Facultad de Ciencias Económicas – UNT Matemática III

MATEMÁTICA III
MATERIAL TEÓRICO Nº 7

Optimización de
funciones reales de
varias variables con
restricciones

Cirilo, M. , Molina, M. L. 1
 Facultad de Ciencias Económicas – UNT Matemática III

CONTENIDOS
➢ Extremos condicionados.
➢ Método de Lagrange. Condición necesaria para la existencia de
extremos condicionados.
➢ Condición suficiente para la existencia de extremos condicionados.
➢ Funciones de valor máximo (mínimo). Teorema de la envolvente.
➢ Interpretación del multiplicador de Lagrange.

OBJETIVOS

Al terminar de estudiar este tema serás capaz de:

➢ Identificar las funciones de restricción y determinar los extremos
condicionados usando el método de los multiplicadores de Lagrange.
➢ Resolver problemas de optimización.

CONOCIMIENTOS PREVIOS

Para los objetivos propuestos necesitarás revisar los siguientes contenidos:

▪ Extremos absolutos y relativos de una función de una variable
independiente. Definiciones.
▪ Criterios de la 1ra. y segunda derivada para extremos relativos.
Problemas de optimización.

Cirilo, M. , Molina, M. L. 2
 Facultad de Ciencias Económicas – UNT Matemática III

INTRODUCCIÓN

Algunas veces afrontamos el problema de minimizar o maximizar cierta función

sujeta a alguna restricción de las variables que intervienen. Si tenemos una
expresión que define a una función y además una ecuación que señala la
restricción entre las variables estamos en presencia de los que conocemos
como extremos condicionados.

EXTREMOS CONDICIONADOS

Los problemas de máximos y mínimos locales se presentan con frecuencia en

forma tal que las variables no son todas independientes. Sin embargo, en
muchos casos las condiciones de vínculo no permiten despejar unas variables
en función de otras.
Entonces buscamos métodos que puedan utilizarse también cuando las
condiciones de vínculo entre las variables están definidas mediante funciones
expresadas en forma implícita.

Es por ello, comenzaremos este material realizando el estudio de extremos

condicionados para funciones de 2 variables y luego generalizaremos para n
variables.

Enunciamos a continuación la condición necesaria para la existencia de

extremos condicionados. Este método llamado de Lagrange tiene sus bases en
convertir un problema restringido a una forma tal que todavía sea aplicable la
condición de 1° orden del problema de extremo libre o sea sin restricciones.

TEOREMA DE LAGRANGE para funciones de 2 variables (Condición

Necesaria)

Sean f y g funciones de dos variables independientes,

ambas con derivadas parciales continuas en una región D.
Si la función z = f(x, y) posee un extremo relativo en
(a, b)  D con la condición g (x, y) = 0 y g y (a, b)  0 (o

bien g x (a, b)  0 ), entonces existe un número real  tal

Cirilo, M. , Molina, M. L. 3
 Facultad de Ciencias Económicas – UNT Matemática III

que (a, b, ) es punto critico de la función lagrangiana

F (x, y, ) = f (x, y) +  g (x, y) ,
 recibe el nombre de Multiplicador de Lagrange.

El cálculo de extremos con restricciones utilizando estos multiplicadores se

denomina método de multiplicadores de Lagrange.

CONDICION SUFICIENTE PARA EXTREMOS CONDICIONADOS DE

FUNCIONES DE 2 Variables

Sea z = f (x, y) sujeta a la condición de g (x, y) = 0 ,

con f y g , ambas con derivadas parciales 2º orden
continuas en una región D, y sea además
F(x, y,) = f (x, y) +  g ( x, y) la función lagrangiana,
con   Re, y el punto (a, b, ) punto critico de la función
F; se define el determinante:

Fx x (a, b,  ) Fx y (a, b,  ) g x (a,b )

H = Fy x (a, b,  ) Fy y (a, b,  ) g y (a,b )
g x (a, b ) g y (a,b ) 0

Entonces:

Si H 0 entonces f (a, b) es un mínimo condicionado de f.

