En los problemas 47-51, el operador de Laplace se defne como $0. Comprucbe que f(x,y) = tan” AS = fox-+ fi» Una fncion f(x») que cumpla SECCION 15.7 1 Optimizacién en varias variables 839 1 8 6s armeénica usando tanto la ex- Ta ecuacién de Laplace _presién rectangular como la polar para Af. Af =0se denomina arménica, Una funcién f(x,y) se denomina radial sieacerhioner= te 447, Use a ec. (12) para demostrar que en coordenads polares (r, 0) l foo + th 48, Use la ex (13) para probar que fx) = In 49. Comprucde que fls.y) = xy f(xy) =» S51. Use la regla del producto para probar que: L_18 (ar _ feo that SB) B Use esta frmula parm probar qu si es una funeién radial arms es arménica, ca, entonces r= C pa alguna constante C, Derca gue fs, son unmdnicas wsando = CIN +O Pa alguna constant tanto laexpresién rectangular como la polar para Af = Maximo Jocal y global Minimo loca y global Disco D(P.») . FIGURA 1 f(x.) tiene un maximo local en P. + RECORDATORIO. £1 término “extremum” (ei plural es "extrema" significa valor minim © maximo. FIGURA 2 La recta 0 el plano tangentes son horizonales en un extremo local 15.7 Optimizaci6n en varias variables Recuerde que la optimizacién es el proceso de hallat Ios valores extremos de una funcién, Esto consiste en hallar los puntos maximo y minimo de la graf ca sobre un cierto dominio, Tal y como se vio en el caso de una variable, es importante distinguir entre valores extre- mos locales y globales. Un valor extremo es un valor f(a,b) que es maximo, © minimo, en algiin pequeito disco alrededor de (a, 6) (F gura 1), DEFINICION Valores extremos locales Una funcidn f(x,y) tiene un extremo local en P= (a,b) si existe un disco abierto D{P, ) tal que: © Maximo local: f(x,y) < f(a) para todo (x,3) € DOP.) © Minimo local: f(x,y) = f(a.b) para todo (x,y) € D(P.7) El teorema de Fermat establece que si f(a) es un valor extremo local, entonces a es tun punto critico y, por tanto, la recta tangente (si existe) es horizontal en x = a. Se puede esperar un resultado similar en dos variables, pero en este caso, es el plano tangente el que debe ser horizontal (Fgura 2). La ecuacién del plano tangente a = f(x,y) en P = (a,b) es a,b) + f(a, bye ~ a) + fla, by ~ 5) Por tanto, el plano tangente es horizontal si f(a,b) = jj(a,b) = 0, es dest, sila ecuacién se reduce a : = f(a,b). Esto leva a la siguiente def nicion de punto eritco, donde se tiene en consideracién Ia posibilidad de que una o ambas derivadas parciales pudieran no exist, Maximo locat “840 CAPITULO 15 I DIFERENCIACION EN VARIAS VARIABLES © De manera mas genera, (a...) es un punto critica de ft... %) Si cada derivada parcial cumple: fu lssss-sdy) = 0 o bien no existe ‘El teorema 1 se cumple para cualquier ndmero de variables: los ‘extrem locales ocurren en punts ctices. FIGURA 3 Grifea de flsy) = a2 = Day 4292 4 3p FIGURA 4 Gritea de DEFINICION Punto ertico Un punto P = (a,b) del dominio de f(x,y) se denomina un punto eritico si: © fl a,b) = 0.0 f(a.) no existe y + Jila.b) = 00 fi(a.b) no existe ‘Como en el caso de una variable, se tiene: TEOREMA 1 Teorema de Fermat Si /(x,») tiene un maximo © minimo local en P = (a,b), entonces (a, ) es un punto eritico de f(x.3). Demostracién Si f(x,y) tiene un minimo local en P = (a,b), entonces f(x,)) 2 flab) para todo (x,y) cerca de (a,b). En particular, existe r > Otal que f(x.) = flab) siempre due |x ~ al < r. Dicho de otro modo, g(x) = f(x,b) tiene un minimo local en x = a. Segin el teorema de Fermat para funciones de una variable, o bien g(a) = 00 bien g(a) no existe. Como g/(a) = f(a,b), se deduce que, o bien fi(a,b) = 0 0 f(a,b) no existe. Anélogamente, f,(4,) = 0 0 fi(a,b) no existe. Por tanto, P = (a,b) es un punto ertico. El caso del maximo local es similar. . Habitualmente se trata con funciones cuyas derivadas parciales existen. En tal caso, hallar los puntos eriticos consiste en resolver las ecuaciones simulténeas f(x,y) = Oy ‘filrsy) = 0. MH EJEMPLO 1 Prucbe que f(x,1) = 11x? ~2ay + 2y* + 3y tiene un punto eritico. Use laf gura 3 para determinar si éste corresponde a un maximo o @.un minimo local. Sol in Iguale a cero las derivadas parciales y resuelva: Segin la primera ecuacién, y Ix en la segunda ecuacién, se tiene Ix. Sustituyendo 2x4 4y $3 = -2e + A(x) #3 = 42430 Por tanto x = -74 ey = ~4f. Existe tinicamente un punto etitico, P= (- 74.