MATEMÁTICAS II. GADE.

Primera convocatoria - 25 de mayo de 2023

Nota: En todos los casos las respuestas deben ser razonadas, indicando los resultados teóricos utilizados.

1.- (1,2 puntos) Sea el conjunto A = {(x, y) ∈ R2 | x2 + y 2 ≤ 16; x2 + y 2 ≥ 4; y ≤ 0; x ≤ 0} y la

función f (x, y) = x2 + y 2 .
a) Representar gráficamente el conjunto A.
Respuesta: Para representar A = {(x, y) ∈ R2 | x2 + y 2 ≤ 16; x2 + y 2 ≥ 4; y ≤ 0; x ≤ 0}
(sombreado) primero representamos las circunferencias x2 + y 2 = 16, x2 + y 2 = 4 y las rectas
x = 0, y = 0.

b) Razonar si el conjunto A es convexo, cerrado y/o acotado.

Respuesta: A no es convexo ya que, por ejemplo, (−2, 0) ∈ A y (0, −2) ∈ A y sin embargo
(−1, −1) = 21 (−2, 0) + 12 (0, −2) ∈ [(−2, 0), (0, −2)] y (−1, −1) 6∈ A ya que (−1)2 + (−1)2 =
2 6≥ 4, por lo que [(−2, 0), (0, −2)] ⊆ A.
A es cerrado porque
F r(A) = {(x, y) ∈ R2 | x2 + y 2 = 16; x, y ≤ 0} ∪ {(x, y) ∈ R2 | x2 + y 2 = 4; x, y ≤ 0}∪
{(x, 0) ∈ R2 | −4 ≤ x ≤ −2} ∪ {(0, y) ∈ R2 | −4 ≤ y ≤ −2}
y claramante F r(A) ⊆ A.
A es acotado ya que, por ejemplo, A ⊆ B((0, 0); 5).

c) Estudiar la convexidad de f en su dominio de definición.

Respuesta: f (x, y) = x2 + y 2 es de clase C (2 en R2 (abierto y convexo) y su matriz Hessiana

∂f
(x, y) = 2 x 
  
∂x 2 0

⇒ Hf (x, y) =
∂f 0 2
(x, y) = 2 y 


∂y
es definida positiva para todo (x, y) ∈ R2 ya que es diagonal y los dos elementos diagonales son
positivos, lo que hace que f (x, y) = x2 + y 2 sea una función estrictamente convexa en su dominio
de definición R2 .

d) ¿Podemos asegurar que la función f tendrá máximos y/o mı́nimos globales en A?

Respuesta: A es un conjunto compacto (cerrado y acotado) y no vacı́o y la función objetivo
f (x, y) = x2 + y 2 es polinómica y por tanto continua. Por tanto podemos aplicar el Teorema de
Weierstrass que nos garantiza que la función f tendrá máximo y mı́nimo global en A.
2.- (3,8 puntos) Sea f (x, y) = x2 y − x2 − 2 y 2 .

a) Considerar el programa
Optimizar f (x, y) en su dominio de definición.
Calcular los puntos crı́ticos del programa e indicar si son óptimos locales (y de qué tipo) o puntos
de silla.
Respuesta: El dominio de defininición de f (x, y) = x2 y − x2 − 2 y 2 es D = R2 . D es un conjunto
abierto y f (x, y) es polinómica y por tanto de clase C (2 en D.
Al ser f diferenciable, si existen óptimos locales se encontrarán entre los puntos crı́ticos de f .
∇f (x, y) = (2 x y − 2 x, x2 − 4 y) y por tanto ∇f (x, y) = (0, 0) si
   
2xy − 2x = 0 2 x (y − 1) = 0 x = 0, y = 0
⇔ ⇔
x2 − 4 y = 0 x2 − 4 y = 0 y = 1, x2 = 4

Hemos obtenido tres puntos crı́ticos: (0, 0), (2, 1) y (−2, 1).
Como f es de clase C (2 , para clasificar estos puntos calculamos previamente la matriz hessiana
de f :  
2y − 2 2x
Hf (x, y) =
2x −4
 
−2 0
Hf (0, 0) = que es definida negativa ya que es diagonal y los elementos dia-
0 −4
gonales son los dos negativos. f alcanza un óptimo local en (1, 1), más concretamente un
máximo local de valor f (0, 0) = 0 − 0 − 0 = 0.
 
