TRABAJO

DOMICILIARIO
N1-MATEATICA
II
* MAXIMOS Y MINIMOS DE FUNCIONES
MULTIVARIABLES
* MULTIPLICADORES DE LAGRANGE
* PROBLEMAS DE OPTIMIZACION

DOCENTE: Lic.Mat. Edinson Idrogo Burga

Pimentel 22 de mayo del 2012

p
 MATEMATICA II

INTRODUCCION

En este trabajo presentamos un conjunto de conceptos

y ejercicios, que muestran grficamente los resultados
obtenidos de los mtodos de Multiplicadores de
Lagrange, mximos y mnimos y problemas de
optimatizacion. Las animaciones fueron producidas con
el software MAPLE 14. El propsito fundamental de
estas animaciones es proveer al estudiante con una
versin grfica y animada de este concepto terico. El
objetivo de este trabajo es ofrecer una visualizacin de
resultados matemticamente comprobados, para ello
las funciones has sido seleccionada arbitrariamente
preocupndonos que los ejercicios ofrezcan la mayor y
mejor cantidad de detalles para entender el concepto
visualmente.

1
 MATEMATICA II

MXIMOS Y MNIMOS
Si f est una funcin de x y y, entonces f tiene un mximo relativo a (a, b)
si f(a, b) f(x, y) para toda (x, y) en una pequea cercana de (a, b).
Un mnimo relativo se define en manera parecida. f tiene un punto de silla en
(a, b) si f tiene all un mnimo relativo a lo largo de un corte y un mximo
relativo a lo largo de un otro corte.

La funcin que se ilustra ms abajo tiene un mnimo relativo a (0, 0), un

mximo relativo a (1, 1), y puntos de silla a (1, 0) y (0, 1).

En los casos que estudiamos, todos extremos relativos y puntos de silla que
no sean en la frontera del dominio de f se ocurren a puntos crticos, que son
las soluciones de las ecuaciones:

fx(x,y) = 0 y fy(x,y) = 0.

Prueba de segunda derivada para funciones de dos variables

Si f(x, y) est una funcin de dos variables, y (a, b) es un punto crtico de f.

(Esto es, fx(a, b) = 0 y fy(a, b) = 0.) Suponga tambin que existen y son iguales
las derivadas del segundo orden, de modo que, por teoremas de clculo, fxy es
igual a fyx. Sea

H = fxx(a, b)fyy(a, b) -[fxy(a, b)]2.

Entonces:

2
 MATEMATICA II

f tiene un mnimo relativo a (a, b) si H > 0 y fxx(a,b) > 0,

f tiene un mximo relativo a (a, b) si H > 0 y fxx(a,b) < 0, y

f tiene un punto de silla a (a, b) si H < 0.

Si H = 0 la prueba no dice nada, entonces necesitamos analizar la grfica

para buscar ms informacin.

CLCULO DE LOS MXIMOS Y MNIMOS DE UNA FUNCIN

DE DOS VARIABLES

Valor Mximo Relativo: es el punto en que la derivada de una funcin se

anula y cambia su valor de positivo a negativo. Es decir la funcin pasa de
creciente a decreciente.

De acuerdo a la grfica, f tiene un

valor mximo relativo (d) en el punto
c, esto es si cierto si c pertenece a
(a,b), tal que f(c) sea mayor o
igual a f(x) y si y solo si x
pertenezca a (a,b).

Valor Mnimo Relativo: es el punto en que la derivada de una funcin se anula

y cambia su valor de negativo a positivo. Es decir la funcin pasa de
decreciente a creciente.
De acuerdo a la grfica, f tiene un valor
mximo relativo (d) en el punto c, esto
es si cierto si c pertenece a (a,b), tal que
f(c) sea menor o igual a f(x) y si y
solo si x pertenezca a (a,b).

Para calcular los valores mximo o mnimos de la funcin de dos variables:

3
 MATEMATICA II

F(x, y) = 3x2 - 2xy + 3y2 + 8x - 8y + 5

Debemos tener en cuenta los siguientes pasos:

1. Aplicamos la primera derivada a la funcin son respecto a X y Y.

Fx = 6x - 2y + 8

Fy = -2x + 6y - 8

2. Igualamos ambas ecuaciones a 0.

Fx = 6x - 2y + 8 = 0

Fy = -2x + 6y - 8 = 0

Si las organizamos separando los trminos dependientes de los trminos

libres nos queda:

6x - 2y = -8 (1)

-2x + 6y = 8 (2)

Podemos ver que es un sistema de ecuaciones lineales 2x2 el cual podemos

resolver por cualquiera de los mtodos ms conocidos (igualacin,
sustitucin, eliminacin o determinante).

3. Resolvemos la ecuacin para hallar los valores de X y Y.

En este caso utilizaremos el mtodo de eliminacin. ste mtodo consiste en

multiplicar alguna de las ecuaciones por un valor que nos permita eliminar
alguna de las variables (X o Y) y as poder despejar la variable resultante.

