Ejercicio

Ejercicios de
Matemticas avanzadas aplicadas a la economa
A RC HI V A DO
1. Convexidad............................................................................1 1.1. Conjuntos convexos ........................................................1 1.2. Funciones cncavas y funciones convexas....................14 2. Optimizacin.......................................................................23 2.1. Optimizacin sin restricciones ......................................23 2.2. Optimizacin con restricciones .....................................26 2.2.1. Una restriccin de igualdad....................................27 2.2.2. Varias restricciones de igualdad.............................42 2.2.3. Una restriccin de desigualdad ..............................50 2.2.4. Varias restricciones de desigualdad .......................53 2.2.5. Restricciones de igualdad y de desigualdad ...........60 2.3. Programacin lineal.......................................................62 3. Matrices positivas ...............................................................64 3.1. Matrices productivas .....................................................64 3.2. Conjuntos autnomos ....................................................66 3.3. Matrices indescomponibles ...........................................70 3.4. Teorema de Frobenius ...................................................72 4. Ecuaciones recurrentes ......................................................79 5. Sistemas de ecuaciones diferenciales ................................80 5.1. Sistemas homogneos 2x2.............................................80 5.1.1. Races reales distintas.............................................80 5.1.2. Races reales iguales ..............................................83 5.1.3. Races complejas ....................................................84 5.2. Sistemas homogneos 3x3.............................................86 5.2.1. Races reales distintas.............................................86 5.2.2. Races reales que se repiten....................................91 5.2.3. Races complejas ..................................................101 5.3. Sistemas no homogneos 2x2......................................106 5.4. Problemas de valor inicial ...........................................111
160906. Ejercicios de matemticas avanzadas
1. Convexidad 1.1. Conjuntos convexos EJERCICIO 1
.........................................
( x, y )
2
Estudiar si es convexo el conjunto: {(x, y) R2 | y x}.

Febrero 2001, prueba presencial. Publicado por G. Romero y A. Salas. Incluye correcciones del Prof. Alberto A. lvarez. Vase la proposicin 5 en el apartado 1.1.3 (Conjuntos convexos y aplicaciones afines) de la Unidad Didctica.
Se trata de un semiespacio cerrado definido por el hiperplano y = x. Este conjunto es la imagen inversa del intervalo [0, +) por la aplicacin lineal:
( x y)
y, por tanto, un conjunto convexo como demostraremos. Demostracin Sea el conjunto: C = {(x, y) R2 | y x} y sean x e y dos puntos cualesquiera de dicho conjunto: x = (x1, x2) C, y = ( y1, y2) C. Para cualquier [0, 1], z es un punto intermedio cualquiera del segmento que une x e y:
1
z = x + (1 ) y = ( x1 , x2 ) + (1 )( y1 , y2 ) = [ x1 + (1 ) y1 , x2 + (1 ) y2 ]. Y como:
x = ( x1 , x2 ) C x2 x1 x2 x1 y = ( y1 , y2 ) C y2 y1 (1 ) y2 (1 ) y1 , tenemos que:
x2 + (1 ) y2 x1 + (1 ) y1
y, por tanto, z C y el conjunto C es convexo, es decir: (x, y) C, [0, 1], x + (1 )y C.
Y
y=x C
EJERCICIO 2
......................................... .........................................
C = {(x, y) R2 | x y 1}
Estudiar si es convexo el conjunto: {(x, y) R2 | y x}.

Septiembre 2001, examen reserva. Febrero 2002, prueba presencial.
EJERCICIO 3
Estudiar si es convexo el conjunto: {(x, y) R2 | x y 1}.

Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
Sea el conjunto:
y sean x e y dos puntos de dicho conjunto: x = (2, 2) C, y = (2, 2) C. Para =

1 2
[0, 1], el punto z del segmento que une x e y sera:
z = x + (1 ) y = 1 ( 2, 2) + (1 1 )(2, 2) 2 2 = 1 ( 2, 2) + 1 ( 2, 2) 2 2 = (1 1,1 1) = (0, 0) C. Por tanto, (x, y) C, [0, 1], x + (1 )y C. El conjunto C no es convexo, como queda demostrado.
2
Y
xy = 1 xy = 1
1 2 3
EJERCICIO 4
.........................................
C = {(x, y) R2 | y 1/x}
Estudiar si es convexo el conjunto: {(x, y) R2 | y 1/x}.

Febrero 2004, segunda semana, original. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
Sea el conjunto:
y sean x e y dos puntos de dicho conjunto: x = (1, 1) C, y = (1, 1) C.
Para =
2 3
[0, 1], el punto z del segmento que une x e y sera: z = x + (1 ) y = 2 (1,1) + (1 2 )(1,1) 3 3 = 2 (1,1) + 1 ( 1,1) 3 3 = (2 1 , 2 + 1) 3 3 3 3 = ( 1 ,1) C. 3
Para x = 1/3, la funcin y = 1/x toma el valor 3. Como observamos, para un mismo valor de la abscisa, el punto z tiene una ordenada inferior a la que toma la funcin y = 1/x, comprobndose as que z no pertenece al conjunto C. Por tanto, el conjunto C no es convexo ya que (x, y) C, [0, 1], x + (1 )y C.
Y
y = 1/x y = 1/x
1 2 3
EJERCICIO 5
.........................................
Estudiar si es convexo el conjunto: {(x, y) R2 | x y 4}.

Febrero 2005, segunda semana. Publicado por S. Rosell. Resuelto por el Prof. Alberto A. lvarez. Vase tambin el EJERCICIO 3.
Solucin. Este conjunto est formado por aquellos puntos (x, y) del plano tales que el producto xy es mayor o igual que cuatro. En el primer cuadrante, esto significa que a este conjunto pertenecen aquellos puntos que quedan por encima de la curva de ecuacin y = 4/x (incluidos los puntos de la propia curva). Pero en el tercer cuadrante (donde los puntos tienen ambas coordenadas negativas), ello significa que al conjunto pertenecen aquellos puntos que quedan por debajo de la curva de ecuacin y = 4/x (incluidos los de la curva).
La figura adjunta es una representacin de este conjunto. Se aprecia grficamente que no es convexo: hay puntos del conjunto tales que el segmento que los une no est contenido en el conjunto. Por ejemplo, los puntos (2, 3) y (1, 5) pertenecen al conjunto, y los puntos del segmento que los une son los de la forma (2, 3) + (1 )(1, 5), para 0 1; si tomamos, verbigracia, = 1/2, obtenemos el punto (1/2, 1), que no pertenece al conjunto. Efectivamente, el conjunto dado no es convexo.
Nota bene. Cuando un conjunto no es convexo, para demostrarlo basta encontrar dos puntos del conjunto tales que el segmento que los una tenga al menos un punto que no pertenezca al conjunto.
xy = 4 xy = 4
1 2 3 4 5 6
EJERCICIO 6
.........................................
C = {(x, y) R2 | y2 x}
Estudiar si es convexo el conjunto: {(x, y) R2 | y2 x}.

Febrero 2003, reserva. Septiembre 2004, reserva. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
Sea el conjunto:

4
Para =
1 2
[0, 1], el punto z del segmento que une x e y sera: z = x + (1 ) y = 1 (4, 2) + (1 1 )(4, 2) 2 2 = 1 (4, 2) + 1 (4, 2) 2 2 = (2 + 2, 1 + 1) = (4, 0) C.
Por tanto, el conjunto C no es convexo ya que (x, y) C, [0, 1], x + (1 )y C.

Y
y2 = x
EJERCICIO 7
.........................................
C = {(x, y) R2 | y x2}
Estudiar si es convexo el conjunto: {(x, y) R2 | y x2}.

Sea el conjunto:
y sean x e y dos puntos de dicho conjunto: x = (1, 1) C, y = (1, 1) C. Para =

1 2
[0, 1], el punto z del segmento que une x e y sera: z = x + (1 ) y = 1 (1,1) + (1 1 )(1,1) 2 2 = 1 (1,1) + 1 (1,1) 2 2 = (1 1 , 1 + 1) 2 2 2 2 = (0,1) C.
Para x = 0, la funcin y = x2 tambin toma el valor 0. Como observamos, para un mismo valor de la abscisa, el punto z tiene una ordenada superior a la que toma la funcin y = x2, comprobndose as que z no pertenece al conjunto C. Por tanto, el conjunto C no es convexo ya que (x, y) C, [0, 1], x + (1 )y C.
Y
y = x2 C
EJERCICIO 8
.........................................
C = {(x, y) R2 | y x3}
Estudiar si es convexo el conjunto: {(x, y) R2 | y x3}.

Febrero 2004, primera semana, original. Publicado por G. Romero y A. Salas. Incluye correccin del Prof. Alberto A. lvarez.
Sea el conjunto:
Para =
1 3
[0, 1], el punto z del segmento que une x e y sera: z = x + (1 ) y = 1 (1,1) + (1 1 )(1, 1) 3 3 = 1 (1,1) + 2 (1, 1) 3 3 2 = (1 3 , 1 2) 3 3 3 = ( 1 , 1 ) C. 3 3
Para x = 1/3, la funcin y = x3 toma el valor 1/27. Como observamos, para un mismo valor de la abscisa, el punto z tiene una ordenada inferior a la que toma la funcin y = x3 (1/3 < 1/27), comprobndose as que z no pertenece al conjunto C. Por tanto, el conjunto C no es convexo ya que (x, y) C, [0, 1], x + (1 )y C.
Y
y = x3 C
EJERCICIO 9
.........................................
Y
Estudiar si es convexo el conjunto: {(x, y) R2 | x2 + y2 = 1}.

Septiembre 2002, prueba presencial. Publicado por G. Romero y A. Salas. Incluye correcciones del Prof. Alberto A. lvarez.
x2 + y2 = 1
Se trata de una circunferencia con centro en el origen de coordenadas y radio uno. Es un conjunto no convexo ya que cualquier segmento que una dos puntos distintos cualesquiera de dicho conjunto, se hallar fuera del mismo, es decir: (x, y) C, [0, 1], x + (1 )y C, siendo C = {(x, y) R2 | x2 + y2 = 1}.
De hecho: (x, y) C, [0, 1], x + (1 )y C. Sean x e y dos puntos cualesquiera de dicho conjunto: x = (x1, x2) C, y = ( y1, y2) C. Para cualquier [0, 1], z es un punto intermedio cualquiera del segmento que une x e y:
z = x + (1 ) y = ( x1 , x2 ) + (1 )( y1 , y2 ) = [ x1 + (1 ) y1 , x2 + (1 ) y2 ]. La suma de los cuadrados de los componentes de z es:

z * = ( x1 + (1 ) y1 ) 2 + ( x2 + (1 ) y2 ) 2 , donde z* = 1 slo para {0, 1}, es decir, slo los extremos del segmento (1 = 0 y 2 = 1) perteneceran a C. El resto de puntos del segmento no estaran incluidos en dicho conjunto. Esto termina de probar que el conjunto C no es convexo.
EJERCICIO 10
........................................
S1 = {(x, y) R2 | x2 + y2 1}, S2 = {(x, y) R2 | x2 + y2 4}.
Estudiar si es convexo el conjunto: {(x, y) R2 | 1 x2 + y2 4}.

Febrero 2003, prueba presencial. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
Se trata de la interseccin de los conjuntos:

7
Sea el conjunto: C = S1 S2 = {(x, y) R2 | 1 x2 + y2 4} y sean x e y dos puntos de dicho conjunto: x = (1, 0) C, y = (1, 0) C. Para =
1 2
[0, 1], el punto del segmento que une x e y sera:

z = x + (1 ) y = 1 (1, 0) + (1 1 )(1, 0) 2 2 = 1 (1, 0) + 1 (1, 0) 2 2 = ( 1 1 , 0 0) 2 2 = (0, 0) C.
Por tanto, (x, y) C, [0, 1], x + (1 )y C. El conjunto C no es convexo, como queda demostrado.
x2 + y2 = 4 C x2 + y2 = 1
EJERCICIO 11
........................................
S1 = {(x, y) R2 | x2 + y2 1}, S2 = {(x, y) R2 | x2 + y2 4}.
Estudiar si es convexo el conjunto: {(x, y) R2 | 1 x2 + y2 4}.

Publicado por G. Romero y A. Salas. Incluye correccin del Prof. Alberto A. lvarez.
Se trata de la interseccin de los conjuntos:
Sea el conjunto: C = S1 S2 = {(x, y) R2 | 1 x2 + y2 4} y como no existe un z* = x2 + y2 tal que 1 z* 4, C = S1 S2 = , conjunto vaco y convexo por definicin.
Y
x2 + y2 = 4 S2 x2 + y2 = 1 S1
X
EJERCICIO 12
........................................
A = S1 S2 = {(x, y) R2 | x2 + y2 1 y x + y 1},
Estudiar si es convexo el conjunto A = {(x, y) R2 | x2 + y2 1 y x + y 1}.

Septiembre 2005, reserva. Publicado por I. Ramiro y A. San Martn. Incluye correcciones del Prof. Alberto A. lvarez.
El conjunto A es uno formado por la interseccin de dos conjuntos convexos, y por ello convexo tambin:
donde: S1 = {(x, y) R2 | x2 + y2 1}.
S1 es el crculo con centro en el origen de coordenadas y radio uno, que es convexo porque en definitiva se trata de una bola cerrada y todas las bolas son conjuntos convexos. S2 = {(x, y) R2 | x + y 1}. S2 es el semiespacio (cerrado) formado por todos los puntos (x, y) de R2 tales que x + y 1, que es convexo (los semiespacios, cerrados o abiertos, son conjuntos convexos).
Y
x2 + y2 = 1
x+y=1
EJERCICIO 13
........................................
Estudiar si es convexo el conjunto A = {(x, y) R2 | x + y 1, x 0 e y 0}.

9
Enero 2005, primera semana. Publicado por S. Rosell. Resuelto por el Prof. Alberto A. lvarez. Vase tambin el EJERCICIO 12.
Para demostrar que un conjunto es convexo hay varias maneras; una de ellas es la directa, es decir, aplicando la definicin. Para que la prueba sea vlida, debemos comprobar esto: para todo par de puntos del conjunto, todo punto del segmento que los une pertenece al conjunto ( y confirmar para todo punto del segmento es comprobar para todo lambda entre cero y uno); no es suficiente verificarlo para dos puntos concretos y slo para un valor de lambda. Para demostrar que un conjunto no es convexo, basta encontrar dos puntos del conjunto tales que algn punto del segmento que los une no pertenece al conjunto, es decir, algn valor de lambda para el cual el punto que resulta no est en el conjunto.
Solucin. El conjunto A es la interseccin de tres conjuntos: el semiespacio cerrado {(x, y) R2 | x + y 1}, formado por aquellos puntos del plano que estn por debajo de la recta de ecuacin y = 1 x, incluyendo los puntos de la propia recta; el semiespacio cerrado {(x, y) R2 | x 0}, formado por aquellos puntos de abscisa (primera componente) positiva o nula, es decir: los cuadrantes primero y cuarto, incluyendo los puntos del eje de ordenadas (eje OY ); el semiespacio cerrado {(x, y) R2 | y 0}, formado por aquellos puntos de ordenada (segunda componente) positiva o nula: los cuadrantes primero y segundo, incluyendo los puntos del eje de abscisas.
El conjunto A es, pues, el tringulo de vrtices P(1, 0), Q(0, 1) y O(0, 0) (cf. figura adjunta). Como los semiespacios son conjuntos convexos, y la interseccin de conjuntos convexos tiene como resultado un conjunto convexo, podemos concluir que el conjunto A es un conjunto convexo.
Q O P
A
X
x+y=1
EJERCICIO 14
........................................
x }.
Y
Estudiar si es convexo el conjunto A = {(x, y) R2 | x 0 y x 1 y

Septiembre 2005, original. Comprobar la grfica de y = x1/2.
y = x 1/2 A
10
y= x
EJERCICIO 15
........................................
( x, y , z )
3
Estudiar si es convexo el conjunto: {(x, y, z) R3 | 2x + y z > 1}.

Febrero 2001, examen reserva. Septiembre 2001, prueba presencial. Publicado por G. Romero y A. Salas. Incluye correcciones del Prof. Alberto A. lvarez. Todava me queda alguna duda aislada sobre si contina la mezcla entre notaciones de matrices y de vectores.
Se trata de un semiespacio abierto, imagen inversa del intervalo (1, +) por la aplicacin lineal: (2 x + y z )
y, por tanto, un conjunto convexo como demostraremos. Demostracin Sea el conjunto: C = {( x, y, z )

3
| 2 x + y z > 1}
y sean x e y dos puntos cualesquiera de dicho conjunto: x = (x1, y1, z1) C, y = (x2, y2, z2) C.
Si hacemos A = ( 2 1 1 ) , podemos escribir:
(
de donde AX > 1 y AY > 1.
xi 2 1 1 ) yi > 1, zi
con i = {1, 2},
Para cualquier [0, 1], z es un punto intermedio cualquiera del segmento que une x e y:
Z = A[ X + (1 )Y ] = AX + (1 ) AY > 1 + (1 ) 1 = 1 (matriz de un solo trmino), donde se hace uso de que AX > 1 y AY > 1. De esta forma: z C, y C es convexo.
EJERCICIO 16
........................................
{(x, y, z) R3 | log(x + y + z) 0}
Estudiar si es convexo el conjunto: {(x, y, z) R3 | log(x + y + z) 0}.

