4

Optimización de funciones
escalares de varias variables

4.1 Optimización de funciones escalares de varias variables . . . . . . . . . . . . . . . . . . . . . . . . . . 146

4.1.1 Puntos críticos de una función de dos variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
4.1.2 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

4.2 Clasificación de puntos estacionarios de una función de dos variables . . . . . . . . . . . . . . 152

4.2.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

4.3 Extremos de una función de dos variables en una región cerrada y acotada . . . . . . . . . . 155
4.3.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157

4.4 Resolución de problemas con restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158

4.4.1 Método de los multiplicadores de Lagrange: función de 2 variables y 1 vínculo .................... 159
4.4.2 Método de los multiplicadores de Lagrange: función de 3 variables y 1 vínculo .................... 162
4.4.3 Método de los multiplicadores de Lagrange: función de 3 variables y 2 vínculos .................... 163
4.4.4 Aplicación al cálculo de extremos en una región cerrada y acotada . . . . . . . . . .................... 164
4.4.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .................... 166

4.5 Anexo A. Puntos críticos y estacionarios de una función de n variables . . . . . . . . . . . . . . 166

4.6 Anexo B. Justificación de criterios de las derivadas segundas . . . . . . . . . . . . . . . . . . . . . . 167

4.7 Actividades integradoras y autoevaluación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168

4.7.1 Actividades integradoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
4.7.2 Autoevaluación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
 146 Sección 4.1. Optimización de funciones escalares de varias variables

4.1 Optimización de funciones escalares de varias va-

riables

Consideremos una función F(x) de una variable. Para estudiar su comportamiento, es conveniente
hallar sus máximos y mínimos locales y absolutos, si posee. ¿Cómo procedemos para hallar los
extremos locales de F? Teniendo en cuenta lo estudiado en Análisis Matemático I, primero debemos
buscar todos los puntos críticos de la función, es decir aquellos valores de la variable x para los
cuales la derivada primera de F se anula o no existe. Luego, inspeccionamos cómo cambia la
función alrededor de cada uno de los puntos críticos para ver si se trata de un extremo o no; en el
caso de que sea un extremo, analizamos si corresponde a un máximo o un mínimo de F.

Pensemos ahora en una función f de varias variables. ¿Cómo pueden determinarse los extremos
locales de f ? ¿Será conveniente extender la noción de punto crítico? En una variable, como vimos,
juega un rol muy importante la derivada primera de la función. En varias variables, para analizar la
razón de cambio de una función se ha introducido en el capítulo anterior el concepto de derivadas
parciales y, más aún, se han definido las derivadas direccionales. Veremos que la idea de punto crítico
puede extenderse para funciones de varias variables, siendo las derivadas parciales una herramienta
muy útil a la hora de localizar maximizadores y minimizadores de funciones multivariables.

4.1.1 Puntos críticos de una función de dos variables

Trabajaremos aquí con funciones de dos variables para funciones. Para funciones de tres o más
variables, consultar el Anexo 4.5. Existen algunos conceptos ya conocidos del curso de Análisis
Matemático I, que serán de utilidad en esta sección, pero también hay nociones nuevas.
Definición Sea f : D ⇢ R2 ! R.
Se dice que f tiene un máximo local o relativo en (x M , y M ) 2 D, si f (x M , y M ) f (x, y)
para todo punto (x, y) en algún disco centrado en (x M , y M ). El punto (x M , y M ) se denomina
maximizador local de f . Si la desigualdad se verifica para todo punto del dominio de f , el
máximo es absoluto o global.
Se dice que f tiene un mínimo local o relativo en (xm, ym ) 2 D, si f (xm, ym )  f (x, y)
para todo punto (x, y) en algún disco centrado en (xm, ym ). El punto (xm, ym ) se denomina
minimizador local de f .
Si la desigualdad se verifica para todo punto del dominio de f , el mínimo es absoluto o
global.
Los máximos y mínimos locales constituyen los extremos locales o relativos de la función f .

La definición expresa que: si f tiene un máximo relativo en (x M , y M ), entonces el valor de

la función en dicho punto es el mayor valor que toma f para cualquier punto en los alrededores
de (x M , y M ); mientras que si f tiene un mínimo relativo en (xm, ym ), el valor de la función en
dicho punto es el menor valor que toma f para cualquier punto en los alrededores de (xm, ym ). Ver
Figura 4.1.1.
Capítulo 4. 147

Figura 4.1.1: Gráfica de una función de 2 variables que presenta extremos.

Nos abocaremos a la búsqueda de extremos. Recordemos distintas situaciones en el caso de

funciones de una variable. Por ejemplo F1 (x) = x 2 presenta solamente un mínimo local (y también
absoluto), lo mismo ocurre con la función F2 (x) = |x|; la función F3 (x) = x 3 no posee ni máximos
ni mínimos locales, ni absolutos, por ende); mientras que F4 (x) = x 3 x tiene un máximo local
(no absoluto) y un mínimo local (no absoluto). En el caso de funciones de dos variables, pueden
tener uno o varios extremos locales, o ninguno. Es fácil ver, por ejemplo, que f1 (x, y) = 3 + x 2 + y 2
presenta un mínimo local (y absoluto), mientras que f2 (x, y) = x + y no posee extremos locales
(ni absolutos).

Para determinar los extremos de una función escalar de dos variables, vamos a ubicar primera-
mente los puntos críticos de la función.
Definición Sea f : D ⇢ R2 ! R. Un punto (xc, yc ) perteneciente al dominio de f es un punto
crítico de f si:
las dos derivadas parciales primeras de f se anulan en (xc, yc ), ó
al menos una de las derivadas parciales primeras de f no existe en (xc, yc ).
En el primer caso (o sea, cuando el gradiente de f en el punto es el vector nulo), se dice que
(xc, yc ) es un punto estacionario de f .

Por ejemplo f1 (x, y) = 3 + x 2 + y 2 presenta un (único) punto estacionario, (0, 0), donde
tanto fx como fy se anulan; la función f2 (x, y) = x + y no posee puntos críticos; mientras que
p
f3 (x, y) = x + y tiene (infinitos) puntos críticos, de la forma (a, 0), es decir todos los puntos del
eje x, pues no existe fy cuando y = 0.
El siguiente teorema asegura que todo extremo local es necesariamente un punto crítico. Sin
embargo, no todo punto crítico será un extremo. Para hallar extremos de una función, se deberá
buscar primero todos los puntos críticos; de esa forma, se tendrán todos los “candidatos a extremos”,
luego habrá que clasificarlos (si son o no extremos, o si son otra cosa).

Teorema 4.1.1.1 Sea f : D ⇢ R2 ! R, D un conjunto abierto. Si f tiene un máximo o mínimo

local en (x0, y0 ) 2 D y si existen las derivadas parciales primeras de f en dicho punto, entonces
fx (x0, y0 ) = 0 y fy (x0, y0 ) = 0.

De este teorema también se puede deducir que si la gráfica de f admite plano tangente en un
máximo o mínimo local, entonces dicho plano tangente es horizontal, dado por z = f (x0, y0 ).
148 Sección 4.1. Optimización de funciones escalares de varias variables

Figura 4.1.2: El plano tangente a la gráfica de una función f de 2 variables en un extremo local de
f es horizontal.

Veamos algunos ejemplos típicos de funciones de dos variables. Por ahora buscaremos extremos
de manera intuitiva, haciendo un análisis cualitativo de la función y aplicando métodos gráficos. En
la próxima sección presentaremos un método analítico.

⌅ Ejemplo 4.1.1 Hallar, si existen, los máximos y mínimos locales de f (x, y) = x 2 + y 2 6x 2y+12
usando procedimientos gráficos. Si f posee extremos calcular, si existen, fx y fy en cada
uno de ellos. Determinar una ecuación del plano tangente a la gráfica de f , en cada uno de
los extremos hallados.

Como la función polinomial dada está bien definida para cualquier par (x, y) de números
reales, el dominio de f es todo R2 . ¿Cuál es la imagen de f ? Completando cuadrados,
podemos reescribir f (x, y) = (x 3)2 + (y 1)2 + 2, de donde observamos que la imagen
de f es el intervalo [2, +1).
Hagamos un análisis gráfico de la función, por medio de: (i) su mapa de contornos, (ii) su
superficie gráfica.
(i) Veamos algunas curvas de nivel, dadas por f (x, y) = k. La curva de nivel de valor k
(k 2) es el conjunto de puntos del plano x y que satisface (x 3)2 + (y 1)2 = k 2. Así,
para kp= 2 consiste de un solo punto, el (3, 1), y para cada k > 2 es una circunferencia de
radio k 2 con centro en (3, 1). Si observamos la Figura 4.1.3a), notamos que los valores
de f crecen indefinidamente a medida que nos alejamos (en circunferencias concéntricas) del
punto (3, 1). Este análisis nos permite deducir que f tiene un minimizador local y absoluto
en (3, 1), donde la función es igual a 2, y que f no posee un valor máximo.
(ii) Veamos la representación de la función por medio de su gráfica en el espacio, dada por
z = f (x, y). La ecuación de la superficie gráfica resulta z 2 = (x 3)2 + (y 1)2 , que nos
recuerda a una de las cuádricas: un paraboloide de eje z con vértice en V(3, 1, 2) y que abre
hacia arriba. Observamos en la Figura 4.1.4b) que la función tiene un minimizador local y
absoluto en (3, 1) y que no posee máximos locales (entonces tampoco máximos absolutos);
además, se ve que el valor mínimo que toma la función es f (3, 1) = 2. Esto confirma lo
sugerido por las curvas de nivel.
Capítulo 4. 149

Figura 4.1.3: Representación de f (x, y) = x 2 + y 2 6x 2y + 12 mediante a) curvas de

nivel; b) gráfica de la función.

