,x→ , y → 3, z → 3>,
2 4 2 2
9 3 3 9 3 3
:λ → ,µ→− , x → 3, y → , z → 3>, :λ → ,µ→− , x → 3, y → 3, z → >>
4 2 2 4 2 2
Dado que el conjunto delimitado por las condiciones del enunciado es compacto y la función v(x,y,z) es continua, se debe
alcanzar el mínimo y el máximo necesariamente en alguno de los siguientes puntos:
7 7 7 3 3 3
puntos = ::2, 2, >, :2, , 2>, : , 2, 2>, : , 3, 3>, :3, , 3>, :3, 3, >>;
2 2 2 2 2 2
7 7 7 3 3 3
var = :vB2, 2, F, vB2, , 2F, vB , 2, 2F, vB , 3, 3F, vB3, , 3F, vB3, 3, F>
2 2 2 2 2 2
27 27 27
:14, 14, 14, , , >
2 2 2
Max@varD
14
Min@varD
27
2
27
Luego la capacidad mínima de los recipientes será 2
m3 y la máxima 14 m3 .
Ejemplo 4.2.4.-
Demostrar que la función f(x,y)=Hx + 1L2 +y2 tiene un mínimo, condicionado a la relación y2 =x3 en el punto (0,0) y sin
embargo no existe l que verifique el teorema de Lagrange. ¿Existe contradicción?
Solución.
Se define la función y la condición:
f@x_, y_D := Hx + 1L ^ 2 + y ^ 2
condicion = y ^ 2 − x ^ 3;
condicion ê. 8x → 0, y → 0<
f@0, 0D
En el resto de los puntos que satisfacen la condición debe ser x >0, para que y2 sea positivo, luego f(x,y) será siempre mayor
que f(0,0)=1, y, por lo tanto, el punto (0,0) es un mínimo condicionado, como afirma el enunciado del problema.
6 Untitled-7
Utilizamos ahora el método de los multiplicadores de Lagrange para resolver el problema planteado:
La función F(x,y) debe ser:
F@x_, y_D := f@x, yD + λ condicion
Fx = ∂x F@x, yD
2 H1 + xL − 3 x2 λ
Fy = ∂y F@x, yD
2y+2yλ
Los puntos en los que f(x,y) alcanza valores extremos son las soluciones del sistema:
1 2 1
::y → − J7 − 5 N , λ → −1, x → J−1 + 5 N>,
3 3 3
1 2 1
:y → J7 − 5 N , λ → −1, x → J−1 + 5 N>,
3 3 3
1 2 1
:y → − J7 + 5 N , λ → −1, x → J−1 − 5 N>,
3 3 3
1 2 1
:y → J7 + 5 N , λ → −1, x → J−1 − 5 N>>
3 3 3
Ninguna solución del sistema proporciona valores reales de las variables x e y. Sin embargo, hemos demostrado que el (0,0)
es un mínimo condicionado.
Para ver si existe contradicción calcularemos, mediante el comando Grad , el gradiente de la ligadura, según la teoría de la
página 188. Cargamos el paquete Calculus`VectorAnalysis`
<< Calculus`VectorAnalysis`
80, 0<
Luego, NO existe contradicción ya que la matriz de las derivadas de la condición tiene rango 0, al ser su gradiente nulo, y no
1 como exigen las condiciones del teorema.
Ejemplo 4.2.5 .-
Hallar, si es posible, el máximo y el mínimo de la función f(x,y) = senHxL + cosIy2 M sobre el conjunto A={(x,y) e 2 / x2 +
y2 = 1} .
Solución.
Los valores máximo y mínimo existen pues f(x,y) es una función continua y el conjunto A es compacto.
condicion = x2 + y2 − 1;
Fx = ∂x F@x, yD
2 x λ + Cos@xD
Fy = ∂y F@x, yD
2 y λ − 2 y SinAy2E
Los puntos de A en los que f(x,y) alcanza valores extremos son las soluciones del sistema:
Solve::incnst :
Inconsistent or redundant transcendental equation. After reduction, the
bad equation is −1 + ArcCos@Cos@xDD2 == 0.
Solve::tdep : The equations appear to involve the
variables to be solved for in an essentially non−algebraic way.
Solve::incnst :
Inconsistent or redundant transcendental equation. After reduction, the
bad equation is −1 + ArcCos@Cos@xDD2 == 0.
Solve::tdep : The equations appear to involve the
variables to be solved for in an essentially non−algebraic way.
Por lo tanto, no se puede resolver el problema, ya que Mathematica no sabe resolver el sistema de ecuaciones asociado.
El cálculo de los extremos implica la resolución del sistema de ecuaciones de Lagrange o de la búsqueda de los puntos
críticos. Desgraciadamente no hay un algoritmo general de resolución de TODOS los sistemas de ecuaciones no lineales que
suelen aparecer en estos casos.
Hacemos el cambio de variable x= cost, y= sent para intentar simplicar la función a optimizar:
CosASin@tD2E + Sin@Cos@tDD
Solve@∂t g@tD 0, tD
InverseFunction::ifun :
Inverse functions are being used. Values may be lost for multivalued inverses.
88t → InverseFunction @g , 1, 1D@0D<<