Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso 08–09 77
Tema 8
1. Clasificar los puntos crı́ticos de las siguientes funciones:
(b) f (x, y) = 4 − x2 + y 2
(c) f (x, y) = x2 − xy + y 2 − 2y + x
2 +y 2 )
(d) f (x, y) = (x2 + y 2 )e−(x
2 2 2 2 2 2 2 +y 2 )
∇f (x, y) = (2xe−(x +y ) − 2x(x2 + y 2 )e−(x +y ) , 2ye−(x +y ) − 2y(x2 + y 2 )e−(x )
2 2 2 2
= (2xe−(x +y ) [1 − (x2 + y 2 )], 2ye−(x +y ) [1 − (x2 + y 2 )])
∗ ∗
x1 = 0, y1 = 0
Si ∇f (x∗ , y ∗ ) = (0, 0) → x∗2 = 0, y2∗ = 1
∗
x3 = 1, y3∗ = 0
Por tanto, los puntos crı́ticos son x̄∗1 = (0, 0), x̄∗2 = (0, 1) y x̄∗3 = (1, 0).
La matriz hessiana es
à 2 2 2 2
!
2e−(x +y ) [(1 − 2x2 )(1 − (x2 + y 2 )) − 2x2 ] − 4xye−(x +y ) [2 − (x2 + y 2 )]
2 2 2 2
−4xye−(x +y ) [2 − (x2 + y 2 )] 2e−(x +y ) [(1 − 2y 2 )(1 − (x2 + y 2 )) − 2y 2 ]
En particular,
à !
2 0
• Hf (0, 0) = , que es definida positiva, por tanto, el punto
0 2
x̄∗1 = (0, 0) es un mı́nimo local estricto de f .
à !
−4e−1 0
• Hf (1, 0) = , que es semidefinida negativa, por tanto,
0 0
el punto x̄∗3 = (1, 0), es un máximo global.
à !
0 0
• Hf (0, 1) = , que es indefinida, por tanto, el punto
0 −4e−1
x̄∗2 = (0, 1), es un punto de silla.
2. Calcular la matriz hessiana de la función f (x, y) = x2 + y 2 en el punto (1, 1)
y clasificar el punto (1, 1).
q1 = 40 − 2p1 − p2
q2 = 35 − p1 − p2
Puesto que se vende todo lo que se produce, la cantidad total producida
será igual a la suma de las cantidades de los dos bienes vendidos, es decir,
q = q1 + q2 .
De las funciones de demandas dadas, obtenemos
p1 = −q1 + q2 + 5 y p2 = q1 − 2q2 + 30, por tanto, las funciones de ingreso de
cada bien son:
B(q1 , q2 ) = I(q1 , q2 )−C(q1 , q2 ) = −q12 −2q22 +2q1 q2 +5q1 +30q2 −q12 −2q22 −10 =
−2q12 − 4q22 + 2q1 q2 + 5q1 + 30q2 − 10
El programa queda,
máx B(q1 , q2 ) = −2q12 − 4q22 + 2q1 q2 + 5q1 + 30q2 − 10
De (I) tenemos:
³ ´
bd−ae
2ax+ 6 2b 62(ac−b2) +d=0
b2 d−abe+d(ac−b2 ) b2 d−abe+d(ac−b2 )
2ax = (ac−b2 )
→ x∗ = 2a(ac−b2 )
• Si a > 0 y ac − b2 > 0
• Si ac − b2 < 0 ó a = 0
6 63
a
· 26ba2 − a2 = 4b2 − a2
³ ´
b a
Estudiemos el carácter de Hf ,
a b
, para los distintos valores de ”a” y ”b”:
local estricto de f .
• Si a³> 0 ´y 4b2 − a2 = 0,
Hf ab , ab es semidefinida positiva (y por tanto, convexa), luego el punto
³ ´
b a
x̄∗ = ,
a b
es un mı́nimo global de f .
• Si a³< 0 ´y 4b2 − a2 = 0,
Hf ab , ab es semidefinida negativa (y por tanto, cóncava), luego el punto
³ ´
b a
x̄∗ = ,
a b
es un máximo global de f .
d 0 2c
y
¯ además,¯
¯ 2a 0 ¯
¯ ¯
¯ ¯ = 4ab
¯ 0 2b ¯
|Hf (x, y, z)| = 8abc − 2bd2 = 2b(4ac − d2 )
máxB(q1 , q2 , q3 )
−10q1 − 2q2 − 2q3 + 48 = 0
−12q2 − 2q1 − 2q3 + 90 = 0 que tiene por solución
−14q3 − 2q2 − 2q1 + 60 = 0
³ ´
282 633 285
q̄ ∗ = , ,
97 97 97
que es el punto crı́tico.
à !
4 0
Hf (x, y) = , ∀(x, y) ∈ IR 2 que coincide con Hf (2, 3)
0 2
Tenemos que Hf (2, 3) es definida positiva, por tanto,x̄∗ = (2, 3) es un mı́nimo
local estricto de f.
Por otro lado tenemos que f es convexa, luego el punto x̄∗ = (2, 3) es también
un mı́nimo global.
à !
³ ´ −3/ −1/ ³ ´
Hf 1/2, 1/2 = −1 2 −3 2 que es definida negativa, luego 1/2, 1/2
/2 /2
es un máximo local.
Por otro lado, en las rectas x = 0 e y = 0, la función f se anula. Para
la recta x = 1, f (1, y) = −y 3 es negativa (y > 0), y cuando y = 1, como
f (x, 1) = −x3 también es negativa la función (x > 0).
Ası́ pues, los puntos del conjunto,
{(x, y) ∈ IR 2 : x = 0, 0 ≤ y ≤ 1} ∪ {(x, y) ∈ IR 2 : y = 0, 0 ≤ x ≤ 1}
son mı́nimos locales de f en A.
En el punto (1, 1) la función, aunque ∇f (1, 1) 6= (0, 0) (obsérvese que no
se cumple³la condición
´ necesaria), tiene mı́nimo global.
1 1
El punto /2, /2 es el máximo global.
(b) f (x, y) = xy, sobre el triángulo de vértices (0, 0), (1, 0) y (0, 1).
Calculamos el gradiente,
∇f (x, y) = (y, x) → si ∇f (x, y) = (0, 0) → x∗ = y ∗ = 0 → x̄∗ = (0, 0) ∈
D es un punto crı́tico.
10. Para la función f (x, y) = (3 − x)(3 − y)(x + y − 3), identificar los puntos
crı́ticos y clasificarlos. Estudiar su carácter global.
à !
³ ´ 0 0 ³ ´
• Hf 3/2, 3 = que es indefinida, luego el punto x̄∗1 = 3/2, 3
0 −3
es un punto de silla.