Veamos ahora, ¿cuál es el valor de las derivadas parciales en (3, 1)? Tenemos que
fx (x, y) = 2x 6, fy (x, y) = 2y 2. Evaluando en (3, 1) resulta fx (3, 1) = 0, fy (3, 1) = 0.
O sea que (3, 1) es un punto estacionario de f , y es el único (ya que fx y fy se anulan
simultáneamente sólo para x = 3, y = 1).
Por otro lado, como f es diferenciable en todo su dominio, existe el plano tangente a la
superficie gráfica de f en todo punto. En particular en (3, 1, 2), el vértice del paraboloide,
una ecuación para el plano tangente es fx (3, 1) (x 3) + fy (3, 1) (y 1) (z f (3, 1)) = 0,
y reemplazando valores resulta z 2 = 0, que es un plano horizontal. Si representamos
gráficamente al paraboloide y al plano tangente, notamos que para (x, y) cerca de (3, 1)
los puntos (x, y, f (x, y)) del paraboloide se encuentran todos por arriba del plano tangente,
indicando que f (x, y) 2. Como f (3, 1) = 2, entonces f (x, y) f (3, 1), confirmando que
(3, 1) es un minimizador local. De hecho, esto ocurre no sólo en los alrededores de (3, 1)
sino en todo el dominio de f por lo que el mínimo es, además, absoluto.
⌅

⌅ Ejemplo 4.1.2 Analizar el comportamiento de f (x, y) = |x| para obtener sus extremos, si posee.

Esta función de dos variables está definida en todo R2 , y su imagen es [0, +1). La traza de
su superficie gráfica con un plano vertical y = b es la curva quebrada que representa a la
función valor absoluto, para cualquier b 2 R. Resulta que la gráfica de f es la superficie
z = |x|, dada por dos semiplanos que forman un ángulo o quiebre en todos los puntos del
eje y.
Analicemos ahora las derivadas parciales primeras de la función. La derivada parcial de f
respecto de y es cero para todo (x, y) 2 R2 , ya que la función no depende de y. Por otro
lado, sabemos que la función de una variable F(x) = |x| no tiene derivada en x = 0, lo
que nos permite deducir que en cualquier punto (0, b), con b 2 R, la derivada parcial de f
respecto de x no existe (compruébelo analíticamente, planteando la derivada parcial por
definición en (0, b)). Precisamente esos son los (infinitos) puntos críticos de f . Conociendo
el comportamiento de la función valor absoluto de una variable, podemos deducir que los
puntos críticos hallados corresponden a mínimos absolutos de f . El valor mínimo de f es
f (0, b) = |0| = 0. Es fácil ver que la función no posee máximo.
150 Sección 4.1. Optimización de funciones escalares de varias variables

Figura 4.1.4: Representación de f (x, y) = |x| mediante a) curvas de nivel; b) gráfica de la

función.

q
⌅ Ejemplo 4.1.3 Estudiar los valores extremos de f (x, y) = x2 + y2.

El dominio de la función es todo R2 , y su imagen es [0, +1). La traza de su superficie

gráfica con el plano vertical y = 0 es la curva quebrada z = |x| en el plano xz; la traza con el
plano vertical x = 0 es la curva quebrada z = |y| en el plano yz. Deducimos que en (0, 0)
no existe ninguna de las dos derivadas parciales de f . Precisamente q ése es el único punto
crítico de esta función. Reconocemos a la superficie gráfica z = x 2 + y 2 como la mitad
superior de un cono de eje z con vértice en el origen. El único punto crítico de f resulta ser
un minimizador absoluto, donde la función vale 0; y f no posee máximo.
A partir q
del análisis realizado, discutir: cómo se comportarán las funciones de la forma
g(x, y) = a1 x 2 + y 2 + a0 , con a1 , 0 y a0 constantes fijas (considerar por separado los
casos a1 > 0 y a1 < 0). ⌅

Analizaremos ahora una situación novedosa que encontramos para funciones de dos variables.
Comenzamos por el siguiente ejemplo.

⌅ Ejemplo 4.1.4 Estudiar gráficamente la función f (x, y) = x 2 y 2 , analizando si tiene o no

extremos locales.

El dominio de f es todo R2 . Para estudiar el comportamiento de la función trazaremos

primero algunas curvas de nivel. Es fácil ver que la imagen de la función es todo R, por
lo que podemos considerar curvas de nivel para cualquier valor real de k. Consideremos,
a modo de ejemplo, k = 0, ±1, ±4. La curva de nivel de valor k es el conjunto de puntos
del plano xy que satisface x 2 y 2 = k. Así, para k = 0 tenemos y = ±x, o sea que la
curva de nivel 0 consiste de dos rectas que pasan por el origen y tienen pendiente +1 y 1
respectivamente. Para k = 1 la curva de nivel es una hipérbola que cruza al eje x en los
puntos (±1, 0); de manera análoga, para k = 4 la curva de nivel es una hipérbola que cruza
al eje x en los puntos (±2, 0). Para k = 1, obtenemos la curva x 2 y 2 = 1, esto es, una
hipérbola que cruza al eje y en los puntos (0, ±1); para k = 4 se obtiene la hipérbola que
cruza al eje y en los puntos (0, ±2). Se muestran varias curvas de nivel en la Figura 4.1.5a).
A partir del análisis de las curvas de nivel, notamos un comportamiento particular de f en
Capítulo 4. 151

torno al origen. Para ayudar a visualizar la situación planteamos otra técnica: consideremos
la gráfica de la función en el espacio, dada por la superficie z = x 2 y 2 , que es una cuádrica
conocida (¿cuál?), y miremos algunas trazas verticales. La traza con y = 0 es la parábola
z = x 2 que abre hacia arriba en el plano xz, mientras que la traza con x = 0 es la parábola
z = y 2 que abre hacia abajo en el plano yz. Las trazas verticales con y = b , 0 también
son parábolas que abren hacia arriba, mientras que con x = a , 0 abren hacia abajo. Ahora
estamos en condiciones de visualizar la gráfica: es la llamada silla de montar (técnicamente,
el paraboloide hiperbólico del Capítulo 1) que se muestra en la Figura 4.1.5b). Al observar
el gráfico notamos que la superficie z = x 2 y 2 tiene cerca del origen un comportamiento
especial, que no corresponde a un máximo ni a un mínimo.

Figura 4.1.5: Representación de f (x, y) = x 2 y 2 mediante a) curvas de nivel; b) gráfica de

la función.

Nos preguntamos, ¿cuál es el valor de las derivadas parciales de f en (0, 0)? Tenemos
que fx (x, y) = 2x y fy (x, y) = 2y. Por lo tanto, fx (0, 0) = 0, fy (0, 0) = 0. O sea que (0, 0)
es un punto estacionario de f , y es el único.
La función en (0, 0) vale 0. Examinando los valores que toma en puntos cercanos al origen,
vemos que para puntos de la forma (a, 0), con a , 0, se tiene f (a, 0) = a2 > 0 = f (0, 0),
y para puntos de la forma (0, b), con b , 0, se tiene f (0, b) = b2 < 0 = f (0, 0). Estas
desigualdades son válidas aún para valores de a y b muy pequeños, por lo tanto (0, 0) no
puede ser ni un minimizador relativo ni un maximizador relativo: de hecho, es lo que se
denomina un “punto de ensilladura”. Concluimos que f no tiene extremos relativos (ni
absolutos, por ende), pero posee un punto de ensilladura.
⌅

Pensemos en la función de una variable F(x) = x 3 , para la cual x = 0 es su único punto crítico
estacionario. F no tiene ni máximo ni mínimo local en R. En x = 0 se anula la derivada primera
de F, pero no hay un extremo relativo de F. En una variable, un punto con estas características se
llama punto de inflexión. Como vimos en el ejemplo, la situación es más rica para funciones de
varias variables, donde se define el llamado punto de ensilladura o punto silla.
Definición — Puntos de ensilladura (o puntos silla). Sea f : D ⇢ R2 ! R. Se dice que f tiene
un punto de ensilladura o punto silla. en (xs, ys ) si fx (xs, ys ) = 0, fy (xs, ys ) = 0 [esto es, (xs, ys )
es un punto estacionario de f ] pero (xs, ys ) no es un extremizador local de f , o sea que para
cada disco centrado en (xs, ys ) existen en D puntos donde f (x, y) > f (xs, ys ) y puntos donde
f (x, y) < f (xs, ys ).
 152 Sección 4.2. Clasificación de puntos estacionarios de una función de dos variables

4.1.2 Ejercicios
1. Halle todos los puntos críticos de las siguientes funciones, si poseen:
a) f (x, y) = ln[2 + sen(xy)] b) g(x, y) = x 2 + y 2 + 3x y + 10
c) h(x, y) = x 5 y + xy 5 + x y
2. Halle todos los puntos estacionarios de las siguientes funciones, si poseen, y decida por
inspección si cada uno de ellos es un máximo local, un mínimo local o un punto silla:
2 2 2 2 2 2
a) f (x, y) = e x 7y b) g(x, y) = e x +2y c) h(x, y) = e x 5y

3. Revea los Ejemplos 3.1.11 y 3.1.12 del Capítulo 3 y responda para cada una de las funciones,
observando las curvas de nivel de la Figura 3.1.4 de ese mismo capítulo, ¿posee extremos
locales? En caso afirmativo, ¿cuáles son?, y ¿cuál es el valor de la función allí?