Si H  0 entonces f (a, b) es un máximo condicionado de f.

Extremos Condicionados

Ejemplo: Calcule los extremos de la función sujeto a la restricción indicada:

I) f ( x 1, x 2 ) = 2x 1 + 2x 1.x 2 + x 2 con 2x 1 + x 2 = 100
Formamos la función de Lagrange para este caso :

F( x 1, x 2 , ) = 2x 1 + 2x 1.x 2 + x 2 + (2x 1 + x 2 − 100 )

Cirilo, M. , Molina, M. L. 4
 Facultad de Ciencias Económicas – UNT Matemática III

Las derivadas parciales de la función de Lagrange

Fx1 ( x 1, x 2 ,  ) = 2 + 2x 2 + 2

Fx 2 ( x 1, x 2 ,  ) = 2x 1 + 1 + 

F ( x1, x 2 , ) = 2x1 + x 2 − 100

Buscamos el PC de la función de Lagrange

Fx1 ( x 1 , x 2 ,  ) = 0   = −1− x 2 (1)

Fx 2 ( x 1 ; x 2 ,  ) = 0   = −1− 2x1 (2)

F ( x1 , x 2 ,  ) = 0  2x 1 + x 2 − 100 = 0 (3)

Resolvemos el sistema. De (1) y (2) x 2 = 2 x1

Reemplazamos en (3) 2x 1 + 2x 1 − 100 = 0  x 1 = 25 ; x 2 = 50 ;  = -51

Por lo tanto el punto crítico de la función de Lagrange:

PC = (25, 50,  ) ,

Encontramos las derivadas de 2° orden para F y las de 1° orden para g

Fx1x1 ( x 1, x 2 ,  ) = 0 ; Fx1x2 ( x 1, x 2 ,  ) = 2

Fx2x1 ( x1, x 2 ,  ) = 2 ; Fx 2x 2 ( x 1, x 2 ,  ) = 0

g x1 ( x 1, x 2 ) = 2 ; g x2 ( x 1, x 2 ) = 1

Y reemplazando el punto en el determinante H:

Fx x (a,b,  ) Fx y (a,b,  ) g x (a,b) 0 2 2 0 0 2

H = Fy x (a,b,  ) Fy y (a,b,  ) g y (a,b) = 2 0 1 = 2 − 1 1 = 8
g x (a,b) g y (a,b) 0 2 1 0 2 1 0

Como H = 8 > 0, entonces f (25, 50) es Máximo Condicionado de f.

Cirilo, M. , Molina, M. L. 5
 Facultad de Ciencias Económicas – UNT Matemática III

Los puntos críticos son: Para x=3 ,y=2 = -1/2 P1( 3,2,-1/2)
Para x = -3, y=-2 = 1/2 P2( -3,-2,1/2)
Encontramos las derivadas de 2° orden para F
Fxx( x,y,)= 2 Fxy( x,y,)=0
Fyx( x,y,)=0 Fyy( x,y,)= 2
gx(x,y)= 2x gy(x,y)= 2y
−1 0 6
• Para P1(3,2,-1/2) calculamos H = 0 − 1 4 = 52>0 entonces f(3,2) =13
6 4 0

es un máximo condicionado
1 0 −6
• P2( -3,-2,1/2) calculamos H = 0 1 − 4 = -52 entonces f(-3,-2)=-13
−6 −4 0

es un mínimo condicionado

Cirilo, M. , Molina, M. L. 6
 Facultad de Ciencias Económicas – UNT Matemática III

En economía, este concepto es muy utilizado.

Aplicaciones

Ejemplo: La función de producción de Coubb- Douglas , para un fabricante

particular viene dada por: f (x, y ) = 100 x 3 4 y 1 4 , donde x representa las

unidades de trabajo ( a U$S 150 la unidad ), e y representa las unidades de
capital (a U$S 250 por unidad ). El capital disponible para la producción es
de U$S 50.000. Halle el nivel de producción máximo de este fabricante.