—4f). La fgura 3 muestra que f(x, y) presenta un minimo local en P. . No siempre es posible hallar las soluciones explicitamente, pero se puede usar un programa informatico de célculo simbélico para hallar aproximaciones numéricas ML EJEMPLO 2 SAC Un ejemplo numérico Use un programa informatica de céleulo simb6lico para hallar los puntos criticos de: = Be eHeaS fly) {Se trata de maximos o de minimos locales? Haga referencia a la Fgura 4. Solucién Utilizaremos un programa informatico de calculo simbélico para caleular las derivadas parciales y resolver: 2x? + 87 + day $3 Gt+grae 7° L849) 2x? + 87 - loxy Qe +e +3)También nas referremos a! 0, entonces fla,6)y f(a.) ‘eben tener el mismo sign, por fo que el signo de f(a,b) también determina si fla,b) e5 un maximo 0 un minimo local SECCION 15:7 1 Optimizacién en varias variables 841 Para resolver estas ecuaciones, iguale los numeradores a cero. La f gura 4 indica que S(x,y) tiene un maximo local con x > 0 y un minimo local para el que x < 0. La siguiente instruecién de Mathematica busca una solucién cerca de (1, 0) FindRoot [{-2x"2+8y"2+4xy+3 == 0 {{x,1), fy, 0}}] -2x°2+8y72-16xy-3 o}, El resultado es: {x => 1.095, y -> -0.274} Por tanto, (1,095, -0,274) es un punto eritico aproximado, donde segtin la f gura 4, fal- canza un maximo local. Una segunda busqueda cerca de (~1,00)conduce a (~1,095,0,274), ue aproxima al punto critico en que f(x,y) aleanza un minimo local . Se sabe que en una variable, una funcién f(x) puede tener un punto de infexién y no un extremo local, en un punto critico, Una situacién similar ocurre en varias variables. Cada una de las funciones de la f gura 5 tiene un punto critico en (0,0). Sin embargo, la funcién de la f gura 5(C) presenta un punto de silla, lo que no es ni un maximo ni un rminimo, Si se encuentra en un punto de silla y empieza a caminar, algunas direcciones le Ievarian hacia arriba y otras hacia abajo, (A) Maximo local (8) Minimo local (©) Puno de sila FIGURA 5 Como en el caso de una variable, existe un test de la segunda derivada para determinar el tipo de punto eritico (a, 6) de una funcién f(x,y) de dos variables, Este test se basa en el signo del diseriminante D = D(a,), que se def ne como: D= D(a.) = foxa,b)fy(a,b) — (a,b) TEOREMA 2 Test de la segunda derivada Sea P = (a,b) un punto eritico de f(x). Suponga que fers fy fay Son continuas cerca de P, Entonces: © SLD > Oy Fala.) > 0, entonces f(a, b) es un minimo local ) Si D > Oy fix(a,b) <0, entonces f(a, 6) es un méximo local Git) Si D <0, entonces f tiene un punto de silla en (a,b). (iv) Si D = 0, 1 test no decide. Al fnal de esta seccién se proporciona una demostracién de este teorema,842 CAPITULO 15 I DIFERENCIACION EN VARIAS VARIABLES Panto desilla FIGURA 6 Grea de flay) = 08 +7. FIGURA 7 f(x. WM EJEMPLO 3 Aplicacién del criterio de la segunda derivada Halle los puntos criticos, de la funcién Aly) = (2 + e* -yanalicelos uilizando el eriterio de la segunda derivada Solueiéin Etapa 1. Halle los puntos crticos Tguale las derivadas pareiales a cero y resuelva: fey) = “0? + yo" + er Hilesy) Sustituyendo y = 0 en la primera ecuacién se obtiene: Qx- = ye™ ax- she Los puntos eriticos son (0,0) y (2,0) (Fgura 6 Etapa 2, Calcule las derivadas parciales de segundo orden Q-dee rey? foxl.y) = Zer- vy ye" 5 ye® -* Sylea) = FAVE) = 2€ a fl89) = Sald9) = Sve Etapa 3. Aplique el eriterio de la segunda derivada Punto Discriminante Critico fee Sy Sw D= fechy~ Sey Tipo (0,0) 2 2 0 2(2)- 0? = 4 Minimo local pues D>Oy fix >0 tet gt m3e-12e-2) 9 = det nto de sila pues (2,0) 2 2 0 -2e™*(2e*) - OF -4e D<0 . UN APUNTE GRAFICO También se puede determinar ef tipo de punto eritco a partir det ‘mapa de contorno. Observe que las curva de nivel dela F gura 7 rodean el minimo local ‘en P, siendo f creciente en todas las direcciones que surgen de P. Por el contrario, f presenta un punt de sillaen Q: el entomo de Q esti dividido en cuatro regiones en las ‘que f(x,y) alternativamente erece y decrece. Minimo foal Panto diaFIGURA 8 Gritta de una ‘mono” de ecuacién h(x,)) x ay » Elmixime des, y) 3+ sobre Dene lugar en (1, i) / 2 a — FIGURAS Pant intrior +4 nt Punt frontera i +4 — iB t FIGURA 10 Puntos interior y fomtera de un intervalo [a,b SECCION 15.7 1 Optimizacién en varias variables 843, 2 BH EJEMPLO 4 Analice los puntos criticos de f(x,y) = x +3" = 12xy. Solucién De nuevo, iguale las derivadas parciales a cero y resuelva: 