Eliminaremos Y, para ello multiplicamos la ecuacin (1) por 3 y la sumamos

con la (2).

3 (6x - 2y) = 3(-8)

15x - 6y = -24(3)

Nos queda la ecuacin (3) a la que le sumamos la ecuacin (2).

18x - 6y = -24 (3)

-2x + 6y = 8 (2)

16x = -16

4
 MATEMATICA II

x = 16/-16 => x = -1

Ahora reemplazamos el valor de X en cualquiera de las primeras ecuaciones,

en este caso reemplazaremos en 2.

-2x + 6y = 8 (1)
-2(-1) + 6y = 8
-2 + 6y = 8
6y = 8 - 2
y = 6/6 => y=1

4. Reemplazamos los valores de X y Y en la funcin original para hallar el

punto crtico en donde la funcin crece o decrece.

F(x, y) = 3x2 - 2xy + 3y2 + 8x - 8y + 5

F(-1,1) = 3(-1)2 - 2(-1)(1) + 3(1)2 + 8(-1) - 8(1) + 5 F(-1,1) = 3 + 2 + 3 - 8 - 8 +

5

F(-1,1) = -3

El punto crtico de la funcin f(x,y) es (-1,1,-3)

5. Aplicamos la segunda derivada para hallar las cuatro derivadas
parciales:
Fxx = derivada de x respecto a la derivada de x
Fyy = derivada de y con respecto a la derivada de y
Fxy = derivada de x con respecto a la derivada de y
Fyx = derivada de y con respecto a la derivada de x

A partir de la primera derivada obtenida en el paso 1 realizaremos

las segundas derivadas parciales:

Fx = 6x - 2y + 8
Fy = -2x + 6y - 8
Fxx = 6
Fyy = 6
Fxy = -2
Fyx = -2

5
 MATEMATICA II

6. Finalmente evaluamos D(x*, y*) con las derivadas parciales para

determinar la
naturaleza del punto crtico.
Antes de realizar los clculos definamos los criterios para determinar la
naturaleza del punto crtico.
a. Se tiene un mximo o un mnimo relativo si: D(x*,y*) > 0.
El punto crtico es un mximo relativo si tanto Fxx (x*, y*) como Fyy (x*, y*)
son negativas.
El punto crtico es un mnimo relativo si tanto Fxx (x*, y*) como Fyy (x*, y*)
son positivas.
b. Si D(x*,y*) < 0, el punto crtico es un punto de silla.
c. Si D(x*,y*)=0, se necesitan otras tcnicas para determinar la
naturaleza del punto crtico.
Habiendo definido lo anterior procedemos a evaluar utilizando las derivadas
parciales.
La frmula es: D(x*, y*) = Fxx x Fyy - (Fxy)2
Fxx = 6
Fyy = 6
Fxy = -2
Fyx = -2
D(-1,1) = 6 x 6 - (-2)2
D(-1,1) = 36 - 4
D(-1,1) = 32

Como resultado fue positivo y tanto Fxx como Fyy son mayores o iguales a 0
podemos concluir que el punto crtico en es un mnimo relativo en el punto (-
1,1,-3).

6
 MATEMATICA II

Ejemplos

1. Sea f(x, y) = x2 - (y-1) 2. Entonces fx(x,y) = 2x; fy(x, y) = -2(y-1). Para

encontrar los puntos crticos, resolvemos la sistema

2x = 0
-2(y-1) = 0.

La primera ecuacin produce x = 0, y la segunda da y = 1. Entonces, el nico

punto crtico es (0, 1). Como el dominio de f es el plano cartesiano entero,
entonces el punto (0, 1) es interior, y entonces es un candidato a ser un
extremo relativo o punto de silla.

Para comprobar cual, calcule primero las derivadas segundas:

fxx(x, y) = 2
fyy(x, y) = -2
fxy(x, y) = fyx(x, y) = 0

Despus calcule

H = fxx(0, 1)fyy(0, 1) -[fxy(0, 1)]2

= (2)(-2) -02 =- 4

Como H es negativo, tenemos un punto de silla a (0, 1). Aqu est la grfica
de f que muestra su ubicacin.

7
 MATEMATICA II

MULTIPLICADORES DE LAGRANGE
En los problemas de optimizacin, el mtodo de los multiplicadores de
Lagrange, llamados as en honor a Joseph Louis Lagrange, es un
procedimiento para encontrar los mximos y mnimos de funciones de varias
variables sujetas a restricciones. Este mtodo reduce el problema restringido
con n variables a uno sin restricciones de n + k variables, donde k es igual al
nmero de restricciones, y cuyas ecuaciones pueden ser resueltas ms
fcilmente. Estas nuevas variables escalares desconocidas, una para cada
restriccin, son llamadas multiplicadores de Lagrange. El mtodo dice que los
puntos donde la funcin tiene un extremo condicionado con k restricciones,
estn entre los puntos estacionarios de una nueva funcin sin restricciones
construida como una combinacin lineal de la funcin y las funciones
implicadas en las restricciones, cuyos coeficientes son los multiplicadores.