4.2 Clasificación de puntos estacionarios de una fun-

ción de dos variables
Dada una función de dos variables hemos visto cómo hallar sus puntos críticos y, en algunos
casos, mediante inspección de la función o por métodos gráficos hemos podido clasificarlos como
extremizador (maximizador o minimizador) o como punto de ensilladura. Veremos ahora, para
funciones de clase C 2 , un criterio analítico de clasificación de puntos estacionarios, que hace uso
de las derivadas parciales segundas de la función evaluadas, en dichos puntos. Este criterio es una
extensión de una propiedad análoga vista en Análisis Matemático I.
Repasemos la manera de obtener y clasificar puntos críticos para una función F(x) de una
variable. Primero se determinan todos los valores de x para los que F 0(x) se anula o no existe; por
teorema, esos valores críticos de la variable son los únicos candidatos a ser extremos de la función.
Una técnica que se puede utilizar es el criterio de la derivada primera que consiste en analizar el
signo de F 0 en el entorno de cada valor crítico (esto es, para x cercanos a xc ). Sabemos que el
crecimiento o decrecimiento de F indica si el punto crítico corresponde a un extremo (máximo
o mínimo) local, o a un punto de inflexión de F. En el caso de los puntos estacionarios, para los
cuales la derivada primera existe y es nula [esto es, cuando la función es derivable en x = xe con
F 0(xe ) = 0], una alternativa es utilizar el criterio de la derivada segunda. Éste consiste en analizar
el signo de F 00 en el punto estacionario mismo (esto es, para x = xe ). Se prueba que:
• Si F 00(xe ) > 0, entonces el punto estacionario xe es un minimizador local de F.
Ejemplo: F(x) = x 2 tiene un minimizador en xe = 0.
• Si F 00(xe ) < 0, entonces el punto estacionario xe es un maximizador local de F.
Ejemplo: F(x) = sen x tiene un maximizador en xe = ⇡2 .
Además, si F 0(xc ) = 0 y F 00(xc ) = 0 este criterio no decide, y es necesario otro tipo de análisis.
Ejemplos: F1 (x) = x 3 y F2 (x) = x 4 tienen un punto estacionario en xe = 0, con derivada primera
y segunda nulas en dicho punto; pero en un caso es un punto de inflexión, en el otro un extremo
(minimizador).
En el Anexo 4.6 se da una justificación de este criterio de la derivada segunda para una función
de una variable.

Una idea similar a ésta permite clasificar los puntos estacionarios de una función f (x, y) de
dos variables de clase C 2 , esto es, cuando la función es diferenciable en (xe, ye ) con fx (xe, ye ) = 0
y fy (xe, ye ) = 0. El criterio involucra ahora las derivadas parciales segundas de f (x, y), que son
cuatro, combinadas convenientemente formando el llamado Hessiano de f , definido como:

fxx (x, y) fxy (x, y)

H f (x, y) = = fxx (x, y) fyy (x, y) [ fxy (x, y)]2
fyx (x, y) fyy (x, y)

donde se usó el Teorema de Clairaut en el último término.

 153

Criterio de las derivadas parciales segundas para clasificar puntos estacionarios de una
función de dos variables
Sea f : D ⇢ R2 ! R una función de clase C 2 (esto es, con derivadas parciales segundas
continuas) en un disco centrado en (xe, ye ), siendo (xe, ye ) 2 D un punto estacionario de f (esto es,
Æ f (xe, ye ) = 0).
Æ
⇥ ⇤2
r
Sea D(xe, ye ) = H f (xe, ye ) = fxx (xe, ye ) fyy (xe, ye ) fxy (xe, ye ) el valor del Hessiano de f
evaluado en el punto estacionario. Se tiene que:
Si D(xe, ye ) > 0, entonces (xe, ye ) es un extremizador local de f ; además,
• si fxx (xe, ye ) > 0, se trata de un minimizador local;
• si fxx (xe, ye ) < 0, se trata de un maximizador local.
Si D(xe, ye ) < 0, entonces (xe, ye ) es un punto de ensilladura de f .
Además, si D(xe, ye ) = 0, este criterio no decide, y es necesario otro tipo de análisis.

En el Anexo 4.6 se da una justificación de este criterio de las derivadas parciales segundas
para una función de dos variables. Verifique el criterio para los ejemplos de la sección anterior.
Preste atención a que la función sea de clase C 2 para poder aplicar el criterio. En tal caso determine
todos los puntos estacionarios y arme el Hessiano de la función; luego para cada punto estacionario
evalúe D y analice el signo.

⌅ Ejemplo 4.2.1 Hallar y clasificar todos los puntos estacionarios que posee la función f (x, y) =
x3 + y3 3x y.

Por tratarse de una función polinomial, su dominio es todo R2 ; además es diferenciable y

de clase C 2 en todo su dominio. El vector gradiente es r
Æ f (x, y) = (3x 2 3y, 3y 2 3x) y es
igual al vector nulo cuando ambas componentes se anulan simultáneamente, esto es
⇢
3x 2 3y = 0
3y 2 3x = 0.

De la primera ecuación se tiene x 2 y = 0, o sea y = x 2 . Reemplazando y en la segunda

ecuación, y 2 x = 0, queda

x4 x=0 () x(x 3 1) = 0 ) x=0 x = 1.

Entonces por un lado tenemos que cuando x = 0, resulta de la primera ecuación que
y = 02 = 0, luego hay un punto estacionario en (0, 0). Por otro lado cuando x = 1, resulta
y = 12 = 1, luego hay un punto estacionario en (1, 1). El sistema de ecuaciones no presenta
otras soluciones. En conclusión, la función f tiene dos puntos estacionarios: (0, 0) y (1, 1),
únicamente.
El siguiente paso es armar el Hessiano de f y evaluarlo en cada punto estacionario, por
separado, para clasificar el punto. Se tiene

6x 3
H f (x, y) = = 6x 6y ( 3)2 = 36 x y 9 = 9(4x y 1).
3 6y

Luego
D(0, 0) = H f (0, 0) = 0 9 = 9 < 0,
por lo que f tiene en (0, 0) un punto silla, de valor f (0, 0) = 0. Mientras que

D(1, 1) = H f (1, 1) = 36 9 = 27 > 0,

154 Sección 4.2. Clasificación de puntos estacionarios de una función de dos variables

por lo que f tiene en (1, 1) un extremo relativo, de valor f (1, 1) = 1; además de acuerdo
al criterio este extremo es un minimizador local, pues fxx (1, 1) > 0 (notar que también
fyy (1, 1) > 0). Podemos agregar, por inspección, que no se trata de un mínimo absoluto pues,
por ejemplo, para puntos (x, y) sobre la recta y = x muy alejados del origen en el tercer
cuadrante, la función toma los valores f (x, x) = 2x 3 3x 2 ! 1 cuando x ! 1.
⌅

C Para el caso de un extremo relativo: Cuando en el punto estacionario el Hessiano da positivo

y se quiere ver si el extremo es máximo o mínimo, es indistinto utilizar fxx ó fyy . Claramente
ambas derivadas parciales deben tener el mismo signo, porque de otra forma el Hessiano no
podría dar un número positivo.

⌅ Ejemplo 4.2.2 ¿Posee extremos relativos la función f (x, y) = x 4 + y 4 2(x y)2 ? ¿De qué
tipo? ¿Dónde? ¿Qué valor toma f en dichos puntos?

La función f es de clase C 2 en todo R2 , por ser polinomial. Esto significa que sus puntos
críticos, si posee, son todos puntos estacionarios, que se obtienen a partir de la anulación
simultánea de ambas derivadas parciales primeras. Busquemos los puntos estacionarios y
clasifiquémoslos de acuerdo al criterio, si es posible. El cálculo de las derivadas parciales
primeras de f da: fx (x, y) = 4x 3 4(x y) , fy (x, y) = 4y 3 + 4(x y), para todo (x, y) 2 R2 .
Que ambas sean nulas implica resolver el sistema de ecuaciones:
⇢ 3
x (x y) = 0
3
y + (x y) = 0.

Sumando ambas ecuaciones se tiene x 3 + y 3 = 0, de donde y 3 = x 3 , luego y = x.

3 2
Reemplazando en la primera ecuaciónp da x 2x =p0, o sea x(x 2) = 0, cuyas soluciones
son: x = 0 (luego y = 0) ó x = ± 2 (luego y = p ⌥ 2, p
respectivamente).
p p En conclusión, la
función f tiene tres puntos estacionarios: (0, 0), ( 2, 2), ( 2, 2).
El siguiente paso es armar el Hessiano de f y evaluarlo en cada punto estacionario, por
separado, para clasificar cada punto. Se tiene

12x 2 4 4
H f (x, y) = = (12x 2 4)(12y 2 4) 42 = 48 (3x 2 y 2 x2 y 2 ).
2
4 12y 4
p p p p
Luego D( 2, 2) > 0, por lo que f tienep enp( 2, 2) un extremo relativo, más aún, se
trata de un minimizadorp plocal pues f xx ( 2, 2) > 0; probar que lo mismo ocurre para el
punto estacionario ( 2, 2). Mientras que D(0, 0) = 0, entonces el criterio no permite
decidir si f tiene un extremo o un punto silla en (0, 0); en este caso debemos inspeccionar
la función para saber cómo se comporta cerca del origen: por ejemplo para puntos en la
recta y = x se tiene f (x, x) = 2x 4 > 0 = f (0, 0), pero para puntos en el eje ypse tiene
f (0, y) = y 4 2y 2 < 0 = f (0, 0) cuando y es pequeño (de hecho, cuando |y| < 2). Este
análisis permite deducir que el punto estacionario (0, 0) es un punto silla.
Las respuestas al enunciado del ejercicio son entonces:
p psí, la función
p p f posee dos extremos
relativos, ambos mínimos locales, en los puntos ( 2, 2) y ( 2, 2) para los que f = 8.
Grafique la función usando Geogebra y observe que los mínimos son absolutos: la función
no toma valores por debajo de 8. Agregamos que f no posee máximos locales ni absolutos,
y que f presenta un punto silla en (0, 0). ⌅
 Capítulo 4. 155

4.2.1 Ejercicios
1. Halle el valor de cada función en sus máximos y mínimos locales y en sus puntos silla:
a) f (x, y) = 9 2x + 4y x 2 4y 2 b) f (x, y) = x y 2x y
4y x 2 y 2
c) f (x, y) = e d) h(x, y) = x sen y
2. Encuentre los máximos y mínimos locales y los puntos silla de las siguientes funciones:
p x 2 y 2 8x + y
a) g(x, y) = y x y 2 x + 6y b) f (x, y) =
xy
3. Dada la función f (x, y) = x 2 y:
a) halle todos sus puntos estacionarios;
b) el criterio de las derivadas segundas, ¿permite clasificar los puntos estacionarios de f ?
c) analice los puntos estacionarios.