Resolución:
La función de producción es: f (x, y ) = 100 x 3 4 y 1 4 x > 0 , y > 0.
Del capital disponible y del costo de las unidades de trabajo y de capital, se
obtiene la restricción: 150 x +250 y = 50.000. Usando el método de los
Multiplicadores de Lagrange se tiene que: g(x, y) = 150 x +250 y - 50.000
La función de Lagrange:
3 1
F( x, y,  ) = 100 x 4 y 4 + (150 x + 250 y − 50.000 )
Sus derivadas parciales:
-1 1
Fx ( x, y,  ) = 75 x 4 y 4 + 150 
3 -30
Fy ( x, y,  ) = 25 x 4 y 4 + 250 

F ( x, y, ) = 150x + 250y − 50.000

Igualando a cero estas 3 derivadas se obtiene:
-1 1
75 x 4 y 4
=− (1)
150
3 -3
25 x 4 y 4
=− (2)
250

150 x +250 y - 50.000=0 (3)

Cirilo, M. , Molina, M. L. 7
 Facultad de Ciencias Económicas – UNT Matemática III

1 x
Igualando (1) con (2) se obtiene: x −1 y =  y= ,
5 5
y reemplazando en (3) se obtiene : 200 x = 50.000  x = 250  y = 50.
Por lo tanto la producción máxima es: f (250, 50) = 16.719 unidades de
productos.

Observación:

En los problemas de aplicación intervienen:

▪ funciones económicas cuyas variables son positivas.

Además, no trabajamos con los determinantes D y H en las

aplicaciones porque con:

▪ la función Beneficio, o la función Producción esperamos

obtener el máximo Beneficio o la máxima Producción

▪ la función Costo esperamos obtener el mínimo Costo.

OPTIMIZACION DE UNA FUNCION DE N VARIABLES SUJETA A UNA

RESTRICCION

En el caso de que la función a optimizar sea de n variables sujeta a una condición

que depende de estas n variables, o sea

La función objetivo z = f( x1,x2,x3,….xn) sujeta a la restricción g(x1,x2,x3,….xn) =0

La función de Lagrange será:

F(x1,x2,x3,….xn , )= f( x1,x2,x3,….xn) +  [g(x1,x2,x3,….xn) ] , con  número real

Cirilo, M. , Molina, M. L. 8
 Facultad de Ciencias Económicas – UNT Matemática III

TEOREMA DE LAGRANGE para funciones de n variables sujeta a una

restriccion (Condición Necesaria)

Sean f y g funciones de n variables independientes,

ambas de clase C1 en n
Si la función z = f(x1,x2,x3,….xn) posee un extremo
relativo en X*=( x1+,x2+,x3+,….xn*) con la condición

g(x1,x2,x3,….xn) =0 con
g *
x i
( )
X  0 para algún i=1,2..n,

entonces existe un número real  tal que (X*, ) es punto

crítico de la función lagrangiana
F(x1,x2,x3,….xn , )= f( x1,x2,x3,….xn) +  [g(x1,x2,x3,….xn) ]

 recibe el nombre de Multiplicador de Lagrange.

Para determinar si la función objetivo sujeta a una restricción presenta un máximo

o mínimo condicionado en los puntos críticos encontrados usaremos el siguiente
teorema en el que trabajaremos con la matriz Hessiana Orlada

 HF( X*) Dg( X*) 

H(X*)=  

 Dg( X * ) 0 

  2F *

  2 x1
X( )  2F
x 2x1
( )
X* 
 2F
xnx1
( )
X* ( )
g *
X



x1
 2 
  F X*
 x1x 2
( )  2F *
X( ) 
 2F
xnx 2
( )
X*
x 2
( )
g *
X 

2x2
H(X*)=   
 2     
  F
X( )
*  2
F
( )
X* 
 2F *
( )
X xn
( )
g *
X 
 x1xn x 2xn  2 xn 
 
 g *
 x X ( ) g *
x 2
( )
X 
g *
xn
X( ) 0


 1 

Cirilo, M. , Molina, M. L. 9
 Facultad de Ciencias Económicas – UNT Matemática III

