MATEMÁTICAS EMPRESARIALES Soluciones de la Relación

de Ejercicios N◦ 4.
Grado en Administración y Dirección de
Empresas Curso 2010/11

1. Estudia y resuelve los siguientes problemas de optimización con restricciones de igualdad uti-
lizando el método de sustitución.

Min. x2 + y 2
a)
s. a x + 2y = 4
Despejamos en la restricción, x = 4 − 2y , y entramos en la función objetivo.
El problema se convierte ahora en

Min. (4 − 2y)2 + y 2
s. a y ∈ IR

que es un problema en una sola variable y sin restricciones.

La función ahora es f (y) = (4 − 2y)2 + y 2 = (16 − 16y + 4y 2 ) + y 2 = 5y 2 − 16y + 16.
Buscamos su mı́nimo.
Empezamos hallando los puntos crı́ticos.
16 8
f 0 (y) = 10y − 16 = 0 → y= =
10 5
La segunda derivada es f 00 (y) = 10 > 0 en todo punto, lo que nos dice que la función f es
convexa. En consecuencia, el punto crı́tico, x = 85 es mı́nimo global.
Para tener la solución del problema original, sólo queda calcular x = 4 − 2( 85 ) = 45 .
µ ¶
4 8
Por tanto, el mı́nimo global está en el punto , .
5 5

El valor mı́nimo es m = ( 45 )2 + ( 58 )2 , es decir, m = 16

5 .

Max. x+y
b)
s. a x2 + y = 1

Despejamos en la restricción, y = 1 − x2 , y entramos en la función objetivo.

El problema se convierte ahora en

Max. x + (1 − x2 )
s. a x ∈ IR

Éste es un problema en una sola variable y sin restricciones.

La función ahora es f (x) = −x2 + x + 1. Buscamos su máximo.
Hallamos sus puntos crı́ticos:
1
f 0 (x) = −2x + 1 = 0 → x=
2

1
 Comprobemos que se trata de un máximo:
f 00 (x) = −2 < 0 en todo punto. Por tanto, la función es cóncava en IR y concluimos que el
punto crı́tico será máximo global.
Calculamos y = 1 − ( 12 )2 = 43 . Por tanto, el máximo del problema original se alcanza en el
µ ¶
1 3
punto, (x, y) = , .
2 4
El valor máximo es M = 5/4 = 1,25 .

Min. 3xy
c)
s. a 2x − 3y = 1

2x−1
Despejando en la restricción, y = 3 , y entrando en la función objetivo, el problema se
convierte en
¡ ¢
Min. 3 x 2x−1 3 Min. x (2x − 1)
−→
s. a x ∈ IR s. a x ∈ IR

La función es φ(x) = x(2x − 1) = 2x2 − x. Procediendo como en los ejercicios anteriores,

µ ¶
1 −1
llegamos a la conclusión de que se alcanza el mı́nimo global en el punto , .
4 6
El valor mı́nimo es m = 3( 41 )( −1
6 )=
−3
24 = −1
8 .

Max. −3x2 + 12y

d)
s. a x−y =1

Procediendo como en los ejercicios de antes, obtenemos finalmente que el máximo se alcanza
en el punto (x, y) = (2, 1) .
El valor máximo es M = −3(4) + 12(1) = 0 .

Min. x2 + y 2 − 10z
e)
s. a 2x + y − z = 2

Despejamos z en la restricción 2x + y − z = 2, de donde z = 2x + y − 2

El problema se transforma en
Min. x2 + y 2 − 10(2x + y − 2)
s. a (x, y) ∈ IR2
Este problema es un problema sin restricciones. Lo resolvemos.
La función es f (x, y) = x2 + y 2 − 20x − 10y + 20.
Buscamos los puntos crı́ticos

 ∂f
 ∂x = 2x − 20 = 0
→ x = 10, y = 5

 ∂f
∂y = 2y − 10 = 0

2
 El punto (10, 5) es el único punto crı́tico de la función f .
µ ¶
2 0
Comprobamos que se trata de un mı́nimo. La matriz hessiana es Hess f (x, y) = ,
0 2
que es definida positiva.
Por lo que f es convexa en IR2 . Y, en consecuencia, el punto crı́tico, (10, 5), será el mı́nimo
global.
El valor mı́nimo es f (10, 5) = −105.
La solución que acabamos de dar es la del problema en dos variables.
¿Cuál es la solución del problema original? La misma, a falta de calcular el valor de z.
z = 2x + y − 2 = 2(10) + 5 − 2 = 23.
Por tanto, para el problema original, el mı́nimo global es (x, y, z) = (10, 5, 23). Y el valor
mı́nimo es −105.

Min. x2 + y 2 + 2z 2
f)
s. a x + y + z = 10

Despejamos x en la restricción, obteniendo x = 10 − y − z

El problema se transforma en
Min. (10 − y − z)2 + y 2 + 2z 2
s. a (y, z) ∈ IR2

Resolveremos este problema, que no tiene restricciones.

La función es f (y, z) = (100 − 20y − 20z + y 2 + 2yz + z 2 ) + y 2 + 2z 2 , o sea,
f (y, z) = 100 − 20y − 20z + 2y 2 + 2yz + 3z 2 .
Buscamos los puntos crı́ticos

 ∂f
 ∂y = −20 + 4y + 2z = 0
→ (Resolviendo: ) → y = 4, z = 2

 ∂f
∂z = −20 + 2y + 6z = 0

El punto (y, z) = (4, 2) es el único punto crı́tico de la función f .

µ ¶
4 2
Comprobamos que se trata de un mı́nimo. La matriz hessiana es Hess f (y, z) = ,
2 6
que es definida positiva, ya que D1 = 4 > 0, D2 = 20 > 0.
Por lo que f es convexa en IR2 . Y, en consecuencia, el punto crı́tico será mı́nimo global.
Para tener la solución del problema original sólo falta calcular x = 10 − 4 − 2 = 4.
Por tanto, para el problema original, el mı́nimo global es (x, y, z) = (4, 4, 2). Y el valor
mı́nimo es m = 16 + 16 + 2(4) = 40.

2. Resuelve los siguientes problemas de optimización mediante el método de Lagrange, justificando

previamente que el conjunto factible es compacto.

3
 Opt. 2x2 + y 3
a)
s. a x2 + y 2 = 1

Observamos que el conjunto factible es compacto, ya que es una circunferencia (en concreto,
x2 + y 2 = 1 representa la circunferencia de centro (0, 0) y radio 1). Por tanto, según el
teorema de Weierstrass, podemos asegurar que el problema tiene máximo global y mı́nimo
global.
Sabemos que debemos buscar los puntos óptimos entre los puntos crı́ticos restringidos.
La función lagrangiana es:

L(x, y, λ) = 2x2 + y 3 − λ(x2 + y 2 − 1)

Sus derivadas parciales con respecto a x, y, λ son:

∂L ∂L ∂L
= 4x − λ (2x), = 3y 2 − λ (2y), = −(x2 + y 2 − 1)
∂x ∂y ∂λ
Igualando a cero estas derivadas parciales tenemos las condiciones de Lagrange. Los puntos
crı́ticos restringidos son las soluciones de este sistema de ecuaciones. Vamos a resolverlo.
 

  x = 0 (Caso 1)


 4x − 2 λ x = 0 → 2x(2 − λ) = 0 → ó

λ = 2 (Caso 2)

 2 − 2λy = 0

 3y
 2
x + y2 − 1 = 0

Caso 1: x = 0 . Sustituimos en las otras ecuaciones:

½ 2
3y − 2λy = 0
y2 − 1 = 0 → y = ± 1

Si y = 1, la otra ecuación queda: 3 − 2λ = 0, es decir, λ = 3/2.

Si y = −1, la otra ecuación queda: 3 + 2λ = 0, es decir, λ = −3/2.
Tenemos, de momento, los puntos crı́ticos restringidos P1 = (0, 1) (con λ = 3/2) y P2 = (0, −1)
(con λ = −3/2)

Caso 2: λ = 2 . Sustituimos en las otras ecuaciones:

 

  y = 0 (Caso 2.1)
 2
3y − 4y = 0 → y(3y − 4) = 0 → ó


 y = 4/3 (Caso 2.2)
 2 2
x +y −1=0

Caso 2.1 : Si y = 0, la ecuación x2 + y 2 − 1 = 0 queda como x2 = 1, es decir, x = ± 1.

Tenemos ası́ los puntos crı́ticos restringidos P3 = (1, 0) (con λ = 2) y P4 = (−1, 0) (con
λ = 2).
Caso 2.2: Si y = 4/3, tenemos que x2 = 1 − y 2 = 1 − 16 −7
9 = 9 , lo cual es imposible, porque
2
x no puede ser negativo.

4
 Los puntos crı́ticos restringidos obtenidos serán los candidatos a máximo global o mı́nimo
global.
P.C.R. = {(0, 1), (0, −1), (1, 0), (−1, 0)}
Evaluamos la función objetivo, f (x, y) = 2x2 + y 3 , en ellos.

f (0, 1) = 1, f (0, −1) = −1, f (1, 0) = 2, f (−1, 0) = 2

Por tanto, el valor mı́nimo es −1. El mı́nimo global es (0, −1) .

El valor máximo es 2. Hay dos máximos globales, los puntos (1, 0) y (−1, 0) .

Opt. x2 + y 2 − 2xy
b)
s. a x2 + y 2 = 8

La restricción x2 + y 2 = 8 representa una circunferencia, que es un conjunto compacto. Por

el Teorema de Weierstrass podemos asegurar que existe máximo global y mı́nimo global.
Construimos la función lagrangiana:

L(x, y, λ) = x2 + y 2 − 2xy − λ(x2 + y 2 − 8)

Sus derivadas parciales con respecto a x, y, λ son:

∂L ∂L ∂L
= 2x − 2y − λ (2x), = 2y − 2x − λ (2y), = −(x2 + y 2 − 8)
∂x ∂y ∂λ
Las condiciones de Lagrange son:

 2x − 2y − 2 λ x = 0
2y − 2x − 2 λ y = 0

x2 + y 2 − 8 = 0

Si sumamos las dos primeras ecuaciones, obtenemos que −2λx − 2λy = 0, de donde
−2λ(x + y) = 0, lo que da lugar a dos casos: λ = 0 ó x + y = 0.

Caso 1: λ = 0 .
En este caso, la primera y la segunda ecuación nos dicen lo mismo, que x = y.
Entrando en la última ecuación tenemos que x2 + x2 = 8, o sea, 2x2 = 8, de donde x2 = 4
y entonces x = ±2.
Tenemos por ahora los puntos crı́ticos restringidos P1 = (2, 2) y P2 = (−2, −2) .

Caso 2: x + y = 0 .
Tenemos entonces que y = −x. La tercera ecuación nos dice que x2 + (−x)2 = 8, es decir,
2x2 = 8, de donde x2 = 4 y x = ±2.
Si x = 2, entonces y = −2. Y si x = −2, entonces y = 2.
Entrando en las otras ecuaciones, concluimos que λ = 2 en ambos casos.
Tenemos ahora los nuevos puntos crı́ticos restringidos P3 = (2, −2) y P4 = (−2, 2) .
En definitiva, los puntos crı́ticos restringidos son:

P.C.R. = {(2, 2), (−2, −2), (2, −2), (−2, 2)}

5
 Evaluamos la función objetivo, f (x, y) = x2 +y 2 −2xy, en estos puntos crı́ticos restringidos.
f (2, 2) = 22 + 22 − 2(2)(2) = 4 + 4 − 8 = 0.
f (2, −2) = 4 + 4 − 2(2)(−2) = 8 + 8 = 16.
f (−2, 2) = 16.
f (−2, −2) = 0.

Por tanto, el valor máximo es 16 y se alcanza en los puntos (2, −2) y (−2, 2) . Es decir,
estos dos puntos son máximos globales del problema.

El valor mı́nimo es 0 y se alcanza en los puntos (2, 2) y (−2, −2) , que son los mı́nimos
globales.

Opt. xy
c)
s. a x2 + y 2 = 1

Observamos que la restricción x2 +y 2 = 1 representa una circunferencia, que es un conjunto

compacto. Por el Teorema de Weierstrass podemos asegurar que tienen solución, tanto el
problema de maximización como el de minimización.
Construimos la función lagrangiana:

L(x, y, λ) = xy − λ(x2 + y 2 )

Operando como en los ejercicios anteriores, escribimos las condiciones de Lagrange:


 y − 2x λ = 0
x − 2y λ = 0
 2
x + y2 = 1

Despejamos y de la primera ecuación: y = 2 λ x .

Entramos con esto en la segunda ecuación:
x − 2y λ = 0 → x − 2(2λx)λ = 0 → x − 4λ2 x = 0 → x (1 − 4λ2 ) = 0.
De aquı́ surgen dos posibilidades:
x = 0 (Caso 1)
ó
1 − 4λ2 = 0, de donde λ2 = 41 y entonces λ = 12 (Caso 2) ó λ = −1 2 (Caso 3)

Pasamos a desarrollar cada caso.

Caso 1: x = 0 . Entonces y = 2 λ x = 0.
Entramos con esto en la tercera ecuación, que aún no hemos usado:
x2 + y 2 = 1 → 02 + 02 = 1 → 0 = 1. Luego la tercera ecuación no se cumple, y, por tanto,
no hay solución en este caso.
1
Caso 2: λ = 2 → y = 2 λ x = 2 12 x → y = x .
Entrando en la tercera ecuación: q
1 1 √1
x2 + y 2 = 1 → x2 + x2 = 1 → 2x2 = 1 → x2 = 2 → x = ± 2, es decir, x = 2
−1
ó x = √
2
.

6
 Si x = √1 entonces y = x = √1 .
2 2
−1 −1
Y si x =√ 2
entonces y = x = √
2
.
³ ´ ³ ´
Tenemos por ahora dos puntos crı́ticos restringidos: √1 , √1 y −1
√ , −1
√
2 2 2 2

−1
¡ −1 ¢
Caso 3: λ = 2 → y = 2λx = 2 2 x → y = −x .
Entrando en la tercera ecuación: q
1 1 √1
x2 + y 2 = 1 → x2 + (−x)2 = 1 → 2x2 = 1 → x2 = 2 → x = ± 2, es decir, x = 2
−1
ó x = √
2
.
Si x = √12 entonces y = −x = √ −1
2
.
−1
Y si x= √ 2
entonces y = −x = √12 .
³ ´ ³ ´
Tenemos ası́ dos nuevos puntos crı́ticos restringidos: √1 , −1
√ y −1
√ , √1
2 2 2 2

En definitiva, los puntos crı́ticos restringidos son :

µ ¶ µ ¶ µ ¶ µ ¶
1 1 −1 −1 1 −1 −1 1
P1 = √ , √ , P2 = √ , √ , P3 = √ , √ , P4 = √ , √
2 2 2 2 2 2 2 2
Evaluamos la función objetivo, f (x, y) = xy, en estos puntos.
³ ´ ³ ´³ ´
f √12 , √12 = √12 √1
2
= 12 .
³ ´
−1 √ −1
f √ , = 12 .
³ 2 2
´
f √12 , √
−1
2
= −12 .
³ ´
−1 √1
f √ 2
, 2 = −1 2 .
³ ´ ³ ´
1 √1 √1 −1 −1
Por tanto, el valor máximo es 2 y se alcanza en dos puntos, P1 = 2
, 2
y P2 = √
2
, √
2
,
que son los máximos globales.
³ ´ ³ ´
−1 √1 −1 −1 √1
El valor mı́nimo es 2 y se alcanza en dos puntos, P3 = 2
, √
2
y P4 = √
2
, 2
,
que son los mı́nimos globales.
NOTA: Existe un método alternativo para resolver el sistema de ecuaciones. Es sencillo
pero tiene el inconveniente de que no siempre se puede emplear.
Partimos del sistema 
 y − 2x λ = 0
x − 2y λ = 0
 2
x + y2 = 1
Despejamos λ en las dos primeras ecuaciones 1 .
y x
λ= λ=
2x 2y
1
Debemos observar que, cuando despejamos λ, estamos dando por hecho que los denominadores son no nulos. Real-
mente son no nulos, ya que, si fuera x = 0, la primera ecuación obligarı́a a ser y = 0, pero entonces no se cumple la tercera
ecuación. Y, por razones similares, tampoco puede ser y = 0. ¿Y si la posibilidad de que algún denominador se anulase
fuera real? Entonces habrı́a que considerar también dicha posibilidad. Ahı́ radica el inconveniente de este procedimiento.

7
 Entonces, igualando las dos expresiones de λ:
y x
= ⇒ 2y 2 = 2x2 ⇒ y 2 = x2 (o sea y = ± x)
2x 2y
Juntando esto con la tercera ecuación, tenemos
½
y 2 = x2
x + y2 = 1
2

De donde x2 + x2 = 1, es decir, 2x2 = 1, o sea x2 = 12 , es decir, x = ± √12 . Y siguiendo este

camino, llegamos a obtener las mismas soluciones que obtuvimos antes, los cuatro puntos
crı́ticos que nos salieron.

Min. −x2 + 2y 2
d)
s. a 4x2 + y 2 = 36

Observamos que el conjunto factible es compacto, ya que la ecuación 4x2 + y 2 = 36 repre-

senta una elipse. Por tanto, podemos asegurar que el problema tiene mı́nimo global.
La función lagrangiana es:
L(x, y, λ) = −x2 + 2y 2 − λ(4x2 + y 2 − 36)
Las condiciones de Lagrange son:

 −2x − 8 λ x = 0
4y − 2 λ y = 0

4x2 + y 2 = 36
La primera ecuación, −2x(1 + 4λ) = 0, da lugar a dos casos, x = 0 y λ = −1/4.
Caso 1: x = 0. Las ecuaciones restantes quedan:
½
4y − 2λy = 0 → 2y(2 − λ) = 0
y 2 = 36 → y = ± 6
Como y = ± 6, en particular, y 6= 0, y la ecuación 2y(2 − λ) = 0 nos dice que λ = 2.
Tenemos los puntos crı́ticos restringidos P1 = (0, 6) (con λ = 2) y P2 = (0, −6) (con
λ = 2)
Caso 2: λ = −1/4. Sustituimos en las otras dos ecuaciones:
½ ¡ ¢ ½
4 y − 2 −1
4 y=0 4y + y2 = 0
2 2 es decir
4x + y = 36 4x2 + y 2 = 36
La ecuación 4y + y2 = 0, es decir, 9y2 = 0 nos dice que y = 0. Usando la otra ecuación,
tenemos que 4x2 = 36, es decir, x2 = 9, o sea x = ± 3
Tenemos ası́ los puntos crı́ticos restringidos P3 = (3, 0) (con λ = −1/4) y P4 = (−3, 0)
(con λ = −1/4).
Evaluamos la función objetivo, f (x, y) = −x2 + 2y 2 , en los puntos crı́ticos.
f (0, 6) = 72, f (0, −6) = 72, f (3, 0) = −9, f (−3, 0) = −9

Por tanto, el valor mı́nimo es −9. Hay dos mı́nimos globales, los puntos (3, 0) y
(−3, 0) . (El valor máximo es 72, pero esto no se pedı́a).

8
 Opt. x + y + z
e)
s. a x2 + y 2 + z 2 = 3

La restricción, x2 + y 2 + z 2 = 3, representa una esfera en el espacio tridimensional. Por

tanto, el conjunto factible es compacto y podemos asegurar que el problema tiene máximo
y mı́nimo globales.
La función lagrangiana es :

L(x, y, z, λ) = x + y + z − λ(x2 + y 2 + z 2 − 3)

Sus derivadas parciales con respecto a x, y, z y λ son:

∂L ∂L ∂L ∂L
= 1 − λ(2x), = 1 − λ(2y), = 1 − λ(2z), = −(x2 + y 2 + z 2 − 3)
∂x ∂y ∂z ∂λ
Las condiciones de Lagrange son:
 1

 1 − 2λx = 0 → x= 2λ
 1
1 − 2λy = 0 → y= 2λ
1

 1 − 2λz = 0 → z= 2λ
 2
x + y2 + z2 − 3 = 0

Entonces:
µ ¶2 µ ¶2 µ ¶2
1 1 1 3
x2 + y 2 + z 2 = 3 → + + =3 → =3 →
2λ 2λ 2λ 4λ2

1 ±1
→ 4λ2 = 1 → λ2 = → λ=
4 2
Si λ = 12 , tenemos que x = 1
2λ = 1
2(1/2) = 1, y = 1, z = 1. Obtenemos ası́ el punto (1, 1, 1) .
−1
Si λ = 2 , sale el punto (−1, −1, −1) .

Los valores de la función f en los dos únicos candidatos son:

f (1, 1, 1) = 3
f (−1, −1, −1) = −3.
Ası́ que el valor máximo es 3 y el punto máximo global es (1, 1, 1).
Y el valor mı́nimo es −3, siendo (−1, −1, −1) el mı́nimo global.

Min. xy + z
f)
s. a x2 + y 2 + z 2 = 1

La restricción, x2 + y 2 + z 2 = 1, representa una esfera en el espacio tridimensional, que es

un conjunto compacto. Podemos asegurar que el problema tiene mı́nimo global (También
máximo global, pero eso no se nos pide).
La función lagrangiana es :

L(x, y, z, λ) = xy + z − λ(x2 + y 2 + z 2 − 1)

9
 Sus derivadas parciales con respecto a x, y, z y λ son:
∂L ∂L ∂L ∂L
= y − λ(2x), = x − λ(2y), = 1 − λ(2z), = −(x2 + y 2 + z 2 − 1)
∂x ∂y ∂z ∂λ
Las condiciones de Lagrange son:


 y − 2λx = 0 → y = 2λx

x − 2λy = 0 −→ x − 2λ(2λx) = 0

 1 − 2 λ z = 0
 2
x + y2 + z2 − 1 = 0

La condición x − 4λ2 x = 0, es decir, x(1 − 4λ2 ) nos da tres posibilidades:

x = 0 (Caso 1) , λ = 12 (Caso 2) , λ = −1 2 (Caso 3)

Caso 1: Si x = 0 , entonces, y = 2λx = 0, es decir, y = 0. Entonces, de la última ecuación,

z 2 = 1, es decir, z = ±1. Para z = 1, λ = 1/(2z) = 1/2. Y para z = −1, λ = −1/2.
Tenemos ası́ los siguientes puntos crı́ticos restringidos: (0, 0, 1) (con λ = 1/2) , (0, 0, −1)
(con λ = −1/2)
1 1 1
Caso 2: Para λ = 2 , tenemos que z = 2λ = 2( 12 )
= 1. Entrando en la última ecuación:
x2+ + y2 (1)2
= 1, es decir, x2
+ y2 = 0, de donde x = 0, y = 0, ası́ que obtenemos un
punto que ya salió antes, (0, 0, 1).
−1 1 1
Caso 3: Para λ = 2 , resulta que z = 2λ = 2( −1 )
= −1. Y entrando en la última ecuación
2
sacamos que x = 0, y = 0, obteniendo el punto, (0, 0, −1), que ya salió antes.
Evaluamos la función f (x, y, z) = xy + z en los dos únicos candidatos:
f (0, 0, 1) = 1
f (0, 0, −1) = −1.
El valor mı́nimo es −1 y el punto en el que se alcanza, (0, 0, −1), es el mı́nimo global.
(El otro punto, (0, 0, 1), es máximo global, pero no se pedı́a)

3. Calcula los máximos y mı́nimos locales en los siguientes problemas de optimización.

Opt. x2 + 2y 2 − xy
a)
s. a 2x + y = 22

El conjunto factible no es compacto (se trata de una recta, y, por tanto, no está acotado).
No podemos garantizar la existencia de óptimos globales. Nos limitaremos a buscar los
óptimos locales.
Buscamos los puntos crı́ticos restringidos. Construimos la función lagrangiana:

L(x, y, λ) = x2 + 2y 2 − xy − λ(2x + y − 22)

Las condiciones de Lagrange son:

 2x − y

 2x − y − 2λ = 0 → λ=
2
 4y − x − λ = 0 → λ = 4y − x

2x + y − 22 = 0

10
 2x − y
Igualando los dos despejes de λ, tenemos que = 4y − x, de donde 2x − y = 8y − 2x,
2
9y
es decir, 4x = 9y, o sea x = .
4
Entrando en la tercera ecuación,
µ ¶
9y 18y 4y
2x + y = 22 → 2 + y = 22 → + = 22 → 22y = 88 → y = 4
4 4 4
9y 9(4)
De y = 4 deducimos que x = 4 = 4 = 9. Y λ = 7

Tenemos sólo un punto crı́tico restringido, el punto (9, 4) .

Para saber si es un máximo local o un mı́nimo local, calculamos el hessiano orlado:

¯ ∂g ∂g ¯
¯ ¯
¯ 0 ¯ ¯ ¯
¯ ∂x ∂y ¯ ¯
¯ ¯ ¯ 0 2 1 ¯¯
¯ ∂g ∂2L ∂2L ¯ ¯
|H| = ¯ ¯ = ¯ 2 2 −1 ¯¯
¯ ∂x ∂x2 ∂x∂y ¯ ¯
¯ ∂g ∂2L ∂2L ¯ 1 −1 4 ¯
¯ ¯
¯ ¯
∂y ∂x∂y ∂y 2
Ahora tendrı́amos que evaluarlo en el punto crı́tico, pero no depende del punto. El valor de
este determinante es |H| = −22 < 0. Esto nos dice que nuestro punto crı́tico es un mı́nimo
local. O sea, nuestra función tiene un mı́nimo local en el punto (x, y) = (9, 4).
Si este mı́nimo es global o no, no lo podemos saber con los cálculos que se han hecho.

Opt. 16y − x2 − y 2 − 6
b)
s. a x2 − y 2 = 0

Buscamos los óptimos locales. Calculamos los puntos crı́ticos restringidos.

Construimos la función lagrangiana:

L(x, y, λ) = 16y − x2 − y 2 − 6 − λ(x2 − y 2 )

Las condiciones de Lagrange son:

 ½

 x = 0 (Caso 1)
 −2x − 2λx = 0 → −2x(1 + λ) = 0 →
λ = −1 (Caso 2)

 16 − 2y + 2λy = 0
 2
x − y2 = 0

Caso 1. x = 0 . Las ecuaciones no usadas quedan como

½
16 − 2y + 2λy = 0
−y 2 = 0 −→ y = 0

La última ecuación dice que debe ser y = 0. Pero, al entrar con este valor en la otra ecuación,
queda como 16 = 0, que no tiene solución.
Por tanto, no hay puntos crı́ticos restringidos correspondientes a este Caso 1.

11
 Caso 2. λ = −1 . Las ecuaciones no usadas quedan como
½
16 − 2y + 2(−1)y = 0 → 16 − 4y = 0 → y=4
x2 − y 2 = 0
Entramos con el valor y = 4 en la última ecuación y queda como: x2 − 16 = 0, de donde
x = ±4.
Tenemos ası́ los dos puntos crı́ticos restringidos P1 = (4, 4), P2 = (−4, 4).
Para saber si se trata de máximos o mı́nimos locales calculamos el hessiano orlado:
¯ ∂g ∂g ¯¯
¯
¯ 0 ¯
¯ ∂x ∂y ¯ ¯¯ 0 2x −2y
¯
¯
¯ ∂g ∂ 2 L ¯
∂ L ¯ ¯¯
2 ¯
¯ ¯
|H| = ¯ 2 ¯ = ¯ 2x −2 − 2λ 0 ¯
¯ ∂x ∂x ∂x∂y ¯ ¯ ¯
¯ ∂g ∂ 2 L 2
∂ L ¯ ¯ −2y 0 −2 + 2λ
¯
¯ ¯
∂y ∂x∂y ∂y 2
Lo evaluamos en cada punto crı́tico:
¯ ¯
¯ 0 8 −8 ¯
¯ ¯
|H(4, 4)| = ¯¯ 8 0 0 ¯¯ = 256 > 0. Por tanto, hay un máximo local en el punto (4, 4)
¯ −8 0 −4 ¯
¯ ¯
¯ 0 −8 −8 ¯
¯ ¯
|H(−4, 4)| = ¯¯ −8 0 0 ¯¯ = 256 > 0. Hay otro máximo local en el punto (−4, 4)
¯ −8 0 −4 ¯

√
Opt. f (x, y) = 55x + 12y x
4. Dado el programa
s. a x2 + 3y = a
con a ∈ IR y sabiendo que (4, yo ) es un punto crı́tico restringido del mismo:
a) Calcula los valores de yo y de a.
b) Determina si el punto crı́tico obtenido en el apartado anterior es máximo o mı́nimo.

a) Escribimos las condiciones de Lagrange. El punto crı́tico restringido (4, yo ) debe cumplirlas.
La función lagrangiana es
√
L(x, y, λ) = 55x + 12y x − λ(x2 + 3y − a)
Las condiciones de Lagrange son entonces:
 
6y
 55 + √x − 2λx = 0 
 55√+ 6y
√ o − 2λ(4) = 0
4
√
12 x − 3λ = 0 → sustituyendo el punto (4, yo ) → 12 4 − 3λ = 0
 2 
 42 + 3y − a = 0
x + 3y − a = 0 o

Es decir,

 55 + 3yo − 8λ = 0 ½
55 + 3yo − 64 = 0 → yo = 3
24 − 3λ = 0 → λ = 8 =⇒
 16 + 3yo − a = 0 → a = 16 + 3yo = 16 + 9 = 25
16 + 3yo − a = 0

En definitiva, se tiene que yo = 3 y a = 25 .

12
 b) Queremos saber si el punto crı́tico obtenido antes, es decir, el punto (x, y) = (4, 3) (con
λ = 8) es un máximo o un mı́nimo local. Para ello usamos el hessiano orlado.
¯ ¯
¯ 0 2x 3 ¯¯
¯
¯ −6y · 2√1 x 6 ¯¯
¯
|H| = ¯ ¯ 2x √ − 2λ √ ¯
( x)2 x ¯
¯ 6 ¯
¯ 3 √ 0 ¯
¯ x ¯

Evaluamos en el punto crı́tico:

¯ ¯
¯ 0 8 3 ¯
¯ ¯
|H(4, 3)| = ¯¯ 8 −17,125 3 ¯ = 72 + 72 − 9(−17,125) = 298,125 > 0
¯
¯ 3 3 0 ¯

Por ser positivo el anterior determinante, el punto crı́tico restringido (4, 3) es un máximo
local.

5. Una empresa produce un bien utilizando dos factores productivos, x1 y x2 . Su función de costes
es 4x1 + 5x2 y la función de producción es x1 x2 . Se pide plantear y resolver los dos siguientes
problemas.
a) Maximizar la producción, suponiendo que los costes deben ser de 40 unidades monetarias.
b) Minimizar los costes si se desea producir 20 unidades del bien.

Max. x1 x2
a) El planteamiento es
s. a 4x1 + 5x2 = 40
Se puede resolver por sustitución o por el método de los multiplicadores de Lagrange.
Procediendo como siempre, llegamos a la conclusión de que el máximo se alcanza en el
punto (x1 , x2 ) = (5, 4). La máxima producción será: x1 x2 = (5)(4) = 20 unidades.

Min. 4x1 + 5x2

b) El planteamiento ahora es
s. a x1 x2 = 20
Lo podemos resolver por el método de sustitución o el de Lagrange.
20
Utilizamos, por ejemplo, el de sustitución. Despejamos x2 = .
x1
Se trata de buscar el mı́nimo de la función
20 100
f (x1 ) = 4x1 + 5 · = 4x1 +
x1 x1
100
Su derivada es f 0 (x1 ) = 4 − . Se anula cuando 4 = 100
x21
, es decir, x21 = 100
4 = 25, de
x21
donde x1 = 5 o x1 = −5, pero esta última no tiene sentido económico.
Comprobamos que se trata de un mı́nimo.
−100(2x1 ) 200
f 00 (x1 ) = − = + 3 > 0. Esto nos dice que se trata realmente de un mı́nimo2 .
x41 x1
Finalmente, para x1 = 5, calculamos x2 = 20/5 = 4. Ası́, el mı́nimo se alcanza en el punto
(x1 , x2 ) = (5, 4). El coste mı́nimo es 4(5) + 5(4) = 40.
2
Realmente el dominio natural de la función f (x1 ) es IR+ = (0, +∞). En este dominio la derivada segunda, f 00 (x1 ) =
200/x31 es siempre positiva, por lo que la función f es estrictamente convexa. Y el punto crı́tico es un mı́nimo global.

13
6. Una heladerı́a fabrica tarrinas de helado de fresa y de vainilla. Cada tarrina de fresa proporciona
un beneficio de 2 euros y cada tarrina de vainilla supone un beneficio de 1 euro. El coste de
producción de x tarrinas de fresa e y tarrinas de vainilla es x2 + 2y 2 . Se desea que el coste total
sea de 18 euros. Se pide:

a) Plantea el problema de maximización para el beneficio de la heladerı́a.

b) Justifica que dicho problema tiene solución.
c) Resuelve el problema mediante el método de los multiplicadores de Lagrange.
d) ¿Cuántas tarrinas de cada sabor debe vender la heladerı́a para obtener el máximo beneficio?
¿Cuál es el beneficio máximo?

Max. 2x + y
(a) El planteamiento es
s. a x2 + 2y 2 = 18

(b) El conjunto factible sı́ es compacto, ya que se trata de una elipse.

Por el teorema de Weierstrass podemos asegurar que existe tanto máximo como mı́nimo.
En particular, podemos asegurar que el problema de maximización tiene solución.

(c) Buscamos los puntos crı́ticos restringidos.

L(x, y, λ) = 2x + y − λ(x2 + 2y 2 − 18)

Las condiciones de Lagrange son:
 1

 2 − 2λx = 0
 → x=
λ
1

 1 − 4λy = 0 → y=
 2 4λ
x + 2y 2 − 18 = 0

Entrando en la tercera ecuación,

µ ¶2 µ ¶2
2 2 1 1 1 1 16 2
x +2y = 18 → +2 = 18 → 2
+2 = 18 → + = 18 →
λ 4λ λ 16λ2 16λ 16λ2
2

18 1 1
= 18 → 16λ2 = 1 → λ2 = → λ=±
16λ2 16 4
1 1 1
De λ = 4 deducimos que x = 1/4 = 4 y que y = 4(1/4) = 1.
−1 1 1
De λ = 4 deducimos que x = −1/4 = −4 y que y = 4(−1/4) = −1.

Por tanto, tenemos dos puntos crı́ticos restringidos: P1 = (4, 1), P2 = (−4, −1).
Evaluamos la función objetivo, f (x, y) = 2x + y en ellos: f (4, 1) = 9, f (−4, −1) = −9.
Concluimos que el máximo se alcanza en el punto (4, 1).

(d) Por tanto, deben producirse 4 tarrinas de fresa y 1 de vainilla. El máximo beneficio es
entonces de 9 u.m.

14
 NOTA 1: Existe una forma alternativa de resolver el sistema de ecuaciones. En lugar de despejar x
e y en términos de λ en las dos primeras ecuaciones, despejar λ en ambas e igualar los resultados.
Esto darı́a
1 1 1 1
λ= , λ= → = → 4y = x
x 4y x 4y
Entrando ahora en la tercera ecuación:

x2 + 2y 2 = 18 → (4y)2 + 2y 2 = 18 → 18y 2 = 18 → y = ±1

Si y = 1, entonces x = 4, λ = 1/4. Y si y = −1, entonces x = −4, λ = −1/4. Tenemos ası́ los

mismos puntos que obtuvimos antes.

NOTA 2: Por el enunciado del problema, está claro que no serı́a aceptable una solución con
componentes negativas. Entonces, ¿por qué tenemos en cuenta el punto (−4, −1)? Porque nos
estamos apoyando en el Teorema de Weierstrass para localizar el máximo, basándonos en que la
elipse (completa, incluyendo puntos con componentes negativas) es un conjunto compacto.
¿Y no podrı́a considerarse como conjunto factible el formado por los puntos de la elipse x2 +2y 2 =
18 que además cumplan las restricciones de no-negatividad, x ≥ 0, y ≥ 0? Bueno, este conjunto es
compacto, ası́ que está garantizada la existencia de máximos o mı́nimos. Pero ahora no tenemos
sólo una igualdad sino, además dos desigualdades. Y el método de Lagrange no sirve para resolver
problemas con restricciones de desigualdad.

7. Una empresa produce un determinado bien a partir de dos factores productivos. Sea Q(x, y) =
5x + 2y la función de producción de la empresa y C(x, y) = 8x2 + 4y 2 la función de costes.

a) Determina las cantidades de factores x e y con las que se minimiza el coste al producir 33
unidades de producto ası́ como dicho coste mı́nimo.
b) Si se quisiera producir 34 unidades de producto, y sin resolver de nuevo el problema, halle
cuánto se incrementarı́a, aproximadamente, el coste mı́nimo. Halle también, aproximada-
mente, el nuevo coste mı́nimo.

a) Si se producen 33 unidades de producto es que Q(x, y) = 5x + 2y = 33. Ésta es la restricción.

Por tanto, el planteamiento es

Min. 8x2 + 4y 2
s. a 5x + 2y = 33

Construimos la función lagrangiana:

L(x, y, λ) = 8x2 + 4y 2 − λ(5x + 2y − 33)

Las condiciones de Lagrange son: 

 16 x − 5 λ = 0
8y − 2λ = 0

5x + 2y = 33

Resolviendo este sistema obtenemos que su solución es: x = 5, y = 4, λ = 16.

15
 Tenemos sólo un punto crı́tico restringido, el punto (5, 4) . Comprobamos que es mı́nimo.
¯ ¯
¯ 0 5 2 ¯
¯ ¯
|H| = ¯¯ 5 16 0 ¯ = −64 − 200 < 0
¯
¯ 2 0 8 ¯

Por ser negativo, queda comprobado que el punto es un mı́nimo local.

En definitiva, hay que usar x = 5 unidades del primer factor productivo e y = 4 unidades del
segundo factor productivo para que el coste sea mı́nimo.
El valor mı́nimo (=coste mı́nimo) es C(5, 4) = 264.

b) Si se pasa de producir 33 unidades a producir 34, (es decir, el término independiente de la

restricción aumenta en una unidad), el valor óptimo (=coste mı́nimo) variará en λ = 16 unidades
aproximadamente. El nuevo coste mı́nimo serı́a de 264 + 16 = 280 unidades, aproximadamente.

8. Si se gastan x miles de euros en mano de obra e y miles de euros en equipo, la producción de

cierta fábrica será Q(x, y) = 60 x1/3 y 2/3 unidades. Si hay 120000 euros disponibles, ¿cómo debe
distribuirse el dinero, entre mano de obra y equipo, para generar la mayor producción posible?

La condición de que hay 120 miles de euros disponibles significa que x + y = 120 (suponiendo
que se emplee todo el dinero disponible). Por tanto, el planteamiento es

Max. 60x1/3 y 2/3

s. a x + y = 120

Pasamos a calcular los puntos crı́ticos restringidos. Construimos la función lagrangiana:

L(x, y, λ) = 60x1/3 y 2/3 − λ(x + y − 120)

Sus derivadas parciales con respecto a x y a y son:

∂L 1
= 60 x−2/3 y 2/3 − λ(1) = 20 x−2/3 y 2/3 − λ
∂x 3
∂L 2
= 60x1/3 y −1/3 − λ = 40 x1/3 y −1/3 − λ
∂y 3
Las condiciones de Lagrange son:

 20 x−2/3 y 2/3 − λ = 0
40 x1/3 y −1/3 − λ = 0

x + y − 120 = 0

Despejamos λ en las dos primeras ecuaciones:

λ = 20 x−2/3 y 2/3 λ = 40 x1/3 y −1/3

Igualamos las dos expresiones de λ:

20 y 2/3 40 x1/3
= ⇒ 20 y 2/3 y 1/3 = 40 x1/3 x2/3 ⇒ 20y = 40x ⇒ y = 2x
x2/3 y 1/3

16
 Entrando con esto en la tercera ecuación, x + y − 120 = 0, tenemos que 3x = 120, de donde
x = 40, y = 80.
Tenemos sólo un punto crı́tico, el punto (40, 80) .
Al intentar comprobar que es un máximo usando el hessiano orlado, las operaciones resultan
bastante pesadas y, finalmente, este determinante resulta valer 0, por lo que no podemos justificar
ası́ que se trate de un máximo. Sı́ se puede demostrar que es un máximo viendo que se trata de
un programa convexo pero esto no es materia de examen.
En definitiva, deben usarse 40000 euros (40 miles de euros) en mano de obra y 80000 euros en
equipo para obtener la máxima producción.
La producción máxima será Q(40, 80) = 60 (40)1/3 (80)1/3 = 3809,76 unidades.

9. Una empresa produce y comercializa dos bienes, X e Y . Se supone que se vende todo lo que se
produce. El beneficio por la venta de dichos bienes está expresado por la función
B(x, y) = 2 ln(x − 2) + 3 ln(y − 1)
siendo x e y el número de unidades vendidas de los bienes X e Y respectivamente.
Se dispone de 240 unidades de materia prima para producir ambos bienes. Cada unidad del
bien X precisa 10 unidades de materia prima para su fabricación y cada unidad del bien Y , 20
unidades. La materia prima ha de agotarse en su totalidad. Se pide:
a) Halla el dominio de la función B(x, y).
b) Escribe un programa matemático para calcular el número de unidades del bien X y del Y
que se han de fabricar para que el beneficio sea máximo.
c) Calcula el punto crı́tico restringido del programa anterior. Y comprueba que se trata de un
máximo.
d) Halla el beneficio máximo de la empresa y las cantidades x e y que debe producir para
obtenerlo.
e) Sin resolver el problema de nuevo, ¿cuánto variarı́a el beneficio de la empresa si dispusiera
de una unidad adicional de materia prima? Justifique la respuesta.

(a) Dom(B) = {(x, y) / x > 2, y > 1}.

(b) El hecho de que se dispone de 240 unidades de materia prima que debe gastarse en su
totalidad se traduce en que 10x + 20y = 240.
Max. 2 ln(x − 2) + 3 ln(y − 1)
El planteamiento entonces es
s. a 10x + 20y = 240

(c) La función lagrangiana es

L(x, y, λ) = 2 ln(x − 2) + 3 ln(y − 1) − λ(10x + 20y − 240)
Las condiciones de Lagrange son:

 2 2 2

 − 10λ = 0 → = 10λ → λ=
 x−2 x−2 10x−20
3 3 3
 − 20λ = 0 → = 20λ → λ=
 y−1 20y−20
 y−1

10x + 20y = 240

17
Entonces
2 3 3x 1
= → 40y − 40 = 30x − 60 → 40y = 30x − 20 → y= −
10x − 20 20y − 20 4 2
Al sustituir en la tercera ecuación, queda,
µ ¶
3x 1
10x+20y = 240 → 10x+20 − = 240 → 10x+15x−10 = 240 → 25x = 250
4 2
3x 1 2 2
Entonces x = 10, de donde y = 4 − 2 = 7, y λ = 10x−20 = 80 = 0,025.
Tenemos ası́ el punto crı́tico restringido (x, y) = (10, 7), con λ = 0,025.
Comprobamos que es máximo. Como no podemos usar el Teorema de Weierstrass, miraremos el
hessiano orlado. ¯ ¯
¯ 0 10 20 ¯
¯ ¯
¯ −2 ¯
¯ 10 0 ¯
|H| = ¯ (x − 2)2 ¯
¯ −3 ¯
¯ 20 0 ¯
¯ ¯
(y − 1)2
Evaluamos en el punto crı́tico:
¯ ¯
¯ 0 10 20 ¯ µ ¶ µ ¶
¯ ¯
|H(10, 7)| = ¯¯ 10 −2
0 ¯ = −400 −2 − 100 −3 > 0
64 ¯ 64 36
¯ 20 0 −3 ¯
36

Por ser positivo, podemos concluir que el punto crı́tico restringido, (10, 7), es un máximo local.
(Aunque, de hecho, es un máximo global, pero no se puede justificar con este método).

(d) El beneficio máximo de la empresa es el valor máximo, es decir,

B(10, 7) = 2 ln(8) + 3 ln(6) = 9,53416 u.m.

Se alcanza, como hemos hallado antes, en el punto (10, 7). Lo que significa que deben producirse
x = 10 unidades del bien X e y = 7 unidades del bien Y.

(e) Si dispusiera de una unidad más de materia prima, es decir, 241 en lugar de 240, y teniendo
en cuenta que la variación correspondiente del valor óptimo está dada por ∆M ' λ · (∆b), al
ser ∆b = 1, tenemos que ∆M ' λ = 0,025.
Esto nos dice que el beneficio máximo aumentarı́a en 0,025 unidades, aproximadamente.

NOTAS: Eso significa que el nuevo beneficio máximo serı́a de 9,53416 + 0,025 = 9,55916 u.m.
aproximadamente.

Si en vez de disponer de una unidad más de materia prima, dispusiera de, por ejemplo, tres
unidades más, entonces serı́a ∆b = 3 y la variación del valor óptimo estarı́a dada por ∆M '
λ · (3) = 0,075 aproximadamente.

Y si en lugar de eso, dispusiera de, por ejemplo, dos unidades menos de materia prima, entonces
serı́a ∆b = −2 y entonces ∆M ' λ · (−2) = −0,05, es decir, el valor óptimo disminuirı́a en cinco
centésimas, aproximadamente.

18