0 4
Hf (2, 1) = que es indefinida ya que su primer menor es ∆1 = 0 y su segundo
4 −4
menor es ∆2 = 0 − 16 = −16. f no alcanza un óptimo local en (2, 1) sino un punto de silla.
 
0 −4
Hf (−2, 1) = que es indefinida ya que su primer menor es ∆1 = 0 y su segundo
−4 −4
menor es ∆2 = 0 − 16 = −16. f no alcanza un óptimo local en (−2, 1) sino un punto de silla.

b) Considerar ahora el programa

n
2 o
Optimizar f (x, y) en S = (x, y) ∈ R2 | (x − 1)2 + y − 21 = 54 .

Indicar si los puntos crı́ticos obtenidos en el apartado a) siguen siendo puntos crı́ticos de este
programa e indicar si son óptimos (y de qué tipo) o puntos de silla.
Respuesta: f (x, y) = x2 y − x2 − 2 y 2 es polinómica y por tanto de clase C (2 en R2 abierto.

2
g(x, y) = (x − 1)2 + y − 21 − 45 es polinómica y por tanto diferenciable en R2 . Además cumple
1



las condiciones de regularidad: Jg(x, y) = 2 (x − 1) 2 y − 2 de rango 1 (el máximo posible)
en cualquier punto del conjunto factible S = {(x, y) ∈ R3 | (x − 2 + y − 1 2 = 5 }, ya que en


1) 2 4
el único punto en el que el rango es 0 (no máximo) es en 1, 12 6∈ S.

La función lagrangiana del programa es

!
1 2 5
 
2 2 2 2
L(x, y, t) = x y − x − 2 y + t (x − 1) + y − −
2 4

y (x0 , y0 ) ∈ S es punto crı́tico del programa si existe t0 ∈ R tal que ∇L(x0 , y0 , t0 ) = 0, con
!
1 2 5
   
2 1 2
∇L(x, y, t) = 2 x y − 2 x + 2 t (x − 1), x − 4 y + 2 t y− , (x − 1) + y − −
2 2 4

1 2 1
Como (−2 − 1)2 + 1 − 6= 45 , tenemos que (−2, 1) 6∈ S y por tanto no es un punto


2 = 9+ 4
crı́tico del programa.

2 1 2
(0 − 1)2 + 0 − 12 = 1 + 1 5
por lo que (0, 0) ∈ S y (2 − 1)2 + 1 − 1 5


4 6= 4 2 = 1+ 4 = 4 por lo
que (2, 1) ∈ S y además

∇L(0, 0, t) = (−2 t, −t, 0) = (0, 0, 0) ⇔ t = 0

∇L(2, 1, t) = (2 t, t, 0) = (0, 0, 0) ⇔ t = 0

por lo que tanto (0, 0) como (2, 1) son puntos crı́ticos del programa
n
2 o
Optimizar f (x, y) en S = (x, y) ∈ R2 | (x − 1)2 + y − 12 = 54

con multiplicador de Lagrange asociado t = 0.

Dado que (0, 0) es un máximo local del programa sin restricciones
Optimizar f (x, y) en su dominio de definición
y está en el nuevo conjunto factible S, (0, 0) sigue siendo un máximo local de f en S de valor 0.
Como (2, 1) es un punto de silla de f en R2 y está en el nuevo conjunto factible S, tenemos
que estudiar la forma cuadrática de matriz asociada H(x, y) L(2, 1, 0) restringida a TS (2, 1) para
saber si es un óptimo o sigue siendo un punto de silla.
   