4.3 Extremos de una función de dos variables en una

región cerrada y acotada
Hasta ahora hemos analizado para una función de dos variables, sus extremos relativos en
dominios abiertos. En ocasiones es necesario determinar los valores extremos de una función en
un dominio restringido a cierto subconjunto especial de R2 , por ejemplo: un cuadrante (región
semiabierta), un círculo, una región triangular o cuadrada cerrada, una curva, etc.
Sabemos que si una función de una variable es continua en un intervalo cerrado, entonces
alcanza sus valores máximo y mínimo absolutos en el intervalo. Recordemos que un intervalo
cerrado de la recta real es aquel que contiene a sus puntos del borde. Efectivamente, para una
función continua F(x) de una variable, definida en un intervalo cerrado [a, b] ⇢ R, los extremos
absolutos pueden ocurrir o bien como puntos críticos de F dentro del intervalo abierto (a, b), o bien
en los bordes del intervalo, a ó b. Para determinar los extremos absolutos se debe entonces evaluar
la función no sólo en los puntos críticos, que caen en el interior del intervalo, sino además en la
frontera del segmento, esto es, en los puntos inicial y final del intervalo.

Figura 4.3.1: Clasificación de puntos estacionarios de una función derivable de 1 variable en un

intervalo cerrado.

Una situación similar ocurre para funciones de dos variables.

Definición — Conjuntos cerrados y acotados. Un subconjunto D de R2 se dice cerrado si
contiene a su frontera. La frontera de D, que suele anotarse como @D, se define como el conjunto
de puntos (x f , y f ) tales que todo disco centrado en (x f , y f ) contiene puntos que están en D y
puntos que no están en D.
Por otro lado, un subconjunto D de R2 se dice acotado si D está contenido en algún disco.
156 Sección 4.3. Extremos de una función de dos variables en una región cerrada y acotada

Por ejemplo, el conjunto {(x, y) : x 2 + y 2  1} está formado por todos los puntos del círculo de
radio 1 centrado en el origen: los interiores (x 2 + y 2 < 1) más los que están en la circunferencia
(x 2 + y 2 = 1) que es la frontera; entonces es un conjunto cerrado porque contiene a su frontera, y
está acotado debido a que puede encerrarse con un círculo (de radio mayor que 1).
La región triangular con vértices ( 1, 0), (1, 0) y (0, 32 ) puede rodearse con una circunferencia
de radio 2; entonces es una región acotada porque está contenida en un disco, y es cerrada porque
contiene a los lados del triángulo que son su frontera.
Enunciamos el siguiente teorema para conjuntos cerrados y acotados de R2 y funciones continuas
de dos variables:

Teorema 4.3.0.1 Sea D un conjunto cerrado y acotado de R2 , y sea f : D ! R una función de

dos variables, continua en D. Entonces f alcanza valores máximo absoluto y mínimo absoluto
en D.

Dicho de otra forma, si f es una función continua en un conjunto cerrado y acotado D ⇢ R2 ,

existen puntos en D para los cuales f alcanza su mayor valor y puntos para los que alcanza su menor
valor. Dichos puntos están en el interior de D (y son puntos críticos de f ) y/o en la frontera @D.

La búsqueda de los extremos absolutos de una función continua f (x, y) en una región D cerrada
y acotada del plano, se puede organizar de la siguiente forma:
(1) Hallar todos los puntos críticos de f (x, y) en el interior de D, e identificar entre éstos los que
son extremos relativos de f (si posee).
(2) Hallar los puntos de la frontera de D donde f (x, y) tiene extremos locales.
(3) Los únicos candidatos a ser extremos absolutos de la función son los puntos hallados en los
pasos (1) y (2). Evaluar f en los puntos hallados; comparar los valores que toma la función
en dichos puntos, y seleccionar el mayor y el menor de todos ellos.

⌅ Ejemplo 4.3.1 Analizar los extremos absolutos de f (x, y) = x 2 + 2y 2 + 2 en el círculo de radio 1

centrado en el origen.

Se trata de una función continua por ser polinomial, definida en un círculo que es
una región cerrada y acotada del plano. Luego, por el Teorema 4.3.0.1 presenta extremos
absolutos; además, ello ocurrirá en un punto crítico interior al círculo, o en un punto de la
circunferencia frontera.
Pensemos gráficamente la situación planteada: encontrar el máximo y el mínimo absolutos de
f equivale a ubicar en la superficie gráfica de f los puntos más alto y más bajo, respectivamente.
En este ejemplo la gráfica está dada por z = x 2 + 2y 2 + 2, que corresponde a la ecuación
de un paraboloide elíptico que abre hacia arriba desde el vértice (0, 0, 2). Recordemos que
buscamos los extremos de f (x, y) cuando las variables independientes están en el círculo de
radio 1; por lo tanto, el dominio está restringido al conjunto D = {(x, y) : x 2 + y 2  1} del
plano x y, cuya frontera es la curva C dada por x 2 + y 2 = 1. Así, del paraboloide sólo debemos
mirar la parte que está contenida por el cilindro circular recto de eje z y radio 1. Analizamos:
(1) la parte de la superficie gráfica de f que corresponde al interior de D (x 2 + y 2 < 1), y
(2) la curva CS que se obtiene como intersección del paraboloide y la superficie cilíndrica,
que corresponde a la frontera de D (x 2 + y 2 = 1), como se muestra en la Figura 4.3.2.
 Capítulo 4. 157

Figura 4.3.2: Gráfica de f (x, y) = x 2 + 2y 2 + 2, para (x, y) tales que x 2 + y 2  1. En este

conjunto, la función tiene un mínimo absoluto en (0, 0), y máximos absolutos en (0, 1) y
(0, +1).

Al observar la figura notamos que f tiene un mínimo en (0, 0) siendo f (0, 0) = 2.

Efectivamente, (0, 0) es el único punto estacionario de f , que minimiza la funicón y pertenece
al interior de D. En la figura vemos que la curva por encima de la frontera de D tiene el
“punto más alto” para (0, ±1) y “el punto más bajo” para (±1, 0). Efectivamente, como los
puntos de esta curva satisfacen simultáneamente: x 2 + y 2 = 1 y z = 3 + y 2 , resulta que para
los puntos del borde de D, f toma los valores máximo y mínimo respectivamente para y = ±1
con x = 0, y para y = 0 con x = ±1, respectivamente, siendo f (0, ±1) = 4 y f (±1, 0) = 3.
Alternativamente, los extremos de f sobre la circunferencia podrían determinarse mediante
una parametrización de la misma, por ejemplo rÆ(t) = (cos t, sen t), con 0  t  2⇡. Ahora
consideramos F(t) = f (Æ r (t)) = f (cos t, sen t) = (cos t)2 + 2(sen t)2 + 2 = 3 + sen2 t, y
buscamos los extremos de F(t), como función continua de una variable en el intervalo
cerrado [0, 2⇡]. Consideramos los valores de t que anulan F 0(t) = 2 sen t cos t en el intervalo
0 < t < 2⇡, más los bordes de dicho intervalo; finalmente los candidatos a extremos de F(t)
⇡ 3⇡
son: t = 0, , ⇡, , 2⇡. Los puntos de la circunferencia correspondientes a esos valores de t
2 2
son: (1, 0), (0, 1), ( 1, 0), (0, 1), (1, 0), respectivamente.
En resumen, los (únicos) candidatos a extremos de f en D son los puntos: (0, 0), (1, 0), (0, 1),
( 1, 0) y (0, 1). Los valores que toma la función en dichos puntos son, respectivamente: 2,
3, 4, 3 y 4. Finalmente concluimos que f en el círculo unidad posee un mínimo absoluto
en (0, 0) y dos máximos absolutos, uno en (0, 1) y otro en (0, 1); y se tiene Im ( f ) = [2, 4]
para (x, y) 2 D.
⌅

4.3.1 Ejercicios
1. Encuentre intuitivamente los extremos absolutos de f (x, y) = x + y en el círculo de radio 1
centrado en el origen.
2. Imagine una caja de base triangular, que se cubre con una tapa semiesférica. ¿Cuáles son los
puntos más altos y más bajos de la tapa? Para fijar ideas, suponga que q
la base es el trinágulo
con vértices ( 1, 0), (1, 0) y (0, 32 ), y que la tapa es la superficie z = + 9 x2 y2.
 158 Sección 4.4. Resolución de problemas con restricciones

4.4 Resolución de problemas con restricciones

En esta sección veremos primeramente un procedimiento general para calcular extremos

o candidatos a extremos de una función de dos variables f (x, y) cuando los pares (x, y) están
“condicionados” o “restringidos” por algún “vínculo”, “ligadura” o “restricción” que relaciona las
variables x e y. Ejemplos típicos de esta situación son: hallar las dimensiones de un rectángulo de
área máxima con perímetro dado (digamos 120 cm), o determinar dos números cuya diferencia sea
fija (digamos 100) y su producto sea mínimo. En el primer caso las variables son los lados b y h del
rectángulo, la función a maximizar es el área A(b, h) = b h, y el vínculo entre las variables es que
2b + 2h = 120 siendo b y h positivos; en el segundo caso se pide minimizar la función producto
P(x, y) = x y donde x e y son dos variables reales sujetas a la condición de que |x y| = 100.
Analizaremos también un problema similar para una función de tres variables f (x, y, z) cuando las
ternas (x, y, z) para las cuales se busca conocer los extremos de f , están restringidas por uno o por
dos vínculos que relacionan las variables x, y, z.