3x? - Ly, Fey) > Sylxy) = 3)? = 12x Susttuyendo y = 41? en la segunda ecuacén, se obtiene: 3y? = = (fe) - Laredo -6y=0 = Como y = 432, 1os punts critcos son (0,0) y (4.4). Se tiene: -12 Fel 3)= 68 Syl) = 69 fol) El eriterio de la segunda derivada conf rma lo que se ve en la fgura 7: f tiene un minimo local en (4,4) y un punto de silla en (0,0), Punto Discriminante Critico fee fy fey Foch ~ fey Tipo: 0.0) 00-12 OO) = 127 = =144 Punto de slla pues D<0 4 4h 24QH) = 12 Minimo local pues D>Oyfu>O 7 UN APUNTE GRAFICO Un grifeo puede adoptar variedad de formas diferentes en un punto de sila, La griftea de f(x,y) en la fgura 8 se llama una “silla de mono” (porque ‘un mono puede sentarse en esta silla, con espacio para la cola en la parte posterior). Extremos globales ‘A menudo interesa hallar el méximo o minimo valor de una funcién f sobre un domino concreto D. Se trata de valores extremos absolutos o globales. Sin embargo, los extre- mos globales no siempre existen. La funcién f(x,y) = x+y tiene un valor méximo sobre el euadrado unidad Dy de la Fgura 9 (el maximo es f(1, 1) = 2), pero no tiene valor riximo sobre B?. Para enunciar las condiciones que garanticen Ia existencia de extremos globales, se neeesitan algunas def niciones. En primer lugar, se dice que un dominio D esté acotado si existe un nimero Mf > 0 tal que D esti contenido en un disco de radio M centrado en el origen. Dicho de otro modo, ningin punto de D esté a una distancia mayor que M del ‘origen [f guras 11(A) y 11(B)]. Un punto P se denomina: ‘© punto interior de D si D contiene un disco abierto D{P,r) centrado en P. ‘© punto frontera de D si todo disco centrado en P contiene puntos de Dy que no son deD. UN APUNTE CONCEPTUAL Para entender el concepto de punto interior y frontera piense en el caso de un intervalo / = [a,b] de la recta real R (Fgura 10). Todo punto x del intervalo abierto (a, 6) ¢s un punto interior de I (pues existe un pequefo intervalo alrededor de x enteramente contenido en 1). Los dos extremos ay 8 son puntos frontera (pues todo intervalo abierto que contenga a a 0 a b también contiene puntos que no estinen /).84 CAPITULO 15 I DIFERENCIACION EN VARIAS VARIABLES FIGURA 11 Dominios en R? FIGURA 12 Eliinterior de D es el conjunto de todos los puntos interiores y la frontera de D es el Oya > 0, entonces O(h, k) > 0 para (i,k) # (0,0). Gi) SiD > Oy a <0, entonces OUh,k) < 0 para (hk) # (0,0) (ii) Si D <0, entonces Q(/,k) alcanza tanto valores positivos como negativos. Demostra ccuadrados”: mn En primer lugar, suponga que a # 0 y reescriba Q(h,k) “completando Ob, k) = ab? + 2bhk + ok 2 = al + 4) +2 Si D > Oy a > 0, entonces D/a > 0 y los dos téeminos de la ec. (1) son no negatives ‘Ademis, si (h, ) = 0, entonces cada término de la ec. (1) debe ser igual a cero, Por tanto k= Oy h+ 2k = Oy necesariamente h = 0, Esto demuestra que Q(h,k) > 0si (i,k) #0 (queda demostrado. El apartado (i) se demuestra de forma similar. Para demostar (ii), observe que si a # 0 y D < 0, entonces los coef cientes de los términos al cuadrado en Jac. (1) tienen signos opuestos y (hk) alcanza tanto valores positives como negatives. Por iltimo, sia = Oy D < 0, entonces O(h, ) = 2bhk + ck con b # 0. En este caso, (hk) alcanza, de nuevo, tanto valores positivos como negatives. . Suponga ahora que f(x.) presenta un punto ertico en P = (a,b), Se va a analizar f considerando la resticcin de f(x,y) ala reeta (Fgura 14) que pasa por P = (a,b) con la éireccién de un vector unitari (hk): FU) = fla+thb+ 1) Entonces F(0) = fla,b). Por la regla de la cadena: Fo felt th, b + thy-+ flat th b + tk Como P es un punto eritico, se tiene que /i(a,) = f(a, b) = Oy, por tanto: F'(0)= fla. byh + f(a,bk=0 En consecuencia, = 0-es un punto critico de F().SECCION 187 1 Optimizacion en varias variables 847 Ahora, aplique Ia regla de la cadena de nuevo wey = FO) = T( fila + thyb + iR)h + fla th,b + Hk) = = (feala+ th, b+ thy? + fig + th, b+ thnk) + 4 (Fish hb + tk + fla + th.b+ YP) = fila tth,b+ il? + 2fy(a+ thd + ihk+ flat h,b+ aye [2] Se obtiene que "(1 el valor en (i, A) de una forma cuadritica cuyo discriminante es igual a D(a + th, + 1k). Aqui, se esté considerando: DUS) = fod Monte) = fo Observe que el discriminante de f(x,y) en el punto critico P = (a,b) es D = D(a, b). Caso 1: D(a,b) > Oy f(a.) > 0. Se debe demostrar que f(a.) es un minimo local Considere un pequeiio