2y − 2 + 2t 2x 0 4
H(x, y) L(x, y, t) = ⇒ H(x, y) L(2, 1, 0) =
2x −4 + 2 t 4 −4

que representa la forma cuadrática Q(x, y) = −4 y 2 + 8 x y, pero nos interesa su clasificación al

restringirla a TS (2, 1), el conjunto de los vectores tangentes a S en (2, 1).
  
Jg(x, y) = 2 (x − 1) 2 y − 2| ⇒ Jg(2, 1) = (2 1)
  ⇓
x
(2 1) = 0 ⇔ 2 x + y = 0 ⇔ y = −2 x
y

Por tanto hay que clasificar Q(x, y) = −4 y 2 + 8 x y restringida a y = −2 x:

QTS (2, 1) (x) = Q(x, −2 x) = −4 (−2 x)2 + 8 x (−2 x) = −32 x2

de matriz asociada (−32) ∈ M1 , por lo que es definida negativa y en (2, 1) se alcanza un máximo
local de valor f (2, 1) = 22 · 1 − 22 − 2 · 12 = −2.
Resumiendo: (−2, 1) era punto de silla y ahora no es ni punto crı́tico, (0, 0) se mantienen como
máximo local de valor 0, (2, 1) era punto de silla y ahora es máximo local de valor -2.

3.- (3 puntos) Una factorı́a fabrica tornillos y tuercas que distribuye en cajas que aporta 180e de
beneficios cada una, en el caso de los tornillos, y 500e de beneficios por cada caja de tuercas
producidas. Los requerimientos para la fabricación (horas de producción) y las disponibilidades de
recursos (kilogramos de acero) se muestran en la siguiente tabla:

Cajas de tornillos Cajas de tuercas Disponibilidades máximas

Horas de producción 2 4 1000
Kg. de acero 6 2 1200

Con estos datos y sabiendo que la demanda de tuercas es como máximo de 200 cajas y que por lo
tanto no se deberá producir más que esa cantidad:

a) Plantear un problema de programación lineal para maximizar el beneficio con las variables y
restricciones en el orden de lectura del problema.
Respuesta: Si llamamos x1 al número de cajas de tornillos y x2 al número de cajas de tuercas
que la factorı́a fabrica y vende (se supone que vende todo lo que produce)
 dispone de 1000 horas de producción por lo que

2 x1 + 4 x2 ≤ 1000

dispone de 1200 kg. de acero por lo que

6 x1 + 2 x2 ≤ 1200

no se deberá producir más de 200 cajas de tuercas por lo que

x2 ≤ 200

la factorı́a obtiene un beneficio de 180 x1 + 500 x2

y tenemos que resolver el problema:

Maximizar 180 x1 + 500 x2

s.a: 2 x1 + 4 x2 ≤ 1000
6 x1 + 2 x2 ≤ 1200
x2 ≤ 200
x1 , x 2 ≥ 0

b) Escribir la primera tabla del simplex del problema primal llamando S1 , S2 , S3 a las variables de
holgura correspondientes a la primera, segunda y tercera restricción, respectivamente.
Respuesta: La forma estándar del programa es

Maximizar 180 x1 + 500 x2

s.a: 2 x1 + 4 x2 + S1 = 1000
6 x1 + 2 x2 + S2 = 1200
x2 + S3 = 200
x1 , x 2 , S 1 , S 2 , S 3 ≥ 0

y la tabla inicial del simplex:

x0 Ct 180 500 0 0 0
Cb x b b x1 x2 S1 S2 S3
0 S1 1000 2 4 1 0 0
0 S2 1200 6 2 0 1 0
0 S3 200 0 1 0 0 1
0 0 0 0 0 0
z − c −180 −500 0 0 0

c) Aplicar la primera iteración a la tabla inicial y obtener la tabla resultante.