Septiembre 2003, reserva. Publicado por G. Romero y A. Salas. Incluye correcciones del Prof. Alberto A. lvarez. En los apuntes originales se da por supuesto que log representa un logaritmo neperiano y no uno con base diez.
El conjunto: es un semiespacio cerrado definido por el hiperplano de R3: log(x + y + z) = 0, y es un conjunto convexo, pues es la imagen inversa del intervalo, y por ello conjunto convexo, [1,+) si log(x + y + z) = 0 e0 = x + y + z = 1 por la aplicacin lineal:
11
( x, y , z ) Demostracin Sea el conjunto:
( x + y + z) .
C = {( x, y, z ) = {( x, y, z )
3 3
| log( x + y + z ) 0} | ( x + y + z ) 1}
y sean x e y dos puntos cualesquiera de dicho conjunto: x = (x1, y1, z1) C, y = (x2, y2, z2) C. Para cualquier [0, 1], z es un punto intermedio cualquiera del segmento que une x e y: z = x + (1 ) y = ( x1 , y1 , z1 ) + (1 )( x2 , y2 , z2 ) = ( x1 + (1 ) x2 , y1 + (1 ) y2 , z1 + (1 ) z2 ) . La suma de las tres componentes de z es: z * = [ x1 + (1 ) x2 ] + [ y1 + (1 ) y2 ] + [ z1 + (1 ) z2 ] = ( x1 + y1 + z1 ) + (1 )( x2 + y2 + z2 ) 1 + (1 ) 1 = 1, pues x C (y por tanto, x1 + y1 + z1 1) e y C (y por ello tambin x2 + y2 + z2 1). Se concluye que z C. Esto termina de probar que el conjunto C es convexo.
EJERCICIO 17
........................................
S = ( x, y , z )
3
Estudiar si es convexo el conjunto:

1 2 2 1 x 3 2 y = . 2 3 z
Septiembre 2002, examen reserva. Septiembre 2004, prueba presencial. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto. Tengo alguna duda sobre la notacin que he empleado.
Se trata de la interseccin de dos hiperplanos. Todo hiperplano es convexo y su interseccin tambin lo es. Si S = H1 H 2 , siendo H1 y H2 dos hiperplanos, la recta que pasa por dos puntos cualesquiera del conjunto S es el propio conjunto S y el segmento que los une pertenece a S y, por tanto, S es convexo, como veremos. Demostracin Sea el conjunto:
S = H1 H 2 = ( x, y , z ) de donde: H2
1 2
2 1
x 3 2 y = , 2 3 z
H 1 = ( x, y , z )
{ = { ( x, y , z )
3 3
x + 2 y + 3z = 2 ,
} 2 x y + 2 z = 3 }.
Sean x e y dos puntos cualesquiera del conjunto S:

12
x = (x1, y1, z1) S, y = (x2, y2, z2) S Haciendo:

1 2 A= 2 1 3 2 2 , T = 3 ,
tenemos que AX = T y AY = T. Para cualquier [0, 1], z es un punto intermedio cualquiera del segmento que une x e y:
Z = A[ X + (1 )Y ] = AX + (1 ) AY = T + (1 )T =T 2 = , 3 por lo que z S y el conjunto S es convexo, es decir: (x, y, z) S, [0, 1], X + (1 )Y S.
EJERCICIO 18
........................................
( x, y , z )
3
Estudiar si es convexo el conjunto: 1 3 2 1 5 4 x 1 y = . z 3
Septiembre 2003, original. Publicado por G. Romero. El Prof. Alberto A. lvarez lo consider correcto. Se desarrolla igual que el EJERCICIO 17.
Se trata de la interseccin de dos hiperplanos. Todo hiperplano es convexo y su interseccin tambin lo es. Si C = H1 H 2 , siendo H1 y H2 dos hiperplanos, la recta que pasa por dos puntos cualesquiera del conjunto C es el propio conjunto C y el segmento que los une pertenece a C y, por tanto, C es convexo, como veremos. Demostracin Sea el conjunto: C = H1 H 2 = ( x, y , z ) de donde: H2
13
3
1 3 2 1
5 4
x 1 y = 3 , z
H 1 = ( x, y , z )
{ = { ( x, y , z )
3 3
x + 3 y + 5z = 1
} 2 x y + 4 z = 3 }.
Sean x e y dos puntos cualesquiera del conjunto C: x = (x1, y1, z1) C, y = (x2, y2, z2) C Haciendo:
1 3 A= 2 1 5 4 , 1 S = , 3
tenemos que AX = S y AY = S. Para cualquier [0, 1], z es un punto intermedio cualquiera del segmento que une x e y: Z = A[ X + (1 )Y ] = AX + (1 ) AY = S + (1 ) S =S 1 = , 3 por lo que z C y el conjunto C es convexo, es decir: (x, y, z) C, [0, 1], X + (1 )Y C.
1.2. Funciones cncavas y funciones convexas

Notas extradas del apartado 1.2.5 (Formas cuadrticas. Aplicaciones a la concavidad de funciones de clase C2) de la Unidad Didctica.
n variables 2 variables
Una forma cuadrtica sobre R es una funcin polinmica de n variables homognea de grado 2 (sobre R ). Dada una matriz real A, cuadrada de orden dos y simtrica a b A= , b c llamaremos forma cuadrtica asociada a la matriz A a una funcin numrica q definida sobre R2: q(x, y) = ax2 + 2bxy + cy2, donde q verifica: es semidefinida negativa precisamente si: a 0, c 0 y b2 ac 0; es definida negativa precisamente si: a < 0, c < 0 y b2 ac < 0; es semidefinida positiva precisamente si: a 0, c 0 y b2 ac 0; es definida positiva precisamente si: a > 0, c > 0 y b2 ac < 0; es indefinida si no es semidefinida negativa y no es semidefinida positiva.
n variables
Como una aplicacin de las formas cuadrticas se tiene la siguiente caracterizacin de funcin cncava: n Sea C R un conjunto no vaco, convexo y abierto, y sea f una funcin numrica de clase C2 sobre C. Una condicin necesaria y n suficiente para que f sea cncava sobre C es que, para cada x C, sea semidefinida negativa la forma cuadrtica sobre R asociada a la matriz hessiana de f en x. Notas extradas del curso de Matemticas II, Direccin y Administracin de Empresas, en el sitio www.uam.es. Criterios de clasificacin Criterio de los menores principales. Sea q una forma cuadrtica en R , con matriz asociada A. Llamamos Dr al menor principal de orden r formado por las r primeras filas y las r primeras columnas de la matriz A; esto es, si
a11 a A = 12 a 1n a12 a22 a2 n a1n a2 n ann
n
14
entonces: D1 = a11 , D2 = Se tiene: 1. La forma cuadrtica q es definida positiva si y slo si Di > 0 para todo i = 1, ... , n. 2. La forma cuadrtica q es definida negativa si y slo si los Di con i impar son negativos y los Di con i par son positivos. 3. Si Di > 0 para todo i = 1, ... , n 1 y Dn = 0 entonces q es semidefinida positiva. 4. Si los Di con i impar son negativos y los Di con i par son positivos, salvo Dn, que es nulo, entonces q es semidefinida negativa. 5. Si Dn 0 y no se cumple ni la situacin (1) ni (2) entonces q es indefinida. [En otros apuntes he visto que los puntos 3 y 4 se presentan como un caso particular de los puntos 1 y 2, cuando alguno de los menores se anula, no slo el ltimo, manteniendo el signo que corresponda en los dems]. Criterio de los autovalores. Sea q una forma cuadrtica en R , con matriz asociada A y sean 1, ... , n los autovalores de A. Entonces: 1. Si todos los autovalores de A son positivos, la forma cuadrtica q es definida positiva. 2. Si todos los autovalores de A son negativos, la forma cuadrtica q es definida negativa. 3. Si todos los autovalores de A son mayores o iguales que cero y alguno es nulo, la forma cuadrtica q es semidefinida positiva. 4. Si todos los autovalores de A son menores o iguales que cero y alguno es nulo, la forma cuadrtica q es semidefinida negativa. 5. Si un autovalor de A es positivo y otro es negativo entonces la forma cuadrtica q es indefinida.
n
a11 a12
a12 , ... , Dn = det A. a22
EJERCICIO 19
........................................
Demostrar que la funcin f (x, y) = 2y2 + 3x2 es estrictamente convexa sobre R2.
Febrero 2001, prueba presencial. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto. Repasar los conceptos del apartado 1.5.3 (Diferenciabilidad de funciones de varias variables) de la Unidad Didctica.
El gradiente de la funcin f en un punto (x, y) es un vector de R2 cuyas componentes son las dos derivadas parciales de f : f f , f ( x, y ) = = (6 x, 4 y ). x y
La matriz hessiana de la funcin f en un punto (x, y) es la matriz cuadrada de orden dos de las derivadas segundas de f : 2 f 2 f 2 xy 6 0 2 x . H f ( x , y ) = D f ( x, y ) = = 2 f 0 4 2 f yx y 2 Calculamos la ecuacin caracterstica y sus races: A I = 6 0 0 = (6 )(4 ) = 0. 4
1 = 6; 2 = 4.
15
Los valores propios de la matriz hessiana son todos positivos y la forma cuadrtica asociada es definida positiva, por lo que f (x, y) es estrictamente convexa sobre R2.
EJERCICIO 20
........................................
f f f ( x , y ) = , = (2 + 2 x, 2 y ). x y
Demostrar que la funcin f (x, y) = 2x + y2 + x2 es convexa sobre R2.

Febrero 2001, examen reserva. Septiembre 2001, prueba presencial. Septiembre 2002, examen reserva. Febrero 2003, reserva. Septiembre 2004, prueba presencial. Septiembre 2004, reserva. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
El gradiente de f :
La matriz hessiana de f :
H f ( x, y ) = La ecuacin caracterstica y sus races: A I = 2 0 0 = (2 ) 2 = 0. 2 2 f x 2 2 f yx 2 f xy 2 f y 2 = 2 0 . 0 2
1 = 2; 2 = 2.
EJERCICIO 21
........................................
f f , f ( x, y ) = = (2 x + 2, 2 y + 2). x y
Demostrar que f (x, y) = x2 + y2 + 2x + 2y + 1 es convexa sobre R2.

Septiembre 2003, reserva. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
El gradiente de f :
La matriz hessiana de f : H f ( x, y ) = La ecuacin caracterstica y sus races:

A I = 2 0 0 = (2 ) 2 = 0. 2
2 f x 2 2 f yx
2 f xy 2 f y 2
= 2 0 . 0 2
1 = 2; 2 = 2.
EJERCICIO 22
16
........................................
f f 2 , f ( x, y ) = = ( 2 x y 3x , 2 y x ) . x y
Estudiar si la funcin f (x, y) = x2 y2 xy x3 es convexa sobre R2.

Septiembre 2003, original Publicado por G. Romero y A. Salas. Incluye correcciones del Prof. Alberto A. lvarez.
El gradiente de f :
La matriz hessiana de f : H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 = 2 6 x 1 . 2 1
Una vez calculada la matriz hessiana, observamos que hay puntos de R2 en los que la forma cuadrtica asociada no es semidefinida positiva, por ejemplo, el punto (0, 0). Al no ser semidefinida positiva tal forma cuadrtica en todos los puntos de R2, concluimos que la funcin f no es convexa sobre este conjunto.
EJERCICIO 23
........................................
f f 3 1/ 2 f ( x, y ) = , = ( 2 x 2, 2 y 1 ) . x y
Demostrar que la funcin f (x, y) = x2 2x + y3/2 y es convexa sobre * * . Es estrictamente convexa + + sobre este conjunto? (Recurdese que * es el conjunto de los nmeros reales positivos: * = {x | x > 0} ). + +
Enero 2005, primera semana.
El gradiente de f :
La matriz hessiana de f : H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 2 = 0 0 a b . = y 1/ 2 b c
3 4
Tanto a como c son mayores que cero, pues y es positiva y elevada a cualquier potencia el resultado tambin es positivo. Por otra parte b2 ac < 0. La forma cuadrtica asociada a la matriz hessiana de f es definida positiva, por lo que f (x, y) es estrictamente convexa sobre * * . + +
EJERCICIO 24
........................................
f f 1 3/ 2 1/ 3 1 1/ 2 4 / 3 , f ( x , y ) = + 1 ). =( 2 x y , 3 x y x y
17
Estudiar si la funcin f (x, y) = x1/2 y1/3 + y es convexa, cncava, estrictamente convexa, o estrictamente cncava sobre * * . + + (Recurdese que * es el conjunto de los nmeros reales positivos: * = {x | x > 0} ). + +
Septiembre 2005, original. Publicado por S. Rosell. Incluye correcciones del Prof. Alberto A. lvarez.
El gradiente de f :
La matriz hessiana de f : H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 =
3 4 1 6
x 5 / 2 y 1/ 3 x 3/ 2 y 4 / 3
1 6 4 9
x 3 / 2 y 4 / 3 a b . = x 1/ 2 y 7 / 3 b c
Tanto a como c son mayores que cero, pues los valores de las variables y sus potencias pertenecen al conjunto de los nmeros reales positivos, y adems, estn acompaadas, en ambos casos, de constantes mayores que cero. Falta conocer el signo de b2 ac: b 2 ac = ( 1 x 3 / 2 y 4 / 3 6
1 36
3 8 / 3
) (
2 12 36
3
= x y x y 11 3 8 / 3 = 36 x y < 0.
3 5 / 2 4 8 / 3
y 1/ 3
)(
4 9
x 1/ 2 y 7 / 3
Por tanto, la forma cuadrtica asociada a la matriz hessiana de f es definida positiva, por lo que f (x, y) es estrictamente convexa sobre * * . + +
EJERCICIO 25
........................................
f f , f ( x , y ) = =( x y
Demostrar que la funcin f (x, y) = x1/2 y1/3 + x es convexa sobre * * . Es estrictamente convexa sobre + + este conjunto? (Recurdese que * es el conjunto de los nmeros reales positivos: * = {x | x > 0} ). + +
Septiembre 2005, reserva. Publicado por S. Rosell y A. San Martn. Incluye correcciones del Prof. Alberto A. lvarez.
El gradiente de f :
1 2
x 1/ 2 y1/ 3 + 1,
1 3
x1/ 2 y 2 / 3 ) .
La matriz hessiana de f : H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 1 x 3 / 2 y1/ 3 = 4 1 x 1/ 2 y 2 / 3 6 x 1/ 2 y 2 / 3 a b = . 2 9 x1/ 2 y 5 / 3 b c

1 6
Se puede ver el signo de la forma cuadrtica asociada a la matriz haciendo uso de la receta que figura en las pgs. 37 y 38 de la Unidad Didctica (1.2.5. Formas cuadrticas. Aplicaciones a la concavidad de funciones de clase C2). Recordar que x, y son positivos y que elevados a cualquier potencia el resultado tambin es positivo. La funcin f sera convexa si a 0, c 0 y b2 ac 0, pero tanto a como c tienen signo negativo porque, aunque los valores de las variables y sus potencias pertenecen al conjunto de los nmeros reales positivos, estn acompaadas, en ambos casos, de constantes menores que cero. Falta conocer el signo de b2 ac:
18
b 2 ac = ( 1 x 1/ 2 y 2 / 3 6
1 36
1 4 / 3
) (
2 2 36
1
= x y x y 1 4 / 3 1 = 36 x y < 0.
1 4 4 / 3
x 3 / 2 y1/ 3
)(
2 9
x1/ 2 y 5 / 3
La forma cuadrtica asociada a la matriz hessiana de f es definida negativa, por lo que f (x, y) no es convexa sobre * * ; es estrictamente cncava sobre dicho conjunto. + +
EJERCICIO 26
........................................
f f x+ y x+ y , f ( x , y ) = = ( e , e ). x y
Demostrar que la funcin f (x, y) = ex+y es convexa sobre R2.

Febrero 2004, primera semana, original. Publicado por I. Ramiro, G. Romero, A. Salas y F. Vlez. Incluye correcciones del Prof. Alberto A. lvarez.
El gradiente de f :
La matriz hessiana de la funcin f en un punto (x, y) es: H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 e x+ y = e x+ y ex+ y ex+ y .
Resulta que ex + y > 0, (x, y) R2. Los elementos de la diagonal principal son siempre mayores que cero y el determinante siempre es igual a cero. Por tanto, la forma cuadrtica asociada a H f (x, y) es semidefinida positiva, lo cual es condicin necesaria y suficiente para que f (x, y) sea convexa sobre R2.
Que la forma cuadrtica asociada a la matriz hessiana sea semidefinida positiva es condicin necesaria y suficiente para que la funcin sea convexa, y anlogamente el caso de semidefinida negativa para funcin cncava. Pero que la forma cuadrtica sea definida positiva es slo condicin suficiente de funcin estrictamente convexa, no necesaria.
EJERCICIO 27
........................................
f (x, y) = ax2 + by2, con a R y b R,
Estudiar la concavidad y convexidad sobre R2 de la funcin:
segn los valores de los parmetros a y b.

Febrero 2005, segunda semana. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
El gradiente de f : f f f ( x , y ) = , = ( 2ax, 2by ) . x y La matriz hessiana de f : H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 = 2a 0 = 2 a 0 = 2 A. 0 b 0 2b
La ecuacin caracterstica y sus races:

19
A I =
a 0 = (a )(b ) = 0. 0 b
1 = a; 2 = b.
Segn los valores de a y b podemos escribir la siguiente tabla:
a >0 >0 =0 >0 <0 <0 =0 <0 b >0 =0 >0 <0 >0 =0 <0 <0 forma cuadrtica asociada definida positiva semidefinida positiva semidefinida positiva indefinida indefinida semidefinida negativa semidefinida negativa definida negativa f (x, y) estrictamente convexa convexa convexa ni cncava ni convexa ni cncava ni convexa cncava cncava estrictamente cncava
EJERCICIO 28
........................................
Demostrar que la funcin f (x, y) = x2 + y2 es convexa sobre R2.