El tipo de situaciones como el de calcular el área máximo de un rectángulo con perímetro dado,
que involucra 2 variables, ha sido tratado en Análisis Matemático I apelando a una sustitución: a
partir del vínculo entre las variables, despejar una de ellas en términos de la otra y reemplazar
en la expresión de la función, que entonces pasa a depender de una sola variable. Por ejemplo:
para hallar el área máxima de un rectángulo de perímetro 120 cm, lo que se hacía era despejar
h = h(b) = 60 b a partir del vínculo, y luego optimizar A(b) = A(b, h(b)) = b (60 b), en el
intervalo b 2 [0, 60]. Sin embargo, ese procedimiento requiere que se cumplan algunas hipótesis,
como que se pueda despejar explícitamente una variable en términos de la otra, lo que no siempre
es posible tal como se muestra en el siguiente caso.

⌅ Ejemplo 4.4.1 ¿Cuáles son (si existen) los puntos de la curva plana y 2 = x 1 que están más
cerca y más lejos del origen de coordenadas? ¿A qué distancia están?
q Sea P(x, y) un punto de la curva. Se pide encontrar el mínimo y el máximo de d(O, P) =
x 2 + y 2 cuando y 2 = x 1. Podemos trabajar con f (x, y) = [d(O, P)]2 = x 2 + y 2 (que,
por ser polinomial, es más sencilla de manipular que la función d), dado que un punto
estacionario de f corresponde al mismo punto estacionario para d.
La condición que deben satisfacer las coordenadas de los puntos que buscamos es
y 2 = x 1, luego si reemplazamos y 2 por x 1 en f (x, y), habría que optimizar la función
F(x) = x 2 + x 1.
Analicemos F(x): tiene un (solo) punto crítico pues F 0(x) = 2x + 1 se anula para
x = 12 ; como F 00( 12 ) = 2 > 0, se trata de un mínimo de F(x). Dicho mínimo tiene el valor
F( 12 ) = 54 , lo que resulta absurdo ya que habíamos partido de una función que era una
distancia al cuadrado.
Basta que grafique la parábola x = y 2 + 1 para descubrir que el punto más cercano al
origen es el (1, 0), a una unidad de distancia. Por otro lado, siempre se pueden encontrar
puntos de la curva arbitrariamente alejados del origen. En conclusión, d(O, P) es mínima y
vale 1 para P(1, 0), pero no tiene valor máximo.
⌅

La técnica gráfica dio la respuesta correcta en este caso. Pero, ¿qué es lo que falló en el
tratamiento analítico? Entre otras cosas, no tuvimos en cuenta que y 2 = x 1 tiene sentido sólo
para x 1. Veremos una técnica analítica adecuada para resolver problemas de optimización con
vínculos (o condiciones, ligaduras, o restricciones), conocida como método de los multiplicadores
de Lagrange.
 Capítulo 4. 159

Figura 4.4.1: Gráfica de la curva y 2 = x 1.

4.4.1 Método de los multiplicadores de Lagrange: función de 2 variables y 1 vínculo

Volvamos al Ejemplo 4.3.1 de la Sección 4.3, donde se resolvió gráfica e intuitivamente la

búsqueda de los extremos absolutos de f (x, y) = x 2 + 2y 2 + 2 en el círculo de radio 1 centrado
en el origen. De acuerdo al teorema de extremos absolutos para funciones continuas en conjuntos
cerrados y acotados, y siguiendo el método indicado, la discusión se dividió en tres pasos:

(1) hallar y clasificar los puntos críticos de f en el interior del círculo,

(2) hallar extremos locales de f en la circunferencia borde, y
(3) comparar los valores de f en todos los candidatos a extremos.

Veamos ahora un método analítico para tratar el ítem (2).

La Figura 4.4.2 a) corresponde a la gráfica de la función f (x, y) = x 2 + 2y 2 + 2 en el espacio, y

fue útil para discutir cuáles son los puntos más bajos y más altos de la superficie gráfica de f que
están justo por encima de la circunferencia C dada por x 2 + y 2 = 1.

La Figura 4.4.2 b) corresponde a un mapa de contornos de la misma función f en el plano,

y contiene varias curvas de nivel de f (elipses de ecuación x 2 + 2y 2 + 2 = k, con k 2 ). Se
indica en el mismo gráfico la curva “condicionante” (la circunferencia de ecuación x 2 + y 2 = 1). Es
claro que hay una curva de nivel que pasa también por puntos de la circunferencia y que tiene el
valor más chico de k = k min = 3 (las curvas de nivel punteadas en rojo con k menores que 3 no
cortan a la circunferencia, indicando que no se satisface el vínculo en ningún punto de las elipses
“más chicas”); además es evidente que existe una curva de nivel que pasa también por puntos de
la circunferencia y que tiene el valor más grande de k = k max = 4 (las curvas de nivel punteadas
en azul con k mayores no intersecan a la circunferencia, dando cuenta de que no se satisface la
restricción en ningún punto de las elipses “más grandes”). Entre las curvas de nivel C3 y C4 se
muestran en la figura las curvas (en naranja) de nivel intermedio, que se ve que cortan a la curva C
en varios puntos.

Observemos con atención los puntos de intersección de la curva de nivel C3 con la curva
vinculante C, y de la curva de nivel C4 con la curva vinculante C. Para fijar ideas tomemos por
ahora C4 y C: en los puntos de intersección, que vemos que son M+ (0, 1) y M (0, 1), estas dos
curvas se tocan en forma tangente. Ello significa que si tomamos en M+ un vector tangente a cada
curva, estos vectores serán colineales entre sí; lo mismo ocurre para M . Deducimos entonces que,
en los puntos M± , vectores perpendiculares a una y otra curva serán colineales entre sí.
160 Sección 4.4. Resolución de problemas con restricciones

a) Gráfica de la función. b) Curvas de nivel de la función.

Figura 4.4.2: La función f (x, y) = x 2 +2y 2 +2 para (x, y) en la circunferencia C dada por x 2 + y 2 = 1,
tiene mínimos de valor 1 en (±1, 0), y máximos de valor 2 en (0, ±1). A modo de ejemplo, se
muestra rÆ f en el punto M+ (0, 1), que resulta perpendicular en dicho punto tanto a la curva de nivel
C2 de f como a la curva condicionante C.

Sabemos cómo hallar un vector perpendicular a la curva de nivel C4 de f en un punto: usando

Æ f (0, 1) = (0, 4) es un vector
el gradiente de la función f , evaluado en el punto. Así, tenemos que r
perpendicular a C4 en M+ (0, 1). Si la curva C fuera una curva de nivel de alguna otra función,
podríamos hacer lo mismo. Definamos entonces una función auxiliar, dada por

g(x, y) = x 2 + y 2 1,

de tal forma que la curva de nivel 0 de g reproduce la curva vinculante C (como función auxiliar
sirve también g̃(x, y) = x 2 + y 2 , pero entonces el vínculo correspondería a la curva de nivel 1 de
Æ
g̃). Así, tenemos que rg(0, 1) = (0, 2) es un vector perpendicular a C en M+ (0, 1). Se confirma
entonces que el punto de intersección M+ entre C4 y C es un punto de tangencia, pues los vectores
gradiente hallados son colineales, siendo un vector múltiplo del otro: r Æ f (0, 1) = rg(0,
Æ 1) con
= 2. Mostrar que algo similar ocurre para el punto M .
De igual manera, en cada punto de intersección entre C3 y C los vectores r Æ f (±1, 0) = (±2, 0) y
Æ
rg(±1, 0) = (±2, 0) son colineales. De hecho, se trata del mismo vector; en este caso el factor de
proporcionalidad o “multiplicador” es = 1.

C Se puede ver que las curvas de nivel entre C3 y C4 (esto es, para valores de k intermedios
entre 3 y 4) cortan también a la curva vinculante C pero NO de manera tangente. Esto es un
indicio de que ese k es intermedio, y no el menor o mayor posible compatible con el vínculo.

C Cuando hablamos de colinealidad entre los vectores gradiente, se debe tener cuidado de que
ninguno de ellos sea el vector nulo. Habrá que chequearlo en cada ejercicio. Para el ejemplo
Æ
tratado aquí, rg(x, y) = (2x, 2y) se anula solamente en el punto (0, 0), pero como éste no
satisface el vínculo (la curva condicionante C no pasa por el origen), se puede proceder sin
problema. Por otro lado, r Æ f (x, y) = (2x, 4y) sólo se anula en (0, 0); este es el único punto
estacionario de f , queda dentro del círculo (se estudió aparte), pero no pertenece a la frontera.
Capítulo 4. 161

Con el siguiente recurso se puede explorar una situación similar al ejemplo anterior pero
para determinar los extremos de la función f (x, y) = (x 1)2 + (y 1)2 + 1 sobre la elipse
(y 1)2
(x 1)2 + = 1.
4
https://ggbm.at/g8jhPVrE

Ejercicio Intente reproducir el mismo razonamiento (analizando curvas de nivel) para el problema
del área máxima de un rectángulo con perímetro dado. Considere f (x, y) = x y, con el vínculo
g(x, y) = x + y 60 = 0. Tenga en cuenta que sólo debe trabajar en el primer cuadrante, ya que x
e y deben ser positivos en este problema. ¿Cuánto vale el múltiplo entre los gradientes de ambas
funciones en el punto candidato a máximo?

