Multiplicadores de Lagrange

En los problemas de optimizacin, el mtodo de los multiplicadores de Lagrange, llamados as

en honor a Joseph Louis Lagrange, es un procedimiento para encontrar los mximos y mnimos
de funciones de mltiples variables sujetas a restricciones. Este mtodo reduce el problema
restringido con n variables a uno sin restricciones de n + k variables, donde k es igual al nmero
de restricciones, y cuyas ecuaciones pueden ser resueltas ms fcilmente. Estas nuevas
variables escalares desconocidas, una para cada restriccin, son llamadas multiplicadores de
Lagrange. El mtodo dice que los puntos donde la funcin tiene un extremo condicionado con k
restricciones, estn entre los puntos estacionarios de una nueva funcin sin restricciones
construida como una combinacin lineal de la funcin y las funciones implicadas en las
restricciones, cuyos coeficientes son los multiplicadores.
La demostracin usa derivadas parciales y la regla de la cadena para funciones de varias
variables. Se trata de extraer una funcin implcita de las restricciones, y encontrar las
condiciones para que las derivadas parciales con respecto a las variables independientesde la
funcin sean iguales a cero.

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

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

para varios valores de dn, y el contorno de g dado por g(x, y) = c. Supongamos que hablamos de
la curva de nivel donde g = c. Entonces, en general, las curvas de nivel de f y g sern distintas, y
la curva g = c por lo general intersecar y cruzar muchos contornos de f. En general,
movindose a travs de la lnea g=c podemos incrementar o disminuir el valor de f. Slo
cuando g=c (el contorno que estamos siguiendo) toca tangencialmente (no corta) una curva de
nivel de f, no se incrementa o disminuye el valor de f. Esto ocurre en el extremo local restringido y
en los puntos de inflexin restringidos de f.
Un ejemplo familiar puede ser obtenido de los mapas climatolgicos, con sus curvas de nivel de
presin y temperatura (isbaras e isotermas respectivamente): el extremo restringido ocurrir
donde los mapas superpuestos muestren curvas que se tocan.
Geomtricamente traducimos la condicin de tangencia diciendo que los gradientes de f y g son
vectores paralelos en el mximo. Introduciendo un nuevo escalar, , resolvemos
[f(x, y) - (g(x, y) c)] = 0
para 0.
Una vez determinados los valores de , volvemos al nmero original de variables y as
continuamos encontrando el extremo de la nueva ecuacin no restringida.

de forma tradicional. Eso es,

porque
en

para todo (x, y) satisfaciendo la condicin

es igual a cero en la restriccin, pero los ceros de

F(x, y) estn todos

El mtodo de los multiplicadores de Lagrange[editar]

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

Se procede a buscar un extremo para h

lo que es equivalente a

Los multiplicadores desconocidos k se determinan a partir de las ecuaciones con las

restricciones y conjuntamente se obtiene un extremo para h que al mismo tiempo satisface las
restricciones (i.e. gk=0), lo que implica que f ha sido optimizada
El mtodo de multiplicadores de Lagrange es generalizado por las condiciones de Karush-KuhnTucker.

Ejemplos
Ejemplo #1
Supongamos que queremos encontrar la distribucin probabilstica discreta con mxima entropa.
Entonces

Podemos usar los multiplicadores de Lagrange para encontrar el punto de mxima entropa
(dependiendo de las probabilidades). Para todo k desde 1 hasta n, necesitamos

lo que nos da

Derivando estas n ecuaciones, obtenemos

Esto muestra que todo pi es igual (debido a que depende solamente de ). Usando la restriccin
k pk = 1, encontramos

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

Ejemplo #2[editar]
Determinar los puntos en la esfera

que estn ms cercanos al

punto
la distancia al punto

para hacer ms sencilla la operacin se maximiza o minimiza el cuadrado de la distancia:

la restriccin:
De acuerdo con el mtodo de los multiplicadores de Lagrange, se resuelven las ecuaciones
"

"y"

" y el resultado es:

(1)
(2)
(3)
(4)

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

sustituimos en la ecuacin (4).

y luego

de la ecuacin (1) obtenemos

realizar la operacin.

no se puede

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

se observa que

1 por que si

sustituyendo en la ecuacin (4)

se obtiene que
y entonces los puntos (x, y, z) son :

se puede observar que el punto ms cercano entonces es

Ejemplo #3 (restricciones mltiples)[editar]

Restricciones:

Aplicar el mtodo:

Entonces:

Por lo tanto, los puntos crticos son:

Bastar entonces evaluar la funcin en esos puntos para determinar que:

por lo que en ambos puntos

tiene un mximo si est restringida de esta manera.