CONDICION SUFICIENTE PARA EXTREMOS CONDICIONADOS DE

FUNCIONES DE n VARIABLES SUJETA A UNA RESTRICCIÓN
Sea z= f(x1,x2,x3,….xn) sujeta a la condición de g(x1,x2,x3,….xn) =0 , con
f y g , ambas funciones de clase C2 en n, y sea además

F(x1,x2,x3,….xn , )= f( x1,x2,x3,….xn) +  [g(x1,x2,x3,….xn) ] la función

lagrangiana, con   Re, y el punto (X*, ) punto crítico de la función F;

Para r=2,….,.n el determinante de la matriz Hessiana Orlada es

 2F  2F
(X * )  (X * ) g (X * )
x1 2 xr x1 x1
   
 F  F
Br ( X*) =
(X * ) g (X * )
2 2
(X * ) 
x1xr x r 2 x r
g g
(X * )  (X * ) 0
x1 xr

Entonces:

• Si Br ( X*)  0 para r=2,…,n entonces f (X*) es un mínimo

condicionado de f.

• Si (-1)r Br ( X*)  0 para r=2,…,n entonces f (X*) es un máximo

condicionado de f.

Extremos Condicionados para funciones de 3

variables

Ejemplo: Calcule los extremos de la función sujeto a la restricción indicada:

I) f(x,y,z) = (2-x).yz sujeta a 8x-4y2-z2=0
Formamos la función de Lagrange para este caso :

F( x, y, z, ) = (2-x).y.z+.( 8x-4y2-z2)

Calculamos las derivadas parciales de 1° orden de la función de Lagrange

yz
Fx ( x, y, z,  ) = − yz + 8 − yz + 8 = 0   = (1)
8

Cirilo, M. , Molina, M. L. 10
 Facultad de Ciencias Económicas – UNT Matemática III

(2 − x ).z
Fy ( x, y, z, ) = (2 − x)z − 8y entonces (2 − x )z − 8 y = 0   = (2)
8y

( 2 − x )y
Fz ( x, y, z,  ) = (2 − x )y − 2z (2 − x )y − 2z = 0   = (3)
2z

F ( x, y, z, ) = 8x − 4y 2 − z2 8x − 4y 2 − z 2 = 0 (4)

yz (2 − x ).z
De (1) y (2) obtenemos =  8 y2 z= (2-x).z.8  y 2 =(2-x) (5)
8 8y

yz (2 − x )y
De (1) y(3) obtenemos =  2 y.z2= 8.(2-x) y  z2= 4(2-x) (6)
8 2z

Reemplazando (5) y (6) en (4) obtenemos

8x- 4. (2-x)-4(2-x) =0  8x-8(2-x) =0  8x-16+8x=0  16x =16  x=1

y2= 1  y=1 z2 = 4  z=2

Los puntos críticos son

x=1 , y=1, z= 2 = ¼ entonces P1(1,1,2,1/4)

x=1 y=-1, z=2 = -¼ entonces P2(1,-1,2,-1/4)

x=1, y=-1, z=-2 = ¼ entonces P3(1,-1,-2,1/4)

x=1 , y=1, z= -2 = -¼ entonces P4(1,1,-2,-1/4)

Encontramos las derivadas de 2° orden para F y las de 1° orden para g
Fxx ( x, y, z,  ) = 0 Fxy ( x, y, z, ) = −z Fxz ( x, y, z,  ) = − y

Fyx ( x, y, z, ) = −z Fyy ( x, y, z, ) = −8 Fyz ( x, y, z, ) = (2 − x)

Fzx ( x, y, z,  ) = − y Fzy ( x, y, z, ) = (2 − x) Fzz ( x, y, z,  ) = −2

gx (x,y,z) = 8 gy(x,y,z)=-8y gz(x,y,z)= -2z

Cirilo, M. , Molina, M. L. 11
 Facultad de Ciencias Económicas – UNT Matemática III

• P1(1,1,2,1/4) matriz Hessiana Orlada es

 0 − 2 −1 8 
  0 −2 8
− 2 − 2 1 − 8
H (P1) =  1  B2(P1)= − 2 − 2 − 8 =384
 − 1 1 − 2 − 4 8 −8 0
 8 −8 −4 0 
 

0 − 2 −1 8
−2 −2 1 −8
B3(P1)= −
= -512  (-1)[Link] (P1)>0 para r=1,2 entonces
−1 1 1 −4
2
8 −8 −4 0

f(1,1,2)= 2 es un máximo condicionado

• P2(1,-1,2,-1/4) matriz Hessiana Orlada es

 0 −2 1 8 
  0 −2 8
− 2 2 1 8 
H (P2) =  B2(P2)= − 2 2 8 =-384 <0
− 4 
1
 1 1
2 8 8 0
 8 8 − 4 0 


0 −2 1 8
−2 2 1 8
B3(P2)= = -512<0  Br (P2)< 0 para r=1,2 entonces
1 1 1 −4
2
8 8 −4 0

f(1,-1,2)= -2 es un mínimo condicionado

• P3(1,-1,-2,1/4) la matriz Hessiana Orlada es

0 2 1 8
  0 2 8
2 − 2 1 8
H (P3) =  B2(P3)= 2 − 2 8 =384 >0
4 
1
1 1 − 2 8 8 0
8 8 0 
 4

0 2 1 8
2 −2 1 8
B3(P3)= = -512<0 (-1)[Link] (P3)>0 para r=1,2 entonces
1 1 −1 4
2
8 8 4 0

f(1,-1,-2)= 2 es un máximo condicionado

Cirilo, M. , Molina, M. L. 12
 Facultad de Ciencias Económicas – UNT Matemática III

• P4(1,1,-2,-1/4) la matriz Hessiana Orlada es

0 2 −1 8 
  0 2 8
2 2 1 − 8
H (P4) =  B2(P4)= 2 2 − 8 =-384 <0
4 
1
−1 1 2 8 −8 0
 8 −8 4 0 


0 2 −1 8
2 2 1 −8
B3(P4)= = -512<0 entonces f(1,1,-2)= -2 es un mínimo
−1 1 1 4
2
8 −8 4 0

condicionado

Cirilo, M. , Molina, M. L. 13
 Facultad de Ciencias Económicas – UNT Matemática III

FUNCION DE VALOR MÁXIMO

Una función de valor máximo es una función objetivo a cuyas variables

de elección se les asignan valores óptimos. Estos valores óptimos de las
variables de elección son, a su vez funciones de las variables y parámetros
exógenos del problema. Una vez que los valores óptimos de las variables
de elección se han sustituido en la función objetivo original, la función se
transforma en una función solo de los parámetros, de esta forma la función
de valor máximo también se llama función objetivo indirecta

Si la función objetivo U=f (x, y,) es la función que queremos maximizar

La condición necesaria de 1° orden es fx (x, y,)= fy(x, y,)=0 . Si se

cumplen las condiciones de 2° orden (condición suficiente para extremos)
estas dos ecuaciones definen implícitamente las soluciones x*=x*()
y*=y*()

Si sustituimos estas soluciones en la función objetivo obtenemos una

nueva función

V ()= f (x*(), y*(),), donde esta función es el valor de f cuando los.

valores de x e y son los que maximizan f (x, y,). Por lo tanto, V () es la
función de valor máximo o función objetivo indirecta

TEOREMA DE LA ENVOLVENTE

Sea f (x, y,) una función de clase C1 de (x, y) 2 y del parámetro . Para
cada elección del valor del parámetro , consideremos el problema de
maximizar sin restricciones o sea: maximizar f (x, y,) con respecto a
(x,y)