Respuesta: La tabla inicial no es óptima porque z1 − c1 = −180 < 0 y z2 − c2 = −500 < 0.
Como z2 − c2 < z1 − c1 la nueva variable básica será x2 .
Fijándonos en la columna de A correspondiente a esta variable
 x2 vemos que los tres elementosson
b1 b2 b3
positivos a12 = 4 > 0, a22 = 2 > 0 y a32 = 1 > 0 y mı́n = 250, = 600, = 200 =
a12 a22 a32
b3
200 que se alcanza para correspondiente a la variable S3 . Esta es la variable que deja de ser
a32
básica y la nueva tabla del programa es:

x1 Ct 180 500 0 0 0
Cb xb b x1 x2 S1 S2 S3
0 S1 200 2 0 1 0 −4
0 S2 800 6 0 0 1 −2
500 x2 200 0 1 0 0 1
100000 0 500 0 0 500
z − c −180 0 0 0 500
d) Sabiendo que tras cierto número de iteraciones la tabla del sı́mplex es la siguiente:

Ct 180 500 0 0 0
Cb Xb B x1 x2 S1 S2 S3
1
180 x1 100 1 0 2 0 −2
0 S2 200 0 0 −3 1 10
500 x2 200 0 1 0 0 1
z = 118000 180 500 90 0 140
z−c 0 0 90 0 140

i) Calcular la solución óptima y escribirla en el contexto del problema.

Respuesta: La tabla propuesta es óptima porque zi − ci ≥ 0 para todo i = 1, · · · , 5. Para
ninguna variable no básica tenemos zj − cj = 0 por lo que estamos ante un óptimo simple.
La factorı́a obtendrá una beneficio máximo de 118000e si fabrica y vende 100 cajas de tor-
nillos (x1 = 100) y 200 cajas de tuercas (x2 = 200), utilizando todas las horas de producción
disponibles (S1 = 0) y fabricando y vendiendo el máximo posible de tuercas (S3 = 0), pero
quedando sin utilizar 200 kg. de acero (S2 = 200).

ii) ¿Cuánto se podrı́a aumentar el beneficio de la caja de tornillos para que la solución óptima
obtenida siguiera siendo válida?
Respuesta: En este nuevo problema, que llamaremos problema 2, hay una variación en c1
respecto del problema 1. Los dos problemas tienen los mismos vértices por lo que, si llamamos
xopt = xk al vértice de variables básicas x1 , S2 , x2 en el que se alcanza la solución óptima del
problema 1, x∗k = xk es un vértice del problema 2, pero no sabemos si se alcanza el óptimo
en este vértice.
x∗0 = x0 Ct 180+∆c1 500 0 0 0
Cb x b b x1 x2 S1 S2 S3
0 S1 1000 2 4 1 0 0
0 S2 1200 6 2 0 1 0
0 S3 200 0 1 0 0 1
0 0 0 0 0 0
P2 z − c −180−∆c1 −500 0 0 0
⇓
x∗k = xk Ct 180+∆c1 500 0 0 0
Cb Xb B x1 x2 S1 S2 S3
1
180+∆c1 x1 100 1 0 2 0 −2
0 S2 200 0 0 −3 1 10
500 x2 200 0 1 0 0 1
1
z = 118000+100 ∆c1 180+∆c1 500 90+ 2 ∆c1 0 140−2 ∆c1
P2 z−c 0 0 90+ 12 ∆c1 0 140−2 ∆c1

que seguirá siendo óptima si 90 + 12 ∆c1 ≥ 0 y 140 − 2 ∆c1 ≥ 0:

90 + 12 ∆c1 ≥ 0 
  
  ∆c1 ≥ −180 
140 − 2 ∆c1 ≥ 0 ⇔ ∆c1 ≤ 70 ⇔ 0 ≤ ∆c1 ≤ 70
∆c1 ≥ 0

  
∆c1 ≥ 0

por lo que se puede aumentar en un máximo de 70e.