Criterio de la segunda derivada para Extremos con

Restriccin[editar]
El caso bidimensional[editar]
Como en el caso no restringido en el que usamos la matriz Hessiana y el criterio de Sylvester
para determinar la naturaleza de los puntos crticos, en presencia de multiplicadores de Lagrange
existe un mtodo anlogo para descubrir si un punto crtico v 0 es mximo, mnimo, o punto silla.
Sea f:U2 y g:U2 dos curvas suaves de clase C2. Sea v0U tal que g(v0)= c y
sea S elconjunto de nivel de g con valor c. Asumimos que g(v0)0 y existe un nmero real tal
que f(v0) =
g(v0). Para la funcin auxiliar h = f - g tenemos la matriz hessiana limitada:

evaluada en v0
1.

Si |H|>0 entonces v0 es un mximo local en f limitada a S

2.

Si |H|<0 entonces v0 es un mnimo local en f limitada a S

3.

Si |H|=0 entonces el criterio no concluye nada

El caso n-dimensional[editar]
Anlogamente al caso bidimensional, consideramos el caso n-dimensional, Sea f:Un
y g:Un dos curvas suaves de clase C2. Sea v0U tal que g(v0)= c y sea S elconjunto de
nivel de g con valor c. Asumimos que g(v0)0 y existe un nmero real tal que f(v0) =
g(v0). Para la funcin auxiliar h = f - g construimos la matriz hessiana limitada:

evaluada en v0
Examinamos los determinantes de las submatrices en la diagonal de orden mayor o igual a 3:
1.

Si todos ellos son mayores que 0, tenemos un mnimo local en v 0

2.

Si el primer subdeterminante de tamao 3x3 es mayor que cero, el siguiente (el de

4x4) es menor que cero, y de esa manera los subdeterminantes van alternando su signo,
tenemos un mximo local en v0

3.

Si todos los subdeterminantes son distintos de cero, pero no siguen ninguno de los
dos patrones anteriores, tenemos un punto silla en v0

4.

Si no se da ninguno de los tres casos anteriores, el criterio no concluye nada

Metodo de los multiplicadores de Lagrange

Para determinar los valores mximos y mnimos de

sujeta a la restriccin

Determinar todos los valores de

Evale

que resulten del primer paso. El mas grande de estos valores

en todos los puntos

tal que:

es el valor mximo de f; el ms pequeo es el valor mnimo de

Es ms fcil explica la base geomtrica del mtodo de Lagrange para funciones de dos variables, por
eso comenzaremos calculando los valores extremos de f(x,y) sujetos a una restriccin de la forma
g(x,y) = k, En otras palabras, buscamos los valores extremos de f(x,y) cuando se impone la restriccin
de que el punto (x,y) debe estar sobre la curva de nivel g(x,y) = k. La siguiente figura ilustra esta curva
junto con varias curvas de nivel de f. Estas tienen por ecuacin f(x,y)=c, donde c = 7,8,9,10,11. Hacer
mxima f (x,y) sujeta a g(x,y) = k es halla el mximo valor de c tal que la curva de nivel f (x,y)= c corte
g(x,y) = k. En la esta figura se ve que esto ocurre cuando estas curvas se tocan solo en un punto, e s
decir, cuando tienen una recta tangente comn. ( De otra forma, el valor de c podra aumentar ms. )
Esto significa que las rectas normales en el punto (

) donde se tocan, son idnticas. Por

tanto, los vectores gradiente son paralelo,s es decir,

para cierto

escalar

Ejemplos con una restriccin

Ejemplo # 1
La funcin de produccin de Cobb- Douglas para un cierto fabricante viene dada

por

donde

denota las unidades de trabajo (Q. 150.00 unidades) e

unidades de capital (Q 250.00 la unidad) Hallar el mximo nivel de produccin admisible para este
fabricante, si tiene el coste conjunto de trabajo y capital limitado a Q50000.00
FO:

FR:

las

FR:

Ejemplo # 2
Averiguar las dimensiones del paquete rectangular de mximo volmen sometido a la

restriccin de que la suma de su longitud y el permetro de la seccin transversal no exceda 108

pulgadas.
FO:

FR:

Resolver ecuacin:

FR:

Ejemplo # 3
Una caja rectangular sin tapa se hace con

de cartn. Calcule el volumen mximo de esta caja.