à !
³ ´ −3 0
• Hf 3, 3/2 = que es semidefinida negativa, entonces x̄∗2 =
0 0
³ ´
3, 3/2 es un máximo local de f. Además, f es cóncava, por tanto
³ ´
x̄∗2 = 3, 3/2 es también un máximo global.
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 88
(b) Aplicar el resultado del apartado anterior para determinar los extremos
de la función G definida en A = {(x, y) ∈ IR 2 /x > 0} en la forma
2 2
G(x, y) = e57x((ln x) +y ) .
→ y = 0 → (ln x)2 + 2 ln x = 0
(
ln x = 0 → x = 1
ln(x)[ln x + 2] = 0
ln x + 2 = 0 → x = e−2
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 89
n
P n
P
1 1
x̄ = n
xi ; ȳ = n
yi
i=1 i=1
Sustituyendo (II) en (I), se tiene
aα20 + (y − ax̄)x̄ − α11 = 0 → aα20 + x̄ȳ − ax̄2 − α11 = 0
Despejamos ”a” y obtenemos:
a∗ = αα11 −x̄ȳ
20 −x̄
µ11
2 = σ2
x
b∗ = ȳ − µσ112 x̄
x
en donde µ11 es la covarianza muestral de (x1 , ..., xn ) e (y1 , ..., yn ) y σx2
es la varianza muestral de x1 , ..., xn ).
Condiciones de segundo orden.
n n
P2 P
2 i=1 xi 2 i=1 xi
HS(a, b) =
n
P
2 xi 2n
i=1
donde,
n
P n
P n
P n
P
α20 = n1 x2i ; α11 = 1
n
xi yi ; x̄ = 1
n
xi ; ȳ = 1
n
yi
i=1 i=1 i=1 i=1
n
P n
P n
P
1 1 1
α30 = n
x3i ; α40 = n
x4i ; α21 = n
x2i yi
i=1 i=1 i=1
es decir,
h i
cσx22 + µ11 −c(ασ230 −α20 ) (α30 − x̄α20 ) + ȳα20 − α21 = 0
h x i
(α30 −α20 )
c σx22 − σx2
(α30 − x̄α20 ) = − µσ112 (α30 − x̄α20 ) − ȳα20 + α21
x
Finalmente,
h i
c = β1 − µσ112 (α30 − x̄α20 ) − ȳα20 − α21
x
(α30 −α20 )
siendo β = σx22 − σx2
(α30 − x̄α20 ) y σx22 la varianza muestral de
(x21 , ..., x2n ).
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 92
Tema 9
1. Consideremos el problema min F (x, y)s.a.:g(x, y) = b. Siendo F y g funciones
con derivadas parciales continuas en IR 2 . Supongamos que (x? , y ? ) es un
mı́nimo local del programa, tal que ∇g(x? , y ? ) 6= 0. Demostrar que en
(x? , y ? ) se verifican las condiciones necesarias de Lagrange. Para ello utilizar
el teorema de la función implı́cita y las condiciones de primer orden para
problemas sin restricciones.
opt F (x, y)
s.a. g(x, y) = 0
es solución local del programa tal que ∇g(x∗ , y ∗ ) 6= 0 ,∃λ∗ ∈ < verificando el
sistema de ecuaciones
∇F (x∗ , y ∗ ) + λ∗ ∇g(x∗ , y ∗ ) = 0
• y ∗ = h(x∗ )
• g(x, h(x)) = b, ∀x ∈ Ux∗
• h es continua y derivable en Ux∗ siendo la derivada de la función h en x∗
∂g
(x∗ ,y ∗ )
igual a h0 (x∗ ) = − ∂x
∂g
(x∗ ,y ∗ )
∂y
Si llamamos λ∗ = − ∂F /∂y
∂g/∂y
(x∗ , y ∗ ), entonces (1) y (2) se pueden expresar como:
∂F ∂g
)
∂x
(x∗ , y ∗ ) + λ∗ ∂x (x∗ , y ∗ )
∂F ∂g (3)
∂y
(x∗ , y ∗ ) + λ∗ ∂y (x∗ , y ∗ )
Obsérvese que las ecuaciones (3) junto con la restricción g(x, y) = b, son las
condiciones necesarias de primer orden para programas con restricciones de
igualdad.
f 00 (x) = 12x2 − 2
entonces,
³ √ ´ ³√ ´
f 00 − 22 = f 00 22 = 4 > 0
f 00 (0) = −2 < 0
√ √
Luego x = − 22 y x = 22 son mı́nimos del problema sin restricciones, y x = 0
es un máximo de dicho problema.
³ √ ´ ³√ ´
2 1 2 1
El problema inicial presenta mı́nimos en los puntos − ,
2 4
y ,
2 4
,
teniendo un máximo en (0,1).
H£(λ;
x, y, z)= Hf
(x, y, z) + λHg(x,
y, z) =
2 0 0 0 0 0 2 0 0
= 0 4 0 + λ 0 0 0 = 0 4 0
0 0 2 0 0 0 0 0 2
que además coincide con H£(0; 1, −1, 2). La matriz anterior es definida
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 97
(b) max z s. a. x2 + y 2 = 4, x + y + z = 5.
H£(λ , λ ; x, y,z) = Hf
1 2
(x, y, z) + λ Hg
1 1 (x, y, z) +
λ2 Hg2 (x, y, z) =
0 0 0 2 0 0 0 0 0
= 0 0 0 + λ1 0 2 0 + λ2 0 0 0 =
0 0 0
0 0 0 0 0 0
2λ1 0 0
= 0 2λ1 0
0 0 0
• Particularizando en x∗ se tiene,
.√ 1
1 2 0 0
.√
1 ∗
H£(λ1 , x1 ) = 0 1 2 0
0 0 0
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 98
y como
M (x∗1 ) = {p̄ ∈ <3 /Jg(x∗1 )p̄ = 0} = {p̄ ∈ <3 /p1 + p2 = 0, p3 = 0}
entonces x∗1 es un mı́nimo local estricto, pues ∀p̄ = (p, −p, 0) ∈
M (x∗1 )con p̄ 6= 0 se tiene
(c) Opt. x2 y s. a. x2 + y 2 = 1.
à !
2 0
• Para x∗1 la matriz H£(λ∗ , x∗1 ) = es semidefinida positiva,
0 0
pero para los vectores p̄ 6= 0, p̄ ∈ <2 tales que ∇g(x∗1 )p̄ = 0
es definida positiva. En efecto, los vectores p̄ perpendiculares a
∇g(x∗1 )Ã= (0, 2)! son
à de!la forma p̄ = (p1 , 0), y se verifica
2 0 p1
(p1 , 0) = 2p21 > 0,
0 0 0
por tanto, x∗1 es un mı́nimo local estricto.