iii) Realizar un análisis sensibilidad ante un hipotético aumento en la demanda de tuercas (in-
tervalo de variación de b3 ).
 Respuesta: En este nuevo problema, que llamaremos problema 3, hay una variación en b3
respecto del problema 1. Más bien un aumento, por lo que b∗3 = b3 + ∆b3 con ∆b3 ≥ 0.
Primero tenemos que comprobar si en este nuevo problema existe vértice con variables bási-
cas x1 , S2 , x2 (las de la solución óptima del problema 1). La matriz básica asociada coincide
con la del problema 1.
Puesto que las variables básicas iniciales del problema 1 son S1 , S2 , S3 , la inversa de
la matriz básica óptima que transforma la tabla inicial en la tabla óptima está forma-
da por  las columnas de  esas variables S1 , S2 , S3 en la tabla óptima de este problema 1:
1
2 0 −2
A−1 = −3 1 10 .
 
b 
0 0 1
Por lo que, si existe vértice en el problem 3 con variables básicas x1 , S2 , x2 , el valor de estas
variables básicas serán no negativas y iguales a
 
1
0 −2
  
b1 2 1000
A−1 b2  =   −3 1 10   1200
  
b
b3 + ∆b3 200 + ∆b3
 0 0 1    1 
1
0 −2 0 −2

2 1000 2 0
=  −3 1 10   1200  +  −3 1 10   0 
   
0 0 1 200 0 0 1 ∆b3
100 − 2 ∆b3
     
100 −2 ∆b3
=  200  +  10 ∆b3  =  200 + 10 ∆b3  , ∆b3 ≥ 0
200 ∆b3 200 + ∆b3
por lo que se tienen que cumplir que
  
100 − 2 ∆b3 ≥ 0 
 
 ∆b3 ≤ 50 

200 + 10 ∆b3 ≥ 0 ∆b3 ≥ −20
  
⇔ ⇔ 0 ≤ ∆b3 ≤ 50
200 + ∆b3 ≥ 0  
 ∆b3 ≥ −200 

∆b3 ≥ 0 ∆b3 ≥ 0
  

esto es, puede haber un aumento de demanda de hasta 50 tuercas para que la solución siga
siendo óptima.
x0 Ct 180 500 0 0 0
Cb x b b x1 x2 S1 S2 S3
0 S1 1000 2 4 1 0 0
0 S2 1200 6 2 0 1 0
0 S3 200+∆b3 0 1 0 0 1
0 0 0 0 0 0
P3 z−c −180 −500 0 0 0
⇓
xk C t 180 500 0 0 0
Cb Xb B x1 x2 S1 S2 S3
1
180 x1 100−2 ∆b3 1 0 2 0 −2
0 S2 200+10 ∆b3 0 0 −3 1 10
500 x2 200+∆b3 0 1 0 0 1
z = 118000+140 ∆b3 180 500 90 0 140
P3 z−c 0 0 90 0 140

iv) ¿Cuánto estarı́a dispuesto a pagar el empresario por un kilogramo más de acero?
Respuesta: Como aplicación del Teorema de la holgura complementaria, dado que hay
excedente de acero en el óptimo al empresario no le interesa adquirir más acero y está
dispuesto a pagar 0e.
4.- (1 punto) Hallar la solución general de la siguiente ecuación diferencial:

y 000 − 2 y 00 = 12 x + ex .

Respuesta: Podemos expresar la solución general de esta ecuación diferencial como suma de la
solución general de la ecuación diferencial homogénea asociada y una solución particular de esta
ecuación:
y(x) = yh (x) + yp (x).
La ecuación diferencial homogénea asociada es y 000 − 2 y 00 = 0 y su solución depende de las raı́ces de
su polinomio caracterı́stico asociado, que es p3 (r) = r3 − 2 r2 . Calculamos sus raı́ces:

r3 − 2 r2 = r2 (r − 2)

por lo que las raı́ces son r1 = 0(doble) y r2 = 2. Un sistema fundamental de soluciones es Sh =

{e0 x , x e0 x , e2 x } = {1, x, e2 x } y son soluciones de la ecuación homogénea las funciones

yh (x) = C1 + C2 x + C3 e2 x

con C1 , C2 , C3 números reales cualesquiera.

