ü 4.2.

Multiplicadores de Lagrange: Algunos ejemplos y condiciones

de uso
Se presentan ahora una colección de ejemplos en los que se varía el número de variables y condiciones para usar el método
de los multiplicadores de Lagrange. También se ponen otros en los cuales dicho método es ineficaz ya sea por no verificarse
las condiciones de aplicación o por no poder resolver el sistema de ecuaciones que proporciona los puntos críticos.

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.

Se definen la función y la condición:

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.

La función F(x ,y) es:

F@x_, y_D := T@x, yD + λ condicion

Las derivadas parciales son:

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:

ecuaciones = 8Fx == 0, Fy == 0, condicion == 0<;

Solve@ecuaciones , 8x, y, λ<D

::λ → −5, x → −2 5 ,y→ 5 >, :λ → −5, x → 2 5 ,y→− 5 >,

:λ → 0, x → − 5 , y → −2 5 >, :λ → 0, x → 5 ,y→2 5 >>

Se debe, por tanto, alcanzar el mínimo y el máximo necesariamente en alguno de los siguientes puntos:

puntos = ::−2 5 , 5 >, :2 5 ,− 5 >, :− 5 , −2 5 >, : 5 ,2 5 >>;

Basta evaluar en ellos la función para encontrar el máximo y el mínimo de T(x,y).

var = :TB−2 5 , 5 F, TB2 5 ,− 5 F, TB− 5 , −2 5 F, TB 5 ,2 5 F>

8150, 150, 25, 25<

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.-

Hallar la distancia mínima entre la elipse x2 + 2 y2 = 6 y la recta x + y = 5.

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

Pero como la raíz cuadrada es creciente, la función a minimizar puede ser:

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;

Show@eli1, eli2, rec, DisplayFunction → $DisplayFunction D;

-10 -5 5 10
-2

-4

Se define la función de la cual se va a calcular el valor mínimo:

f@x_, y_, a_, b_D := Hx − aL2 + Hy − bL2

sometida a las siguientes condiciones:

 Untitled-7 3

condicion1 = x2 + 2 y2 − 6;

condicion2 = a + b − 5;

En este ejemplo se tiene una función de 4 variables y 2 condiciones.

La función F(x,y,a,b) debe ser:

F@x_, y_, a_, b_D := f@x, y, a, bD + λ condicion1 + µ condicion2

sus derivadas parciales son:

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:

eqns = 8Fx == 0, Fy == 0, Fa == 0, Fb == 0, condicion1 == 0, condicion2 == 0<;

Solve@eqns, 8x, y, a, b, λ, µ<D

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.

Basta evaluar en ellos la función para encontrar el mínimo:

variable = 8f@2, 1, 3, 2D, f@−2, −1, 2, 3D<

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

Como ambos valores son superiores a 2 , este valor es el mínimo.

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

Y las condiciones dadas en el enunciado serán:

condicion1 = 4 x + 4 y + 4 z − 30;

condicion2 = 2 x y + 2 x z + 2 y z − 36;

En este ejemplo se da una función de 3 variables y 2 condiciones.

La función F(x,y,z) debe ser:

F@x_, y_, z_D := v@x, y, zD + λ condicion1 + µ condicion2

Las derivadas parciales son:

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:

eqns = 8Fx == 0, Fy == 0, Fz == 0, condicion1 == 0, condicion2 == 0<;

 Untitled-7 5

Solve@eqns, 8x, y, z, λ, µ<D

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

Basta evaluar en ellos la función para encontrar el máximo y el mínimo de v(x,y,z).

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;

Si el punto (0,0) es un mínimo condicionado debe satisfacer la ecuación de la restricción:

condicion ê. 8x → 0, y → 0<

Además, se tiene que:

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

Las derivadas parciales son:

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:

eqns = 8Fx == 0, Fy == 0, condicion == 0<;

Solve@eqns, 8x, y, λ<D

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`

Hallamos el gradiente de la condición.

Drop@Grad@y ^ 2 − x ^ 3D, −1D

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.

Intentaremos utilizar el método de los multiplicadores de Lagrange.

Se definen la función y la condición, dadas en el enunciado:

f@x_, y_D := Sin@xD + Cos@y ^ 2D

 Untitled-7 7

condicion = x2 + y2 − 1;

La función F(x ,y) es:

F@x_, y_D = f@x, yD + λ condicion

I−1 + x2 + y2 M λ + CosAy2 E + Sin@xD

Las derivadas parciales son:

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:

eqns = 8Fx == 0, Fy == 0, condicion == 0<;

Solve@eqns, 8x, y, λ<D

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.

SolveA92 x λ + Cos@xD == 0, 2 y λ − 2 y SinAy2E == 0, −1 + x2 + y2 == 0=, 8x, y, λ<E

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:

g@t_D = f@x, yD ê. 8x → Cos@tD, y −> Sin@tD<

CosASin@tD2E + Sin@Cos@tDD

Hallamos sus posibles extremos igualando a cero su derivada

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<<

Como vemos, tampoco podemos resolver la ecuación con Mathematica.