à !
∗ ∗ ∗ −2 0
• En el punto x2 se tiene H£(λ , x2 ) = y para los
0 0
( Ã ! )
∗ 2 p1
vectores p̄ 6= 0 con p̄ ∈ M (x2 ) = p̄ ∈ < / (0, −2) =0 =
p2
{p̄ ∈ <2 /p2 = 0} Ã !Ã !
−2 0 p1
se verifica (p1 , 0) = −2p21 < 0 ası́ pues, x∗2 es
0 0 0
máximo local estricto.
• En x∗3 se obtiene
la matriz√
2√ 2
0
H£(λ∗ , x∗3 ) = 2√2 2
3
√ √
3 3
que es indefinida,
n sin embargo,
q para los vectores,
o
p̄ ∈ M (x3 ) = p̄ ∈ < /2 3 p1 − √23 p2 = 0
∗ 2 2
se tiene √ Ã !
³ √ ´ 0 2√32 p1
p1 2p1 2√2 √ = √123 p21 > 0
√ √2 2p1
3 3
opt f (x, y, z) = x2 + y 2 + z 2
s.a. x2 − xy + y 2 − z 2 = 1
x2 + y 2 = 1
∂£
∂x
= 2x + 2λ1 x − λ1 y + 2λ2 x = 0
∂£
= 2y − λ1 x + 2λ1 y + 2λ2 y = 0
∂y
∂£
∂z
= 2z − 2λ1 z = 0
∂£
∂λ1
= x2 − xy + y 2 − z 2 − 1 = 0
∂£
∂λ2
= x2 + y 2 − 1 = 0
Resolviendo el sistema anterior, obtenemos los puntos estacionarios con sus
multiplicadores
³√ √ de
´ Lagrange asociados,
2 2
x1 = 2 , 2 , 0 ; λ∗1 = 1; λ∗1
∗ −3/
³ √ √ ´ 2 = 2
∗ − 2 2 ∗
x2 = 2 , 2 , 0 ; λ1 = 1; λ2 = /2 ∗2 5
³√ √ ´
x∗3 = 22 , −2 2 , 0 ; λ∗1 = 1; λ∗3 −5/
³ √ √ ´ 2 = 2
∗ − 2 − 2 ∗
x4 = 2 , 2 , 0 ; λ1 = 1; λ2 = /2 ∗4 3
0 0 2
0 0 −2 0 0 0
=
2 + 2λ1 + 2λ2 −λ1 0
= −λ1 2 + 2λ1 + 2λ2 0
0 0 2 − 2λ1
Particularizando en los puntos estacionarios obtenemos:
9 −1 0
H£(λ∗1 , λ∗2
2 , x ∗
2 ) = −1 9 0
0 0 0
y para los vectores p̄ 6= 0 con
p ∈ M (x∗2 ) = {p̄ ∈ <3 /Jg(x∗2 )p̄ = 0̄} =
√. √.
−3 2 3 2 p 1
3 2 2 0
p∈< / √ √ p2 = 0 =
− 2 2 0
p3
{p ∈ <3 / − p1 + p2 = 0}
se verifica
³ ´ 9 −1 0 p1
p1 p1 p3
−1 9 0 p1 = 16p21 > 0,
0 0 0 p3
luego x∗2 es un mı́nimo local estricto.
³√ √ ´
• Para x∗3 = 22 , −2 2 , 0 con λ∗1 = 1;λ∗3 −5/ ,
2 = 2
obtenemos la matriz,
−1 −1 0
H£(λ∗1 , λ∗3
2 , x ∗
3 ) = −1 −1 0
0 0 0
y para los vectores p̄ 6= 0 con
p ∈ M (x∗3 )
= {p̄ ∈ <3 /Jg(x∗3 )p̄ = 0̄} =
√. √.
3 2 −3 2 p1
3 2 2 0
= p∈< / √ √ p2 =0 =
2 − 2 0
p3
{p ∈ <3 /p1 − p2 = 0}
se verifica
³ ´ −1 −1 0 p1
p1 p1 p3
−1 −1 0 p1 = −4p21 < 0,
0 0 0 p3
luego x∗3 es un máximo local estricto.
³ √ √ ´
• Para x∗4 = −2 2 , −2 2 , 0 con λ∗1 = 1, λ∗4 3
2 = /2
obtenemos la matriz,
7 −1 0
H£(λ∗1 , λ∗4 ∗
2 , x4 ) = −1 7 0
0 0 0
y para los vectores p̄ 6= 0 con
= {p̄ ∈ <3 /Jg(x∗4 )p̄ = 0̄} =
p ∈ M (x∗4 )
√. √.
− 2 − 2 p1
3 2 2 0
= p∈< / √ √ p2 =0 =
− 2 − 2 0
p3
{p ∈ <3 / − p1 − p2 = 0}
se verifica
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 102
³ ´7 −1 0 p1
p1 −p1 p3
−1 7 0 −p1 = 16p21 > 0,
0 0 0 p3
luego x∗4 es un mı́nimo local estricto.
6. Hallar la distancia máxima y la distancia mı́nima desde el origen a la elipse
de ecuación 5x2 + 6xy + 5y 2 = 8.
³√ √ ´
• Para x∗1 = 2, − 2 con λ∗1 = − 12 , la matriz,
à !
∗1 ∗ −3 −3
H£(λ , x1 ) =
−3 −3
y para los vectores p̄ 6= 0 con
se verifica
à !à !
−3 −3 p1
(p1 p1 ) = −12p21 < 0
−3 −3 p1
luego x∗1 es un máximo local estricto.
³ √ √ ´
• Para x∗2 = − 2, 2 con λ∗2 = − 12 , la matriz,
H£(λ∗2 , x∗2 ) coincide con H£(λ∗1 , x∗1 ), y de manera similar, llegamos a
que se trata de un máximo local estricto.
³√ √ ´
2 2
• Para x∗3 = ,
2 Ã2
con λ∗3 = − 81 , obtenemos la matriz,
,
!
3/ −3/4
∗3 ∗
H£(λ , x3 ) = 4
−3/4 3/4
y para los vectores p̄ 6= 0 con
p ∈ M (x∗3 ) = Ã {p̄
! ∈ <2 /Jg(x∗3 )p̄ = 0̄} = {p̄ ∈
³ √ √ ´ p1
<2 / 8 2 8 2 = 0̄}
p2
= {p̄ ∈ <2 /p1 + p2 = 0}
se verifica à !à !
³ ´ 3/ −3/4 p1
p1 −p1 4 = 3p21 > 0
−3/4 3/4 −p1
luego x∗3 es un mı́nimo local estricto.