disco de radio r alrededor de P (F gura 14). Como las derivadas segundas son continuas cerca deP, se puede considerar r > 0 tal que para todo vector unitario (1k), se eumpla: Dla thb+tk)>0 paral 0 paral Oy faya.b) < 0 es similar. Caso 2: D(a,b) <0. Para |, Iaec. (2) da lugar a: FO) = fosla,b)? + 2fla, byhk + fiyla, bE Como D(a,b) < 0, esta forma cuaditica aleanza tanto valores positivos como negativos segin el teorema (iii). Considere (/t,A) para el que F”(0) > 0, Segin el eriterio de la segunda derivada en una variable, F(0) es un minimo local de F(t) por lo que debe existir un valor r > 0 para el que F(0) < F(0 siempre que 0 < | F(d) siempre que 0 < | 0. Como F(0) = (a,b), se deduce que f(a, b) es un minimo focal en algunas direcciones y un maximo local en en otras direcciones. Por tanto, f presenta un punto de silla en P = (a,b) 15.7 RESUMEN # Se dice que P = (a,b) es un punto critico de flx,y) si © fla.) = fila,b) = 0.0 f(a, b) no existe. 0.0 flasb) no existe y En n-variables, P = (ay,...,4n) e8 un punto ertico de f(vis....%9) si cada derivada parcial f,(a1,.+.44y) 0€8 Cero, 0 no existe848 CAPITULO 15 I DIFERENCIACION EN VARIAS VARIABLES + Los valores minimos 0 méximos locales de f tienen lugar en puntos crticos. © El discriminante de f(x,y) en P = (a,b) es la cantidad: Dla, b) = fasta, B) fila, b) ~ f5 (a,b) © Criterio de ta segunda derivada: si P = (a,b) ¢s un punto eritico de f(x,y), entonces: Dla,b) > 0, fusla,b)>0 = fla,b)es un minimo local Dla,b) > 0, fulasb) <0 = fla.) es un maximo local D(a.b)<0 = punto de silla D(a,b)=0 = eletiterio no decide © Un punto P es un punto interior de un dominio D si D contienen algin disco abierto D(P.r) centrado en P. Un punto P es un punto frontera de D si todo disco abierto D(P,) ccontiene puntos en D y puntos que no son de D. El interior de D es el conjunto de todos los puntos interiores y la frontera es el conjunto de todos los puntos frontera. Un dominio 8 cerrado si contiene a todos sus puntos frontera y abierto si es igual a su interior. © Existencia y localizacién de extremos globales: si f es continua y ‘Des cerrado y acotado, entonces: — fraleanza un valor maximo y minimo sobre D. ~ Los valores extremos se presentan o bien en los puntos criticas del interior de D 0 bien en puntos de la frontera de D. Para determinar los valores extremos, en primer lugar halle los puntos eriticos en el in terior de D. A continuacién compare los valores de J en los puntos criticos con el valor minimo y méximo de f sobre la frontera 15.7 PROBLEMAS Ejercicios preliminares 1. F1(0,0) es un punto critico de la funcion f(x,y) +? ytambién 3. Sea /(s,») una Funcién continua sobre un dominio D de R?, Deter de g(x,y) = ¥ =)". :Cull esl diferencia entre el eomportamiento de mine eusles de las siguientes af rmaciones son cera Jas dos Funciones en este punto critica? (a) Si D es cerrado y acotado, entonces ff aleanza un valor mximo 2, Identif que los puntos que se indican en los mapas de contorno ¢o- sobre D. ‘mo maximos locales, minimos locales, puntos de silla 0 como ni de la anteriores (Fgura 15). (b) Si D no es ni cerrado ni acotado, entonces f no aleanza un valor ‘maximo sobre D. () f(x.») puede no ener un valor maximo sobre el dominio D def nido seginO Oy> 0)SECCION 15.7 1 Optimizacién en varias variables 849 Problemas 1, Sea P = (a,b) un punto critico de f(x,» (2) Use f(x,y) = 0 para probar que a = 2b. Despues use f(x,y) = 0 para probar que P= (0,0) (2 V2, V3), 0(-2 V3.~ V2) Paya, () Enreferencia ala Fgura 16, determine l minimo local y fos puntos de silla de f(x,y) y halle el minimo absoluto de f(x,y). FIGURA 16 2, Halle los puntos eriticos de la funciones: fisy) 2 +29? Ay +68 say) = 7 = Daye Use el criterio de la segunda derivada para determinar el maximo local, 1 minimo local y los puntos de sila, Relacione f(x,»)y g(x,y) con sus rifeas en la Fgura 17. w ) FIGURA 17 3. Halle los puntos criticos de: fesy) = 8) +2 4-37 —y Use el mapa de contomo de la Fgura 18 para determinar su naturaleza (maximo local, minimo local o punto de sill). FIGURA 18 Mapa de contoro de flx.y) = 8) +2 +29 =3)2 = 93 4. Use el mapa de contomo de la fgura 19 para determinar silos pun- tos erticos 4, B,C. son méximos locales, minimos locales o puntos de sila FIGURA 19 5, Sea fly) =y2e— ys? +a. (a) Pruebe que los puntos eriticos (x,y) eumplen las ecuaciones: Wy-2e+ =O aQy-ee=0 () Prucbe que f tiene tres puntos critics, (6) Use el eriterio de I segunda derivada para determinar la naturaleza de los puntos critics. 