Publicado por S. Rosell. Resuelto por el Prof. Alberto A. lvarez.
Simplemente hay que calcular la matriz hessiana y ver cmo es su forma cuadrtica asociada. En este caso resulta ser definida positiva, lo que asegura que la funcin es convexa (incluso asegura que la funcin es estrictamente convexa).
signo
La matriz hessiana podra contener algn parmetro, o alguna variable x o y. Debemos ver en todo caso qu signo tienen los menores principales, o los trminos de la diagonal y el determinante en el caso de orden dos, en funcin de estos parmetros o variables; bien puede ocurrir que ese signo no dependa de su valor, por ejemplo.
Solucin. Calculamos la matriz hessiana de la funcin f en un punto (x, y) cualquiera de R2. Se tiene:
2 f ( x, y ) = 2, x 2 luego:
2 f 2 f ( x, y ) = ( x, y ) = 0, x y y x 2 0 D 2 f ( x, y ) = . 0 2
2 f ( x, y ) = 2, y 2
La forma cuadrtica asociada a esta matriz es definida positiva. Podemos llegar a esta conclusin de varias maneras: los menores principales son ambos positivos, o los trminos de la diagonal principal y el determinante son positivos ojo: este ltimo criterio es vlido slo para matrices de orden dos. Y al ser definida positiva la forma cuadrtica asociada a la matriz hessiana en cada punto de R2, la funcin es convexa sobre R2; es ms, es estrictamente convexa sobre este conjunto.
20
EJERCICIO 29
........................................
8 0 0 D 2 f ( x, y, z ) = 0 2 0 . 0 0 2
Demostrar que la funcin f (x, y, z) = y2 4x2 z2 es cncava sobre R3.

Septiembre 2001, examen reserva. Febrero 2002, prueba presencial.
EJERCICIO 30
........................................
f f f , , f ( x , y , z ) = = ( 2 x + y , 2 y + x, 2 z ) . x y z
Demostrar que la funcin f (x, y, z) = z2 + y2 + x2 + xy es convexa sobre R3.

Febrero 2004, segunda semana, original. Publicado por G. Romero y A. Salas. El Prof. Alberto A. lvarez lo consider correcto.
El gradiente de f :
La matriz hessiana de f :
H f ( x, y , z ) =
2 f x 2 2 f yx 2 f zx
2 f xy 2 f y 2 2 f zy
2 f xz 2 f yz 2 f z 2
2 1 0 = 1 2 0 . 0 0 2

A I = 2 1 0 1 2 0 0 0 2
= (2 )3 (2 ) = (2 ) ( (2 ) 2 1 ) = (2 )(4 2 2 + 2 1) = (2 )( 2 4 + 3) = 0.
2 = 0. 1 = 2.
2 4 + 3 = 0. =
4 16 12 4 2 = . 2 = 3; 3 = 1. 2 2
Los valores propios de la matriz hessiana son todos positivos y su forma cuadrtica asociada es definida positiva, por lo que f (x, y, z) es estrictamente convexa sobre R3.
EJERCICIO 31
........................................
Estudiar la concavidad/convexidad de la funcin: f ( x, y , z ) = x + y + z .

El gradiente de f : f f f 1/ 2 1 1/ 2 1 1/ 2 1 f ( x, y , z ) = , , ). = ( 2 ( x + y + z) , 2 ( x + y + z) , 2 ( x + y + z) x y z La matriz hessiana de f :

21
H f ( x, y , z ) =
2 f 2 f 2 f x 2 xy xz 2 f 2 f 2 f 2 yx y yz 2 f 2 f 2 f zx zy z 2 1 1 1 1 = 1 1 1 ( x + 4 1 1 1
1 ( x + y + z ) 3/ 2 4 1 = 4 ( x + y + z ) 3/ 2 1 ( x + y + z ) 3/ 2 4 y + z ) 3/ 2 =
1 ( x + y + z ) 3/ 2 4 1 ( x + y + z ) 3/ 2 4 1 ( x + y + z ) 3/ 2 4
1 ( x + y + z ) 3 / 2 4 1 ( x + y + z ) 3 / 2 4 1 ( x + y + z ) 3 / 2 4
1 A ( x + y + z ) 3 / 2 . 4

1 1 1 A I = 1 1 1 1 1 1 3 = ( 1 ) 1 1 (1 ) (1 ) (1 ) = ( 1 )3 2 3(1 ) = 1 3 3 2 3 2 + 3 + 3 = 3 2 3 = 2 (3 ) = 0.
1 = 0; 2 = 0; 3 = 3.
La forma cuadrtica asociada a la matriz hessiana es semidefinida negativa: f (x, y, z) es cncava sobre R3.
EJERCICIO 32
........................................
y
Estudie la concavidad y cuasiconcavidad de la funcin que aparece en el dibujo adjunto sobre los intervalos (a, b), (a, d), (c, d) y (a, +). Justifique la respuesta.
y = f(x)
Septiembre 2002, prueba presencial. Publicado por G. Romero y A. Salas. Incluye correcciones del Prof. Alberto A. lvarez. Vase la definicin de funciones cuasicncavas en el apartado 1.3.1 de la Unidad Didctica y la de cuasiconvexas en el 1.3.3. Con ayuda de Google, he encontrado unos apuntes de convexidad donde se denomina hipografo de una funcin f al conjunto de puntos que estn por debajo del grafo o grfica de f. Epigrafo sera el conjunto de los que estn sobre o por encima de dicho grafo. f es convexa (cncava) si y solamente si su epigrafo (hipografo) es un conjunto convexo. Revisar las notas en letra pequea de este ejercicio.
(a, b) 22
La funcin f es cncava porque su hipografo es un conjunto convexo. f es tanto cuasicncava como cuasiconvexa sobre este intervalo porque es montona (en particular, creciente) sobre l (cf. EJEMPLO 16, pg. 43, y EJEMPLO 20, pg. 49, en la Unidad Didctica).
f es cuasicncava ya que x (a, b), y (a, b) y [0, 1], f (x + (1 )y) mn{ f (x), f ( y)}. f es cuasiconvexa ya que x (a, b), y (a, b) y [0, 1], f (x + (1 )y) mx{ f (x), f ( y)}.
(a, d)
f es cncava porque su hipografo es un conjunto convexo. La funcin f es cuasicncava sobre este intervalo porque tiene forma de sobre l (informalmente, queremos decir: crece hasta un punto intermedio, y decrece desde este punto; cf. EJEMPLO 17, pg. 43, en el libro). No es cuasiconvexa pues en el punto c, punto intermedio entre a y d, la funcin toma un valor mayor que el mximo de f (a) y f (d).
f es cuasicncava ya que x (a, d), y (a, d) y [0, 1], f (x + (1 )y) mn{ f (x), f ( y)}. f es no es cuasiconvexa ya que x (a, d), y (a, d) y [0, 1], f (x + (1 )y) > mx{ f (x), f ( y)}.
(c, d)
f es cncava porque su hipografo es un conjunto convexo. f es tanto cuasicncava como cuasiconvexa sobre este intervalo porque es montona decreciente sobre l.
(a, +)
f no es cncava porque su hipografo no es un conjunto convexo. Esto se puede apreciar viendo que el segmento de extremos (c, f (c)) y (d + , f (d + )), donde > 0, tiene puntos intermedios fuera del hipografo. f no es convexa porque su epigrafo no es un conjunto convexo. Esto se puede comprobar examinando el segmento de extremos (b, f (b)) y (d, f (d)). En ambos casos, un dibujo del segmento sobre la grfica sera suficiente. Por otra parte, que la funcin es cuasicncava sobre este intervalo se aprecia viendo que tiene forma de . Y sobre la explicacin de que no es cuasiconvexa, anlogos comentarios al caso del intervalo (a, d).
2. Optimizacin
Nota del Profesor. En varios problemas, tanto de optimizacin sin restricciones como de optimizacin con restricciones, se utiliza un argumento de este tipo: como es el nico mximo local, tambin es mximo global (tambin puede aparecer redactado con mnimo). Este argumento no es vlido en general; slo es vlido bajo ciertas condiciones, como que el conjunto factible sea compacto, etc. Por favor, no hagan uso de estos argumentos. Cuando se pide algo de soluciones globales, de acuerdo con lo visto en el libro, se pretende que hagan uso de algn argumento de convexidad, por ejemplo, que el problema sea convexo, o que la funcin sea convexa (para mnimo), o cncava (para mximo), cuando estamos en optimizacin sin restricciones.
2.1. Optimizacin sin restricciones EJERCICIO 33
........................................
extremos x3 + y3 + 2x2 + 4y2 + 6.
Resolver el problema de optimizacin:
Otra forma de hacer la pregunta: Encontrar los extremos locales de la funcin: f (x, y) = x3 + y3 + 2x2 + 4y2 + 6. Febrero 2001, prueba presencial. Septiembre 2003, original. Publicado por G. Romero y A. Salas.
Condicin necesaria f f 2 2 f ( x, y ) = , = ( 3x + 4 x, 3 y + 8 y ) = ( 0, 0 ) . x y 3x 2 + 4 x = x(3 x + 4) = 0. x1 = 0; x2 = 4 . 3 3 y 2 + 8 y = y (3 y + 8) = 0. y1 = 0; y2 = 8 . 3 Por tanto, los puntos candidatos a solucin local del problema de optimizacin son:
23
( 0, 0 ) , ( 0, 8 ) , ( 4 , 0 ) y ( 4 , 8 ) . 3 3 3 3
Condicin suficiente Analizando la matriz hessiana de f en cada punto candidato: H f ( x, y ) =
En el punto
2 f x 2 2 f yx
2 f xy 2 f y 2 f es:
.
0 = 6x + 4 0 . 6y + 8
4 0 = (4 )(8 ) = 0. 0 8
( 0, 0 ) , la matriz hessiana de
4 0 = 0 8
0 60 + 4 H f ( 0,0 ) = 0 60 +8
En el punto
A I =
1 = 4; 2 = 8. La forma cuadrtica asociada es definida positiva. El punto ( 0, 0 ) es un mnimo local.
( 0, 8 ) : 3
4 0 = 0 8 . A I = 4 0 0 = (4 )(8 ) = 0. 8
0 60 + 4 H f ( 0, 8 ) = 3 0 6( 8 ) + 8 3
1 = 4; 2 = 8. La forma cuadrtica asociada es indefinida. El punto ( 0, 8 ) es un punto de silla. 3
En el punto
( 4,0 ): 3
4 0 . = 0 8 A I = 4 0 = ( 4 )(8 ) = 0. 0 8
0 6( 4 ) + 4 3 H f ( 4 ,0 ) = 3 0 60 +8
En el punto
1 = 4; 2 = 8. La forma cuadrtica asociada es indefinida. El punto ( 4 , 0 ) es un punto de silla. 3
( 4, 8 ): 3 3
A I = 4 0 = (4 )(8 ) = 0. 0 8
0 6( 4 ) + 4 4 0 3 H f ( 4 , 8 ) = . = 3 3 0 6( 8 ) + 8 0 8 3
1 = 4; 2 = 8. La forma cuadrtica asociada es definida negativa. El punto mximo local.

EJERCICIO 34
( 4, 8 ) 3 3
es un
........................................
extremos xe x e y .
2
Septiembre 2001, prueba presencial. Septiembre 2001, examen reserva. Febrero 2002, prueba presencial. Incluye correcciones del Prof. Alberto A. lvarez.
Condicin necesaria f f x y2 f ( x , y ) = , = e (1 + x), 2 ye x y
) = ( 0, 0 ).
De la ecuacin ex(1 + x) = 0 se deducen los casos ex = 0 y 1 + x = 0. La igualdad ex = 0 no es posible ya 2 que el recorrido de la funcin exponencial natural es el intervalo (0, +). De la ecuacin 2 ye y = 0 se 2 deducen los casos y = 0 y e y = 0 . Esta ltima igualdad tampoco es posible, como vemos, y por tanto, el nico punto candidato a solucin local del problema es: (1, 0).
24
Condicin suficiente Analizando la matriz hessiana de f en el punto candidato: H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 2e x + xe x = 0 0 2 y 2e 4 y 2 e y

2
H f ( 1, 0 ) =
2 e
1 e 0
0 0
0 1 e = 0 2 .
El menor principal de orden uno es positivo y el menor principal de orden dos es negativo, con lo que la forma cuadrtica es indefinida y el punto es de silla.
EJERCICIO 35
........................................
extremos y 3 + axy + 12 y, con a .
Febrero 2003, prueba presencial. Publicado por G. Romero y A. Salas.
Condicin necesaria f f 2 , f ( x, y ) = = ( ay, 3 y + ax + 12 ) = ( 0, 0 ) . x y De la ecuacin ay = 0 se deducen los casos: a = 0 e y = 0. Si a = 0: 3y2 + 12 = 0. En este caso y tomara valores no reales. Si y = 0: ax + 12 = 0. x = 12 . a Por tanto, el nico punto candidato a solucin local del problema de optimizacin es:
( 12 , 0 ) . a
Condicin suficiente Analizando la matriz hessiana de f en el punto candidato: H f ( x, y ) = 2 f x 2 2 f yx 2 f xy 2 f y 2 = 0 a . a 6y 0 a H f ( 12 ,0 ) = . a a 0

A I = a = 2 a 2 = 0. 1 = a; 2 = a. a
Uno de valores propios de la matriz hessiana es positivo y el otro negativo, por lo que la forma cuadrtica asociada es indefinida. Entonces, el nico punto crtico es un punto de silla.
EJERCICIO 36
........................................
f (x, y) = ax3 3bxy2 + 15a2x + 12y, con a R y b R. f f 2 2 2 , f ( x, y ) = = ( 3ax 3by + 15a , 6bxy + 12 ) = ( 0, 0 ) . x y
Comprobar que (2, 1) es extremo local de la funcin:
Septiembre 2003, reserva.
Condicin necesaria
25
Si el punto (2, 1) es un candidato a solucin local, deber anular cada una de las componentes del gradiente de f : f (2, 1) = ( 12a 3b + 15a 2 , 12b + 12 ) = ( 0, 0 ) . Despejando de la segunda ecuacin resultante, obtenemos b = 1. Sustituyendo en la primera y resolviendo la ecuacin de segundo grado que nos queda:
15a 2 12a 3 = 0. a= 12 144 + 180 12 18 6 9 = = . 30 30 15 a1 = 1; a2 = 1 . 5
Condicin suficiente Analizando la matriz hessiana de f en el punto candidato (2, 1), segn los valores de a y b: H f ( x, y ) =
Si a = 1 y b = 1: 5
2 f x 2 2 f yx
2 f xy 2 f y 2
= 6ax 6by . 6by 6bx
12a 6b H f ( 2,1 ) = . 6b 12b
6 12 H f ( 2,1 ) = 5 6 12
Como el menor principal de orden uno es positivo y el menor principal de orden dos es negativo, tenemos que la forma cuadrtica asociada a la matriz hessiana es indefinida, por lo que estaramos ante un punto de silla.
Si a = 1 y b = 1:
12 6 H f ( 2,1 ) = . 6 12 Ahora el menor principal de orden uno es negativo y el de orden dos es positivo, por lo que la forma cuadrtica asociada a la matriz hessiana es definida negativa, y estaramos ante un mximo. Se concluye que el punto (2, 1) es un extremo local de la funcin f (x, y) = ax3 3bxy2 + 15a2x + 12y cuando tanto a como b toman el valor uno.
EJERCICIO 37
........................................
extremos a ( x 1) 2 + b( y 2) 2 + cz 2 , con (a, b, c)
3

{ 0, 0, 0 }.
Febrero 2003, reserva. Septiembre 2004, reserva.
Condicin necesaria f f f f ( x, y , z ) = , , = ( 2a( x 1), 2b( y 2), 2cz ) = ( 0, 0, 0 ) . x y z Como a, b y c no pueden tomar el valor cero, bajo la condicin inicial del ejercicio, el punto candidato a solucin local del problema de optimizacin es: (1, 2, 0). Condicin suficiente Analizando la matriz hessiana de f en el punto candidato, segn los valores de a, b y c:
26
H f ( x, y , z ) =
2 f x 2 2 f yx 2 f zx
2 f xy 2 f y 2 2 f zy
2 f xz 2 f yz 2 f z 2
2a 0 0 = 0 2b 0 0 0 2c
Si a, b y c son todos positivos: los valores propios de la matriz hessiana seran positivos, la forma
cuadrtica asociada sera definida positiva y, por tanto, el punto (1, 2, 0) sera un mnimo local. Si a, b y c son todos negativos: los valores propios seran todos negativos, la forma cuadrtica asociada sera definida negativa y, por ello, el punto (1, 2, 0) sera un mximo local. Si a, b y c tienen signos diferentes: los valores propios tambin tomaran signos distintos y la forma cuadrtica asociada a la matriz hessiana sera indefinida, por lo que (1, 2, 0) sera un punto de silla.
2.2. Optimizacin con restricciones
Notas extradas del apartado 1.3.2 (Ms sobre formas cuadrticas. Aplicacin a la cuasiconcavidad de funciones de clase C2) de la Unidad Didctica.
2 variables
Sea q una forma cuadrtica sobre R2, asociada a la matriz simtrica: a b b c , es decir: q(x, y) = ax2 + 2bxy + cy2, y sea F el subespacio vectorial de R2 siguiente: F = {(x, y) R2 | px + qy = 0}, donde p y q no son simultneamente nulos. Una condicin necesaria y suficiente para que la forma cuadrtica q sea definida negativa restringida al subespacio vectorial F es:
0 p q
p q a b > 0. b c
Condicin necesaria y suficiente de definida positiva restringida: 0 p q