Para calcular yp (x) calculamos en primer lugar Sf con f (x) = 12 x + ex .
d(x)
f1 (x) = x y sus derivadas son: = 1 y ya tenemos S1 = {1, x}.
dx
d(ex )
f2 (x) = ex y sus derivadas son: = ex y ya tenemos S2 = {ex }.
dx
y por tanto Sf = {1, x, ex }. Consideramos uno por uno los elementos de Sf y calculamos Sp que
inicialmente está vacı́o:

1 ∈ Sh , x · 1 = x ∈ Sh y x · x = x2 6∈ Sh por lo que Sp = {x2 }.

x ∈ Sh y x · x = x2 6∈ Sh , pero x2 ∈ Sp y x · x2 = x3 6∈ Sp por lo que Sp = {x2 , x3 }.
ex 6∈ Sh y ex 6∈ Sp , por lo que Sp = {x2 , x3 , ex }.

Por tanto existen números reales A, B, C tales que yp (x) = A x2 + B x3 + C ex es una solución
particular de la ecuación diferencial. Vamos a calcularlos:

yp = A x2 + B x3 + C ex
yp0 = 2 A x + 3 B x2 + C ex
yp00 = 2 A + 6 B x + C ex
yp000 = 6 B + C ex

de donde tenemos que

12 x + ex = yp000 − 2 yp00
= (6 B + C ex ) − 2 (2 A + 6 B x + C ex )
= (6 B − 4 A) − 12 B x − C ex

igualdad que tiene que ser cierta para todos los x ∈ R, por lo que los coeficientes de ex tienen que
coincidir y lo mismo con los de x y con los términos independientes:

−C = 1  3
−12 B = 12 ⇔ A = − , B = −1, C = −1
2
6B − 4A = 0


y la solución particular es
3
yp (x) = − x2 − x3 − ex
2
 por lo que la solución general de la ecuación diferencial lineal propuesta es la función
3 2
y(x) = C1 + C2 x + C3 e2 x − x − x3 − e x
2
con C1 , C2 , C3 números reales cualesquiera.

5.- (1 punto) Resolver la siguiente ecuación diferencial:

2
y 0 = 2 x y + 2 x ex .

Calcular la solución que pasa por el punto P(0, 3).

2
Respuesta: En primer lugar tenemos que resolver la ecuación diferencial y 0 = 2 x y + 2 x ex , que
es una ecuación diferencial lineal de primer orden. Su solución será y(x) = u v, producto de dos
funciones u, v.
Para calcularlas derivamos y(x) = u v y sustituimos en la ecuación diferencial:
2 2
u v 0 + u0 v = 2 x u v + 2 x ex ⇒ u v 0 + u0 − 2 x u v = 2 x ex

Se comienza calculando una solución particular de la ecuación homogénea (la expresión del paréntesis
igual a cero):
Z Z
du du
u0 − 2 x u = 0 ⇒ = 2 x dx ⇒ = 2 x dx ⇒ ln |u| = x2 + C
u u
2
Consideramos, por ejemplo, la solución particular con C = 0 y por tanto u = ex .
Sustituyendo la expresión de u(x) en la ecuación anterior, se tiene
2 2
ex v 0 + 0 = 2 x ex ⇒ v 0 = 2 x

e integrando
v = x2 + C
y ası́, todas las soluciones de nuestra ecuación diferencial son
2
y(x) = ex x2 + C

con C un número real cualquiera.

Ahora hay que resolver el problema de valor inicial

y 0 = 2 x y + 2 x ex


y(0) = 3

∂f
f (x, y) = 2 x y + 2 x ex y (x, y) = 2 x son funciones continuas en R2 , en particular en un entorno
∂y
de (0, 3), por lo que el Teorema de existencia y unicidad de solución garantiza la existencia de una
única solución para este problema de valor inicial.
2
Ya hemos resuelto y 0 = 2 x y + 2 x ex , con solución y(x) = ex x2 + C . La única de estas soluciones

para la que y(0) = 3 es la determinada por

3 = e0 (0 + C) ⇔ C = 3
2
y por tanto y(x) = ex x2 + 3 .