CURSO: Clculo en Varias Variables

TEMA: Funciones reales de variable vectorial (Mximos y mnimos con restricciones)

BIBLIOGRAFA: Clculo en Varias Variables (J. Stewart)
FECHA: Viernes 11 de marzo de 2011.

1 Mximos y mnimos de funciones con restricciones

En esta seccin estamos interesados en resolver problemas de la forma
Optimizar f(x)
Sujeto a:
x
(1)
donde f : R
n
7 R y R
n
es un conjunto cerrado y acotado
1
. A diferencia del caso sin restricciones,
ahora estamos interesados en obtener puntos dentro de donde f alcance un valor mnimo o mximo.
Por lo general, problemas como el mostrado en (1) son extremadamente difciles de resolver, salvo algunos
casos particulares con pocas variables en juego. Aqu veremos dos casos:
1. Cuando est caracterizado por restricciones de desigualdad
2. Cuando est caracterizado por restricciones de igualdad
En ambos casos, slo haremos una introduccin para explicar la idea central de la tcnica. Cuando los
problemas se complican, ya sea por la complejidad de las funciones involucradas o por el nmero grande de
variables, se debe preferir usar algoritmos de optimizacin
2
.
Teorema 1.1 (Weierstrass) Si f : R
n
7 R es continua en un conjunto cerrado y acotado R
n
,
entonces existen x

, y

donde f alcanza su valor mnimo y su valor mximo.

Cuando un caso particular del problema (1) encuadra dentro de las hiptesis del teorema 1.1, podemos
establecer una estrategia para encontrar las soluciones buscadas.
Estrategia 1.1 (Extremos de funciones continuas sobre conjuntos cerrados y acotados) Sea f :
R
n
7R una funcin continua sobre un conjunto cerrado y acotado R
n
.
Paso 1: Se calculan los puntos estacionarios de f (como si fuera sin restricciones) y se eligen aquellos que
estn en el interior de .
Paso 2: Se determinan los puntos donde la funcin no es diferenciable, esto incluye obviamente la frontera
o borde de .
Paso 3: Se eligen, de los dos tem anteriores, aquellos puntos x

donde f alcance su mximo o mnimo

valor.
Veamos un ejemplo.
Ejemplo 1.1 Determine los valores mximo y mnimo de f : R
2
7R, donde f(x, y) = x
2
2xy + 2y sobre
el rectngulo
=

(x, y) R
2
: 0 x 3, 0 y 2

Solucin. Primeramente vemos que el problema encuadra dentro de las hiptesis del teorema de Weierstrass,
por tanto, el minimizador y maximizador global estn en .
1
Como ya denimos anteriormente conjuntos abiertos, podemos decir ahora que un conjunto X R
n
es cerrado, si su
complemento X
c
con respecto a R
n
es abierto. Un conjunto X R
n
se dice acotado, si existe M R tal que ||x|| M, para
todo x X.
2
Esto ya corresponde a un curso de optimizacin, el cual usa como herramienta principal el clculo en varias variables.
1
1. Calculamos los puntos estacionarios como si f no tuviera restricciones:
f
x
(x, y) = 2 (x y)
f
y
(x, y) = 2x + 2
As, como
f
x
y
f
y
son siempre continuas en todo R
2
, f es diferenciable en todo R
2
, en particular lo
es en el interior de . Vemos adems que f(x, y) = (0, 0) si, y slo si,
(x = y) (x = 1)
por lo que (1, 1) es el nico punto estacionario
3
y ste est en . Observe que f(1, 1) = 1.
2. Los puntos del borde de los podemos caracterizar mediante
B
1
= {(0, y) : 0 y 2}
B
2
= {(3, y) : 0 y 2}
B
3
= {(x, 0) : 0 x 3}
B
4
= {(x, 2) : 0 x 3}
As,
Para (x, y) B
1
, tenemos
f(0, y) = (0)
2
2 (0) y + 2y = 2y, 0 y 2
Luego, f (0, y) alcanza el menor valor sobre B
1
en (0, 0), mientras que el mayor valor lo obtiene
en (0, 2). Observe que f (0, 0) = 0 y f(0, 2) = 4.
Para (x, y) B
2
, tenemos
f(3, y) = (3)
2
2 (3) y + 2y = 9 4y, 0 y 2
Luego, f (3, y) alcanza el menor valor sobre B
2
en (3, 2), mientras que el mayor valor lo obtiene
en (3, 0). Observe que f (3, 2) = 1 y f (3, 0) = 9.
Para (x, y) B
3
, tenemos
f(x, 0) = x
2
2x (0) + 2 (0) = x
2
, 0 x 3
Luego, f (x, 0) alcanza el menor valor sobre B
3
en (0, 0), mientras que el mayor valor lo obtiene
en (3, 0). Observe que f (0, 0) = 0 y f (3, 0) = 9.
Para (x, y) B
4
, tenemos
f(x, 2) = x
2
2x (2) + 2 (2) = x
2
4x + 4 = (x 2)
2
, 0 x 3
Luego, f (x, 2) alcanza el menor valor sobre B
4
en (2, 2), mientras que el mayor valor lo obtiene
en (0, 2). Observe que f (2, 2) = 0 y f (0, 2) = 4.
3. Por lo tanto, de todos los puntos extremos elegimos los minimizadores y maximizadores globales:
Maximizador global de f en : (3, 0), donde f(3, 0) = 9.
Minimizadores globales de f en : (0, 0) y (2, 2), donde f(0, 0) = f(2, 2) = 0.
3
Si no estuviera en , simplemente debera ser descartado.
2
La estrategia que acabamos de exponer slo puede ser aplicada en problemas simples y con 2 3 variables.
Presentamos a continuacin el teorema de Lagrange, este resultado otorga una estrategia para resolverse
problemas ms complicados, pero con restricciones lineales.
Consideremos la funcin f : R
n
7R con restricciones de igualdad:
Optimizar f(x)
Sujeto a:
h
1
(x) = 0
h
2
(x) = 0
.
.
.
h
m
(x) = 0
(2)
Observe que en este caso = {x R
n
: h
k
(x) = 0, k = 1, ..., m}.
Teorema 1.2 (Lagrange) En (2), sea f : R
n
7R una funcin diferenciable y x