Buscamos maximizar:
con restriccion:

ahora aplicamos lo que nos dice el metodo de los multiplicadores de Lagrange.

Entonces:

Las cuales se transforman a la hora de igualar y aplicar el mtodo en:

Una forma conveniente de resolver el sistema anterior es dejar del lado izquierdo
primera la multiplicamos por

la segunda por

y la tercera por , quedara de la siguiente

manera:

Esto quiere decir que tenemos igualdades por lo tanto:

de la segunda ecuacin sabemos que:

entonces:

. Si se hace

sustituimos en la ecuacin:

y nos quedara de la siguiente manera:

Por lo tanto
entonces:

Ejemplo # 4
Usar multiplicadores de LaGrange para hacer mximo el valor de

sujeto a

FO:

FR:

por lo tanto la

Resolviendo el sistema de ecuaciones:

FR:

Ejemplo # 5

Ejemplo # 6

Ejemplo # 7
Determinar los puntos en la esfera

la distancia al punto

que estn ms cercanos al punto

para hacer massecilla la operacin se maximiza o minimiza el cuadrado de la distancia:

la restriccin:
De acuerdo con el mtodo de los multiplicadores de Lagrange, se resuelve
resultado es:

(1)

, el

(2)
(3)
(4)

la manera mas sencilla de resolver estas ecuaciones es dejar x,y,z en funcin de \lambda y luego
sustituimos en la ecuacin (4).
de la ecuacin (1) obtenemos

se observa que

realizar la operacin.
lo mismo sucede con la ecuacin (2) y (3)

sustituyendo en la ecuacin (4)

el valor de
entonces los puntos (x,y,z) son :
y
se puede observar que el punto mas cercano entonces es

1 por que si

no se puede

Ejemplo # 8

sitemas de ecuaciones a resolver:

Resolver el siguiente sistema de ecuaciones (sumarlos):

entonces llegamos:

ahora encontramos "y":

Respuesta: (2,4)
--Hersonjmc 20:07 30 sep 2010 (CST)hersonjmc

Ejemplo # 9

De lo anterior obtenemos el siguiente sistema de ecuaciones:

Del sistema de ecuaciones concluimos q:

entonces:

entonces sustituimos en la Restriccin y obtenemos:

ahora encontramos "y" sustituyendo en cualquiera de las otras ecuaciones:

ahora encontramos "z" sustituyendo en cualquiera de las otras ecuaciones:

entonces el punto sera (respuesta):

--Hersonjmc 20:18 30 sep 2010 (CST)hersonjmc

Ejemplo #10

Minimizar

, sujeta a
;

I:

; II:

; III:

\frac{2xy=y\lambda }{xy=x\lambda }\rightarrow 2=\frac{y}{x }\rightarrowx=\frac{y}{2}

--JoshLpz 05:48 12 nov 2010 (CST)

Ejemplo # 11
Encuentre los valores extremos de

en el disco

1.

Solucin, De acuerdo con el procedimiento, comparamos los valores de f en los puntos crticos con los
valores en los puntos de la frontera. Puesto que

, el nico punto crtico es

(0,0). Comparamos el valor de f en ese punto con los valores extremos:

1,0)=1

1)= 2

Por lo tanto, el mximo valor de f en el disco

es

Ejemplos con dos restricciones

Ejemplo # 1

1 es

, y el valor mnimo

Restricciones:

Aplicar el mtodo:

Ejemplo # 2
Encuentre el mximo valor de la funcin
plano

y el cilindro

Maximizamos la funcin

en la curva de interseccin del

.

restringida en

en

. Resolvemos las ecuaciones con la condicin de

Lagrange

y , por tanto

. Entonces

. y los

correspondientes valores de f son:

el mximo valor de f en la curva danda es

Ejemplo # 3
Encontrar el mximo de la funcin:

con las siguientes restricciones:

Al aplicar el metodo nos quedara la siguiente igualdad.

A la hora de igualarlos nos quedaran las siguientes ecuaciones, contando las restricciones as que
serian 5 ecuaciones.

ahora podemos igualar:

entonces:

Al sustituir en las restricciones quedaran:

Restamos las ecuaciones por lo tanto:

entonces:

concluimos que: