Optimización en varias

variables

Alvarado, A. (2020) Optimización en varias

variables [Apunte]. Universidad Andrés Bello,
Santiago, Chile.
A PUNTE - O PTIMIZACI ÓN EN VARIAS VARIABLES Página 2

Introducción.

En este apunte aprenderemos a resolver problemas de optimización de funciones escalares de

varias variables. Para esto utilizaremos el método de los multiplicadores de Lagrange. Definiremos los
puntos extremos de funciones escalares de varias variables y usaremos el método del Hessiano para
discriminar entre máximos y mı́nimos relativos.

1. Máximos y mı́nimos.
Definiremos los valores máximos y mı́nimos de funciones escalares de varias variables.

Definición 1. Sea f (x, y) una función escalar de dos variables y el punto (x0 , y0 ) perteneciente
al dominio de f (x, y). Si:
f (x, y) ≤ f (x0 , y0 )
para (x, y) cercanos al punto (x0 , y0 ), entonces el punto (x0 , y0 ) es un máximo local.
Si:
f (x, y) ≥ f (x0 , y0 )
para (x, y) cercanos al punto (x0 , y0 ), entonces el punto (x0 , y0 ) es un mı́nimo local.

Observación 1. Si alguna de las desigualdades anteriores es cierta para todo el dominio de f (x, y),
entonces el valor considerado es un mı́nimo o máximo absoluto.

Teorema 1. Si f (x, y) tiene un mı́nimo o máximo local en (x0 , y0 ) y las primeras derivadas
parciales de f (x, y) existen en (x0 , y0 ), entonces se cumplen las dos siguientes igualdades:

fx = 0 , fy = 0

Observación 2. Los valores mı́nimos y máximos suelen llamarse puntos crı́ticos o extremos de la
función.

Ejemplo 1. Encuentra los extremos de la función f (x, y) = x2 + y 2 .

Solución. Primero calculamos las derivadas parciales de f (x, y):

fx = 2x fy = 2y

Luego, imponemos que estas igualdades sean cero, ya que sabemos que para valores extremos las
primeras derivadas parciales de la función serán nulas.

2x = 0 =⇒ x = 0 2y = 0 =⇒ y = 0

Por lo tanto, el punto extremo de f (x, y) es el punto (0, 0).

2
A PUNTE - O PTIMIZACI ÓN EN VARIAS VARIABLES Página 3

Observación 3. Toda función f (x, y) puede tener uno o más puntos crı́ticos e incluso puede no tenerlos.

Observación 4. Observa que este resultado no nos da información de la naturaleza del punto, si acaso
es mı́nimo o máximo o si es relativo o absoluto. Solamente nos dice que es un extremo de la función.
x3 + y 3
Ejemplo 2. Encuentra los extremos de f (x, y) = + x2 + y 2 .
3
Solución. Calculamos las primeras derivadas parciales de f (x, y):

fx = x2 + 2x = x(x + 2) =⇒ x = 0, x = −2

fy = y 2 + 2y = y(y + 2) =⇒ y = 0, y = −2
Por lo tanto, los puntos crı́ticos de f (x, y) son (0, 0); (0, −2); (−2, 0); (−2, −2).

Observación 5. Observa que al igual que en el ejemplo anterior, estos puntos no pueden ser clasifica-
dos como máximos o mı́nimos, solo como extremos.

Para clasificar los extremos como máximos o mı́nimos, usaremos el test de la segunda derivada.

Teorema 2. Test de segunda derivada.

Si f (x, y) tiene un mı́nimo en (x0 , y0 ), las segundas derivadas parciales de f (x, y) existen en
(x0 , y0 ), con la cantidad H, llamada Hessiano igual a:

H(x0 , y0 ) = fxx (x0 , y0 )fyy (x0 , y0 ) − [fxy (x0 , y0 )]2

Existen 3 posibles situaciones:

a) Si H > 0 y fxx (x0 , y0 ) > 0, entonces f (x0 , y0 ) es un mı́nimo local.

b) Si H > 0 y fxx (x0 , y0 ) < 0, entonces f (x0 , y0 ) es un máximo local.

c) Si H < 0, entonces f (x0 , y0 ) no es máximo ni mı́nimo.

Observación 6. Ten presente los siguientes puntos:

1) Cuando H < 0, el punto (x0 , y0 ) se denomina punto silla.

2) Si H = 0, entonces el test no da información. El punto (x0 , y0 ) podrı́a ser un mı́nimo, máximo o punto
silla.