n variables
n
p q a b < 0. b c
Generalizacin. Sea q una forma cuadrtica sobre R , asociada a la matriz simtrica (bij), y sea F el subespacio vectorial: F = {(x1, x2, ... , xn) R | a1x1 + a2x2 + ... + anxn = 0}, donde a1, a2, ... , an no son simultneamente nulos. Se consideran los n 1 determinantes:
0 a1 a2 0 a1 a2 a1 b11 b12 , a2 b21 b22 a3 a1 a2 b11 b12 b21 b22 b31 b32 a3 0 b13 a1 ,, b23 b33 an a1 an b11 b1n bn1 bnn
n
La forma cuadrtica q es definida negativa restringida al subespacio vectorial F precisamente si los determinantes anteriores alternan en signo, siendo el primero de ellos positivo; y es definida positiva restringida a F precisamente si son todos negativos. La matriz:
0 f ( x* ) x1 * f xn ( x )
f x1 ( x* ) f x ( x* ) 2 1
f x x1 ( x* ) n
f xn ( x* ) f xxn ( x* ) 1 f x ( x* ) 2 n
que est definida para una funcin numrica f de n variables que admite las n2 derivadas segundas en un punto x*, es la matriz hessiana de la funcin f en el punto x* orlada con los trminos del gradiente de f en x*.
27
2.2.1. Una restriccin de igualdad EJERCICIO 38
........................................
extremos x 3 + 4 xy ( R) con la restriccin: x + y 1 = 0.
Vase el EJEMPLO 17 en el apartado 2.4 (Condiciones suficientes) y el EJEMPLO 4 en el 2.2.3 (Ejemplos de aplicacin de las condiciones de KuhnTucker) de la Unidad Didctica. Relacionado con el EJEMPLO 9 en el apartado 2.2.4 (Problemas de minimizacin).
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = x3 + 4xy, como la que define la restriccin de igualdad: h(x, y) = x + y 1, son de clase C1 sobre su conjunto de definicin: R2 (las derivadas parciales de estas funciones son continuas sobre R2).
h2) La restriccin verifica la condicin de cualificacin pues el gradiente de h es un vector no nulo en cualquier punto factible (elemento del conjunto de definicin de f que verifica las restricciones): h(x, y) = (h'x(x, y), h'y(x, y)) = (1, 1) (0, 0). Condiciones necesarias de KuhnTucker
K1) Esta condicin slo tiene sentido si el problema (R) tiene restricciones de desigualdad. K2) Todo punto que sea solucin local del problema debe necesariamente ser un punto factible y debe ser un punto crtico del lagrangiano para un cierto valor de (el multiplicador asociado a la restriccin):
L(x, y) = f (x, y) h(x, y) = x3 + 4xy (x + y 1).
Es decir, todos los puntos que verifican la condicin necesaria son los que simultneamente satisfacen: h(x, y) = 0 y, para algn valor de , L'x(x, y) = 0 y L'y(x, y) = 0. Resolvamos, pues, el siguiente sistema de tres ecuaciones en las incgnitas x, y, : Lx ( x, y ) = 3 x 2 + 4 y = 0 4x = 0 Ly ( x, y ) = h ( x, y ) = x + y 1 = 0. De las ecuaciones segunda y tercera se deduce: = 4x e y = 1 x, respectivamente, y sustituyendo en la primera ecuacin se obtiene: 3x2 8x + 4 = 0. x=
8 64 48 6
8 16 6
8 4 6
Como observamos, esta ecuacin tiene dos soluciones: x1 = 2 y x2 = 2/3. En consecuencia, todas las ternas (x, y, ) que verifican el anterior sistema de ecuaciones son: (x1, y1, 1) = (2, 1, 8) y (x2, y2, 2) = (2/3, 1/3, 8/3), y los puntos que verifican las condiciones necesarias de KuhnTucker y por tanto, candidatos a ser soluciones locales del problema de optimizacin (R), son: (x1, y1) = (2, 1) y (x2, y2) = (2/3, 1/3). En este problema de optimizacin, las condiciones de KuhnTucker pueden aplicarse en todo punto factible, por lo que podemos afirmar de cualquier otro punto de R2 distinto de esos dos puntos candidatos, que no es solucin de (R). La funcin objetivo y la que define la restriccin son de clase C2 sobre R2 (las derivadas segundas de estas funciones son continuas sobre R2). De hecho, son de clase C. Condiciones suficientes (de solucin local del problema de optimizacin)
28
a) Los puntos candidatos: (2, 1) y (2/3, 1/3), son factibles y b) satisfacen las condiciones de KuhnTucker, con los multiplicadores 8 y 8/3, respectivamente. c) Debemos estudiar la forma cuadrtica asociada a la matriz hessiana de la funcin lagrangiana en cada uno de estos puntos: 6x 4 D 2 L ( x, y ) = . 4 0
En el punto (2, 1), de multiplicador igual a 8, la matriz hessiana de la funcin L correspondiente es:
12 4 4 0 ,
y queremos averiguar si su forma cuadrtica asociada es definida negativa (o definida positiva) restringida al conjunto F* de los vectores (u, v) de R2 que verifican: dh(2, 1)(u, v) = 0, o bien: h(2, 1) (u, v) = 0, donde h es la funcin que define la restriccin: h(x, y) = x + y 1. El conjunto F* es el subespacio vectorial: F* = {(u, v) R2 | (1, 1) (u, v) = 0} = {(u, v) R2 | u + v = 0}; recordando lo estudiado sobre formas cuadrticas restringidas (vase el apartado 1.3.2 de la Unidad Didctica), se obtiene que la forma cuadrtica asociada a la matriz hessiana del lagrangiano es definida positiva restringida al subespacio vectorial F*:
0 1 1 1 12 4 = 4 < 0. 1 4 0
El punto (2, 1) es efectivamente una solucin local del problema (R); de hecho, es un mnimo local de la funcin x3 + 4xy con la restriccin x + y 1 = 0.
En el punto (2/3, 1/3), de multiplicador 8/3, la matriz hessiana de la funcin L correspondiente es:
4 4 4 0 ;
y el conjunto F* es ahora el de los vectores (u, v) de R2 que verifican:
dh(2/3, 1/3)(u, v) = 0, o lo que es lo mismo: u + v = 1, con lo que coincide con el subespacio F* que se obtuvo para el punto (2, 1). La forma cuadrtica asociada a la matriz anterior restringida a F* es definida negativa, pues:
0 1 1 1 4 4 = 4 > 0. 1 4 0 El punto (2/3, 1/3) es efectivamente una solucin local del problema (R); en concreto, un mximo local.
En este ejercicio hemos visto una condicin suficiente de solucin local ms restrictiva: en algunos problemas se sustituye la condicin (c) por otra ms general: en vez de exigir que la forma cuadrtica asociada a la matriz hessiana del lagrangiano sea definida negativa, se pide que sea definida negativa restringida a cierto conjunto [vase el apartado 2.4. Condiciones suficientes, de la Unidad Didctica].
EJERCICIO 39
........................................
maximizar ( P) con la restriccin:
Consideremos el problema de optimizacin:

29
x2 y 2 x 2 + y 2 3 = 0.
Vase el EJEMPLO 5 en el apartado 2.2.3 (Ejemplos de aplicacin de las condiciones de KuhnTucker) de la Unidad Didctica. Incluye notas del Prof. Alberto A. lvarez relativas a la condicin suficiente de solucin local del problema de optimizacin que se estudia en la pg. 123 y ss. de la Unidad Didctica. En relacin a esta condicin suficiente ms general, vanse tambin: EJERCICIO 38, EJERCICIO 47, EJERCICIO 48 y EJERCICIO 55. Comprobar las condiciones suficientes a partir del punto (0, 3 ), por si hay algo errneo en la definicin de los subespacios vectoriales y en la construccin de los determinantes orlados.
Hiptesis que aseguran las condiciones necesarias
h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = x2y, como la que define la restriccin de igualdad: h(x, y) = 2x2 + y2 3, son de clase C1 sobre R2 (de hecho, de clase C). h2) La restriccin verifica la condicin de cualificacin en todo punto factible, pues aunque la funcin h admite un punto crtico: (0, 0):
h(x, y) = (h'x(x, y), h'y(x, y)) = (4x, 2y), este punto no verifica la restriccin del problema (P): h(0, 0) = 3 0, es decir, no es un punto factible. Condiciones necesarias de KuhnTucker El lagrangiano del problema (P) es la funcin:
L(x, y) = f (x, y) h(x, y) = x2y (2x2 + y2 3),

y resolviendo el sistema de ecuaciones:
Lx ( x, y ) = 2 xy 4 x = 0 x 2 2 y = 0 Ly ( x, y ) = 2 2 h( x, y ) = 2 x + y 3 = 0,
de la primera ecuacin se deduce que x(2y 4) = 0; distinguiendo los casos x = 0 y x 0, se obtienen las seis soluciones: las dos primeras en el primer caso, y las restantes en el segundo:
x=0
2 y = 0. y 2 3 = 0. x1 = 0. y1 = 3; y2 = 3.
1 = 0.
x0
2 y 4 = 0. y = 2 ( e y se condicionan el signo mutuamente). x 2 2 y = 0. x 2 = 2 y = 2 (2 ) = 4 2 . 2 x 2 + y 2 3 = 8 2 + 4 2 3 = 12 2 3 = 0. x2 = 1; x3 = 1. y3 = 1; y4 = 1.

3 2 = 12 . 2 = 1 ; 3 = 1 . 2 2
Todas las ternas (x, y, ) que verifican el sistema anterior son las seis siguientes: (0, 3 , 0), (0, 3 , 0), (1, 1, 1/2), (1, 1, 1/2), (1, 1, 1/2), (1, 1, 1/2).
En consecuencia, los seis puntos: (0,
3 ), (0, 3 ), (1, 1), (1, 1), (1, 1), (1, 1)
son candidatos a ser solucin local del problema (P). De hecho, son los nicos puntos de R2 que es posible sean soluciones locales. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes a) Los puntos candidatos: (0,
3 ), (0, 3 ), (1, 1), (1, 1), (1, 1) y (1, 1), son factibles y
b) satisfacen las condiciones de KuhnTucker, con sus respectivos multiplicadores. c) Debemos estudiar la forma cuadrtica asociada a la matriz hessiana de la funcin lagrangiana en cada uno de estos puntos: 2 y 4 2 x D 2 L ( x, y ) = . 2 2x
El lagrangiano para el punto (0,
30
3 ), de multiplicador igual a 0, es: L(x, y) = x2y, y la matriz hessiana de este lagrangiano en ese punto es: 2 3 0 . 0 0
La forma cuadrtica asociada a esta matriz es semidefinida positiva, as que no podemos usar la condicin suficiente de la proposicin 1, por la que se establece una primera condicin suficiente de solucin local de un problema de optimizacin (vase la pg. 121 de la Unidad Didctica); intentamos la del teorema 3, por el que se enuncia una condicin suficiente de solucin local ms general que la de la proposicin 1 ( pg. 123): El conjunto F* correspondiente a este punto es el formado por aquellos vectores (x, y) tales que es nulo su producto escalar por el gradiente, en el punto, de la funcin que define la restriccin. Denotemos por h esta funcin: h(x, y) = 2x2 + y2 3. Entonces su gradiente es: h(x, y) = (4x, 2y). Fijados en (0, 3 ), el gradiente en este punto es: h(0, 3 ) = (0, 2 3 ); el conjunto F* es el formado por los vectores (x, y) de R2 tales que: h(0, 3 ) (x, y) = 0, o bien: (0, 2 3 ) (x, y) = 0, o bien: 2 3 y = 0, es decir, los puntos de la forma y = 0. Podemos considerar que el conjunto F* est definido por la ecuacin y = 0: F* = {(x, y) R2 | y = 0}; Ahora debemos ver qu signo tiene la forma cuadrtica asociada a la matriz hessiana anterior restringida al subespacio F*. Cuando un subespacio vectorial (todo en R2) est definido por una ecuacin de la forma px + qy = 0, para saber el signo de una forma cuadrtica restringida a l, podemos usar la receta de la proposicin 28 (pg. 45 y ss. de la Unidad Didctica). Esto nos hace formar un determinante cuya
primera fila y primera columna es: 0 p q, con la matriz que define la forma cuadrtica en el resto de los trminos. Volviendo al problema de optimizacin, estamos interesados en el signo de la forma cuadrtica asociada a esta matriz: 2 3 0 , 0 0 restringida al subespacio definido por la ecuacin y = 0 (esto es: p = 0 y q = 1). Me lo dice el signo de este determinante (orlado): 0 0 2 3 0 2 3 0 2 3 0 = 2 3 2 3 2 3 = 24 3 < 0. 0
Como es negativo, la forma cuadrtica restringida es definida positiva; el punto (0, 3 ) es un mnimo local del problema (P). Nota adicional del Profesor. El conjunto F* estar definido por ecuaciones del tipo px + qy = 0 (si estamos en ms variables, sera px + qy + rz + ... , etc., y hay una ecuacin por cada restriccin de igualdad y por cada restriccin de desigualdad saturada en el punto). Los nmeros p y q no son ms que las componentes del gradiente de la funcin que define la restriccin evaluado en el punto. En dos variables, y cuando el conjunto F* est definido por una sola ecuacin, el signo de la forma cuadrtica restringida lo podemos saber a travs de la receta de la pg. 45 y ss. de la Unidad Didctica. En el ejemplo anterior, el gradiente era (4x, 2y), que evaluado en el punto (0, 3 ) queda (0, 2 3 ); por tanto, p = 0 y q = 2 3 , o ms cmodo: p = 0 y q = 1, pues los valores de p, q se pueden dividir todos por un mismo nmero (no nulo) sin que vare nada. Esto es as porque la ecuacin px + qy = 0 define lo mismo que la ecuacin ( pa)x + (qa)y = 0, si a es un nmero cualquiera no nulo. Para los otros puntos es anlogo.
31 En el punto (0, 3 ), de multiplicador 0, la matriz hessiana es:
2 3 0 . 0 0 La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | y = 0} es definida negativa, pues:
0 0 0 2 3 0 1 1 0 = 2 3 > 0. 0
El punto (0, 3 ) es un mximo local.

En el punto (1, 1), de multiplicador 1/2, la matriz hessiana es:
0 2 2 1 .
La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | 2x + y = 0} es definida negativa, pues:
0 2 1 2 0 2 = 4 + 4 + 4 = 12 > 0. 1 2 1
El punto (1, 1) es un mximo local.

0 2 2 1 .
La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | 2x y = 0} es definida positiva, pues:
0 2 1 2 0 2 = 4 4 4 = 12 < 0. 1 2 1
El punto (1, 1) es un mnimo local. En el punto (1, 1), de multiplicador 1/2, la matriz hessiana es:
0 2 2 1 .
La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | 2x + y = 0} es definida negativa, pues:
0 2 1 2 0 2 = 4 + 4 + 4 = 12 > 0. 1 2 1
El punto (1, 1) es un mximo local.

0 2 . 2 1 La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | 2x y = 0} es definida positiva, pues:
0 2 1 2 0 2 = 4 4 4 = 12 < 0. 1 1 2
32
El punto (1, 1) es un mnimo local.

EJERCICIO 40
........................................
maximizar ( P) con la restriccin: y x 2 + y 3 = 0.
Considrese el problema de optimizacin:
Vanse los EJEMPLOS 14 y 15 en el apartado 2.3 (Condiciones necesarias de FritzJohn) de la Unidad Didctica.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = y, como la que define la restriccin: h(x, y) = x2 + y3, son de clase C1 sobre R2 (de hecho, de clase C). h2) Se tiene: h(x, y) = (2x, 3y2); por tanto, la funcin h presenta un nico punto crtico: (0, 0). Como este punto es factible: h(0, 0) = 0, la restriccin slo est cualificada en los puntos del conjunto R2 {(0, 0)}. En consecuencia, va las condiciones necesarias de KuhnTucker, slo podremos encontrar puntos candidatos a ser solucin local del problema (P) entre los puntos factibles del conjunto R2 {(0, 0)}. El punto (0, 0) debe ser estudiado aparte. Condiciones necesarias de KuhnTucker El lagrangiano del problema (P) es la funcin:
L(x, y) = f (x, y) h(x, y) = y (x2 + y3),
y el sistema de ecuaciones: 2 x = 0 Lx ( x, y ) = ( x, y ) = 1 3 y 2 = 0 Ly h( x, y ) = x 2 + y 3 = 0 no tiene solucin. Podemos, pues, afirmar que ningn punto del conjunto R2 {(0, 0)} es solucin local del problema (P). Por otra parte, el punto (0, 0) es efectivamente solucin local de (P), pues es el punto de mayor ordenada entre los del conjunto: {(x, y) R2 | x2 + y3 = 0}. El punto (0, 0), aun siendo solucin local de (P), no ha sido encontrado como candidato a ser solucin local utilizando las condiciones necesarias de KuhnTucker. Condiciones necesarias de FritzJohn Como las funciones f (x, y) = y y h(x, y) = x2 + y3 son de clase C1 sobre R2 (de hecho, de clase C), se satisface la hiptesis de regularidad. Dada la funcin de la variable (x, y), lagrangiano generalizado del problema de optimizacin:
G(x, y) = 0 f (x, y) 1h(x, y) = 0 y 1(x2 + y3),
que depende de los parmetros 0 y 1, busquemos las cuaternas (x, y, 0, 1), con 0 y 1 no simultneamente nulos y 0 {0, 1}, que verifican el sistema de ecuaciones: 2 x1 = 0 Gx ( x, y ) = ( x, y ) = 0 3 y 2 1 = 0 Gy x 2 + y 3 = 0. h ( x, y ) =
33
Si 0 = 1, este sistema se reduce al anterior, que no tiene solucin; si 0 = 0, como 1 ha de ser no nulo, se deduce: x = y = 0. En definitiva, obtenemos que slo es solucin del sistema una cuaterna de la forma: (0, 0, 0, 1) con 1 0. concluimos, pues, que el punto (0, 0) es el nico de R2 que es posible sea solucin local de (P). La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes
EJERCICIO 41
........................................
maximizar ( P) con la restriccin: x2 y 2 x y 1 = 0.
Vase el EJEMPLO 16 en el apartado 2.4 (Condiciones suficientes) de la Unidad Didctica. Relacionado con el EJEMPLO 19 en el apartado 2.5 (Introduccin a la programacin convexa).
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo como la que define la restriccin son de clase C1 sobre R2 (de hecho, de clase C). h2) La restriccin verifica la condicin de cualificacin pues el gradiente de h es un vector no nulo en cualquier punto factible: h(x, y) = (1, 1) (0, 0). Condiciones necesarias de KuhnTucker El lagrangiano del problema (P) es la funcin:
L(x, y) = x2 y2 (x y 1),
y el sistema de ecuaciones: Lx ( x, y ) = 2 x = 0 Ly ( x, y ) = 2 y + = 0 x y 1 = 0
Despejando de la primera y segunda ecuacin, y sustituyendo en la tercera: x=. 2 y = . 2 1 = 0, = 1. 2 2
es verificado slo por la terna (x, y, ) = (1/2, 1/2, 1). El punto (1/2, 1/2) es candidato a ser solucin local de (P), y cualquier otro punto de R2 no es solucin. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes a) El punto candidato: (1/2, 1/2), es factible y b) satisface las condiciones de KuhnTucker, con el multiplicador 1. c) Para = 1, el lagrangiano toma la forma:
L(x, y)= x2 y2 (1)(x y 1) = x2 y2 + x y 1.
La matriz hessiana de esta funcin en el punto (1/2, 1/2) es:

2 0 0 2 ,
de forma cuadrtica asociada definida negativa. El punto (1/2, 1/2) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mximo local del problema (P). De hecho, es la nica solucin.
34
El problema (P) es convexo, pues el conjunto de definicin de la funcin objetivo es R2, que es convexo, la funcin objetivo: x2 y2, es cncava sobre R2 (la forma cuadrtica asociada a la matriz hessiana de esta funcin en cada punto de R2 es definida negativa), y la funcin que define la restriccin (de igualdad) es afn. Si el problema (P) es convexo y la funcin objetivo y las que definen las restricciones son diferenciables sobre el conjunto de definicin de la funcin objetivo, todo punto factible que verifique las condiciones de KuhnTucker es solucin global del problema (P). El punto (1/2, 1/2) es, pues, una solucin global del problema (P).
EJERCICIO 42
........................................
minimizar x2 + y 2 con la restriccin: x y 1 = 0.
Febrero 2002, prueba presencial. Septiembre 2002, examen reserva. Febrero 2003, reserva. Septiembre 2004, prueba presencial. Septiembre 2004, reserva.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo como la que define la restriccin son de clase C1 sobre R2 (de hecho, de clase C). h2) La restriccin verifica la condicin de cualificacin pues el gradiente de h es un vector no nulo en cualquier punto factible: h(x, y) = (1, 1) (0, 0).
Condiciones necesarias de KuhnTucker El lagrangiano del problema de optimizacin es la funcin:

L(x, y) = x2 + y2 (x y 1).
Todos los puntos que verifican la condicin necesaria son los que simultneamente satisfacen: h(x, y) = 0 y, para algn valor de , L'x(x, y) = 0 y L'y(x, y) = 0. Resolvamos, pues, el sistema: Lx ( x, y ) = 2 x = 0 Ly ( x, y ) = 2 y + = 0 h( x, y ) = x y 1 = 0.
Despejando de la primera y segunda ecuacin, y sustituyendo en la tercera: x= . 2 y =. 2
+ 1 = 0, = 1. 2
Dicho sistema es verificado slo por la terna (x, y, ) = (1/2, 1/2, 1). El punto (1/2, 1/2) es candidato a ser solucin local del problema de optimizacin, y cualquier otro punto de R2 no es solucin. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes a) El punto candidato: (1/2, 1/2), es factible y b) satisface las condiciones de KuhnTucker, con el multiplicador 1. c) En el punto (1/2, 1/2), de multiplicador igual a 1, la matriz hessiana de la funcin L correspondiente es: 2 0 D 2 L( x, y ) = , 0 2 de forma cuadrtica asociada definida positiva. El punto (1/2, 1/2) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mnimo local del problema de optimizacin.
EJERCICIO 43
35
........................................
maximizar 2 x 2 2 y 2 con la restriccin: x + y + 1 = 0.
Considrese el siguiente problema de optimizacin:
a) Resolverlo; es decir, calcular sus soluciones locales. b) Admite alguna solucin global?
Septiembre 2005, reserva. Publicado por A. San Martn. Incluye correcciones del Prof. Alberto A. lvarez.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo como la que define la restriccin son de clase C1 sobre R2 (de hecho, de clase C). h2) La restriccin verifica la condicin de cualificacin pues el gradiente de h es un vector no nulo en cualquier punto factible. Dicho de otra manera, el gradiente de la funcin que define la restriccin no se anula: h(x, y) = (1, 1) (0, 0).

L(x, y) = 2x2 2y2 (x + y + 1).
Todos los puntos que verifican la condicin necesaria son los que simultneamente satisfacen: h(x, y) = 0 y, para algn valor de , L'x(x, y) = 0 y L'y(x, y) = 0. Resolvamos, pues, el sistema: Lx ( x, y ) = 4 x = 0 Ly ( x, y ) = 4 y = 0 h( x, y ) = x + y + 1 = 0.
Despejando en la primera y segunda ecuacin, y sustituyendo en la tercera: x=. 4 y =. 4 + 1 = + 1 = 0, = 2. 4 4 2
Dicho sistema es verificado slo por la terna (x, y, ) = (1/2, 1/2, 2). El punto (1/2, 1/2) es candidato a ser solucin local del problema de optimizacin, y cualquier otro punto de R2 no es solucin. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes a) El punto candidato: (1/2, 1/2), es factible y b) satisface las condiciones de KuhnTucker, con el multiplicador 2. c) En el punto (1/2, 1/2), de multiplicador igual a 2, la matriz hessiana de la funcin L correspondiente es: 4 0 D 2 L( x, y ) = , 0 4 de forma cuadrtica asociada definida negativa. El punto (1/2, 1/2) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mximo local del problema de optimizacin.
36
Nota del Profesor. Que el punto tambin es solucin global se justifica viendo que el problema es convexo: la funcin objetivo es cncava y la funcin que define la restriccin (de igualdad) es afn. La justificacin de que es solucin global porque es la nica solucin local, mejor no usarla; si el conjunto factible no es compacto, como este caso, este argumento puede fallar. EJERCICIO 44
........................................
e x e y maximizar con la restriccin: x + y + 2 = 0.
a) Resolverlo; es decir, calcular sus soluciones locales. b) Admite alguna solucin global?
Enero 2005, primera semana. Comprobar el apartado (b) de este ejercicio, por si hay algo errneo.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo como la que define la restriccin son de clase C1 sobre R2 (de hecho, de clase C). h2) La restriccin verifica la condicin de cualificacin pues el gradiente de h es un vector no nulo en cualquier punto factible: h(x, y) = (1, 1) (0, 0).

L(x, y) = ex ey (x + y + 2).
Todos los puntos que verifican la condicin necesaria son los que simultneamente satisfacen: h(x, y) = 0 y, para algn valor de , L'x(x, y) = 0 y L'y(x, y) = 0. Resolvamos, pues, el sistema: Lx ( x, y ) = e x = 0 y Ly ( x, y ) = e = 0 h( x, y ) = x + y + 2 = 0.
Despejando en la primera y segunda ecuacin, y sustituyendo en la tercera:
x = ln( ). y = ln( ). ln( ) ln( ) + 2 = 2ln( ) + 2 = 0, ln( ) = 1, = e.
Dicho sistema es verificado slo por la terna (x, y, ) = (1, 1, e). El punto (1, 1) es candidato a ser solucin local del problema de optimizacin, y cualquier otro punto de R2 no es solucin. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes a) El punto candidato: (1, 1), es factible y b) satisface las condiciones de KuhnTucker, con el multiplicador e. c) En el punto (1, 1), de multiplicador igual a e, la matriz hessiana de la funcin L correspondiente es: e ( 1) D 2 L(1, 1) = 0 0 e
( 1)
37
e 0 = 0 e ,
de forma cuadrtica asociada definida negativa. El punto (1, 1) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mximo local del problema de optimizacin. El problema de optimizacin es convexo, pues el conjunto de definicin de la funcin objetivo es R2, que es convexo, la funcin objetivo: ex ey, es cncava sobre R2 (la forma cuadrtica asociada a la matriz hessiana de esta funcin en cada punto de R2 es definida negativa), y la funcin que define la restriccin (de igualdad) es afn. Si el problema de optimizacin es convexo y la funcin objetivo y las que definen las restricciones son diferenciables sobre el conjunto de definicin de la funcin objetivo, todo punto factible que verifique las condiciones de KuhnTucker es solucin global del problema. El punto (1, 1) es, pues, una solucin global del problema de optimizacin.
EJERCICIO 45
........................................
extremos 2x + y 2 2 con la restriccin: ( x 1) + y = 4.
extremos 2x + y 2 2 con la restriccin: ( x 1) + y 4 = 0.
Publicado por F. Pascual, G. Romero y A. Salas. Es decir:
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo como la que define la restriccin son de clase C1 sobre R2 (de hecho, de clase C). h2) La restriccin verifica la condicin de cualificacin en todo punto factible, pues aunque la funcin h(x, y) = (x 1)2 + y2 4 admite un punto crtico: (1, 0): h(x, y) = ( 2(x 1), 2y), este punto no verifica la restriccin del problema de optimizacin: h(1, 0) = 4 0, es decir, no es un punto factible. Condiciones necesarias de KuhnTucker El lagrangiano del problema de optimizacin es la funcin:
L(x, y) = 2x + y ((x 1)2 + y2 4).

Todos los puntos que verifican la condicin necesaria son los que simultneamente satisfacen: h(x, y) = 0 y, para algn valor de , L'x(x, y) = 0 y L'y(x, y) = 0. Resolvamos, pues, el sistema:
Lx ( x, y ) = 2 2 ( x 1) = 0 1 2 y = 0 Ly ( x, y ) = h( x, y ) = ( x 1) 2 + y 2 4 = 0.
Despejando en la primera y segunda ecuacin, y sustituyendo en la tercera: x=
+ 1.
y=
1 2
1 ( x 1) 2 + y 2 4 = ( + 1 1 ) + ( 21 ) 4 2
38
= 4 + 1 16 2 5 = 5 16 2 = 0, 2 = 16 .
1 4 2
Las dos ternas (x, y, ) que verifican el sistema anterior son: En consecuencia, los puntos:
4 5
+ 1,
2 5
5 4
)y(
4 5
+ 1,
2 5
5 4
).
4 5
+ 1,
2 5
)y(
4 5
+ 1,
2 5
son candidatos a ser solucin local del problema de optimizacin. De hecho, son los nicos puntos de R2 que es posible sean soluciones locales. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes
a) Los puntos candidatos:
4 5
+ 1,
2 5
5 4
)y(
4 5
+ 1,
2 5
5 4
) , son factibles y
5 4
b) satisfacen las condiciones de KuhnTucker, con los multiplicadores
5 4
, respectivamente.
c) Debemos estudiar la forma cuadrtica asociada a la matriz hessiana de la funcin lagrangiana en cada uno de estos puntos: 0 2 D 2 L( x, y ) = . 2 0
En el punto (4
5 + 1, 2
5), de multiplicador igual a
5 4, la matriz hessiana es:
5 2 0 , 0 5 2 de forma cuadrtica asociada definida negativa. El punto (4 local del problema de optimizacin.
5 + 1, 2 5) es, por tanto, un mximo
En el punto ( 4
5 + 1, 2
5), de multiplicador igual a 5 4, la matriz hessiana es: 5 2 0 0 , 5 2 5 + 1, 2 5) es un mnimo local del
de forma cuadrtica asociada definida positiva. El punto (4 problema de optimizacin.

EJERCICIO 46
........................................
maximizar ( x a ) 2 ( y 1) 2 x 2 + y 2 = 2. con la restriccin:
Determinar el valor del nmero real a, para que el punto (1, 1) sea solucin del problema:
Febrero 2001, prueba presencial. Publicado por G. Romero y A. Salas. Es decir:

maximizar ( x a) 2 ( y 1) 2 x 2 + y 2 2 = 0. con la restriccin:
h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo como la que define la restriccin son de clase C1 sobre R2 (de hecho, de clase C). h2) La restriccin verifica la condicin de cualificacin en todo punto factible, pues aunque la funcin h(x, y) = x2 + y2 2 admite un punto crtico: (0, 0):
h(x, y) = ( 2x, 2y),
39
este punto no verifica la restriccin del problema de optimizacin: h(0, 0) = 2 0, es decir, no es un punto factible. Condiciones necesarias de KuhnTucker El lagrangiano del problema de optimizacin es la funcin:
L(x, y) = (x a)2 ( y 1)2 (x2 + y2 2).

Todos los puntos que verifican la condicin necesaria son los que simultneamente satisfacen: h(x, y) = 0 y, para algn valor de , L'x(x, y) = 0 y L'y(x, y) = 0. Tenemos, pues, el sistema: Lx ( x, y ) = 2( x a) 2 x = 0 Ly ( x, y ) = 2( y 1) 2 y = 0 x 2 + y 2 2 = 0. h ( x, y ) =
Sustituyendo en las dos primeras ecuaciones el punto candidato a solucin local que nos propone el enunciado del problema: (1, 1), y despejando en la segunda ecuacin, obtenemos el valor de . De la primera resulta el valor de a:
2(1 1) 2 = 2 = 0. = 0. 2(1 a) 2 = 2(1 a) = 0. a = 1.
El sistema de ms arriba es verificado por la terna (x, y, ) = (1, 1, 0), cuando a toma el valor 1. El punto propuesto por el enunciado del ejercicio: (1, 1), es candidato a ser solucin local del problema de optimizacin, siempre que a = 1. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes
a) El punto candidato: (1, 1), es factible y b) satisface las condiciones de KuhnTucker, con el multiplicador 0.
c) En el punto (1, 1), de multiplicador igual a 0, la matriz hessiana de la funcin L correspondiente es:
0 2 2 0 D 2 L(1,1) = 2 2 0 0 2 0 = 0 2 ,
de forma cuadrtica asociada definida negativa. El punto (1, 1) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mximo local del problema de optimizacin, para a = 1. Podramos estudiar de nuevo el problema por si, para dicho valor de a, obtenemos algn punto candidato adicional.
EJERCICIO 47
........................................
extremos 10 x 2 16 xy + 10 y 2 x 2 + y 2 = 1. con la restriccin:
Publicado por G. Romero y A. Salas. Vanse las notas del Prof. Alberto A. lvarez relativas al EJERCICIO 39. Comprobar las condiciones suficientes, por si hay algo errneo a la hora de definir y simplificar los subespacios vectoriales. Es decir: extremos 10 x 2 16 xy + 10 y 2 x 2 + y 2 1 = 0. con la restriccin:
h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo como la que define la restriccin son de clase C1 sobre R2 (de hecho, de clase C).
40
h2) La restriccin verifica la condicin de cualificacin en todo punto factible, pues aunque la funcin h(x, y) = x2 + y2 1 admite un punto crtico: (0, 0):
h(x, y) = ( 2x, 2y), este punto no verifica la restriccin del problema de optimizacin: h(0, 0) = 1 0, es decir, no es un punto factible. Condiciones necesarias de KuhnTucker El lagrangiano del problema de optimizacin es la funcin:
L(x, y) = 10x2 16xy + 10y2 (x2 + y2 1).

Todos los puntos que verifican la condicin necesaria son los que simultneamente satisfacen: h(x, y) = 0 y, para algn valor de , L'x(x, y) = 0 y L'y(x, y) = 0. Resolvamos, pues, el sistema: Lx ( x, y ) = 20 x 16 y 2 x = 0 Ly ( x, y ) = 16 x + 20 y 2 y = 0 h ( x, y ) = x 2 + y 2 1 = 0.
Despejando 2 en la primera ecuacin, sustituyendo en la segunda y simplificando:
2 x = 20 x + 16 y. 2 = 20 x + 16 y . x
y2 = x2.
20 x + 16 y 16 x + 20 y + x
2 2 2 2 y = 16 x + 20 xy 20 xy + 16 y = 16 x + 16 y = 0.
1 2
Sustituyendo x2 en la tercera y calculando los posibles valores de : x 2 + y 2 1 = y 2 + y 2 1 = 2 y 2 1 = 0. y 2 = 1 . y1 = 2 20 x + 16 y 10 x + 8 y 10 x 8 y 8y = = = = 10 . 2 x x x x ; y2 =

1 2
Si x e y tienen el mismo signo:

= 10
8
1 2 1 2
= 2.
Si x e y tienen distinto signo:

= 10 +
8
1 2 1 2
= 18.
Las cuatro ternas (x, y, ) que verifican el sistema anterior son:
1 2
1 2
, 2 ), (
1 2
1 2
,2 ), (
1 2
1 2
,18 ) y
(
1 2
1 2
1 2
,18 ) .
En consecuencia, los puntos:
1 2
1 2
), (
1 2
1 2
), (
1 2
1 2
)y(
1 2
son candidatos a ser solucin local del problema de optimizacin. De hecho, son los nicos puntos de R2 que es posible sean soluciones locales. La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes
a) Los puntos candidatos;
1 2
1 2
), (
1 2
1 2
), (
1 2
1 2
)y(
1 2
1 2
) , son factibles y
b) satisfacen las condiciones de KuhnTucker, con los multiplicadores 2 y 18, segn corresponda. c) Debemos estudiar la forma cuadrtica asociada a la matriz hessiana de la funcin lagrangiana en cada uno de estos puntos: 16 20 2 D 2 L( x, y ) = . 20 2 16
41 En el punto (1/ 2, 1/ 2 ), de multiplicador 2, la matriz hessiana es:
16 16 16 16
La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | x + y = 0} es definida positiva, pues:
0 1 1 1 16 16 = 16 16 16 16 = 64 < 0. 1 16 16
El punto (1/ 2,1/ 2 ) es un mnimo local.

En el punto ( 1/ 2, 1/ 2 ), de multiplicador 2, la matriz hessiana es tambin:
16 16 16 16 . La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | x y = 0} es definida positiva, pues:
0 1 1 1 16 16 = 16 16 16 16 = 64 < 0. 1 16 16
El punto ( 1/ 2, 1/ 2 ) es un mnimo local.

En el punto (1/ 2, 1/ 2 ), de multiplicador 18, la matriz hessiana es:
16 16 16 16 .
La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | x y = 0} es definida negativa, pues:
0 1 1 1 16 16 = 16 + 16 + 16 + 16 = 64 > 0. 1 16 16
El punto (1/ 2, 1/ 2) es un mximo local.

En el punto ( 1/ 2, 1/ 2 ), de multiplicador 18, la matriz hessiana es tambin:
16 16 16 16 .
La forma cuadrtica asociada a la matriz anterior restringida al subespacio vectorial F* = {(x, y) R2 | x + y = 0} es definida negativa, pues:
0 1 1 1 16 16 = 16 + 16 + 16 + 16 = 64 > 0. 1 16 16
El punto ( 1/ 2,1/ 2 ) es un mximo local.