Sea (x*(), y*() una solución de este problema. Suponga que (x*(), y*()
es una función de  de clase C1 y sea V ()= f (x*(),y*(),) la función de
valor máximo. Entonces

Cirilo, M. , Molina, M. L. 14
 Facultad de Ciencias Económicas – UNT Matemática III

d 
V ( ) = f ( x * (), y * (), )
d 

Demostración

Usando la regla de la cadena ( caso 1)

f
d
V ( ) = (x * (), y * ()). dx * + f (x * (), y * ()). dy * + f (x * (), y * ()). =
d x d y d 

f
(x * (), y * ())


f
pues (x * (), y * ()) = f (x * (), y * ()) =0
x y

Observación: Este resultado dice que, para el óptimo, a medida que 

d
varia, permitiendo el ajuste de x* e y* , la derivada V() da el mismo
d

resultado que si x* e y* se trataran como constantes

La tesis de este teorema muestra que, para el óptimo, solamente importa el

efecto directo de  sobre la función objetivo

INTERPRETACION DE LOS MULTIPLICADORES DE LAGRANGE

Mostraremos, realizando un análisis referido al problema de maximizar Z=f(x,y)

sujeta a la restricción g(x,y)=c , cual es la incidencia que tiene el multiplicador
de Lagrange 

Para este caso armamos la función de Lagrange F (x, y,) = f(x,y)+( g(x,y)-c)

Sea (x*,y*,*) el punto critico de F , el cual resulta de resolver

Fx( x*,y*,*)= Fy( x*,y*,*)= F( x*,y*,*)= 0

Observe que F( x*,y*,*)= g(x,y)-c= 0

Entonces Y (x*,y*) maximiza a f sujeta a la restricción g(x,y)=c

Cirilo, M. , Molina, M. L. 15
 Facultad de Ciencias Económicas – UNT Matemática III

Cuando pensamos en c como variable, debemos tener en cuenta que la

solución (x*,y*,*) cambia a medida que c cambie. Para esto entonces la
solución se la puede escribir como (x* ( c), y*( c), *(c) )

Ahora consideremos que M*(c) representa el valor máximo (con restricción) de

f como una función de c , que puede escribirse como M*( c)= f (x*(c), y*( c))

dM *
Vamos a mostrar que =  * (c ) , esto nos dice que el multiplicador de
dc
Lagrange * es la razón de cambio de la solución al problema de maximización
con restricciones a medida que la restricción cambia.

Encontramos que

F (x*, y*,*) = f(x*,y*)+*( g(x*,y*)-c)= f(x*,y*) +0 = M*

Consideramos que la función de Lagrange es una función de 4 variables en

realidad, ya que ahora c es un valor que puede cambiar

F (x, y,,c)= f(x,y)+( c-g(x,y))

F
Por lo que =  (1)
c

Nos importa el valor de la función de Lagrange F en la solución ( x*,y*,*) para

un valor dado de c entonces en realidad tendremos que la solución es ( x*(c),
y*(c ) , *( c)) .Estas son funciones de c que corresponden a la solución del
problema de Lagrange para una opción de la “constante” c

Entonces M*( c) = F ( x*(c), y*(c ) , *( c),c) , para simplificar la notación

llamamos P* = (x*(c), y*(c ) , *( c)), y luego usamos la regla de la cadena para
hallar

F
dM *
=
d
F(P*) = (P * ). dx * + F (P * ). dy * + F (P * ). d * + F (P * ). dc
dc dc x dc y dc  dc c dc

Cirilo, M. , Molina, M. L. 16
 Facultad de Ciencias Económicas – UNT Matemática III

F
Como (P * ) = F (P * ) = F (P * ) = 0 entonces
x y 

dM * F
= (P *) como por (1) F = 
dc c c

dM *
Entonces tenemos que = *
dc

Esto nos dice que el valor solución del multiplicador de Lagrange constituye
una medida del efecto del cambio en la restricción a través del parámetro c en
el valor optimo de la función objetivo.

Cirilo, M. , Molina, M. L. 17