6. Prucbe que f(x») = VF)" tiene un punto crtico Py que f no es diferenciable en P.;Tiene fun maximo local, un minimo local o un Punto de slla en P? En los problemas 7-23, halle los puntos eriticos de la fancin. A con- ‘inuacién, utlice el eriterio de la segunda derivada para determinar si se trata de méximos locales, minimos locales o puntos de sila (o bien cestablezea que el criterio no decide) tyeayee 8 flay) = -ay 4° + 2xy 25? ~ 10x y+ Ie -8y br 383 — 29? Bayt Gr 32850 CAPITULO 15 I DIFERENCIACION EN VARIAS VARIABLES 13. flay) =a4 494 — ayy 15. flx.y) = 9 17. flay) = sent +) ~c0s.x 19, f(x,y) = Ine+ 2Inyx—4y 20, fls.y) = (x +») Ins? +9") AL flay) =x—y? Ino +y) BD. flay) = ye” 2B. flay = (re ane" 24, Pruebe que f(x,y) = = tiene inf nitos puntos eritcos (como fun- cin de dos variables) y que el criterio de la segunda derivada no decide cenninguno de ellos. {Cuil ese valor minimo de f? ,Tiene f(x,y) algin ‘maximo local? 2S. Demuestre que la funci6n f(x,y) ‘Pesy) 2 0 para x > Oey 0. (a) En primer lugar, compruebe que el conjunto de puntos critics def cla paribola y = x4, y que el ertero dela segunda derivada no decide cen ninguno de estos puntos. 2° + $99 ~ ay cumple que (b) Pruebe que para b fja, la funcién g(x) = f(x.) es convera para > O-con un punto ertieo en x= 62 (@) Deduzca que fla.) 2 f(b"'?, b) = 0 para todo a,b > 0. 26, 7S) sea fay) = 02 + (a) cEn qué punto aleanza_f su valor minimo? No use eéleulo para responder a esta pregunta (b) Compruche que el conjunto de puntos crticas de f esti formado por el origen (0,0) y la cireunfereneia unitaria x? +)? = 1 (©) El criterio de la segunda derivada no decide para los puntos sobre la circunferencia unitaria (esto se puede verif car con algo de algebra, ungue la comprobacién es larga). Demuestre que J aleanza su valor ‘maximo sobre la circunfereneia unitaria analizando la funcién g(*) = te paras > 0, 27. SAC Use un programa informatica de cilelo simbstco para hullar una aproximacion al punto eco de: fess) = (a4 Pe" HCl =p 4yhe FIGURA 20 Representacién grifea de Peay) = (x42) + -yt Pe" Aplique el ritrio de Ia segunda derivada para comprobar que corres- pponde al minimo local que se observa en laf gura 20, 28, ;Cuiles de los siguientes dominos son cerrados ycudles acotados? @) (eRe ty sth © (eR teste) © (eR (@) (esp eR 2x > 09> 0} (© (as eR 1s xs45 sys 10) OH (enypeRPsx> 02 497 < 10) x20) (5S) En los problemas 29-32, determine os valores extromosglobales de la fancién sobre el conjunto que se indica sin utilizar argumentos de caleulo. 29, fls.y)= 04% 30. flay) 31 foxy 32 fly 33. Las hi ‘ii maximo global ni minimo global sobre el dominio: Osrsi, osyst osys3 3. Osyss D (xy) 0 | son nimeros tales que a! + 6~! ‘objetivo, se va a demostrar qu la funn ley) = ax + BY — ay cumple que /(x,)) 2 0 para todo x.y 2 0 (2) Prucbe que el conjunto de puntos ertcos de f(s, es la curva y 1 (Fgura 26). Observe que esta curva se puede describ también como x = 341. {Cuil es el valor de f(x,y) en los puntos sobre esta (b) Compruebe que el eriterio de la segunda derivada no decide. Sin ‘embargo, muestre que para todo b > 0 Fjado, la funcion g(x) = fla.b) es convexa con un punto eritico en x = BP“! (©) Deduzca que para todo x > 0, xb) 2 f°", 6) wb) Puntos eros fly) FIGURA 26 Los puntos eriticos de f(s, man ta curva y = x~! ‘54. 53] siguicmte problema fue planteado por Picme de Ferma: dados tes puntos A = (ay. a2), B= (bixb2) ¥ C = (e1,c2) ent plano, halle el punto P = (x) que minimiza la suma de distancias flay) = AP + BP+CP Sean ¢,f, vectores unitarios que apuntan de P a los puntos 4, B,C ‘como en la Fgura 27. (a) Use el problema $2 para probar que la condicién V/(P) = 0 es Sten cstegso B (b) Pruebe que /ls,y) es diferenciable excepto en los puntos 4, B.C. Deduzea que el minimo de f(x,y) se presenta o bien en un punto P que ccumpla la ec. (3), 0 bien en uno de los puntos 4, B, © C. (@) Demuestre que la ec. (3) es cierta siy sélo si P es el punto de Fermat, que se def ne como el punto P parael que los ngulos entre los segmentos son todos de 120° (Fgura 27), (a) Pruebe que el punto de Fermat no existe si uno de los dingulos del ABC es > 120°. En tal eas, ;dnde se presentaré el minimo? £ ao a (4) Peset punto de Fermat (los dngulos entre ety £280 os gues 