2.2.2. Varias restricciones de igualdad EJERCICIO 48
........................................
maximizar ( P ) con las restricciones:

42
x2 + y 2 + z 2 3 x 2 + 2 y + z 2 6 = 0, x + y z = 0.
Incluye correccin y notas del Prof. Alberto A. lvarez. Vase el EJEMPLO 6 en el apartado 2.2.3 (Ejemplos de aplicacin de las condiciones de KuhnTucker) de la Unidad Didctica.
h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y, z) = x2 + y2 + z2 3, como las que definen las restricciones h1(x, y, z) = x2 + 2y + z2 6 y h2(x, y, z) = x + y z, son de clase C1 sobre R3 (de hecho, de clase C). h2) La condicin de cualificacin se satisface si los gradientes de las funciones de restriccin son vectores linealmente independientes. Si (x, y, z) R3, se tiene:
h1(x, y, z) = (2x, 2, 2z) y h2(x, y, z) = (1, 1, 1), y la matriz de orden (2, 3) cuyos dos vectores fila son los gradientes anteriores es:
2x 2 2z 1 1 1 ,
matriz de rango igual a 2 salvo que (x, y, z) sea un punto de la forma: (1, y, 1) con y R. Ahora bien, ningn punto de este tipo verifica simultneamente ambas restricciones (si verificara la primera, necesariamente sera y = 2; si verificara la segunda: y = 2), es decir, ningn punto de este tipo es factible; las restricciones de (P) satisfacen, pues, la condicin de cualificacin en todo punto factible. Condiciones necesarias de KuhnTucker El lagrangiano del problema (P) es la funcin:
L(x, y, z) = f (x, y, z) 1h1(x, y, z) 2h2(x, y, z) = x2 + y2 + z2 3 1(x2 + 2y + z2 6) 2(x + y z),
que depende de los parmetros 1 y 2. La condicin necesaria viene dada por el sistema de ecuaciones:
Lx ( x, y , z ) Ly ( x, y , z ) Lz ( x, y , z ) h1 ( x, y , z ) h2 ( x, y , z )
= 2 x 2 x1 2 = 0 = 2 y 21 2 = 0 = 2 z 2 z1 + 2 = 0 = x2 + 2 y + z 2 6 = 0 x + y z = 0. =
De las ecuaciones tercera y primera se deduce la igualdad: 2(1 1) (x + z) = 0; si 1 1 = 0, se obtienen las dos primeras quntuplas; si x + z = 0, las dos restantes:
2 z 2 z1 = 2. 2 x 2 x1 2 = 2 x 2 x1 + 2 z 2 z1 = 2(1 1)( x + z ) = 0.
Si 1 1 = 0:
1 = 1 2 y 21 2 = 0 2 z 2 z = 2, 2 = 0 x2 + 2 y + z 2 6 = 0 x + y z = 0. 1 = 1 2 y 2 = 0, y = 1 2 = 0 x2 + z 2 4 = 0 x + 1 z = 0, z = x + 1.
x=
x 2 + ( x + 1) 2 4 = x 2 + x 2 + 2 x + 1 4 = 2 x 2 + 2 x 3 = 0.
2 4 + 24 2 28 1 7 . = = 4 4 2
Si x + z = 0:
z = x 2 y 21 2 = 0 2 z 2 z1 + 2 = 0 x2 + 2 y + z 2 6 = 0 x + y z = 0. z = x 2 2 x + 2y + x 6 = 0 x + y + x = 0, y = 2 x.
43
x = 3:
2 x 2 4 x 6 = 0.
x=
4 16 + 48 4 64 4 8 = = . 4 4 4
x3 = 3; x4 = 1.
z = 3 y = 6 12 2 = 0, = 12 2 1 2 2 1 6 + 61 + 2 = 6 + 61 12 21 = 18 + 41 = 0, x = 1:
1 = 9 ; 2 = 12 2 9 = 21. 2 2
z =1 y=2 4 2 = 0, 4 2 = 1 2 1 2 2 21 + 2 = 2 21 + 4 21 = 6 41 = 0,
1 = 3 ; 2 = 4 2 3 = 1 2 2
Todas las quntuplas (x, y, z, 1, 2) que verifican el sistema anterior son: 1 + 7 1 + 7 ,1, ,1, 0 2 2 1 7 1 7 ,1, ,1, 0 , 2 2 , (3, 6, 3,9 / 2, 21), (1, 2,1,3/ 2,1).
En conclusin, los nicos puntos de R3 candidatos a ser una solucin local del problema (P) son: 1 + 7 1 + 7 1 7 1 7 ,1, ,1, , , (3, 6, 3), (1, 2,1). 2 2 2 2 La funcin objetivo y las que definen las restricciones son de clase C2 sobre R3. Condiciones suficientes
Nota del Profesor. En este ejercicio surgen dos detalles nuevos: estamos con tres variables y con dos restricciones. Debemos trabajar, pues, con una forma cuadrtica sobre R3 restringida a un subespacio F* que queda esta vez definido por dos ecuaciones. En la pg. 45 y ss. hay recetas para averiguar el signo
de una forma cuadrtica restringida cuando el subespacio est definido slo por una ecuacin, pero no las hay cuando lo est por ms ecuaciones. Pero podemos hacer algo, no obstante.
La matriz hessiana de la funcin lagrangiana es: 0 2 21 0 D 2 L ( x, y , z ) = 0 2 0 . 0 0 2 21
Para el punto (1, 2, 1), de multiplicadores 3/2 y 1, el conjunto F* es el formado por los vectores
(x, y, z) tales que x + y + z = 0 y x + y z = 0. Un vector genrico de este conjunto es (t, 0, t). Si evaluamos la forma cuadrtica asociada a la matriz hessiana (en este punto) en los vectores de esta forma, vemos que se obtiene un nmero negativo cualquiera que sea t. Quiero decir: si multiplicamos las tres siguientes matrices: la matriz fila (t 0 t), la matriz hessiana en el punto, que es: 1 0 0 0 2 0 , 0 0 1 y la matriz traspuesta de (t 0 t) (que es una matriz columna), obtenemos como resultado un nmero (una matriz con un slo trmino, para ser exactos), precisamente el resultado de evaluar la forma cuadrtica en (t, 0, t):
1 0 0 t t 0 t ) 0 2 0 0 = ( t 0 t 0 0 1 t
t ) 0 = 2t 2 , t
que es negativo cualquiera que sea t. Esto nos dice que la forma cuadrtica asociada a la matriz hessiana restringida a F* es definida negativa, con lo que el punto (1, 2, 1) es un mximo local. [...]
44
EJERCICIO 49
........................................
extremos z con las restricciones: x 2 + y 2 = 4, x + y + z = 5.
Publicado por F. Pascual.
EJERCICIO 50
........................................
extremos x 3 1 y 2 + z + 10 2 x = 2, con las restricciones: y = z.
Febrero 2004, primera semana, original. Publicado por G. Romero y A. Salas.
Si hallamos las soluciones locales reduciendo el problema al del clculo de los extremos de una funcin de una variable (es decir, sustituimos las dos restricciones en la funcin objetivo):
x3 1 y 2 + z + 10 = 8 1 y 2 + y + 10 = 1 y 2 + y + 18, 2 2 2
el problema quedara reducido a encontrar los extremos locales de la funcin: f ( y ) = 1 y 2 + y + 18. 2
Condicin necesaria Igualamos a cero la primera derivada de f :

df = y + 1 = 0, dy y = 1.
Por tanto, el punto candidato a solucin local del problema de optimizacin es: (2, 1, 1). Condicin suficiente Analizando el signo de la segunda derivada de f :
d2f = 1 < 0, dy 2
comprobamos que el punto (2, 1, 1) es un mximo local del problema de optimizacin.

EJERCICIO 51
........................................
extremos x2 y 2 + z 2 con las restricciones: 2 x 4 z = 1, 2 y + 6 z = 1.
Publicado por G. Romero y A. Salas.
45
Si hallamos las soluciones locales reduciendo el problema al del clculo de los extremos de una funcin de una variable (es decir, despejamos en las restricciones dos de las variables en funcin de la tercera y sustituimos en la funcin objetivo):
x= 1 6z , 2 2 2 1 + 8 z + 16 z 2 1 12 z + 36 z 2 1 + 4z 1 6z 2 x2 y 2 + z 2 = + z2 +z = 4 4 2 2 1 + 8 z + 16 z 2 1 + 12 z 36 z 2 + 4 z 2 20 z 16 z 2 = = = 5z 4z 2 , 4 4 y= 1 + 4z , 2
el problema quedara reducido a encontrar los extremos locales de la funcin: f (z) = 5z 4z2. Condicin necesaria Igualamos a cero la primera derivada de f :
df = 5 8 z = 0, dz
x=
5 1 + 4 8 1 + 5 2+5 7 2 = = 2 = ; 2 2 2 4
5 z= . 8
y=
1 6 5 1 15 4 415 11 8 4 = = = . 2 2 2 8
Por tanto, el punto candidato a solucin local del problema de optimizacin es: (7/4, 11/8, 5/8). Condicin suficiente Analizando el signo de la segunda derivada de f : d2f = 8 < 0, dz 2 comprobamos que el punto (7/4, 11/8, 5/8) es un mximo local del problema de optimizacin.
EJERCICIO 52
........................................
extremos x2 + y 2 + z 2 x + y = 1, con las restricciones: x z = 0.
a) Con el mtodo de los multiplicadores de Lagrange, calcular sus soluciones locales. b) Admite alguna solucin global? c) Calcular sus soluciones locales reduciendo el problema al del clculo de los extremos de una funcin de una variable (es decir, despejar en las restricciones dos de las variables en funcin de la tercera y sustituir en la funcin objetivo). Con este mtodo, obtener tambin alguna conclusin sobre las posibles soluciones globales.
Septiembre 2005, original. Incluye correccin y nota del Prof. Alberto A. lvarez. Es decir:
extremos con las restricciones: x2 + y 2 + z 2 x + y 1 = 0, x z = 0.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y, z) = x2 + y2 + z2, como las que definen las restricciones h1(x, y, z) = x + y 1 y h2(x, y, z) = x z, son de clase C1 sobre R3 (de hecho, de clase C). h2) Las restricciones satisfacen la condicin de cualificacin en todo punto factible, pues los gradientes de h1 y h2 son vectores linealmente independientes. Si (x, y, z) R3, se tiene:
46
h1(x, y, z) = (1, 1, 0) y h2(x, y, z) = (1, 0, 1), y la matriz de orden (2, 3) cuyos dos vectores fila son los gradientes anteriores, es de rango igual a dos: 1 1 0 rango = 2. 1 0 1 Condiciones necesarias de KuhnTucker El lagrangiano del problema de optimizacin es la funcin:
L(x, y, z) = f (x, y, z) 1h1(x, y, z) 2h2(x, y, z) = x2 + y2 + z2 1(x + y 1) 2(x z),

Lx ( x, y, z ) = 2 x 1 2 = 0 2 y 1 = 0 Ly ( x, y, z ) = 2z + 2 = 0 Lz ( x, y, z ) = h1 ( x, y, z ) = x + y 1 = 0 h2 ( x, y, z ) = x z = 0.
z = x. 2 x 2 y + 2 x = 4 x 2 y = 0.
Despejando 1 y 2 de la segunda y tercera ecuacin, z de la quinta, y sustituyendo todo ello en la primera:
1 = 2 y. 2 = 2 z.
Resolviendo el sistema de dos ecuaciones y dos incgnitas que queda: 4x 2 y = 0 x + y 1 = 0. x = 1 y. 4 x 2 y = 4(1 y ) 2 y = 4 4 y 2 y = 4 6 y = 0, y = 2 . 3
La quntupla (x, y, z, 1, 2) que verifica el sistema anterior es: (1/3, 2/3, 1/3, 4/3, 2/3). En conclusin, el nico punto de R3 candidato a ser una solucin local del problema de optimizacin es: (1/3, 2/3, 1/3). La funcin objetivo y las que definen las restricciones son de clase C2 sobre R3. Condiciones suficientes a) El punto candidato: (1/3, 2/3, 1/3), es factible y b) satisface las condiciones de KuhnTucker, con multiplicadores 4/3 y 2/3. c) En el punto (1/3, 2/3, 1/3), con multiplicadores 4/3 y 2/3, la matriz hessiana de la funcin L correspondiente es: 2 0 0 2 D L( x, y , z ) = 0 2 0 , 0 0 2 de forma cuadrtica asociada definida positiva. El punto (1/3, 2/3, 1/3) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mnimo local del problema de optimizacin. Admite alguna solucin global? El problema de optimizacin no es convexo, pues la funcin objetivo: x2 + y2 + z2, es convexa sobre R3 (la forma cuadrtica asociada a la matriz hessiana de esta funcin en cada punto de R3 es definida positiva).
Nota del Profesor. Acontece que el problema no es convexo, efectivamente, pero notemos que ya hemos encontrado un mnimo local. El problema de encontrar los mnimos locales de una funcin (con restricciones) es equivalente al de encontrar los mximos locales de la funcin opuesta (con las mismas restricciones). Bien, si planteamos el problema del enunciado con la funcin objetivo cambiada de signo, tenemos que el punto (1/3, 2/3) es mximo local de l, y que el nuevo problema s es convexo. El punto (1/3, 2/3) es entonces mximo global de este nuevo problema, y por tanto, mnimo global del problema original.
47
Si hallamos las soluciones locales reduciendo el problema al del clculo de los extremos de una funcin de una variable (es decir, despejamos en las restricciones dos de las variables en funcin de la tercera y sustituimos en la funcin objetivo):
y = 1 x, z = x, x 2 + y 2 + z 2 = x 2 + (1 x) 2 + x 2 = 3 x 2 2 x + 1,
el problema quedara reducido a encontrar los extremos locales de la funcin: f (x) = 3x2 2x + 1. Condicin necesaria Igualamos a cero la primera derivada de f : df = 6 x 2 = 0, dx 1 x= . 3
Por tanto, el punto candidato a solucin local del problema de optimizacin es: (1/3, 2/3, 1/3). Condicin suficiente Analizando el signo de la segunda derivada de f : d2f = 6 > 0, dx 2 comprobamos que el punto (1/3, 2/3, 1/3) es un mnimo local del problema de optimizacin.
EJERCICIO 53
........................................
extremos 2 x 2 + y 2 + 3z 2 x + y + z = 14, con las restricciones: 5 x + 10 y + 15 z = 150.
Febrero 2004, segunda semana, original. Publicado por G. Romero y A. Salas. El sistema de cinco ecuaciones y cinco incgnitas se me ha resistido, incluso siguiendo las explicaciones de los compaeros, por lo que directamente escribo el punto candidato y sus multiplicadores. Es decir:
extremos 2 x 2 + y 2 + 3z 2 x + y + z 14 = 0, con las restricciones: 5 x + 10 y + 15 z 150 = 0.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y, z) = 2x2 + y2 + 3z2, como las que definen las restricciones h1(x, y, z) = x + y + z 14 y h2(x, y, z) = 5x + 10y + 15z 150, son de clase C1 sobre R3 (de hecho, de clase C). h2) Las restricciones satisfacen la condicin de cualificacin en todo punto factible, pues los gradientes de h1 y h2 son vectores linealmente independientes. Si (x, y, z) R3, se tiene: h1(x, y, z) = (1, 1, 1) y h2(x, y, z) = (5, 10, 15), y la matriz de orden (2, 3) cuyos dos vectores fila son los gradientes anteriores, es de rango igual a dos:
1 1 1 rango 5 10 15 = 2.
48

L(x, y, z) = f (x, y, z) 1h1(x, y, z) 2h2(x, y, z) = = 2x + y2 + 3z2 1(x + y + z 14) 2(5x + 10y + 15z 150),
2
Lx ( x, y , z ) = 4 x 1 5 2 = 0 Ly ( x, y , z ) = 2 y 1 10 2 = 0 ( x, y , z ) = 6 z 1 15 2 = 0 Lz h1 ( x, y , z ) = x + y + z 14 = 0 h2 ( x, y , z ) = 5 x + 10 y + 15 z 150 = 0.
La quntupla (x, y, z, 1, 2) que verifica el sistema anterior es: (2, 8, 4, 0, 8/5). En conclusin, el nico punto de R3 candidato a ser una solucin local del problema de optimizacin es: (2, 8, 4). La funcin objetivo y las que definen las restricciones son de clase C2 sobre R3. Condiciones suficientes a) El punto candidato: (2, 8, 4), es factible y b) satisface las condiciones de KuhnTucker, con multiplicadores 0 y 8/5.
c) En el punto (2, 8, 4), con multiplicadores 0 y 8/5, la matriz hessiana de la funcin L correspondiente es: 4 0 0 D 2 L( x, y , z ) = 0 2 0 , 0 0 6 de forma cuadrtica asociada definida positiva. El punto (2, 8, 4) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mnimo local del problema de optimizacin.
EJERCICIO 54
........................................
minimizar x2 + y 2 + z 2 + t 2 x + y = 4, con las restricciones: z + t = 8.
Resolver el problema de optimizacin con restricciones:
Febrero 2001, examen reserva. Febrero 2002, prueba presencial. Septiembre 2002, prueba presencial. Septiembre 2002, examen reserva. Septiembre 2004, prueba presencial. Publicado por G. Romero y A. Salas.
Si hallamos las soluciones locales reduciendo el problema al del clculo de los extremos de una funcin de dos variables (es decir, despejamos en las restricciones dos de las variables en funcin de las otras dos y sustituimos en la funcin objetivo):
y = 4 x, t = 8 z , x 2 + (4 x) 2 + z 2 + (8 z ) 2 = x 2 + 16 8 x + x 2 + z 2 + 64 16 z + z 2 = 2 x 2 8 x + 2 z 2 16 z + 80,
49
el problema quedara reducido a encontrar los extremos locales de la funcin: f ( x, z ) = 2 x 2 8 x + 2 z 2 16 z + 80. Condicin necesaria f f f ( x, z ) = , = ( 4 x 8, 4 z 16 ) = ( 0, 0 ) , x z Por tanto, el punto candidato a solucin local del problema de optimizacin es: (2, 2, 4, 4). Condicin suficiente Analizando la matriz hessiana de f en el punto candidato: H f ( x, z ) = 2 f x 2 2 f zx 2 f xz 2 f z 2 4 0 = , 0 4
tenemos que su forma cuadrtica asociada es definida positiva, por lo que el punto (2, 2, 4, 4) es un mnimo local del problema de optimizacin.
2.2.3. Una restriccin de desigualdad EJERCICIO 55
........................................
maximizar xy 2 2 con la restriccin: x + y 1 0.
Febrero 2001, examen reserva. Septiembre 2001, prueba presencial. Septiembre 2001, examen reserva. Publicado por F. Pascual. Vase el EJEMPLO 18 en el apartado 2.4 (Condiciones suficientes) y el EJEMPLO 7 en el 2.2.3 (Ejemplos de aplicacin de las condiciones de KuhnTucker) de la Unidad Didctica. Relacionado con el EJEMPLO 12 en el apartado 2.2.4 (Problemas de minimizacin).
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = xy, como la que define la restriccin: g(x, y) = x2 + y2 1, son de clase C1 sobre R2 (de hecho, de clase C). h2) Para cada (x, y) R2 se tiene: g(x, y) = (2x, 2y), que slo se anula en el punto (0, 0). Ahora bien, este punto verifica la restriccin del problema: g(0, 0) = 1 0, pero no con igualdad: g(0, 0) < 0; es decir, la restriccin est no saturada en (0, 0). Podemos afirmar que la restriccin del problema de optimizacin satisface la condicin de cualificacin en cualquier punto factible, pues en el punto factible (0, 0) est no saturada, y sobre cualquier otro punto factible (x, y) en el cual pueda estar saturada podemos asegurar que el gradiente g(x, y) es no nulo.
La restriccin de desigualdad de este problema satisface la condicin de cualificacin en un punto factible (x, y) si se tiene una de las dos siguientes situaciones: o bien la restriccin est no saturada en (x, y), es decir: g(x, y) < 0; o bien est saturada: g(x, y) = 0, pero el gradiente g(x, y) es un vector no nulo.
50
Condiciones necesarias de KuhnTucker

K1) Al haber restricciones de desigualdad, la primera de las dos condiciones necesarias de KuhnTucker cobra sentido. Para este problema de optimizacin, estas condiciones necesarias se pueden enunciar de la siguiente manera: existe un nmero , positivo o nulo (estamos maximizando), tal que g(x, y) = 0 y (x, y) es punto crtico de la funcin: L(x, y) = f (x, y) g(x, y). Ntese que si la restriccin est no saturada en (x, y), entonces debe ser nulo (se deduce de la igualdad: g(x, y) = 0).
K2) Todo punto que sea solucin local del problema debe necesariamente ser un punto factible y debe ser un punto crtico del lagrangiano para algn 0 tal que: g(x, y) = 0:
L(x, y) = f (x, y) g(x, y) = xy (x2 + y2 1).
La condicin necesaria viene dada por el sistema de ecuaciones: Lx ( x, y ) Ly ( x, y ) g ( x, y ) g ( x, y ) = y 2 x = 0 = x 2 y = 0 = x2 + y 2 1 0 0 = ( x 2 + y 2 1) = 0.
De la ltima ecuacin se deduce: = 0 x2 + y2 = 1. En el primer caso, de las dos primeras ecuaciones se obtiene: x = y = 0, y la terna (0, 0, 0) verifica el sistema de ecuaciones. En el segundo caso: y 2x = 0, x 2y = 0, x2 + y2 = 1,
y 2 x = 0, y = 2 x 2 x 2 y = x 2(2 x ) = x(1 4 ) = 0 x 2 + y 2 = 1.
De las ecuaciones primera y segunda se deduce la igualdad: x(1 4 2) = 0; si x = 0, estamos en el caso anterior; si 1 4 2 = 0: 1 4 2 = 0.
2 = 1 . 4
1 = 1 ; 2 = 1 . 2 2
Si = 1/2:
y= x 2 2 2 2 2 x + y = x + x = 2 x = 1. x2 = 1 . 2
Si = 1/2:
y = x x 2 + y 2 = x 2 + ( x) 2 = 2 x 2 = 1. x2 = 1 . 2
todas las ternas que verifican simultneamente las ecuaciones son:
1 2
1 2
, 1 ), 2
1 2
1 2
, 1 ), 2
1 2
1 2
, 1 ), 2
1 2
1 2
, 1 ), 2
y de entre estas cuatro ternas se desechan las dos ltimas, pues su tercer componente el multiplicador es negativo, y se vulnera la cuarta desigualdad del anterior sistema de ecuaciones. En consecuencia, los puntos:
( 0,0 ) ,
1 2
1 2
1 2
1 2
son los nicos de R2 que es posible sean soluciones locales del problema de optimizacin; estos tres puntos son candidatos a ser mximos locales de la funcin xy con la restriccin de desigualdad: x2 + y2 1 0. Si hubiramos considerado el problema de optimizacin:
minimizar (Q) con la restriccin:
xy x 2 + y 2 1 0,
51
son condiciones necesarias de mnimo local las mismas condiciones de KuhnTucker de mximo, pero con la exigencia de que los multiplicadores asociados a las restricciones de desigualdad sean negativos o nulos. En este caso, los puntos:
( 0,0 ) ,
1 2
1 2
1 2
1 2
son, pues, los nicos de R2 que es posible sean soluciones locales del problema (Q). La funcin objetivo y la que define la restriccin son de clase C2 sobre R2. Condiciones suficientes a) Los puntos candidatos:
( 0,0 ) , (
1 2
1 2
)y(
1 2
1 2
) , son factibles y
1 2
b) satisfacen las condiciones de KuhnTucker, con los multiplicadores 0,
1 2
, respectivamente.
c) Debemos estudiar la forma cuadrtica asociada a la matriz hessiana de la funcin lagrangiana en cada uno de estos puntos.
La matriz hessiana de la funcin lagrangiana es: 2 D 2 L ( x, y ) = 1 1 . 2
En el punto ( 1 2 , 1 2 ), de multiplicador 1/2, la matriz hessiana de la funcin L correspondiente es:
1 1 1 1 . La restriccin de desigualdad del problema est saturada en ( 1 2 , 1 2 ) . La forma cuadrtica asociada a la matriz hessiana del lagrangiano es definida negativa sobre el subespacio vectorial F* = {(u, v) R2 | u + v = 0}. 0 1 1 1 1 1 > 0. 1 1 1
El punto ( 1 2 , 1 2 ) es, pues, una solucin local del problema de optimizacin.

Con clculos similares se comprueba que el punto ( 1 2 , 1 2 ) tambin es una solucin local de dicho
problema. Finalmente, en el punto (0, 0), de multiplicador 0, la matriz hessiana de la funcin L correspondiente es: 0 1 1 0 .
Ahora bien, la restriccin est no saturada en (0, 0) pues: g(0, 0) = 1 < 0. La forma cuadrtica asociada a la matriz anterior es indefinida, luego no se verifica la condicin (c). Nada podemos decir, pues, del punto (0,0) sin un anlisis adicional. Nota. Como g(0, 0) < 0, si el punto (0, 0) fuera solucin local de este problema de optimizacin, la funcin xy admitira en (0, 0) un mximo local (sin restricciones), y la forma cuadrtica asociada a la matriz hessiana de esta funcin en (0, 0) sera semidefinida negativa. Pero tal matriz hessiana es:
0 1 1 0 ,
y la forma cuadrtica asociada a esta matriz es indefinida. El punto (0, 0) no puede ser, pues, solucin local de dicho problema. Por otro lado, y de acuerdo con lo obtenido en el problema de minimizacin, los puntos
( 0,0 ) ,
1 2
1 2
1 2
1 2
52
son los nicos de R2 que es posible sean mnimos locales de la funcin xy con la restriccin x2 + y2 1 = 0 (recurdense tambin los multiplicadores: 0, 1/2 y 1/2, respectivamente). Con clculos anlogos a los llevados a cabo en los prrafos precedentes, se comprueba que los puntos ( 1 2 , 1 2 ) y ( 1 2 , 1 2 ) son efectivamente mnimos locales. Y el punto (0, 0) tampoco resulta ser mnimo local.
EJERCICIO 56
........................................
maximizar x2 y 2 2 2 con la restriccin: x + y 1 0.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = x2 y2, como la que define la restriccin: g(x, y) = x2 + y2 1, son de clase C1 sobre R2 (de hecho, de clase C). h2) Para cada (x, y) R2 se tiene: g(x, y) = (2x, 2y), que slo se anula en el punto (0, 0). La restriccin del problema de optimizacin satisface la condicin de cualificacin en cualquier punto factible, pues en el punto factible (0, 0) est no saturada: g(0, 0) < 0, y sobre cualquier otro punto factible (x, y) en el cual pueda estar saturada: g(0, 0) = 0, podemos asegurar que el gradiente g(x, y) es no nulo. Condiciones necesarias de KuhnTucker
K1) Existe un nmero , positivo o nulo, tal que g(x, y) = 0 y (x, y) es punto crtico de la funcin: L(x, y) = f (x, y) g(x, y).
K2) Todo punto que sea solucin local del problema debe necesariamente ser un punto factible y debe ser un punto crtico del lagrangiano para algn 0 tal que: g(x, y) = 0:
L(x, y) = f (x, y) g(x, y) = x2 y2 (x2 + y2 1).
La condicin necesaria viene dada por el sistema de ecuaciones: Lx ( x, y ) Ly ( x, y ) g ( x, y ) g ( x, y ) = 2 x 2 x = 0 = 2 y 2 y = 0 = x2 + y 2 1 0 0 = ( x 2 + y 2 1) = 0.
De la ltima ecuacin se deduce: = 0 x2 + y2 = 1. En el primer caso, de las dos primeras ecuaciones se obtiene: x = y = 0, y la terna (0, 0, 0) verifica el sistema de ecuaciones. En el segundo caso: 2x 2x = 0, 2y 2y = 0, x2 + y2 = 1,
2 x 2 x = 2 x (1 ) = 0 2 y 2 y = 2 y (1 + ) = 0 x 2 + y 2 = 1.
[...]
2.2.4. Varias restricciones de desigualdad EJERCICIO 57
........................................
maximizar y2 + 4 y con la restriccin: 0 y 8.
Resolver mediante las condiciones de KuhnTucker el siguiente problema convexo:

53
Septiembre 2003, reserva. Es equivalente este ejercicio a preguntar si el problema de optimizacin admite una solucin global?
EJERCICIO 58
........................................
minimizar x+ y 2 con las restricciones: y x , y 1.
Publicado por F. Pascual.
EJERCICIO 59
........................................
minimizar x2 + y2 con las restricciones: 4 x y 0, 5 2 x y 0.
Febrero 2004, primera semana, original. Publicado por G. Romero y A. Salas.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = x2 + y2, como las que definen las restricciones: g1(x, y) = 4 x y y g2(x, y) = 5 2x y, son de clase C1 sobre R2 (de hecho, de clase C).
h2) La condicin de cualificacin se satisface en cualquier punto factible, pues los gradientes de las funciones que definen las restricciones de desigualdad saturadas, son vectores linealmente independientes. Si (x, y) R2, se tiene: g1(x, y) = (1, 1) y g2(x, y) = (2, 1), y la matriz de orden (2, 2) cuyos dos vectores fila son los gradientes anteriores, es de rango igual a dos: 1 1 rango = 2. 2 1 Condiciones necesarias de KuhnTucker
K1) Existen dos nmeros: 1 y 2, negativos o nulos (estamos minimizando), tal que 1g1(x, y) = 0, 2g2(x, y) = 0 y (x, y) es punto crtico de la funcin: L(x, y) = f (x, y) 1g1(x, y) 2g2(x, y).
K2) El lagrangiano del problema de optimizacin es la funcin:

L(x, y) = f (x, y) 1g1(x, y) 2g2(x, y) = x2 + y2 1(4 x y) 2(5 2x y),
54
Lx ( x, y ) = 2 x + 1 + 2 2 = 0 Ly ( x, y ) = 2 y + 1 + 2 = 0 g1 ( x, y ) = 4 x y 0 g 2 ( x, y ) = 5 2 x y 0 1 0 2 0 1 g1 ( x, y ) = 1 (4 x y ) = 0 2 g 2 ( x, y ) = 2 (5 2 x y ) = 0. Distingamos casos: Si 1 = 0 y 2 = 0, de las dos primeras ecuaciones se deduce: x = y = 0. El punto (x, y) = (0, 0) no es factible pues no cumple con ninguna de las restricciones de desigualdad. Si 1 0 y 2 0, de las dos ltimas ecuaciones se deduce:
4 x y = 0 5 2 x y = 0. 4 x y = 5 2 x y = 1 + x = 0, x = 1.
y = 3.
Sustituyendo x e y en las dos primeras ecuaciones para obtener el valor de los parmetros 1 y 2: 2 x + 1 + 2 2 = 2 + 1 + 2 2 = 0 2 y + + = 6 + + = 0. 1 2 1 2 1 = 2 2 2 . 6 2 2 2 + 2 = 4 2 = 0, 2 = 4.
* El punto (1, 3) satisface las condiciones necesarias, con los multiplicadores 1 = 10 y * = 4. No 2 obstante, este ltimo parmetro contradice la condicin por la que 2 debe ser menor o igual que cero.
Si 1 = 0 y 2 0, de las dos primeras ecuaciones y de la ltima se obtiene:

2 x + 2 2 = 0 2 y + 2 = 0 5 2 x y = 0. x = 2. 2 y x = 0, x = 2 y. 5 2 x y = 5 4 y y = 5 2 2 y y = 5 5 y = 0, y = 1.
El punto (2, 1) no es factible pues no cumple con la primera de las restricciones de desigualdad. Si 1 0 y 2 = 0, de las dos primeras ecuaciones y de la penltima se obtiene:
2 x + 1 = 0 2 y + 1 = 0 4 x y = 0. 2 x = 1. 2 y 2 x = 0, y = x. 4 x y = 4 x x = 4 2 x = 0, x = 2.
* El punto (2, 2) satisface las condiciones necesarias, con los multiplicadores 1* = 4 y 2 = 0.
La funcin objetivo y las que definen las restricciones son de clase C2 sobre R2. Condiciones suficientes a) El punto candidato: (2, 2), es factible y b) satisface las condiciones de KuhnTucker, con multiplicadores 4 y 0. c) En el punto (2, 2), con multiplicadores 4 y 0, la matriz hessiana de la funcin L correspondiente es:
2 0 D 2 L( x, y ) = , 0 2
55
de forma cuadrtica asociada definida positiva. El punto (2, 2) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mnimo local del problema de optimizacin.
EJERCICIO 60
........................................
extremos 3x + y con las restricciones: x 2 + y 2 5 0, x y 1 0.
Resolver el siguiente problema de optimizacin:
Febrero 2005, segunda semana. Incluye correcciones del Prof. Alberto A. lvarez.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = 3x + y, como las que definen las restricciones: g1(x, y) = x2 + y2 5 y g2(x, y) = x y 1, son de clase C1 sobre R2 (de hecho, de clase C).
h2) La condicin de cualificacin se satisface en cualquier punto factible. Nota del profesor: lo mejor es llevar un orden: saturo ambas restricciones, saturo slo la primera, saturo slo la segunda. Vemoslo: En el primer caso, slo dos puntos verifican simultneamente ambas restricciones: (1, 2) y (2, 1), pero en estos dos puntos ambos gradientes son linealmente independientes. Si (x, y) R2, se tiene: g1(x, y) = (2x, 2y) y g2(x, y) = (1, 1).
En el segundo caso: saturo slo la primera, vemos que el gradiente para la primera restriccin slo se
anula en (0, 0), punto en el que esta restriccin no est saturada; conclusin: no hay puntos que saturen la primera restriccin y no saturen la segunda en los que el gradiente correspondiente se anule.
En el ltimo caso (saturar slo la segunda restriccin), el gradiente correspondiente es (1, 1), que no
se puede anular. Condiciones necesarias de KuhnTucker