3) La expresión para H puede expresarse como el determinante:

 
fxx fxy 
H =   = fxx fyy − fxy
2
fyx fyy 

3
A PUNTE - O PTIMIZACI ÓN EN VARIAS VARIABLES Página 4

x3 + y 3
Ejemplo 3. Clasifica los puntos crı́ticos de f (x, y) = + x2 + y 2 .
3
Solución. En el ejemplo anterior encontramos 4 puntos extremos de esta función:
(0, 0); (0, −2); (−2, 0); (−2, −2)
Para clasificar estos puntos necesitamos calcular el Hessiano. Primero calculamos las segundas deri-
x3 + y 3
vadas de f (x, y) = + x2 + y 2 .
3

fxx = 2x + 2 fyy = 2y + 2
fxy = 0 fyx = 0
Observa que efectivamente fxy = fyx .
Luego, el Hessiano es igual a :
H(x, y) = 4(x + 1)(y + 1)
Podemos construir una tabla con los valores crı́ticos y su clasificación:

(x0 , y0 ) f (x0 , y0 ) fxx (x0 , y0 ) H(x0 , y0 ) Conclusión

(0, 0) 0 2>0 4>0 Mı́nimo Local
(0, −2) 4/3 2>0 −4 < 0 Punto Silla
(−2, 0) 4/3 −2 < 0 −4 < 0 Punto Silla
(−2, −2) 8/3 −2 < 0 4>0 Máximo local

Por lo tanto: el punto (0, 0) es un mı́nimo local, el punto (−2, −2) es un máximo local, y los puntos
(−2, 0); (0, −2) son puntos silla.

1.1. Valores máximos y mı́nimos absolutos.

Teorema 3. Teorema de valor extremo de funciones de dos variables.

Si f (x, y) es continua en una región cerrada y acotada D ∈ R2 , entonces f (x, y) alcanza un
valor máximo absoluto f (xmax , ymax ) y un valor mı́nimo absoluto f (xmin , ymin ) en algún punto
(xmax , ymax ) y (xmin , ymin ), respectivamente.

¿Cómo determinar valores máximos y mı́nimos absolutos de una función?

Para encontrar valores máximos y mı́nimos absolutos de una función f (x, y) en un área cerrada
y acotada debemos:

1) Calcular f (x, y) para todos los valores crı́ticos.

2) Encuentra los valores extremos de f (x, y) en el borde de su dominio D.

3) El valor más grande de entre los valores encontrados en 1) y 2) es el máximo absoluto de

f (x, y). El valor más pequeño de entre los valores encontrados en 1) y 2) es el mı́nimo abso-
luto de f (x, y).

4
A PUNTE - O PTIMIZACI ÓN EN VARIAS VARIABLES Página 5

Ejemplo 4. Determina los extremos absolutos de f (x, y) = y 2 + x2 − 2y − 2x,

en el rectángulo 0 ≤ x ≤ 2 y 0 ≤ y ≤ 2.

Solución. Primero calculamos las primeras derivadas parciales de f (x, y):

fx = 2x − 2 fy = 2y − 2

Al igualar a cero ambas derivadas encontramos un punto crı́tico igual a (1, 1). Determinemos el Hes-
siano para clasificar este punto; calculamos entonces las segundas derivadas parciales de f (x, y)

fxx = 2 > 0 fyy = 2 fxy = 0

Con estos valores el Hessiano queda:

H = 2 · 2 − 02 = 4 > 0 =⇒ (1, 1) es un mı́nimo relativo

Ahora es necesario analizar los bordes del dominio de f (x, y).

f (x, 0) =a(x) = 02 + x2 − 2 · 0 − 2x =⇒ a (x) = 2x − 2 = 0 ⇔ x = 1 =⇒ (x, y) = (1, 0)

f (x, 2) =b(x) = 22 + x2 − 2 · 2 − 2x =⇒ b (x) = 2x − 2 = 0 ⇔ x = 1 =⇒ (x, y) = (1, 2)
2 2 
f (0, y) =c(y) = y + 0 − 2y − 2 · 0 =⇒ c (y) = 2y − 2 = 0 ⇔ y = 1 =⇒ (x, y) = (0, 1)
f (2, y) =d(y) = y 2 + 22 − 2y − 2 · 2 =⇒ d (y) = 2y − 2 = 0 ⇔ y = 1 =⇒ (x, y) = (2, 1)

Entonces, tenemos 9 puntos crı́ticos: 4 puntos borde en el dominio, 4 puntos extremos en los bordes
y 1 punto crı́tico obtenido por Hessiano.

Punto f (x, y) Clasificación

(0, 0) 0 Máximo Absoluto
(1, 0) −1 Valor Medio
(2, 0) 0 Máximo Absoluto
(0, 1) −1 Valor Medio
(1, 1) −2 Mı́nimo Absoluto
(2, 1) −1 Valor Medio
(0, 2) −1 Valor Medio
(1, 2) 0 Máximo Absoluto
(2, 2) −1 Valor Medio

2. Multiplicadores de Lagrange.
El método de los multiplicadores de Lagrange nos permitirá resolver problemas de optimización en
varias variables, es decir, hallar máximos y mı́nimos de funciones escalares de varias variables sujetas
a una o más restricciones.

5
A PUNTE - O PTIMIZACI ÓN EN VARIAS VARIABLES Página 6

Método de los multiplicadores de Lagrange.

Sean f (x, y, z) y g(x, y, z) funciones escalares de tres variables. Sean λ y k dos números reales.
Para hallar los máximos y mı́nimos de f (x, y, z) sujeta a la restricción g(x, y, z) = k:

1. Encontrar los valores de x, y, z tales que:

fx = λgx fy = λgy fz = λgz g=k

2. Evaluar el valor de f para todos los puntos encontrados en el paso anterior. El más grande
de los valores de f es un máximo , el menor de los valores de f es un mı́nimo.

x3 + y 3
Ejemplo 5. Sea f (x, y) = + x2 + y 2 . Si g(x, y) = y − x = 1 es una restricción a f , determina
3
los máximos y/o mı́nimos de f sujeta a g.

Solución. Comenzamos por calcular las primeras derivadas parciales de f :

fx = x2 + 2x fy = y 2 + 2y

Y las derivadas parciales de g:

gx = −1 gy = 1
Aplicamos el método de Lagrange:

x2 + 2x = −λ y 2 + 2y = λ

Usando la restricción podemos escribir y = 1 + x. Podemos reemplazar este resultado en la ecuación

para y:

(1 + x)2 + 2(1 + x) = λ
1 + 2x + x2 + 2 + 2x = λ
3 + 4x + x2 = λ

Podemos reemplazar esta nueva expresión de λ en la ecuación para x.

x2 + 2x = −(3 + 4x + x2 )
x2 + 2x = −3 − 4x − x2
2x2 + 6x + 3 = 0

Podemos utilizar la solución a la ecuación cuadrática y ası́ obtener dos soluciones para x:
√
−3 ± 3
x=
2
Ya que y = x + 1, basta con sumar 1 a este último resultado para obtener la solución para y:

6
A PUNTE - O PTIMIZACI ÓN EN VARIAS VARIABLES Página 7

√
−1 ± 3
y=
2
Por lo tanto, los puntos crı́ticos son:
 √ √   √ √ 
−3 − 3 −1 − 3 −3 + 3 −1 + 3
(xn , yn ) = , (xp , yp ) = ,
2 2 2 2

Los sı́mbolos n y p hacen referencia al signo de la raı́z, negativo y positivo, respectivamente. Para
determinar cuál punto corresponde a un máximo y a un mı́nimo debemos evaluar cada punto en la
función f (x, y). Queda como ejercicio al lector realizar esta operación.
f (xn , yn ) ≈ 2,2 f (xp , yp ) ≈ 0,5
Por lo tanto, el punto (xn , yn ) corresponde a un máximo y el punto (xp , yp ) corresponde a un mı́nimo.
Ambos puntos pertenencen a la función f (x, y) con la restricción g(x, y). La figura 1 muestra una gráfica
del problema planteado. Observa que los puntos N y P representan el máximo y mı́nimo de la función
f , respectivamente, sujeta a la restricción del plano y − x = 1.
En la figura 1 puedes observar los puntos máximo y mı́nimo relativos.

Figura 1: En la imagen la gráfica de la función f (x, y). El plano que intersecta a la curva es el plano
definido por la restricción g(x, y) = 1. Observa como esta intersección define una curva (en negro)
que tiene por mı́nimo y máximo relativos el resultado del método de los multiplicadores de Lagrange.
Puedes acceder al recurso en el siguiente enlace: Lagrange

7
A PUNTE - O PTIMIZACI ÓN EN VARIAS VARIABLES Página 8

Ahora te invitamos a desarrollar los ejercicios propuestos en la guı́a de estudio de esta semana.
Mucho éxito.

...................................................................................................

Referencias bibliográficas

1. Stewart, J. (2016). Calculus (8a ed.), Cengage Learning.

2. Leithold, L.(1998). El Cálculo (7a ed.), Oxford University Press.