³ √ √ ´
• Para x∗4 = −2 2 , −2 2 , con λ∗4 = − 18 , la matriz H£(λ∗4 , x∗4 ), coincide
con H£(λ∗3 , x∗3 ), y de manera similar, llegamos a que se trata de un
mı́nimo local estricto.
Por tanto,
√ la distancia mı́nima es 1 unidad, y se obtiene sustituyendo x∗3
ó x∗4 en x2 + y 2 , y la distancia
√ máxima son 2 unidades, que se obtiene
sustituyendo x∗1 ó x∗2 en x2 + y 2 .
x − y + z = 0, y + 2z = 1.
opt f (x, y, z) = x3 + y 3 + z 2 − 3xy
s.a. x − y + z = 0
y + 2z = 1
∂£
∂x
= 3x2 − 3y + λ1 = 0
∂£
∂y
= 3y 2 − 3x − λ1 + λ2 = 0
∂£
∂z
= 2z + λ1 + 2λ2 = 0
∂£
=x−y+z =0
∂λ1
∂£
∂λ2
= y + 2z − 1 = 0
Resolviendo el sistema anterior, obtenemos los puntos estacionarios con sus
multiplicadores de Lagrange asociados,
x∗1 = (1, ∗1
³ 1, 0); λ1 ´ = 0; λ∗12 = 0
∗ 9 17 44 ∗2 352 2068
x2 = − 35 , 105 , 105 ; λ1 = 1225 ; λ∗2
2 = − 3675
0 0 2
Particularizando en los puntos estacionarios obtenemos:
à ! p1
1 −1 1
{p̄ ∈ <3 / p2 = 0̄} = {p̄ ∈ <3 /p1 + 3p3 = 0, p2 +
0 1 2
p3
2p3 = 0}
se verifica
³ − 54
´ 35
−3 0 −3p3
−3p3 −2p3 p3 −3 35 0 −2p3
34
= −44p23 < 0,
0 0 2 p3
∗
luego x2 es un máximo local estricto.
(a) Obtener una relación entre a y b que sea una condición necesaria para que
el punto (1, 1, 1) sea extremo relativo de f sobre la esfera x2 +y 2 +z 2 = 3.
)
opt f (x, y, z) = x2 + y 2 + bxy + az
a, b ∈ <
s.a. x2 + y 2 + z 2 = 3
Punto (1,1,1) es extremo relativo.
Sea g(x, y, z) = x2 + y 2 + z 2 − 3, la función lagrangiana es,
£(λ; x, y, z) = f (x, y, z) + λg(x, y, z) =
= x2 + y 2 + bxy + az + λ(x2 + y 2 + z 2 − 3)
y las condiciones necesarias de primer orden son:
∂£
∂x
= 2x + by + 2λx = 0
∂£
∂y
= 2y + 2λy + bx = 0
∂£
∂z
= a + 2zλ = 0
∂£ 2 2 2
∂λ
= x + y + z − 3 = 0
Particularizando en el punto (1,1,1) el sistema anterior, nos queda:
2 + b + 2λ = 0 → 2 + 2λ = −b (I)
b + 2 + 2λ = 0 → b − a = −2
a + 2λ = 0 → −a = +2λ (II)
La relación pedida entre ”a” y ”b”, es b − a = −2.
(b) Suponiendo que se verifica la condición anterior, estudiar para qué valores
de a y b el punto (1, 1, 1) es:
i. punto de máximo local o relativo.
ii. punto de mı́nimo relativo
iii. no es punto extremo.
Hallamos la matriz H£(λ; x, y, z),
H£(λ;
x, y,z) = Hf
(x, y, z) +
λHg(x,
y, z) =
2 b 0 2 0 0 2 + 2λ b 0
b 2 0 + λ 0 2 0 = b 2 + 2λ 0
0 0 0 0 0 2 0 0 2λ
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 106
Calculamos la matriz
hessiana
de la función f,
2 b 0
Hf (x, y, z) =
b 2 0 , hallamos el determinante de la matriz
0 0 2
hessiana, y los menores correspondientes.
¯ ¯
¯ 2 b 0 ¯
¯ ¯
|Hf (x, y, z)| = ¯¯ b 2 0 ¯
¯ = 8 − 2b2
¯ ¯
¯ 0 0 2 ¯
¯ ¯
¯ 2 b ¯
¯ ¯
¯ ¯ = 4 − b2
¯ b 2 ¯
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 109
0 0 2
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 110
0 0 2
y para los vectores p̄ 6= 0 con
p ∈ M (x∗2 ) = {p̄ ∈ <3 /Jg(x∗2 )p̄
= 0̄}
=
³ q q ´ p1
= {p̄ ∈ <3 / 2 32 , − 2 32 ,0 p2 = 0̄} = {p̄ ∈ <3 /p1 − p2 = 0}
p3
Se verifica,
³ ´ 1 1 0 p1
p1 p1 p3
1 1 0 p1 = 4p21 + 2p23 > 0,
0 0 2 p3
luego x∗2 es un mı́nimo local estricto.
³ q q ´
• Para x∗3 = − 32 , 32 , −12
con λ∗3 = −1/2, de manera similar que
para x∗2 , llegamos a que x∗3 es un mı́nimo local estricto.
³ q q ´
• El punto x∗4 = − 32 , − 32 , −1 2
con λ∗4 = −3/2, tiene un
∗
comportamiento análogo al x1 , luego no es ni máximo ni mı́nimo.
³√ √ ´
2 2
Como podemos observar, el punto x∗1 = 2
, 2
es el máximo global,
³ √ √ ´
− 2 − 2
y el punto x∗2 = 2
, 2
es un mı́nimo global. Ambos puntos se
obtienen haciendo la intersección de las rectas con la circunferencia.
∗ ∗
y particularizando
à √en x1 y x2!resulta à √ !
− 2 0
√ 2 0
√
H£(λ∗1 , x∗1 )= ; H£(λ∗2 , x∗2 )=
0 − 2 0 2
que son definida negativa y positiva respectivamente. Por tanto, ∀p̄ ∈ <2 :
• p̄t H£(λ∗1 , x∗1 )p̄ < 0, y en particular, para aquellos p̄ ∈ <2 tales que
∇g(x∗1 )p̄ = 0 por lo cual x∗1 es un máximo local estricto.
• p̄t H£(λ∗2 , x∗2 )p̄ > 0, y en particular, para aquellos p̄ ∈ <2 tales que
∇g(x∗2 )p̄ = 0 por lo cual x∗2 es un mı́nimo local estricto.
13. Probar que el producto de k números reales positivos cuya suma es constante
S
y vale S, es máximo si y solamente si todos esos números son iguales a .
k
El programa es, )
max a1 · a2 · a3 ...ak
s.a. a1 + a2 + a3 ... + ak = S
³ ³ √ ´ √ √ ´ √ √
1+ 3 1− 3 3+3 3 3−1
x∗6 = − 2
, 2
, 2
; λ61 = 2
− 1; λ62 = 2
³√ √ √ ´ √ √
3−1 3+1 3− 3 3 3+1
x∗7 = 2
, 2
, 2
; λ71 = −1 − 2
; λ72 =− 2
³√ √ √ ´ √ √
3−1 1+ 3 3+5 3 3+1
x∗8 = 2
, − 2
, 2
; λ81 = 2
+ 1; λ82 = 2
0 1 0 2 0 0 0 0 0
=
1 0 1 + λ1 0 2 0 + λ2 0 0 0 =
0 0 1
0 0 0 0 0 0
2λ1 1 0
= 1 2λ1 1
0 0 1
Hallamos el
hessiano de la función lagrangiana,
es decir, el hessiano orlado,
..
0 0 . 2x 2y 0
.
0
0 .. 0 1 1
· · · · · · ... · · · · · · · · ·
Ho£ (x̄) = ..
2x 0 . 2λ1 1 0
..
2y 1 . 1 2x 1
..
0 1 . 0 1 0
que está formado
por,
..
0 0 .
..
0 0 . Jg(x, y, z)
..
··· ··· . ··· ··· ···
Ho£ (x̄) = ..
.
.
.. H£(λ1 , λ2 ; x, y, z)
Jg t (x, y, z)
..
.
donde Jg(x, y, z) es el jacobiano de g(x, y, z), siendo g(x, y, z), una función de
dos componentes, g1 y g2 , formada por las restricciones del problema.
En nuestro caso m = 2 (número de restricciones) y n = 3 (dimensión
del espacio vectorial donde está definido el problema, <3 ),luego bastará
calcular el determinante (de dimensión 5 = m + n), de esta matriz en cada
uno de los puntos estacionarios para determinar su carácter a partir de las
condiciones suficientes de segundo orden de Lagrange. Ası́ pues, como para
todo (λ1 , λ2 , x, y, z) ∈ <5 ,
|Ho£ (x̄)| = 8(x2 (λ1 − 1) − xy + λ1 y 2 )
obtenemos que
|Ho£ (λ11 , λ12 ; x∗1 )| = −24 < 0 −→ x∗1 es un máximo local estricto.
|Ho£ (λ21 , λ22 ; x∗2 )| = 8 > 0 −→ x∗2 es un mı́nimo local estricto.
|Ho£ (λ31 , λ32 ; x∗3 )| = 8 > 0 −→ x∗3 es un mı́nimo local estricto.
|Ho£ (λ41 , λ42 ; x∗4 )| = −24 < √ 0 −→ x∗4 es un máximo local estricto.
5 5 ∗
|Ho£ (λ1 , λ2 ; x5 )| = 12(1 √ − 3) < 0 −→ x∗5 es un máximo local estricto.
|Ho£ (λ61 , λ62 ; x∗6 )| = 4( √ 3 − 7) < 0 −→ x∗6 es un máximo local estricto.
|Ho£ (λ71 , λ72 ; x∗7 )| = −4(√ 3 + 7) < 0 −→ x∗7 es un máximo local estricto.
|Ho£ (λ81 , λ82 ; x∗8 )| = 12( 3 + 1) > 0 −→ x∗8 es un mı́nimo local estricto.
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 116
³ ´ ³ ´
En el punto 3/2, 1/2 se alcanza el mı́nimo global en f 3/2, 1/2 = 1/2, y
en el (3, 0) se alcanza el máximo local con f (3, 0) = 4. El máximo global
se alcanza en el punto (0, 3) con f (0, 3) = 10.
En el punto (0, 0), podemos localizar un mı́nimo local, con f (0, 0) = 1.
(c) Aplicando el método de los multiplicadores de Lagrange, hallar los
extremos de la función f (x, y) = (x − 1)2 + y 2 sujeta a la condición
x + y = 3. Qué puede decirse en este caso respecto del máximo de
f (x, y).
)
opt f (x, y) = (x − 1)2 + y 2
s.a. x + y = 3
La función lagrangiana es,
£(λ; x, y) = f (x, y) + λg(x, y) = (x − 1)2 + y 2 + λ(x + y − 3), y las
condiciones de primer orden
son,
∂£
∂x
= 2(x − 1) + λ = 0
∂£
∂y
= 2y + λ = 0
∂£
∂λ
= x + y − 3 = 0
Resolviendo el sistema anterior, obtendremos los puntos crı́ticos con sus
multiplicadores de Lagrange asociados
x∗ = (2, 1) con λ∗ = −2
En este caso, la matriz H£(λ; x, y) es,
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 118
à ! à !
2 0 0 0
H£(λ; x, y) = Hf (x, y) + λHg(x, y) = +λ =
0 2 0 0
à !
2 0
=
0 2
∗
Particularizando
à en x !, obtenemos la misma matriz que anteriormente,
2 0
H£(λ∗ ; x∗ ) =
0 2
y para los vectores p̄ 6= 0 con à !
³ ´ p
∗ 2 ∗ 2 1
p ∈ M (x ) = {p̄ ∈ < /Jg(x )p̄ = 0̄} = {p̄ ∈ < / 1 1 =
p2
0̄} =
= {p̄ ∈ <2 /p1 + p2 = 0}
se verifica, Ã !Ã !
³ ´ 2 0 p1
p1 − p1 = 4p21 > 0,
0 2 −p1
luego x∗ = (2, 1) es un mı́nimo local estricto.
(d) Indicar cómo se altera el valor mı́nimo del apartado anterior si la
restricción cambia en la forma x + y = 3 + h con h suficientemente
pequeño.
17. Los ingresos obtenidos en una empresa se dividen en dos partes: los beneficios
declarados de la empresa y el sueldo del empresario. El empresario está
obligado a pagar dos impuestos: el de sociedades y el de la renta de las
personas fı́sicas. El impuesto de sociedades es el 30% de los beneficios
declarados de la empresa y el impuesto sobre la renta es el 10% del cuadrado
del sueldo del empresario. Si los ingresos totales obtenidos en la empresa son
3 unidades monetarias, qué sueldo se fijará el empresario si su objetivo es
minimizar el pago de impuestos?
(a) Formular y resolver el problema.
(b) Indicar cuál es el valor de los multiplicadores e interpretar este valor para
este problema.
(c) Haciendo uso del valor de los multiplicadores, indicar cuál será la
cantidad mı́nima de impuestos que deberá pagar el empresario si los
ingresos totales de la empresa son 3.0001 unidades monetarias?
Opt. x2 + y 2
x2 y 2
s.a. + = 1.
9 4
(a) Resolver el problema gráficamente.
2 y2
factibles está formado por B = {(x, y) ∈ <2 / x9 + 4
= 1}, tal y como
puede verse en la figura:
El programa es, )
opt V (x, y) = 12xy − x2 − 3y 2
s.a. 60x + 600y = 9000
Sea g(x, y) = 60x + 600y − 9000. La función lagrangiana es,
£(λ; x, y) = V (x, y) + λg(x, y) = 12xy − x2 − 3y 2 + λ(60x + 600y − 9000)
à !
³ ´ p1
p ∈ M (x∗ ) = {p̄ ∈ <2 /Jg(x∗ )p̄ = 0̄} = {p̄ ∈ <2 / 60 600 = 0̄}
p2
= {p̄ ∈ <2 /p1 + 10p2 = 0}
se verifica, Ã !Ã !
³ ´ −2 12 −10p2
−10p2 p2 = −446p22 < 0,
12 −6 p2
luego x∗ es un máximo local estricto.
La polı́tica publicitaria óptima será de contratar 9450
223
' 42anuncios en prensa
2400
y 223 ' 11 minutos en TV.
min x1 x2
s. a. x21 + x22 = 1
à !
³ √ √ ´
1 1
− 2 2
• Para x∗1 = , con λ∗1 = 12 , la matriz H£(λ∗1 , x∗1 ) =
2 2 1 1
y para los vectores p̄ 6= 0 con
p ∈ M (x∗1 ) = {p̄ ∈ <2 /Jg(x ∗1
à )p̄!= 0̄} =
³ √ √ ´ p1
= {p̄ ∈ <2 / − 2 2 = 0̄}
p2
= {p̄ ∈ <2 / − p1 + p2 = 0}
se verifica, Ã !Ã !
³ ´ 1 1 p1
p1 p1 = 4p21 > 0,
1 1 p1
luego x∗1 es un mı́nimo local estricto.
³√ √ ´
• x∗2 = 22 , −2 2 con λ∗2 = 12 , se comporta de la misma manera que
x∗1 , obteniéndose las mismas matrices que anteriormente, luego x∗2
es un mı́nimo local estricto.
• Para x∗3 se tiene que | H0£ (λ∗3 , x∗3 ) |= 8 > 0, luego x∗3 es un máximo
local estricto.
• De manera análoga, llegamos a que x∗4 es un máximo local estricto.
Tema 10
(Nota: algunos de los ejercicios que aparecen a continuación han sido tomados de la
obra: Optimización: cuestiones, ejercicios y aplicaciones a la economı́a, R.Barbolla, E.
Cerdá y P. Sanz, Ed. Prentice–Hall, 2000. Tal y como ya aparece en la bibliografı́a de la
asignatura, se recomienda este texto para los temas 7 al 10 de la asignatura)
2. Consideremos el problema
Opt x2 + (y − 1)2
s. a. x + y ≤ 6
2x + y ≥ 4
x, y ≥ 0
Se pide:
(a) Estudiar qué restricciones saturan los puntos (2, 3), (2, 0), (3, 3).
B = {(x, y) ∈ <2 /x + y ≤ 6, 2x + y ≥ 4, x ≥ 0, y ≥ 0}
g1 (x, y) = x + y − 6 → g1 (x, y) ≤ 0
g2 (x, y) = 4 − 2x − y → g2 (x, y) ≤ 0
g3 (x, y) = −x → g3 (x, y) ≤ 0
g4 (x, y) = −y → g4 (x, y) ≤ 0
g1 (2, 3) = −1 < 0
g2 (2, 3) = −3 < 0
g3 (2, 3) = −2 < 0
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 127
g4 (2, 3) = −3 < 0
g1 (2, 0) = −4 < 0
g2 (2, 0) = 0
g3 (2, 0) = −2 < 0
g4 (2, 0) = 0
g1 (3, 3) = 0
g2 (3, 3) = −5 < 0
g3 (3, 3) = −3 < 0
g4 (3, 3) = −3 < 0
Tenemos que,
λ1 ≥ 0; λ2 ≥ 0; λ3 ≥ 0; λ4 ≥ 0;
λ1 (x + y − 6) = 0; x + y − 6 ≤ 0
λ2 (4 − 2x − y) = 0; 4 − 2x − y ≤ 0
λ3 (−x) = 0; −x ≤ 0
λ4 (−y) = 0 ; −y ≤ 0
∗ ∗
Veamos
³ ´ si verifican las condiciones anteriores en x1 = (6, 0)y en x2 =
6 8
,
5 5
.
3. Consideremos el problema
min y − x2
s. a. x2 − y ≤ 0
y≤4
x, y ≥ 0
Se pide:
(a) Probar que el punto x? = (1, 1), verifica las condiciones de Kuhn–Tucker.
λ1 ≥ 0; λ2 ≥ 0; λ3 ≥ 0; λ4 ≥ 0;
λ1 (x2 − y) = 0; x2 − y ≤ 0
λ2 (y − 4) = 0; y − 4 ≤ 0
λ3 (−x) = 0; −x ≤ 0
λ4 (−y) = 0 ; −y ≤ 0
f (x, y) = y − x2
4. Consideremos el problema
s. a. − x + y ≥ 0
x2 + y 2 ≤ 4
x, y ≥ 0
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 131
B = {(x, y) ∈ <2 /x − y ≤ 0, x2 + y 2 ≤ 4, x ≥ 0, y ≥ 0}
λ1 ≥ 0; λ2 ≥ 0; λ3 ≥ 0; λ4 ≥ 0;
λ1 (x − y) = 0; x − y ≤ 0
λ2 (x2 + y 2 − 4) = 0; x2 + y 2 − 4 ≤ 0
λ3 (−x) = 0; −x ≤ 0
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 132
λ4 (−y) = 0 ; −y ≤ 0
³√ √ ´
• Para el punto x∗1 = 2, 2 , se verifican las condiciones de Kuhn–
Tucker, obteniéndose λ1 = 1, 5 > 0, λ2 = 0, 59 > 0 y λ3 = λ4 = 0
(a)
min 1 − x + y 2
s. a. x2 + y 2 − 1 ≤ 0
Consideramos los casos en los que el punto x∗ solución del programa sea
interior al conjunto de las soluciones factibles o un punto frontera que
satura la restricción.
(b)
min −3x − y
s. a. x2 + y 2 − 5 ≤ 0
x−y−1≤0
iii) Si x∗ es un punto tal que satura las dos restricciones, es decir, verifica
que g1 (x, y) = 0 y g2 (x, y) = 0, entonces, las condiciones de Kuhn-Tucker
son
−3 + λ1 2x + λ2 = 0
−1 + λ1 2y + λ2 (−1) = 0
x2 + y 2 − 5 = 0
λ1 ≥ 0
λ1 (x2 + y 2 − 5) = 0
x−y−1=0
λ2 ≥ 0
λ2 (x − y − 1) = 0
El sistema formado por las restricciones saturadas
x2 + y 2 − 5 = 0
x−y−1=0
tiene como soluciones x = −1, y = −2 y también x = 2, y = 1.
Para x∗ = (2, 1), sustituyendo en las condiciones de Kuhn-Tucker
obtenemos
λ1 = 23 > 0 y λ2 = 13 > 0
Por tanto, el punto x∗ = (2, 1) es un posible mı́nimo del programa.
Para x∗ = (−1, −2) se tiene λ1 = − 32 < 0, lo que contradice la no
negatividad de los λi , i = 1, 2, por lo que x∗ = (−1, −2) no es óptimo del
programa.
En general, las condiciones de Kuhn-Tucker quedarán resumidas en
−3 + 2λ1 x + λ2 = 0
−1 + 2λ1 y − λ2 = 0
λ1 ≥ 0
λ2 ≥ 0
λ1 (x2 + y 2 − 5) = 0
λ2 (x − y − 1) = 0
x2 + y 2 − 5 ≤ 0
x−y−1≤0
Siendo los casos a considerar para encontrar los posibles mı́nimos x∗ los
siguientes:
- Si no se satura ninguna restricción, entonces λ1 = 0, λ2 = 0
- Si se satura únicamente la primera restricción, entonces λ2 = 0
- Si se satura sólo la segunda restricción, entonces λ1 = 0
- Si se saturan ambas restricciones, entonces λ1 ≥ 0 y λ2 ≥ 0
(c)
min x2 + (y − 2)2
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 136
s. a. x + y ≤ 1
−x + y ≤ 1
y≥0
6. Consideremos el problema
max x · y
s. a. x + y + z ≤ 5
x2 + y 2 + z 2 ≥ 4
x, y, z ≥ 0
x + λ1 − 2yλ2 − λ4 = 0
y + λ1 − 2xλ2 − λ3 = 0
λ1 − 2zλ2 − λ5 = 0
λ1 ≤ 0, λ2 ≤ 0, λ3 ≤ 0, λ4 ≤ 0, λ5 ≤ 0
λ1 (x + y + z − 5) = 0
λ2 (4 − x2 − y 2 − z 2 ) = 0
λ3 (−x) = 0
λ4 (−y) = 0
λ5 (−z) = 0
x+y+z−5≤0
4 − x2 − y 2 − z 2 ≤ 0
−x ≤ 0, −y ≤ 0, −z ≤ 0
³ ´
El punto 5/2, 5/2, 0 es una solución factible que sólo satura la primera
y la quinta restricción, ası́ pues λ2 = λ3 = λ4 = 0.
Finalmente, sustituyendo en las tres primeras ecuaciones
x = 52 ; y = 25 ;z = 0;λ2 = λ3 = λ4 = 0; λ1 = λ5 = −5
2
Ası́ pues, en el punto x∗ se verifican las condiciones necesarias de Kuhn-
Tucker.
Dado que x∗ satura la primera y última restricción y λ∗1 < 0, λ∗5 < 0
comprobar que p̄t H£(λ∗ , x∗ )p̄ < 0, ∀p ∈ M (x∗ ) es equivalente a
comprobar que en (λ∗ , x∗ ) el determinante
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 138
¯ ¯
¯ 0 0 1 1 1 ¯¯
¯
¯ ¯
¯
¯
0 0 0 0 −1 ¯¯
¯ 1 0 0 1 0 ¯¯ = −2 < 0
¯
¯
¯ 1 0 1 0 0 ¯¯
¯ ¯
¯ 1 −1 0 0 0 ¯
3
tiene el mismo
³ signo
´ que (−1)
³ < 0. En ´ efecto, esto se cumple pues
∗ 5 5 ∗ −5 −5
para x = 2 , 2 , 0 y λ = 2 , 0, 0, 0, 2 este determinante es igual a
−2. Luego el punto x∗ es un máximo local estricto.
x+y−2≤0
x, y≥0
(a) Resolver el problema gráficamente.
x2 − y ≤ 0;
x + y − 2 ≤ 0;
−x ≤ 0;
−y ≤ 0;
max −x21 + x2
s. a. x21 + x2 ≤ 10
x1 ≥ 2
x1 , x 2 ≥ 0
(b) Comprobar que las soluciones óptimas obtenidas verifican las condiciones
de Kuhn–Tucker e indicar cuál es el valor de los multiplicadores.
min x + 2y
s. a. xy ≥ 1
x−y ≤2
x≥0
Decir qué puede contestarse si el problema fuera de máximo
min x + 2y
s.a. 1 − xy ≤ 0
x−y−2≤0
−x ≤ 0
B = {(x, y) ∈ <2 /1 − xy ≤ 0, x − y − 2 ≤ 0, −x ≤ 0}
es convexo.
Las condiciones de Kuhn-Tucker para este programa son
1 − λ1 y + λ2 − λ3 = 0;
2 − λ1 x − λ2 = 0;
λ1 (1 − xy) = 0;
λ2 (x − y − 2) = 0;
λ3 (−x) = 0;
λ1 ≥ 0; λ2 ≥ 0; λ3 ≥ 0;
1 − xy ≤ 0;
x − y − 2 ≤ 0;
−x ≤ 0;
II. λ1 = λ2 = 0
III.λ1 = λ3 = 0
no hay soluciones que verifiquen √ estas condiciones.
IV. Si λ2 µ= λ3 √= 0 ¶→ λ1 = 2, obteniéndose sólo una solución factible en
√ .
el punto 2, 2 2 , luego en dicho punto se verifican las condiciones de
Kuhn-Tucker.
Puede comprobarse fácilmente que en los casos
V. λ1 = 0
VI. λ2 = 0
no existen soluciones factibles para las que se verifiquen las condiciones de
Kuhn-Tucker.
VII. Si λ3 = 0, se obtienen dos puntos, pero en uno de ellos no se verifican las
condiciones de Kuhn-Tucker, y el otro no es solución factible.
VIII. En este caso se saturarı́an las tres restricciones, pero no existe ninguna
solución factible que lo verifique.
En resumen,
µ√ √ hemos obtenido un único punto,
.¶ √
x∗ = 2, 2 2 con λ1 = 2; λ2 = λ3 = 0,
en el que se verifican las condiciones de Kuhn-Tucker, y puesto que tanto la
función objetivo como el conjunto de soluciones factibles son convexos, x∗ será
mı́nimo global.
En el caso de que se tratara de un ploblema de maximización, el programa
max x + 2y
s.a. 1 − xy ≤ 0
x−y−2≤0
−x ≤ 0
no tiene máximo global (tampoco local) ya que no existe ninguna solución
factible en la que se verifiquen las correspondientes condiciones de Kuhn-
Tucker. En efecto, para el programa de maximización, las condiciones
de Kuhn-Tucker coinciden con las del programa de minimización salvo las
referentes a la positividad de los multiplicadores, que se convierten en
λ1 ≤ 0; λ2 ≤ 0; λ3 ≤ 0
Teniendo esto en cuenta, si repasamos la resolución del problema de
minimización, es claro que, no existen soluciones factibles que cumplan las
condiciones necesarias para ser máximo local.
10. Una empresa desea minimizar sus costes totales, con la condición de que los
ingresos obtenidos por la venta de las cantidades x1 , x2 de los dos productos
que fabrica superen un cierto umbral mı́nimo. Sabiendo que los costes
unitarios de fabricación de cada bien son funciones lineales de los outputs
producidos de la forma C1 = x1 , C2 = 2x2 , que se vende todo lo que se
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 144
El programa es
min C(x1 , x2 ) = x21 + 2x22
min C(x1 , x2 ) = x21 + 2x22
s.a. 3 − x1 − 3x2 ≤ 0
s.a. x1 + 3x2 ≥ 3 ↔
−x1 ≤ 0
x 1 , x2 ≥ 0
−x2 ≤ 0
(b) Resolver el problema utilizando las condiciones de Kuhn–Tucker y
contestar si son necesarias y suficientes.
Como los ingresos por ventas debı́an ser al menos, 3 u.m., tenı́amos
que
g1 (x1 , x2 ) = 3 − x1 − 3x2 ≤ 0
por lo que, si cambiamos a la situación en la que deben ingresarse como
mı́nimo 2,8 u.m., la restricción será
g2 (x1 , x2 ) ≤ 0, 2
12
El multiplicador asociado a esta primera restricción es λ1 = 11
, luego,
12
∆C(x∗ ) ' 0, 2(−λ1 ) = − 55 u.m.
Por tanto, si deben ingresarse como mı́nimo 2,8 u.m., el coste óptimo
disminuirá aproximadamente en 1255
u.m. con respecto al caso en el que se
debı́an ingresar al menos 3 u.m.
Si suponemos que el ingreso debe ser como mı́nimo de 3,1 u.m. en lugar
de 3, entonces,
6
∆C(x∗ ) ' −0, 1(−λ1 ) = 55
u.m.
6
En este caso el coste mı́nimo aumentará aproximadamente en 55
u.m.
con respecto al coste óptimo en la situación inicial.
Pk − λ1 αK α−1 Lβ − λ2 = 0;
PL − λ1 βK α Lβ−1 − λ3 = 0;
λ1 ≥ 0; λ2 ≥ 0; λ3 ≥ 0;
λ1 (Q0 − K α Lβ ) = 0;
λ2 (−k) = 0;
λ3 (−L) = 0;
Q0 − K α Lβ ≤ 0;
−K ≤ 0;
−L ≤ 0;
I. λ1 = λ2 = λ3 = 0
II. λ1 = λ2 = 0
III. λ1 = λ3 = 0
IV. λ1 = 0
V. λ2 = 0
VI. λ3 = 0
VII. λ1 ≥ 0; λ2 ≥ 0; λ3 ≥ 0
h ³ ´ i1 · ³ ´β ¸1/(β + α)
∗ βPk α /(β + α) ; K ∗ = Q αPL
L = Q0 αPL 0 βPK
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 148
con
³ ´α/(α+β)
(1/α+β)−1 PL βPK
λ1 = Q0 β αPL
>0
13. Una compañı́a petrolı́fera tiene que determinar cuántos barriles de petróleo
va a extraer de los pozos en los próximos tres años para maximizar los ben-
eficios. Conoce que si extrae x1 millones de barriles durante el primer año,
puede vender cada barril por (28 − x1 ) euros siendo el coste de extracción de
x21 millones de euros. Durante el segundo año, si extrae x2 millones de barriles
el precio de venta por barril es de (30 − x2 ) euros y 15 millones de euros el
coste de extracción. En el tercer año si se extraen x3 millones de barriles,
cada uno de ellos se puede vender a (32 − x3 ) euros, ascendiendo el coste a
2x23 millones de euros. La empresa, por otra parte, conoce que a lo largo de los
tres años puede extraer en total 30 millones de barriles y gastar 350 millones
de euros en la extracción. Supuesto que el tipo de interés anual es del 4%,
plantear el problema para determinar la polı́tica óptima de extracción en los
próximos tres años.
14. Una empresa produce dos tipos de ordenadores cuyos precios son p1 y p2 ,
Soluciones a los ejercicios propuestos: Matemáticas III. Curso 08–09 149
q2 = 5000 + p1 − 5p2 ,
p∗1 = 723, 68; p∗2 = 1019, 73; q1∗ = 2250; q2∗ = 625 siendo el ingreso máximo
I ∗ = 2265625 u.m.
u = xy + 2x
à ! à ! à ! à ! à !
y+2 4 −1 0 0
+ λ1 + λ2 + λ3 =
x 2 0 −1 0
λ1 ≤ 0; λ2 ≤ 0; λ3 ≤ 0;
λ1 (4x + 2y − 460) = 0;
λ2 (−x) = 0;
λ3 (−y) = 0;
4x + 2y − 460 ≤ 0;
−x ≤ 0;
−y ≤ 0
I. λ1 = λ2 = λ3 = 0
II. λ1 = λ3 = 0
III. λ1 = λ2 = 0
IV. λ2 = λ3 = 0
V. λ1 = 0
VI. λ2 = 0
VII. λ3 = 0
VIII.λ1 ≤ 0, λ2 ≤ 0, λ3 ≤ 0
que es un programa convexo para maximización, por lo que, todo punto que
verifique las condiciones de Kuhn-Tucker es un máximo global.
Las condiciones de Kuhn-Tucker son las siguientes:
4000 − 2x1 + λ1 − λ2 + λ3 = 0
2000 + λ1 − λ2 + λ4 = 0
λ1 ≥ 0; λ2 ≥ 0; λ3 ≥ 0; λ4 ≥ 0;
λ1 (x1 + x2 − 2000) = 0;
λ2 (4000 − x1 − x2 ) = 0;
λ3 x1 = 0;
λ4 x2 = 0;
x1 + x2 − 2000 ≥ 0
4000 − x1 − x2 ≥ 0
x1 ≥ 0
x2 ≥ 0
gi (x1 , x2 ) ≥ 0,