La demostracin usa derivadas parciales y la regla de la cadena para

funciones de varias variables. Se trata de extraer una funcin implcita de las
restricciones, y encontrar las condiciones para que las derivadas parciales
con respecto a las variables independientes de la funcin sean iguales a cero.

Introduccin
Consideremos un caso bidimensional. Supongamos que tenemos la
funcin, f (x, y), y queremos maximizarla, estando sujeta a la condicin:

Donde c es una constante. Podemos visualizar las curvas de nivel de f dadas

por

Para varios valores de dn, y el contorno de g dado por g(x, y) = c.

Supongamos que hablamos de la curva de nivel donde g = c. Entonces, en
general, las curvas de nivel de f y gsern distintas, y la curva g = c por lo
general intersecar y cruzar muchos contornos de f. En general, movindose
a travs de la lnea g=c podemos incrementar o disminuir el valor de f. Solo
cuando g=c, el contorno que estamos siguiendo toca tangencialmente, pero
no lo corta, una curva de nivel de f no incrementamos o disminuimos el valor
de f. Esto ocurre en el extremo local restringido y los puntos de
inflexin restringidos de f.

8
 MATEMATICA II

Un ejemplo familiar puede ser obtenido de los mapas climatolgicos, con sus
curvas de nivel de presin y temperatura (isbaras e isotermas
respectivamente): el extremo restringido ocurrir donde los mapas
superpuestos muestren curvas que se tocan.

Geomtricamente traducimos la condicin de tangencia diciendo que los

gradientes de f y g son vectores paralelos en el mximo. Introduciendo un
nuevo escalar, , resolvemos

[f(x, y) - (g(x, y) c)] = 0

para 0.

Una vez determinados los valores de , volvemos al nmero original de

variables y as continuamos encontrando el extremo de la nueva ecuacin no
restringida.

De forma tradicional. Eso es, para todo (x, y)

satisfaciendo la condicin porque es igual a cero en la
restriccin, pero los ceros de F(x, y) estn todos en .

El mtodo de los multiplicadores de Lagrange

Sea f (x) una funcin definida en un conjunto abierto n-dimensional {x Rn}.
Se definen s restricciones gk (x) = 0, k=1,...,s, y se observa (si las
restricciones son satisfechas) que:

Se procede a buscar un extremo para h

Lo que es equivalente a

9
 MATEMATICA II

Los multiplicadores desconocidos k se determinan a partir de las ecuaciones

con las restricciones y conjuntamente se obtiene un extremo para h que al
mismo tiempo satisface las restricciones (i.e. gk=0), lo que implica que f ha
sido optimizada

El mtodo de multiplicadores de Lagrange es generalizado por las

condiciones de Karush-Kuhn-Tucker.

EJEMPLOS

Ejemplo #1

Supongamos que queremos encontrar la distribucin probabilstica discreta

con mxima entropa. Entonces

Podemos usar los multiplicadores de Lagrange para encontrar el punto de

mxima entropa (dependiendo de las probabilidades). Para todo k desde 1
hasta n, necesitamos

Lo que nos da

Derivando estas n ecuaciones, obtenemos

Esto muestra que todo pi es igual (debido a que depende solamente de ).

Usando la restriccin k pk = 1, encontramos

10
 MATEMATICA II

Esta (la distribucin uniforme discreta) es la distribucin con la mayor

entropa.

Ejemplo #3

Restricciones:

Aplicar el mtodo:

11
 MATEMATICA II

Ejemplo # 4

Determinar los puntos en la esfera que estn ms cercanos

al punto

la distancia al punto :

Para hacer ms sencilla la operacin se maximiza o minimiza el cuadrado de

la distancia:

la restriccin:

De acuerdo con el mtodo de los multiplicadores de Lagrange, se

resuelve , el resultado es:

(1)

(2)

(3)

(4)

La manera ms sencilla de resolver estas ecuaciones es dejar x,y,z en funcin

de \lambda y luego sustituimos en la ecuacin (4).

De la ecuacin (1) obtenemos se observa que 1 porque

si no se puede realizar la operacin.

12
 MATEMATICA II

Lo mismo sucede con la ecuacin (2) y (3)

Sustituyendo en la ecuacin (4)

El valor de

Entonces los puntos (x,y,z) son :

Se puede observar que el punto ms cercano entonces es

PROBLEMAS DE OPTIMATIZACION
13
MATEMATICA II

14
MATEMATICA II

15
MATEMATICA II

16
MATEMATICA II

17
MATEMATICA II

18
MATEMATICA II

19