120% (8) El pum de Fermat no existe FIGURA 27Resticion Gye 26437600 [roca nine FIGURA 1 Minimo de Sey sobre la recta 2x + 3 SECCION 158 | Multiplicadores de Lagrange: optimizacién con restricciones 853 15.8 Multiplicadores de Lagrange: optimizacién con restricciones Algunos problemas de optimizacién involucran hallar los extremos de una funcién f(x,y) sujeta @ una restriccién g(x,y) = 0. Suponga que se quiere hallar el punto sobre la recta 2x + 3y = 6 que se encuentre mas cercano al origen (f gura 1). La distancia de (x,y) al origen es f(x,y) = x7 +52, por lo que el problema se reduce a minimizar: flay) = yf? + No se trata de encontrar el valor minimo de f(x,y) (que es 0), sino de encontrar ef minimo entre todos los puntos (x,y) que se encuentran sobre la recta, EI método de los multiplicadores de Lagrange es un procedimiento general para resolver problemas de optimizacién con una restriecién. He aqui una descripeién de la idea principal sujetaa g(x,y) = 2x+3y-6=0 UN APUNTE GRAFICO Imagine que se encuentra en el punto Q de la fgura 2A). Quiere aumentar el valor de f pero continuando sobre la curva de la restriecién. El vector gradiente Vp apunta en la direccién de meximo crecimiento, pero no nos podemos desplazar en la direccién del gradiente porque esto provocaria que nos saligramos de Ja curva de la restriceion. Sin embargo, el gradiente apunta hacia la derecha, por lo que se puede aumentar f en algo, moviéndonos hacia la derecha sobre la curva de la restriccié Continiie con el movimiento hacia la derecha hasta llegar al punto P, en el que Vf es orfogonal a la curva de la restriccién [Fgura 2(B)]. Cuando ha llegado a P, no se puede aumentar més ni moviéndose hacia la derecha, ni hacia la izquierda sobre la curva de la restriceién, Por tanto (P) es un méximo local sujeto a la restriceién, Ahora, el vector Vgp es también ortogonal a la curva de la restriecién, por lo que Ve y Var deben apuntar en el mismo sentido, o bien en sentido opuesto. Dicho de otto modo, Vv = AV gr para alain escalar 2, lamado un multiplicador de Lagran- ge). Grif camente esto signif ca que un maximo local sujeto a la restriecién ocurre en aquellos puntos P en los que las curvas de nivel de fy de g son tangentes. Recta angente en P resrccking(,»)=0 (A) faumenia cuando nos dsplazamos (B) El maximo local de fsobe la curva dela Tac Ia drecha sobre a cura del estes, resrccin oeute cuando Wfp y Wap son praleos FIGURA2 TEOREMA 1 Multiplicadores de Lagrange Suponga que f(x,y) y g(x,y) son funcio- nes diferenciables. Si f(x,y) tiene un minimo o méximo local sobre la curva de la restriccién g(x,y) = 0 en P = (a,b) y si Vgp # 0, entonces existe un escalar 2. tal que: Vip = AYer 1851 CAPITULO 15 1 DIFERENCIACION EN VARIAS VARIABLES En ef teorema 1, la hipstesis Vey #0 Barantiza (por el teorema de la funcién Implicta, de calcuo avanzado) que se puede parametrizar la curva g(x») = 0 cerca de P por una trayectoiae tal que (0) = Pye(O) #0. +» RECORDATORIO La ec. (1) establece que si un maximo 0 minimo local do f(x») sueta a a restricién 30%,») = 0 58 da en P= (a,b), entonces: Vin = AVer siempre que Var # 0 Demostracién Sea (0) una parametrizacién de Ia curva de la restriceién g(x,y) = 0 cerea de P, escogida de manera que e(0) = Py (0) # 0. Entonces f(e(0)) = f(P)y, por hip6tesis, f(e()) tiene un minimo o maximo local en f = 0. Por tanto, ¢ = 0 es un punto, critico de f(e(s) y se cumple: d (0) = GIO), = Vr) =0 Regia dea aden Esto prueba que Vp es ortogonal al vector tangente e'(0) a la curva g(x,y) = 0. El _gradiente Vgp también es ortogonal a e'(0) (pues Vgp es ortogonal a la curva de nivel (8.3) = 0.en P), La conclusidn es que Vp y Vep son paralelos y, por tanto, Vp es un miltiplo de Vgp como se queria demostrar. . Nos referiremos a la ee. (1) como a la condicién de Lagrange, Cuando se expres cesta condicién en términos de las componentes, se obtienen las ecuaciones de Lagrange: Jela,b) = Agta, b) fa,b) = Ags(a,b) Un punto P = (a,b) que cumpla estas condiciones se denomina un punto critico para el problema de optimizacin con larestriccién y flab) se denomina un valor eitico ME EJEMPLO 1 Halle los valores extremos de f(x,3) GG) 2x + Sy sobre la elipse: Solucién Etapa 1. Esoriba tas ecuaciones de Lagrange La curva de la resriccién es g(x,y) = 0, donde g(x,y) = (4/4? + V/3)?