En la discusión anterior hemos establecido una justificación para el siguiente teorema, que da
una condición necesaria (aunque no suficiente) para la existencia de un extremo restringido de una
función:
Teorema 4.4.1.1 – Teorema de Lagrange (2 variables y 1 restricción). Sean f (x, y) y g(x, y)
funciones de dos variables de clase C 1 , y tales que f tiene un extremo en el punto (x L, y L ) que
pertenece a la curva suave dada por g(x, y) = 0, o sea

g(x L, y L ) = 0.

Æ
Si rg(x Æ
L, y L ) , 0, entonces existe un número real (denominado multiplicador de Lagrange)
tal que
Æ f (x L, y L ) = rg(x
r Æ L, y L ).

Æ
Este teorema nos dice que los puntos (x, y) tales que g(x, y) = 0 y rg(x, y) , 0Æ que NO cumplen
el sistema de dos ecuaciones ⇢
fx = g x
fy = gy
para algún número real , NO tienen posibilidades de ser extremos de f (x, y) restringida al vínculo
Æ f y rg
g(x, y) = 0. Ver la Figura 4.4.2 b) que los vectores r Æ digujados en el primer y segundo
cuadrante, no son colinales; luego no puede haber ahí extremos condicionados.

En los siguientes recursos se puede explorar en forma genérica y dinámica cómo es la

Æ f y rg
relación entre los vectores r Æ en cada punto de la curva g(x, y) = 0.
El primero es en un sistema 3D, el segundo es mediante la exploración de las curvas de
nivel en 2D.
https://ggbm.at/GkgZG3Vm https://ggbm.at/DuHFRWgu

Finalmente, damos el método para calcular en forma analítica los candidatos a valores extremos
de una función de dos variables sujeta a una restricción:
 162 Sección 4.4. Resolución de problemas con restricciones

Método de los multiplicadores de Lagrange (2 variables, 1 restricción)

Suponiendo que f (x, y) tiene un extremo sujeto a la restricción g(x, y) = 0, siendo f y g

de clase C 1 , para buscar los candidatos a extremos condicionados f se procede de la siguiente
forma:
) encontrar la o las soluciones del sistema de 2 + 1 ecuaciones
8
>
< fx (x, y) = gx (x, y)
>
fy (x, y) = gy (x, y)
>
> g(x, y) = 0
:
Æ es un vector no nulo;
y verificar para cada punto solución que rg
) encontrar, si existen, el o los puntos (x, y) que satisfacen g(x, y) = 0 y que cumplen
Æ
rg(x, Æ
y) = 0.

C Se debe resolver en el paso ) un sistema (no lineal, en general) de 3 ecuaciones con 3

indeterminadas, que puede tener una o más soluciones. Sin embargo, no todas las soluciones
del sistema de ecuaciones corresponden a extremos restringidos de f (la colinealidad de los
gradientes es condición necesaria pero no suficiente).

Cuando el vínculo determina una región cerrada y acotada, es posible evaluar f en cada una
de las soluciones obtenidas y comparar los valores funcionales. El menor valor será el mínimo
condicionado y el mayor valor será el máximo condicionado de f bajo la ligadura g(x, y) = 0. Por
otro lado, si la solución consiste de un único punto o el vínculo no determina una región cerrada
y acotada, se debe inspeccionar la función en puntos de su entorno (que satisfagan la ligadura)
para justificar si se trata localmente de un mínimo o un máximo condicionado, o de un punto de
ensilladura.
Ejercicio Aplique el método de los multiplicadores de Lagrange para hallar los extremos de la
función del Ejemplo 4.3.1 de la Sección 4.3 en la circunferencia unidad centrada en el origen, y
muestre analíticamente el resultado. ¿Coincide con lo obtenido antes por métodos gráficos?

4.4.2 Método de los multiplicadores de Lagrange: función de 3 variables y 1 vínculo

La técnica vista en la subsección anterior también puede aplicarse a la optimización de una
función de tres variables f (x, y, z) sujeta a una restricción o vínculo de la forma g(x, y, z) = 0.
Adapte el Teorema de Lagrange y el Método de los multiplicadores a este caso, planteando el
sistema de 3 + 1 ecuaciones a resolver ahora. Piense en la justificación del teorema: la superficie de
nivel k para f y la superficie condicionante de nivel 0 para g se intersecan en un punto y lo hacen
ahí de manera tangencial. Esto se evidencia en la colinealidad de los vectores gradiente de f y de g
Æ , 0, tal que
en el punto de tangencia (x L, y L, z L ), entonces existe un múltiplo , si rg
Æ f (x L, y L, z L ) =
r Æ
rg(x L, y L, z L )

además del hecho de que g(x L, y L, z L ) = 0. Interprete gráficamente.

⌅ Ejemplo 4.4.2 Encuentre la distancia más corta del punto A(2, 2, 3) al plano de ecuación
6x + 4y 3z = 2.

q Sea P(x, y, z) un punto del plano dado. Se pide encontrar el menor valor de d(A, P) =
(x 2)2 + (y + 2)2 + (z 3)2 cuando 6x + 4y 3z = 2. Antes de hacer ningún cálculo,
conviene verificar que A no pertenece al plano, porque en tal caso la respuesta sería trivial
(verifique)
 Capítulo 4. 163

Para facilitar el cómputo definimos la función

f (x, y, z) = (x 2)2 + (y + 2)2 + (z 3)2

que es el cuadrado de la distancia d(A, P) , pues un mínimo de f también es un mínimo de d.

Las coordenadas del punto P deben satisfacer la ecuación del plano, dicho de otra forma
están vinculadas por la ecuación 6x + 4y 3z 2 = 0, por lo cual definimos la función
auxiliar
g(x, y, z) = 6x + 4y 3z 2.
El gradiente de g es no nulo en todo R3 . La superficie de nivel 0 de g es justamente el
plano dado. Como función auxiliar sirve también g̃(x, y, z) = 6x + 4y 3z, pero entonces el
vínculo correspondería a la superficie de nivel 2 de g̃.
Tenemos entonces todos los elementos para aplicar el método de los multiplicadores de
Lagrange:
8
>
>
>
2(x 2) = 6
< 2(y + 2) = 4
>
>
> 2(z 3) = ( 3)
>
> 6x + 4y 3z 2 = 0
:
Para resolver este sistema, es conveniente en este caso despejar x, y, z de las 3 primeras
ecuaciones en términos de , y ponerlos en la cuarta ecuación, que quedará solamente en
3
función del multiplicador de Lagrange. Se tiene: x = 3 + 2, y = 2 2, z = + 3,
2
respectivamente; luego reemplazando en la cuarta ecuación queda
✓ ◆
3
6(3 + 2) + 4(2 2) 3 +3 2=0
2

14
que tiene solución (única) = . Luego el punto buscado es PL ( 164 94 162
61 , 61 , 61 ) (verifique
61 p
62941
que efectivamente pertenece al plano), y está a una distancia dL = ' 4.11 del punto
61
A.
La respuesta al ejercicio no está completa aún: falta justificar que PL , que es la única
solución hallada, es efectivamente el punto del plano más cercano (a menor distancia), y no
el más lejano, a A. Un gráfico nos convencerá de ello (o elegir otro punto cualquiera que
satisfaga el vínculo, o sea que esté sobre el plano dado, y ver que su distancia a A es mayor
que dL ). ⌅

4.4.3 Método de los multiplicadores de Lagrange: función de 3 variables y 2 vínculos

La técnica de Lagrange se puede extender a la optimización restringida de funciones de n
variables con m vínculos (siendo m < n).

Mencionaremos aquí el caso de tener que optimizar una función f de tres variables x, y, z las
cuales no pueden variar libremente sobre todo el dominio de f sino que están vinculadas por dos
restricciones, que escribiremos de manera genérica como g(x, y, z) = 0 y h(x, y, z) = 0. Se puede
mostrar que la condición necesaria que da el Teorema de Lagrange en este caso, es que el vector
gradiente de f pertenezca al plano determinado por los gradientes de g y de h (siendo éstos dos
vectores no nulos, ni colineales entre sí). Esto se escribe como una combinación lineal, donde los
coeficientes son ahora dos multiplicadores de Lagrange.
 164 Sección 4.4. Resolución de problemas con restricciones

Método de los multiplicadores de Lagrante (3 variables, 2 restricciones)

Suponiendo que f (x, y, z) tiene un extremo condicionados de f sujeto a las restricciones
g(x, y, z) = 0 y h(x, y, z) = 0, siendo f , g y h de clase C 1 , para buscar los candidatos a extremos
se procede de la siguiente forma:
) encontrar la o las soluciones del sistema de 3 + 2 ecuaciones
8
>
>
>
fx (x, y, z) = gx (x, y, z) + µ hx (x, y, z)
>
>
< fy (x, y, z) = gy (x, y, z) + µ hy (x, y, z)
>
fz (x, y, z) = gz (x, y, z) + µ hz (x, y, z)
>
>
>
> y, z) = 0
>
g(x,
> h(x, y, z) = 0
:

y verificar para cada punto solución que rg Æ y rhÆ son vectores no nulos y no colineales
entre sí;
) encontrar, si existen, el o los puntos (x, y, z) que satisfacen g(x, y, z) = 0, h(x, y, z) = 0 y
Æ
que cumplen rg(x, Æ
y, z) = 0Æ o rh(x, Æ ⇥ rh
y, z) = 0Æ o rg Æ = 0.Æ

Un ejemplo típico de optimización con dos vínculos es el siguiente:

Ejercicio La función T(x, y, z) = 100 + x 2 + y 2 representa la temperatura en cada punto de la

superficie esférica x 2 + y 2 + z 2 = 50. Hallar la temperatura máxima en la curva intersección de
dicha superficie esférica con el plano x = z.
Estudie el problema, definiendo funciones auxiliares g y h convenientes, y plantee el sistema de
ecuaciones a resolver.