un minimizador lo-
cal
4
, donde h
1
(x

) , h
2
(x

) , ..., h
m
(x

) son linealmente independientes, entonces existen reales

1
, ...,

m
,
tales que
f(x

) +
m
X
k=1

k
h
k
(x

) =

0 (3)
Los escalares

k
, k = 1, ..., m, se llaman multiplicadores de Lagrange asociados a x

.
Resulta interesante entonces indagar por los puntos x que satisfacen (3) y que adems estn en . Esta
clase de puntos se denominan puntos estacionarios del problema (2).
Estrategia 1.2 (Para hallar puntos estacionarios con restricciones de igualdad) Dado el problema
(2), resolver el sistema de n + m ecuaciones y n + m incgnitas:

f(x) +
P
m
k=1

k
h
k
(x) =

0
h
1
(x) = 0
h
2
(x) = 0
.
.
.
h
m
(x) = 0
(4)
Las soluciones son puntos estacionarios de (2) y son candidatos a minimizadores y maximizadores.
Ejemplo 1.2 Analizar los puntos estacionarios de la funcin f : R
2
7R, donde
f(x, y) = x
2
+ y
2
sujeto a
= {(x, y) : x + 2y = 10}
Solucin. Observe que este problema lo podemos ver de la forma
Optimizar x
2
+ y
2
Sujeto a:
x + 2y 10 = 0
donde h
1
(x, y) = x + 2y 10.
As,
f(x, y) = (2x, 2y)
h
1
(x, y) = (1, 2)
4
Se asume que este punto satisface cada una de las restricciones h
k
, k = 1, ..., m.
3
El sistema (4) toma la forma:

(2x, 2y) +
1
(1, 2) = (0, 0)
x + 2y 10 = 0
o sino

2x +
1
= 0
2y + 2
1
= 0
x + 2y = 10
(5)
De aqu,
x =

1
2
, 2y = 2
1
Reemplazando en (5):

1
2
2
1
= 10
de donde
1
= 4, x = 2 y y = 4. As, (x

, y

) = (2, 4) es el nico punto estacionario buscado.

5
1.1 Comentarios nales sobre mnimos y mximos con restricciones
Garantizar que un punto estacionario de un problema de la forma (2) es un minimizador local es una tarea
ms complicada que lo visto en funciones sin restricciones. Sin embargo, existe una forma de reconocer
cundo un punto estacionario es automticamente una solucin global.
Teorema 1.3 (Soluciones globales) Si en el problema denido en (2), la funcin f es convexa (cncava) y
diferenciable, y cada funcin h
k
es de la forma
6
h
k
(x) = a
k,1
x
1
+...+a
k,n
x
n
+a
k,0
, para a
k,0
, a
k,1
, ..., a
k,n

R y k = 1, ..., m, entonces todo punto estacionario es un minimizador (maximizador) global.
Ejemplo 1.3 El problema
Minimizar x
2
+ y
2
Sujeto a:
x + 2y 10 = 0
cumple con los requerimientos del teorema 1.3, pues f(x, y) = x
2
+ y
2
es convexa y h
1
(x, y) = x + 2y 10
es lineal afn, por tanto, el punto estacionario encontrado en ejemplo 1.2 es un minimizador global.
Ejercicio 1.1 Analice el problema dado por
Minimizar x
2
+ y
2
+ z
2
Sujeto a:
x + y + z 10 = 0
2x + 3y + 4z 60 = 0
Primero observamos que el problema encuadra en las hiptesis del teorema 1.3, pues f(x, y, z) = x
2
+y
2
+z
2
es convexa, mientras que h
1
(x, y, z) = x + y + z 10 y h
2
(x, y, z) = 2x + 3y + 4z 60 son lineales anes.
Por lo tanto, el punto estacionario que encontremos ser un minimizador global. La tarea de encontrar ese
punto estacionario queda para el alumno.
Ejercicio 1.2 Analice el problema dado por
Minimizar x
2
+ y
2
+ z
2
x + 2y 4z + 10
Sujeto a:
x
2
+ y
2
+ z
2
16 = 0
1. Halle los puntos estacionarios.
2. Se puede garantizar en este caso que todo punto estacionario es un minimizador global?
o
5
El punto (2, 4) en realidad es un minimizador global. El problema no tiene maximizadores globales, ya que f es ilimitada
superiormente. Esto ltimo sucede debido a que la regin no es cerrada y acotada.
6
Cada h
k
es lineal afn, k = 1, ..., m.
4