~ I. Se tiene que: Etapa 2, Aisle 2, en términos dex y de y La ee. (2) proporciona dos ecuaciones para A: ome ¥ y a Para justif car el dividir por x y por y, observe que xe y deben ser diferentes de cero, pues x = 00) = 0 violaria la ec. (2) Etapa 3, Resuelva xe y usando la restriceién Las ds esos ua eben se ita, po ue abe #S 45 ‘ 2 5 Altra, sustituya en a ecuacn de la resticeiiny resuelva xCura de nivel de fix.)= 2s 59 whe ‘ve # ” Wo 9 ‘ve0 "7 FIGURA 3 El minimo y el maximo se presentan cuando la curva de nivel de / es tangente a la curva dela restrieci6 FIGURA 4 El economista Paul Douglas, trabajando con el matemitico Charles Cobb, obtuvo las funciones de produccién Pts,» ‘juste de datos recogidos sobre las relaciones entre mano de obra, capital y produceién en un entorn industrial Douglas fue profesor de la Universidad {de Chicago y también senador de EE,UU. por Illinois de 1949 a 1967. ‘wy? mediante Y eapita) Aumento de la pccion Resticion presuuestaia (nano de = obra) 0 8 Ro FIGURA 5 Grifco de contomo dela funcién de produecién de Cobb-Douglas P(x,y) = 50x!4y0%. Las eurvas de nivel de una funeién de produccién se denominan isocuantas. SECCION 158 1 Multiplicadores de Lagrange: optimizacién con restricciones 855 Por tanto O=(-H.-#). Ftapa 4. Caleute tos lores eriticos 32 45)_ 4/32). (45 fP) (34) (3) +5(3) yO) = ~17. La conelusisn es que el maximo de flr,y) sobre la clipse es 17 y el minimo es -17 (Feura 3) . Las hipétesis son importantes Segdn el teorema 3 de la seccién 15.7, una funcién con- tinua sobre un dominio cerrado y acotado alcanza sus valores extremos. Asi, sila curva de la restriccién es acotada (como en el ejemplo previo, en que la curva de la restriccién es una elipse), entonces toda funcién continua f(x,y) aleanza un maximo y un minimo sujeta a la restrieci6n. Sin embargo, tenga presente que los valores extremos no tienen por qué existir sila curva de la restriccién no es acotada. Por ejemplo, la restriceién x — es una recta no acotada, La funcién f(x,y) = 2 no tiene ni méximo ni minimo sujeta a = 0 pues P = (aa) cumple la restriccién, pero (a, a) = a puede ser arbitrariamente grande o pequeto. WM EJEMPLO 2 Funcién de produccién de Cobb-Douglas Invirtiendo x unidades de ‘mano de obra ¢ y unidades de capital, un fabricante de relojes de gama baja puede produ- cir P(x,y) = 50x"4yS relojes, (Vea la f gura 4.) Encuentre el maximo niimero de relojes que se pueden producir con un presupuesto de 20 000 $ si la mano de obra cuesta 100 § por unidad y capital euesta 200 $ por unidad. Solucién El coste total de x unidades de mano de obra y unidades de capital es 100x+ +200y, El objetivo es maximizar P(x,y) = SOx) sujeta a la siguiente resticcién presupuestaria (Fgura $) 26,9) = 100x +200) ~ 20 000 = 0 Etapa 1. Escriba las ecuaciones de Lagrange 20%) = 1002, 30x" = 2002, Ply) = Ageless) Py9) = AG(AY) Etapa 2. Aisle 7, en términos dex y de y Estas dos ecuaciones dan lugar a dos ecuaciones para 2. que deben ser iguales: ray" Etapa 3. Resuelva xe y usando la restric Multiptique ta ec. (5) por 5(,/x)"* obteniendo y/x = 15/200 y = 3x. A continua- cién, sustituya en la ec. (4): 1o0x + 200y = 100x + 200(3x)=20000 = 250% = 20 000 Se obtiene que x = 2 = 80€ Etapa 4. Catcute los valores eriticos Como P(s.y) es una funcion creciente de xe y, VP apunta hacia el noreste y Psy) alcanza su valor maximo en A (f gura 5). El maximo es P(80, 60) = 50(80)°#(60)"* = = 3365,87 o aproximadamente 3365 relojes, con un coste por eloj de 22% o apro- ximadamente 5.94 S 7 Je = 60, El punto crtico es 4 = (80,60).858 CAPITULO 15 I DIFERENCIACION EN VARIAS VARIABLES UN APUNTE GRAFICO En problemas de optimizacin con restricciones, el valor maximo global es Ia altura correspondiente al punto mis alto sobre la superf ce = = f(x,y) (punto Q de la Fgura 6), Cuando se proporciona una restriceién, centramos nuestra atencién sobre la curva de la superf cie que se encuentra por encima de la curva de la restriccion g(x,y) = 0. El valor méximo, sujeto ala restricein, es a altura del punto ‘mas alto sobre esta curva, La f gura 6(B) muestra el problema de optimizacién del ejemplo | resuelto. ‘Maximo slob Maximo sobre lncunvade la — _— éxito (> eda aqul ea “ e FIGURA 6 EI método de los multiplicadores de Lagrange es valido para cualquier nimero de variables. En el siguiente ejemplo, se considera un problema en tres variables. M1 EJEMPLO 3 Multiplicadores de Lagrange en tres variables Halle el