En el siguiente recurso se puede explorar la relación entre los gradientes de las funciones
intervinientes del ejercicio anterior.
https://ggbm.at/TZkNndXA

4.4.4 Aplicación al cálculo de extremos en una región cerrada y acotada

Concluimos este capítulo presentando la solución completa al problema de hallar los extremos
absolutos de una función continua de dos variables en un recinto cerrado y acotado, como vimos
en la Sección 4.3 utilizando ahora el método de los multiplicadores de Lagrange. La existencia
de extremos absolutos está garantizada por el Teorema 4.3.0.1. Combinaremos lo estudiado sobre
candidatos a extremos libres en el interior de la región y a extremos condicionados en la frontera
del recinto.

⌅ Ejemplo 4.4.3 Encontrar los valores máximo y mínimo de la función f (x, y) = 3x + 4y en el

círculo de radio 1 centrado en el origen.

De acuerdo al teorema de extremos absolutos para funciones continuas en conjuntos cerrados

y acotados, y siguiendo el método indicado en la Sección 4.1.1, dividimos la resolución en
tres pasos: (1) hallar y clasificar los puntos críticos (estacionarios o no ) de f en el interior
del círculo, (2) hallar extremos locales de f en la circunferencia borde, y (3) comparar los
valores de f en todos los candidatos a extremo.
) Al ser f diferenciable, los únicos puntos críticos deben ser puntos estacionarios, en
@f
los que se anulan ambas derivadas parciales simultáneamente. Pero (x, y) = 3 y
@x
@f
(x, y) = 4, para todo (x, y) dentro del círculo unidad. Esto significa que f no tiene
@y
puntos críticos (no los tiene, de hecho en todo R2 ), que por supuesto era lo esperado
Capítulo 4. 165

ya que la gráfica de f es un plano no horizontal. En consecuencia, los extremizadores

de f estarán necesariamente en la frontera de la región circular.
) La curva frontera, la circunferencia de radio 1 centrada en (0, 0), establece un vínculo
entre las variables x e y. Aplicamos entonces el método de los multiplicadores de
Lagrange para determinar los candidatos a extremos locales de f en la circunferencia
borde. O sea, buscamos los extremos de f (x, y) = 3x + 4y sujetos a g(x, y) =
x 2 + y 2 1 = 0. Para aplicar el método verificamos que rg Æ = (2x, 2y) sólo se anula
en (0, 0), que no pertenece a la circunferencia borde. Podemos entonces proceder,
resolviendo el siguiente sistema de 2 + 1 ecuaciones:
8
>
< 3 = 2x
>
4 = 2y
>
> x 2 + y 2 1 = 0.
:
Análogamente a como hicimos en el Ejemplo 4.4.2, despejamos x e y en función de
de las primeras dos ecuaciones, y lo llevamos a la tercera. Dado que no puede ser 0,
3 2
se tiene x = , y = . Si reemplazamos en la última ecuación del sistema, queda
2
✓ ◆2 ✓ ◆2
3 2
+ 1 = 0.
2

Resolviendo para obtenemos

5
=± .
2
5 3 4 5 3 4
Con lo cual, si = + se tiene x = , y = ; y si = se tiene x = ,y= .
2 5 5 2 5 5
Por lo tanto, los puntos buscados son ( 35 , 45 ) y ( 35 , 45 ).
) Para finalizar calculamos el valor de f (x, y) en todos los puntos candidatos a extremos
absolutos de f . En este caso, como f no tiene puntos críticos y por ende tampoco
extremos locales en el interior del círculo, sólo debemos mirar los valores de f en los
posibles extremos locales sobre la circunferencia borde, es decir:
✓ ◆ ✓ ◆
3 4 3 4
f , = 5, f , = 5
5 5 5 5
Por lo tanto, en el círculo unidad la función f alcanza su valor máximo absoluto en el
4
punto ( 35 , 45 ) donde f vale 5 y su valor mínimo absoluto en el punto ( 35 , t ) donde
5
f vale 5.
Desarrolle el método gráfico, tanto por medio de la gráfica de f en el espacio como
por medio de un mapa de contornos en el plano, y compruebe el resultado analítico
hallado.
⌅

Veamos cómo proceder cuando la región está delimitada por una curva suave a trozos:

⌅ Ejemplo 4.4.4 Supongamos que queremos encontrar los valores máximo y mínimo de la función
f (x, y) = 3x + 4y pero esta vez en cierta porción del círculo de radio 1 centrado en el origen.
Consideramos D, p el sector circular del primer cuadrante, que está comprendido entre el eje
x y la recta y = 3 x, incluyendo sus bordes.

Como ya analizamos en el ejemplo anterior, f no tiene puntos críticos, por lo que no

tendrá extremos locales en el interior de D. Buscamos ahora los extremos locales en la
frontera D. En este caso la frontera es una curva suave a trozos, que consta de tres tramos
 166 Sección 4.5. Anexo A. Puntos críticos y estacionarios de una función de n variables

suaves. Analicemos cada tramo por separado:

a) la porción del eje x que va desde el origen al punto (1, 0);
b) el arco depcircunferencia que va desde el punto (1, 0) hasta el punto en el que la
recta y = 3 x corta en el primer cuadrante a lap circunferencia, que sale de resolver
p
x 2 + y 2 = 1, y = 3 x con x, y > 0, esto es ( 12 , 23 );
c) el segmento de recta comprendido entre dicho punto y el origen. A los puntos inicial y
final de cada tramo los trataremos por separado (como se hacía con los bordes de un
intervalo cerrado en Análisis Matemático I).
La función f sobre el tramo a) se reduce a f (x, 0) = 3x, con 0 < x < 1, que no tiene extremos
p p 1
locales. Sobre el tramo c), f adopta la forma f (x, 3 x) = (3 + 4 3) x, con 0 < x < ,
2
que tampoco presenta extremos locales. Falta ver si f tiene extremos locales en el arco de
circunferencia b), para lo cual usamos el método de Lagrange.
Según vimos en el ejemplo anterior la función f tiene extremos locales sujetos al vínculo
dado por la circunferncia, en ( 35 , 45 ) y ( 35 , 45 ). Como este último punto no está en D, nos
queda solamente ( 35 , 45 ) como un candidato a ser extremo de f en este problema.
Finalmente incluimos también como candidatos a ser extremos de f a los puntos inicial
y final de cada tramo de la curva frontera de D.
Por lo tanto, debemos debemos comparar los valores que tome f en: ( 35 , 45 ), (0, 0), (1, 0)
p
3
y ( 12 , ). Los valores de f en estos puntos son f ( 35 , 45 ) = 5, f (0, 0) = 0, f (1, 0) = 3,
p2 p
f ( 12 , 23 ) = 32 + 2 3 ' 4.96. Por lo tanto, ( 35 , 45 ) es el máximo absoluto de f en D y (0, 0) es
el mínimo absoluto de f en D. ⌅

4.4.5 Ejercicios
1. Utilice el método de los multiplicadores de Lagrange para calcular los valores máximo y
mínimo de la función f (x, y) = e xy , con la restricción x 2 + y 2 = 16.
2 2 2
2. Halle los puntos
p de la superficie esférica x + y + z = 1 que están a mayor y menor distancia
del punto ( 3, 0, 1).
1 1 1
3. Encuentre los puntos sobre la superficie + + = 1, donde la función f (x, y, z) = x + y + z
x y z
toma los valores máximo y mínimo.
4. Considere la función del Ejemplo 4.1.4 f (x, y) = x 2 y 2 , que no posee extremos en R2 .
¿Ocurre lo mismo si el dominio se restringe a una región cerrada y acotada del plano,
digamos a un círculo centrado en el origen? Presente argumentos gráficos. Luego formalice
analíticamente planteando las ecuaciones a resolver y comente cuál es la respuesta que espera
obtener.
5. Determine analíticamente todos los extremos absolutos de la función f (x, y) = x 2 2xy + 2y
en la región rectangular D = {(x, y) : 0  x  3, 0  y  2}

4.5 Anexo A. Puntos críticos y estacionarios de una

función de n variables
Damos a continuación la definición de punto crítico y punto estacionario de una función escalar
de n variables, que extiende el concepto visto para funciones de 2 variables.
Definición Sea f : U ⇢ Rn ! R. Un punto (x1, x2, . . . , xn ) perteneciente al dominio de f es un
punto crítico de f si:
las m derivadas parciales primeras de f se anulan en (x1, x2, . . . , xn ), ó
al menos una de las derivadas parciales primeras de f no existe en (x1, x2, . . . , xn ).
En el primer caso (o sea, cuando el gradiente de f en el punto es el vector nulo), se dice que
(x1, x2, . . . , xn ) es un punto estacionario de f .
 167

p
⌅ Ejemplo 4.5.1 La función f (x, y, z) = x 2 + y + sen z tiene (infinitos) puntos críticos, de la
@f
forma (xc, 0, zc ), esto es, todos los puntos del plano xz pues no existe para y = 0.
@y
La función f (x, y, z, t) = x 2 + y 2 + z 2 + t 2 tiene un (único) punto estacionario, el (0, 0, 0, 0),
donde las 4 derivadas parciales se anulan.
⌅

4.6 Anexo B. Justificación de criterios de las deriva-

das segundas
Criterio de la derivada segunda para una función de una variable
Sea F(x) una función dos veces derivable en x0 , y x0 un punto estacionario de F, esto es:
F 0(x0 ) = 0. Aproximando la función alrededor de x0 mediante polinomios de Taylor, de segundo
1
orden se tiene: F(x) ⇡ P2 (x) = F(x0 ) + 0 (x x0 ) + F 00(x0 ) (x x0 )2 para x próximos a x0 .
2
Gráficamente la expresión de la derecha corresponde, en el caso en que el coeficiente del término
cuadrático sea distinto de 0, a una parábola con ramas hacia arriba o hacia abajo dependiendo
del signo de ese coeficiente. Dado que el polinomio de Taylor es una buena aproximación de la
función en el entorno del punto donde está centrado, podemos confiar en que la gráfica de F será
localmente muy parecida a una parábola e inmediatamente identificamos de qué tipo de extremo se
trata conociendo el signo de la derivada segunda en el punto estacionario: si F 00(x0 ) > 0, x0 es un
mínimo local de F; mientras que si F 00(x0 ) < 0, x0 es un máximo local de F. ¿Qué se puede decir
en el caso en que el coeficiente del término cuadrático es igual a 0? A este orden de aproximación
no mucho, salvo que localmente la gráfica de la función es “muy chata”, lo que no permite decidir
si se trata de un extremo máximo o mínimo, o de un punto de inflexión; habría que “ir más allá” de
la derivada segunda (aproximar F con P3 ó P4 ), o inspeccionar con otro método la función para
clasificar ese punto estacionario.