punto sobre el = I mas cercano al origen en R°. Vi +77 +2 sujeta a la restriceion 1. Pero hallar Ia distancia minima d es lo mismo que minimizar el cuadrado de la distancia a, por lo que el problema se puede enunciar como: xy Minimizar f(x,y, Hy? +2 sujetaa gory La condicién de Lagrange es: Esto da lugar a: Asdr=8y=8 > FIGURA 7 Punto P sobre el plano mis «cercano al origen.La interseccién de una esfera con un plano que pasa por su centro se ‘senomina ciculo méxime, FIGURA 8 El plano interseca la esfera en un circulo maximo. Qes el punto de ‘mayor coordenada x sobre este gran circulo SECCION 158 | Multiplicadores de Lagrange: optimizacién con restricciones 857 EI método de Lagrange se puede utilizar cuando hay més de una ecuacién de restric ccidn, pero se debe afadir otro multiplicador por cada restriceién adicional. Por ejemplo, si el problema consiste en minimizar f(x,y,2) sujeta a las restrieciones g(x,y,2) = 0 y ‘i(x,y,2) = 0, entonces la condicién de Lagrange es Vf =AVg+ uh mH EJEMPLO 4 Mul wdores de Lagrange con varias rest 1es La interseccién del plano x fy-+ 42 =0 con In esfera untaria x? +y? +2 = 1 es un gran citeulo 0 circulo miximo (Fgura §). Halle el punto sobre este circulo maximo con coordenada Solucién £1 objetivo es maximizar la funcién /(x,y,2) = x sujeta a las dos ecuaciones de restriccién: Daya? 1d soansent byt t=O iey2)= La condicin de Lagrange es: Vf =AVe + uh z 3)*menar29 aoneafutd COtwerve que no puode ser er, La conicin de Lagrange sera entnees (10,0) (4 est councign nose veri cari pare ning valor 2. Ast la condielén de Lagrangs propocion es ecuacones: aermet Taetweo Saat Las dos iltimas ecuaciones dan lugar a = ~4yyy A 6uz. Como 1s # 0, se tiene: —dpy = uz > Ahora utilice esta relacién en la primera ecuacién de restrieeién: hye 2 Saye2-1 los puntos criticos para obtener que $32? = Loz = + VB is 2) o-(B-4-2,) “TNE 78 7 FV" 7ViB. El punto critic con mayor coordenada x (l valor miximo de /(+,9,2)) €8 Q, de eoorde- nada x 8 ~ 0515 .858 CAPITULO 15 I DIFERENCIACION EN VARIAS VARIABLES 15.8 RESUMEN © Método de los multiplicadores de Lagrange: los valores extremos locales de f(x,») sujefos ala restriccién g(x,y) = 0 se presentan en los puntos P (Ilamados puntos criticos), ‘que cumplen la eondicién de Lagrange V/p = AVgp. Esta condicién es equivalente a las ‘ecuaciones de Lagrange: AQ « Si la curva de la restriccién g(x,y) = 0 es acotada [por ejemplo, si a(x¥) Agy) — fyoey) = Agyory) Oes una circunferencia 0 una elipse], entonces los valores minimo y maximo de / sujetos ala restriceién existe, + La condicién de Lagrange para una funcién de tres variables f(x, y hxy.2) trieciones g(x,y.2) 2) sujeta a las res es VP = Ae + uh 15.8 PROBLEMAS Ejercicios preliminares 1. Suponga que el maximo de f(x,y) sujeto ala restricein g(x, se da en un punto P = (a,b) tal que Vp # 0. {Cuil de las siguientes afrmaciones es cierta (a) Vy es tangentea g(x,y) = Den P. (b) Vfp es ortogonal a g(x,y) = O en P. 2, La Fgura 9 muestra una resticeién g(x,y) = O y la curva de nivel de una funcién f. En cada caso, determine si f tiene un minimo lo- cal, un maximo local o ninguna de ls dos cosas en el punto que se ha cetiquetado, FIGURA9 3. Sobre el mapa de contomno de la Fgura 10: (a) Identirque los puntos en que V) 1 para alin esealar 2, (b) ldentifque los valores maximo y minimo de f(x,y) sujeta a aG3,9) = 0, crinn=0 Mapa de sontomo de f(s. 3) (intervalo de eontomo 2) FIGURA 10 Mapa de contomo de f(x,y) ntervalo de eontorno 2, Problemas En os siguientes problemas, uilice el método de los multplicadores de Lagrange sino se indica lo contrario. 1. Halle los valores extremos deta uncion £4.) la restriecién g(x,y) = 2? +)? 5 =0. (a) Pruche que la ecuacion de Lagrange Vf = AN da lugar a v= Ly ay =2. (b) Pruebe que estas ecuaciones implican que A # Oey = 2s. + ay seta a () Use la ecuacién dela restriecién para determinar los posibles puntos ertios (x9) (a) Evalie /(%.») e0 os puntos erticas y determine ls valores minimo xy miximo, 2, Halle fos valores extremos de f(x,y) = x" + 2y* sujeta a la restc- clon g(x,y) = 4x = 6) = 25, (a) Prucbe que la ecuacién de Lagrange da lugar a 2x = 4, 4y = ~62. (b) Pruebe que si x = 0 0,y = 0, entonces las ecuaciones de Lagrange conducen a x = y = 0. Como (0,0) no cumple la restriceién, puede suponer que xe sean diferentes de cero, () Use las ecuaciones de Lagrange para probar que y