Criterio de las derivadas parciales segundas para una función de dos variables
La justificación se basa también en el desarrollo de Taylor de la función. La aproximación
cuadrática de una función de dos variables agrega términos de orden 2 a la aproximación lineal
(o linealización) de la función que vimos en el Capítulo 3; se puede probar que esos términos
tienen como coeficientes las derivadas parciales segundas de la función, evaluadas en el centro
del desarrollo. Sea f : D ⇢ R2 ! R una función de clase C 2 en (x0, y0 ) 2 D, y (x0, y0 ) un punto
Æ f (x0, y0 ) = 0.
estacionario de f , esto es: r Æ A segundo orden se tiene para (x, y) próximos a (x0, y0 ):

f (x, y) ⇡ P2 (x, y) = f (x0, y0 ) + [0 (x x0 ) + 0 (y y0 )] +

1⇥ ⇤
+ fxx (x0, y0 ) (x x0 )2 + 2 fxy (x0, y0 ) (x x0 )(y y0 ) + fyy (x0, y0 ) (y y0 )2 .
2
Por simplicidad supongamos que el punto estacionario es (x0, y0 ) = (0, 0) y que f (0, 0) = 0,
luego la expresión anterior queda en la forma

1⇥ 2 ⇤
f (x, y) ⇡ P2 (x, y) = 0 + [0 + 0] + Ax + 2Bxy + C y 2
2

donde llamamos A = fxx (0, 0), B = fxy (0, 0) = fyx (0, 0), C = fyy (0, 0) a los coeficientes del
polinomio de segundo orden. Supongamos que A , 0, entonces el lado derecho se puede reescribir,
completando cuadrados, como
 168 Sección 4.7. Actividades integradoras y autoevaluación

✓ ◆ "✓ ◆2 ✓ # ◆2
A B C A B C 2 B
P2 (x, y) = x + 2 xy + y 2
2
= x+ y + y y
2 A A 2 A A A
"✓ ◆2 ✓ ◆ #
A B AC B2 2
= x+ y + y
2 A A2

Ahora bien, dado que sabemos que P2 es una buena aproximación a f cerca del centro del
desarrollo, en este caso el punto estacionario (0, 0), las gráficas de P2 (x, y) y de f (x, y) estarán
bastante “pegadas” para puntos cercanos a (0, 0). Y entonces la pregunta es: ¿qué forma tiene la
superficie gráfica del polinomio P2 , o sea, z = P2 (x, y)? Tomando la última expresión, resulta
✓ ◆2 ✓ ◆
z B AC B2 2
= x+ y + y
A/2 A A2
que tiene la forma de una superficie cuádrica (aunque no está puesta exactamente como en las
formas canónicas que vimos en el Capítulo 1 para las cuádricas, donde aparecían las variables solas
al cuadrado, lo que significaba que los ejes principales de la figura eran los ejes coordenadas x e
y; aquí la figura aparecerá girada respecto de esos ejes coordenados, pero lo que importa para la
clasificación del punto estacionario es su forma). Puede verse que, de hecho, la superficie gráfica
del polinomio de Taylor P2 centrado en el origen (localmente muy parecida a la superficie gráfica
de la función f ) corresponde a un paraboloide elíptico cuando AC B2 > 0 (en este caso, los dos
términos del lado derecho tienen igual signo), o a un paraboloide hiperbólico cuando AC B2 < 0
(en este caso, los términos cuadráticos tienen distinto signo). En el primer caso podemos agregar
todavía que si A > 0 el paraboloide elíptico abre hacia arriba, mientras que si A < 0 abre hacia abajo.
Por último, si fuera A = 0, en la expresión de P2 (x, y) más arriba se puede hacer un tratamiento
similar sacando C factor común en lugar de A y completar cuadrados para y; se muestra también
que la gráfica de P2 es una cuádrica.
Finalmente, notando que AC B2 no es más que el Hessiano de f evaluado en el punto
estacionario, y que A es la derivada segunda de f respecto de x dos veces en el punto estacionario,
se completa la justificación del criterio cuando D , 0.

4.7 Actividades integradoras y autoevaluación

4.7.1 Actividades integradoras
1. Analice cuál de las dos afirmaciones siguientes es una condición necesaria y cuál es una
condición suficiente para la existencia de un extremo relativo:
Sea f : D ⇢ R2 ! R una función de dos variables. Sea (x0, y0 ) 2 D un máximo o
mínimo local de f . Luego: a) si existen las derivadas parciales primeras de f en dicho
punto, entonces r Æ f (x0, y0 ) = 0;
Æ ó b) al menos una de las derivadas parciales de f en
(x0, y0 ) no existe.
Sea f : D ⇢ R2 ! R una función de dos variables de clase C 2 en un disco centrado en
Æ f (xe, ye ) = 0.
(xe, ye ), siendo (xe, ye ) un punto estacionario de f dentro de D, tal que r Æ
Sea D(xe, ye ) = H f (xe, ye ) el valor del Hessiano de f en el punto crítico. Luego: si
D(xe, ye ) > 0, entonces (xe, ye ) es un extremo local de f .
2. Discutan en pequeños grupos los siguientes ejercicios:
a) Stewart, Cálculo: Trascendentes Tempranas, pag. 947: Sección 14.7 – Ejercicios 3 y 4
b) Stewart, Cálculo: Trascendentes Tempranas, pag. 956: Sección 14.8 – Ejercicio 1
3. Utilizando computadora, analice la gráfica y algunas curvas de nivel para estimar los valores
máximos y mínimos locales y los puntos silla de la función f (x, y) = x 3 3x y 4 2y 2 . Luego
utilice los métodos analíticos vistos para hallar estos valores en forma precisa.
4. Encuentre el valor de la función f (x, y) = (x 2 + y) ey/2 en todos sus puntos de ensilladura y
extremos locales, si posee.
 Capítulo 4. 169

5. Clasifique los puntos estacionarios de f (x, y) = y 2 x 3 6xy.

6. Determine los puntos de la región triangular con vértices en (0, 0), (0, 6) y (6, 0), para los
cuales h(x, y) = 4xy 2 x 2 y 2 xy 3 toma sus valores máximo y mínimo absolutos.
7. Utilizando computadora, grafique la circunferencia C de ecuación x 2 + y 2 = 1 junto con
varias curvas de la forma Ck de ecuaciones y = k x 2 para distintos valores de k 2 R.
Señale las curvas Ck que cortan en algún punto a la circunferencia. Distinga las Ck que tocan
tangencialmente a C y estime a partir del gráfico los valores de k correspondientes, así como
los puntos de contacto.
Por último, resuelva analíticamente el problema de hallar los extremos de la función
f (x, y) = x 2 + y sujetos a la restricción x 2 + y 2 = 1. Compare con la resolución gráfica.
8. Utilice el método de los multiplicadores de Lagrange para hallar los valores máximo y
mínimo de f sujetos a la restricción dada:
a) f (x, y) = x 2 y para x 2 + y 2 = 1
1 1 1
b) f (x, y, z) = x + y + z para + + = 1
x y z
9. Un paquete en forma de caja rectangular se puede enviar por correo con un costo dado, si la
suma de su longitud y el perímetro de una sección transversal perpendicular a la longitud es
de 84 cm a lo sumo. Encuentre las dimensiones del paquete con máximo volumen que se
puede enviar por correo a ese costo. (Averigüe cuáles son las categorías actualmente para
envío de paquetes por correspondencia)
10. Mediante el método de los multiplicadores de Lagrange, halle los valores máximo y mínimo
de f (x, y, z) = x 2 + 2y 2 + 3z 2 , sujetos a las restricciones x + y + z = 1, x y + 2z = 2.

4.7.2 Autoevaluación
1. Defina extremo relativo para una función de dos variables.
2. Sea f (x, y) = ax 2 + 2bx y + y 2 (con a y b fijos).
a) Suponiendo que a , b2 , verifique que (0, 0) es un punto estacionario y clasifíquelo
según los valores de a y b.
b) En el caso en que a = b2 , determine todos los puntos estacionarios de f .
3. Sea T(x, y, z) = 273 + x 2 + y 2 + z 2 la función que da la temperatura en cada punto de
una región sólida, en grados Kelvin. Sea C la curva intersección del elipsoide S dado por
2x 2 + y 2 + z 2 = 2, con el plano z = y.
a) Plantee y resuelva el problema de optimización de T para los puntos del elipsoide.
b) Plantee el método de los multiplicadores de Lagrange, que permita obtener los candidatos
a extremo de T restringidos a la curva C.