K1) Existen dos nmeros: 1 y 2, tal que 1g1(x, y) = 0, 2g2(x, y) = 0 y (x, y) es punto crtico de la funcin: L(x, y) = f (x, y) 1g1(x, y) 2g2(x, y). El signo de estos multiplicadores lo analizar ms tarde.
K2) El lagrangiano del problema de optimizacin es la funcin: L(x, y) = f (x, y) 1g1(x, y) 2g2(x, y) = 3x + y 1(x2 + y2 5) 2(x y 1), que depende de los parmetros 1 y 2. La condicin necesaria viene dada por el sistema de ecuaciones:
Lx ( x, y ) = 3 2 1 x 2 = 0 Ly ( x, y ) = 1 2 1 y + 2 = 0 g1 ( x, y ) = x2 + y 2 5 0 g 2 ( x, y ) = x y 1 0 1 g1 ( x, y ) = 1 ( x 2 + y 2 5) = 0 2 g 2 ( x, y ) = 2 ( x y 1) = 0.
Distingamos casos: Si 1 0 y 2 0, de las dos ltimas ecuaciones se deduce:

x2 + y2 5 = 0 x y 1 = 0, x = y + 1. x 2 + y 2 5 = ( y + 1) 2 + y 2 5 = y 2 + 2 y + 1 + y 2 5 = 2 y 2 + 2 y 4 = 0. y= 2 4 + 32 2 6 = . 4 4 y1 = 1; y2 = 2. x1 = 2; x2 = 1.
56
Sustituyendo los dos pares de valores x e y en las dos primeras ecuaciones, para obtener los correspondientes de 1 y 2:
3 2 1 x 2 = 3 4 1 2 = 0 1 2 y + = 1 2 + = 0. 1 2 1 2 3 4 1 = 2 . 1 2 1 + 3 4 1 = 4 6 1 = 0. 3 2 1 x 2 = 3 + 21 2 = 0 1 2 y + = 1 + 4 + = 0. 1 2 1 2 3 + 21 = 2 . 1 + 41 + 3 + 2 1 = 4 + 6 1 = 0.
1 = 2 ; 2 = 3 8 = 1 . 3 3 3
1 = 2 ; 2 = 3 4 = 5 . 3 3 3
Las dos cuaternas (x, y, 1, 2) que verifican el sistema cuando 1 0 y 2 0 son: (2, 1, 2/3, 1/3) y (1, 2, 2/3, 5/3). En consecuencia, los puntos (2, 1) y (1, 2) son candidatos a ser solucin local del problema de optimizacin. Si 1 0 y 2 = 0, de las dos primeras ecuaciones y de la penltima se obtiene:
3 2 1 x = 0 1 21 y = 0 1 ( x 2 + y 2 5) = 0.
1 =
y . 1 21 y = 1 2 y 23x = 1 6 x = 2 x 6 y = 0, x = 3 y. 2 x 2 + y 5 = (3 y ) 2 + y 2 5 = 10 y 2 5 = 0, y 2 = 1 . 2 3 2x 2
Las dos cuaternas (x, y, 1, 2) que verifican el sistema cuando 1 0 y 2 = 0 son: (3/ 2,1/ 2,1/ 2, 0) y (3/ 2, 1/ 2, 1/ 2, 0). El punto (3/ 2, 1/ 2) es candidato a ser solucin local del problema de optimizacin, pero el punto (3/ 2,1/ 2) no es factible: no verifica la segunda restriccin. Analizando ahora el signo de los multiplicadores: el punto (2, 1), con multiplicadores positivos, cumple las condiciones necesarias para ser candidato a mximo local. El punto (3/ 2, 1/ 2) , con un multiplicador negativo y otro igual a cero, cumple las condiciones necesarias para ser candidato a mnimo local. El punto (1, 2) no es candidato a extremo local porque sus multiplicadores tienen distinto signo. La funcin objetivo y las que definen las restricciones son de clase C2 sobre R2.
Condiciones suficientes a) Los puntos candidatos: (2, 1) y (3/ 2, 1/ 2) , son factibles y b) satisfacen las condiciones de KuhnTucker, con sus multiplicadores respectivos. c) Debemos estudiar la forma cuadrtica asociada a la matriz hessiana de la funcin lagrangiana en cada uno de estos puntos: 0 21 D 2 L ( x, y ) = . 0 21
En el punto (2, 1, 2/3, 1/3), de multiplicadores iguales a 2/3 y 1/3, la matriz hessiana es:
0 4 3 0 4 , 3 de forma cuadrtica asociada definida negativa. El punto (2, 1) es, por tanto, un mximo local del problema de optimizacin. En el punto (3/ 2, 1/ 2), de multiplicadores iguales a 1/ 2 y 0, la matriz hessiana es: 22 0 0 , 2 2
de forma cuadrtica asociada definida positiva. El punto (3/ 2, 1/ 2) es un mnimo local del problema de optimizacin.
EJERCICIO 61
57
........................................
maximizar x2 + y 2 2 con las restricciones: x + y 1, y x.
Resolver el problema de optimizacin con restricciones:
Febrero 2003, prueba presencial. Septiembre 2003, original. Incluye nota del Prof. Alberto A. lvarez. Comprobar las condiciones suficientes, por si hay algo errneo. Es decir: maximizar x2 + y 2 2 con las restricciones: x + y 1 0, x y 0.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues tanto la funcin objetivo: f (x, y) = x2 + y, como las que definen las restricciones: g1(x, y) = x2 + y2 1 y g2(x, y) = x y, son de clase C1 sobre R2 (de hecho, de clase C). h2) Nota del Profesor. La condicin de cualificacin de este problema se puede resolver con la misma tcnica que en el EJERCICIO 60. Condiciones necesarias de KuhnTucker
K1) Existen dos nmeros: 1 y 2, positivos o nulos (estamos maximizando), tal que 1g1(x, y) = 0, 2g2(x, y) = 0 y (x, y) es punto crtico de la funcin: L(x, y) = f (x, y) 1g1(x, y) 2g2(x, y).
K2) El lagrangiano del problema de optimizacin es la funcin: L(x, y) = f (x, y) 1g1(x, y) 2g2(x, y) = x2 + y 1(x2 + y2 1) 2(x y), que depende de los parmetros 1 y 2. La condicin necesaria viene dada por el sistema de ecuaciones:
Lx ( x, y ) = 2 x 2 1 x 2 = 0 Ly ( x, y ) = 1 2 1 y + 2 = 0 g1 ( x, y ) = x2 + y2 1 0 g 2 ( x, y ) = x y0 1 0 2 0 1 g1 ( x, y ) = 1 ( x 2 + y 2 1) = 0 2 ( x y ) = 0. 2 g 2 ( x, y ) =
Distingamos casos: Si 1 0 y 2 0, de las dos ltimas ecuaciones se deduce:

x2 + y2 1 = 0 x y = 0, x = y. x 2 + y 2 1 = y 2 + y 2 1 = 2 y 2 1 = 0, y 2 = 1 . 2
y1 =
1 2
; y2 =
1 2
Sustituyendo los dos pares de valores x e y en las dos primeras ecuaciones, para obtener los correspondientes de 1 y 2:
2 x 2 1 x 2 = 2 12 2 12 1 2 = 0 1 1 21 y + 2 = 1 2 2 1 + 2 = 0. 2
1 2
2
1 2
1 2
1 = 2 .
1 2 1 2 1 2 1 2
1 2
1 + 2 = 1 2
1 2
1 + 2
2 +2
2 = 2
1 2
1 = 2
1 2 1 2+ 2 4 2
2 =
1 2 1 8 4 2 2 4 2
=1 4
=
1 2 42 2 4 2
1 + 2
=
2 2 2 2
1 2
2 4 1 + 2 2 2 1 2
= 0 1 =
2+ 2 4
2 x 2 1 x 2 = 2 1 21 y + 2 = 1 + 2 2
1 2 = 0 1 + 2 = 0.
1 2
58
1 2
+2
1 2
1 2
1 = 2 .
1 2
1+ 2
1 + 2 = 1 + 2
1 2
1 2
1 2
1 2
+2
1 2
1 = 1 + 4
8 + 4 2 2 4 2
2 = 2
+2
1 2
1 = 2
+2
1 2 2 4 2
1 2 1 4 2 2 4 2
2
=
2 + 4 1 2 1 2 2 2 2 2 1 2 2 2
= 0 1 = .
2 2 4
Las dos cuaternas (x, y, 1, 2) que verifican el sistema cuando 1 0 y 2 0 son: ( 1/ 2, 1/ 2, (2 + 2 ) / 4, ( 2 1) / 2 ) y ( 1/ 2, 1/ 2, (2 2) / 4, ( 2 1) / 2 ). Descartado el punto ( 1/ 2, 1/ 2 ) porque sus multiplicadores tienen distinto signo, queda ( 1/ 2, 1/ 2 ) como candidato a solucin local del problema de maximizacin. Si 1 = 0 y 2 0, de las dos primeras ecuaciones y de la ltima se obtiene:
2 x 2 = 0 1 + 2 = 0 2 ( x y ) = 0. 2 = 2 x. 2 = 1 = 2 x, x = 1 . 2
x y = 1 y = 0, y = 1 . 2 2
La cuaterna (x, y, 1, 2) que verifica el sistema cuando 1 = 0 y 2 0 es: ( 1 , 1 ,0, 1) . El punto 2 2 ( 1 , 1 ) , con un multiplicador negativo, no cumple las condiciones para ser candidato a ser mximo 2 2 local. Si 1 0 y 2 = 0, de las dos primeras ecuaciones y de la penltima se obtiene:
2 x 2 1 x = 0 1 21 y = 0 1 ( x 2 + y 2 1) = 0. 2 x(1 1 ) = 0. Si x = 0 : 1 ( x 2 + y 2 1) = x 2 + y 2 1 = y 2 1 = 0, y 2 = 1. 1 21 y = 0, 1 = 21y . Si 1 = 1: 1 2 1 y = 1 2 y = 0, y = 1 . 2 1 ( x 2 + y 2 1) = x 2 + 1 1 = x 2 3 = 0, x 2 = 3 . 4 4 4 y1 = 1; y2 = 1.
Las cuatro cuaternas (x, y, 1, 2) que verifican el sistema cuando 1 0 y 2 = 0 son: (0, 1, 1/2, 0), (0, 1, 1/2, 0), ( 3/ 2 , 1/2, 1, 0) y ( 3/ 2 , 1/2, 1, 0). En consecuencia, los puntos
(0, 1), ( 3/ 2 , 1/2) y ( 3/ 2 , 1/2) son candidatos a ser solucin local del problema de optimizacin, descartando el punto (0, 1). En resumen: los puntos ( 1/ 2, 1/ 2 ), (0, 1), ( 3/ 2 , 1/2) y ( 3/ 2 , 1/2), con multiplicadores positivos o iguales a cero, cumplen las condiciones necesarias para ser candidatos a mximo local. La funcin objetivo y las que definen las restricciones son de clase C2 sobre R2. Condiciones suficientes a) Los puntos candidatos: ( 1/ 2, 1/ 2 ), (0, 1), ( 3/ 2 , 1/2) y ( 3/ 2 , 1/2), son factibles y b) satisfacen las condiciones de KuhnTucker, con sus multiplicadores respectivos. c) Debemos estudiar la forma cuadrtica asociada a la matriz hessiana de la funcin lagrangiana en cada uno de estos puntos: 0 2 2 1 D 2 L( x, y ) = . 0 21
En el punto (1/ 2,1/ 2 ), de multiplicadores iguales a (2 + 2) / 4 y ( 2 1) / 2 , la matriz hessiana
es:
2 2 2 +4 2 0 0 = 2+ 2 2 4
8 4 2 2 4
0
2 2 2
2 2 2 = 0
0
2 2 2
de forma cuadrtica asociada indefinida. El punto (2, 1) es, por tanto, un punto de silla.
En el punto (0, 1), de multiplicadores iguales a 1/2 y 0, la matriz hessiana es:
2 2 1 2 0
59
0 1 0 , = 2 1 0 1 2
de forma cuadrtica asociada indefinida. El punto (0, 1) es, por tanto, un punto de silla.
En los puntos ( 3/ 2 , 1/2) y ( 3/ 2 , 1/2), de multiplicadores iguales a 1 y 0, la matriz hessiana es:
0 0 0 2
de forma cuadrtica asociada semidefinida negativa, por lo que debemos continuar el estudio para los puntos ( 3/ 2 , 1/2) y ( 3/ 2 , 1/2). [...]
EJERCICIO 62
........................................
x + 2y minimizar con las restricciones: xy 1, x y 2, x 0.
Febrero 2004, segunda semana, original.
2.2.5. Restricciones de igualdad y de desigualdad EJERCICIO 63
........................................
maximizar con las restricciones: y x2 x 0, y 0, 2 x + y 2 = 4.
Publicado por F. Pascual, G. Romero y A. Salas. Vase el EJEMPLO 8 en el apartado 2.2.3 (Ejemplos de aplicacin de las condiciones de KuhnTucker) de la Unidad Didctica. Relacionado con el EJEMPLO 13 en el apartado 2.2.4 (Problemas de minimizacin). Es decir: maximizar con las restricciones: y x2 x 0, y 0, x 2 + y 2 4 = 0.
Hiptesis que aseguran las condiciones necesarias h1) Se verifica la hiptesis de regularidad, pues las funciones que intervienen en el problema: n f (x, y) = y x2, h(x, y) = x2 + y2 4, g1(x, y) = x y g2(x, y) = y, son de clase C sobre R . h2) Las restricciones del problema satisfacen la condicin de cualificacin en todo punto factible (x, y): Si x > 0 e y > 0, ninguna de las dos restricciones de desigualdad est saturada en (x, y), y tan slo debemos comprobar que el gradiente en (x, y) de la funcin que define la restriccin de igualdad es no nulo; se tiene: h(x, y) = (2x, 2y), y este ltimo vector slo se anula en el punto (0, 0). Las restricciones estn, pues, cualificadas en todo punto factible (x, y) con x e y positivos. Si x = 0, entonces: y2 = 4 e y 0, de donde: y = 2, y el punto (0, 2) es el nico factible en el que est saturada la primera restriccin de desigualdad. Las restricciones del problema estn cualificadas en el punto (0, 2), pues en este punto la segunda restriccin de desigualdad no est saturada y los gradientes de las funciones h y g1 son vectores linealmente independientes: h(0, 2) = (0, 4) y g1(0, 2) = (1, 0). Anlogamente, el punto (2, 0) es el nico en el que est saturada la segunda restriccin de desigualdad; en este punto tambin estn cualificadas las restricciones del problema de optimizacin. Finalmente, el nico punto en el que ambas restricciones de desigualdad se satisfacen simultneamente con igualdad es (0, 0), pero este no es un punto factible. Condiciones necesarias de KuhnTucker El lagrangiano del problema es la funcin:
60
L(x, y) = f (x, y) 1g1(x, y) 2g2(x, y) h(x, y) = y x2 + 1x + 2y (x2 + y2 4),

que depende de los parmetros 1, 2 y (los dos primeros por las restricciones de desigualdad; el tercero, por la de igualdad). Busquemos las quntuplas (x, y, 1, 2, ) para las que se verifica:
L'x(x, y) = 0, L'y(x, y) = 0, g1(x, y) 0, g2(x, y) 0, h(x, y) = 0, 1 0, 2 0, g1(x, y) 1 = 0, g2(x, y) 2 = 0,

es decir: 2x + 1 2x = 0, 1 + 2 2y = 0, x 0, y 0, x2 + y2 = 4, 1 0, 2 0, x1 = 0, y2 = 0. Distingamos casos: Si x 0 e y 0, de las dos ltimas ecuaciones se deduce: 1 = 2 = 0, y con las dos primeras se obtiene: y = 1/2, en contradiccin con que y debe ser positivo o nulo. No hay, pues, puntos (x, y) con
ambas componentes no nulas que satisfagan las condiciones necesarias. Si x = 0, entonces y = 2 (como se deduce de: x2 + y2 = 4 e y 0), y se obtiene: 1 = 2 = 0 y = 1/4. * El punto (0, 2) satisface, pues, las condiciones necesarias, con los multiplicadores: 1* = 2 = 0 y * = 1/4. Si y = 0, entonces x = 2; pero de la segunda ecuacin se deduce: 2 = 1, en contradiccin con que 2 debe ser positivo o nulo. En conclusin, el punto (0, 2) es el nico de R2 que es posible sea solucin local del problema. Si hubiramos considerado el problema de optimizacin:
(Q) minimizar con las restricciones: y x2 x 0, y 0, x 2 + y 2 = 4.
* comprobaramos que el punto desechado anteriormente: (2, 0), con los multiplicadores: 1* = 0, 2 = 1 y * = 1, satisface las condiciones necesarias de solucin local del problema (Q). Este punto es, pues, otro candidato a ser solucin local de (Q).
Cualquier punto de R2 distinto de (2, 0) y de (0, 2) no es solucin local del problema (Q). La funcin objetivo y las que definen las restricciones son de clase C2 sobre R2. Condiciones suficientes a) El punto candidato: (0, 2), es factible y
* b) satisface las condiciones de KuhnTucker, con los multiplicadores: 1* = 2 = 0 y * = 1/4.
c) En el punto (0, 2), de multiplicador * = 1/4, la matriz hessiana de la funcin L correspondiente es: 2 2 D 2 L( x, y ) = 0 0 2 2 1 4 = 0 2 0 5 0 = 2 1 , 2 4 0 1 2
61
de forma cuadrtica asociada definida negativa. El punto (0, 2) satisface tambin la condicin del apartado (c) de la condicin suficiente y, en conclusin, es un mximo local del problema de optimizacin.
2.3. Programacin lineal EJERCICIO 64
........................................
minimizar z = x1 3x2 con las restricciones: x1 + 2x2 8 x1 + x2 6 x1, x2 0.
Calclense las soluciones bsicas factibles del problema de programacin lineal:
Cul de ellas minimiza la funcin objetivo?

Febrero 2001, prueba presencial. Publicado por G. Romero y A. Salas.
EJERCICIO 65
........................................
minimizar z = x1 x2 con las restricciones: x1 x2 x3 = 1 x1 + x2 + 2x3 x4 = 1 x1, x2, x3, x4 0.
Resulvase mediante las tablas del smplex el problema:
Febrero 2001, examen reserva.
62
EJERCICIO 66
........................................
minimizar z = x1 3x2 con las restricciones: x1 + 2x2 6 x1 + x2 2 x1, x2 0.
Resulvase grficamente el siguiente problema de programacin lineal:
Febrero 2001, prueba presencial. Septiembre 2001, examen reserva.
EJERCICIO 67
........................................
Consideremos el problema de programacin lineal: maximizar z = x1 + x3 con las restricciones: x1 + 2x2 + 7x3 4 x1 + 3x2 + x3 5 x1, x2, x3 0. a) Resulvalo mediante el algoritmo del smplex. b) Determinar, a partir de la ltima tabla del smplex calculada en el apartado anterior, la solucin ptima del nuevo problema que resulta al incorporar al problema inicial la restriccin: x1 + 3x2 + 8x3 4. Realizar un estudio anlogo si, en vez de la restriccin anterior, incorporamos la restriccin: x1 + 3x2 + 8x3 3.
Septiembre 2001, examen reserva.
EJERCICIO 68
........................................
Dado el problema: maximizar z = 2x1 x2 4x3 con las restricciones: 2x1 + x2 3x3 8 x1 3x2 2x3 7 x1, x2, x3 0. a) Resolverlo mediante el algoritmo dual del smplex. b) Escribir su dual y encontrar su solucin ptima a partir de la tabla final obtenida en a).
Febrero 2001, prueba presencial.
EJERCICIO 69
........................................
Dado el problema: maximizar z = 2x1 3x2 4x3 con las restricciones: x1 2x2 x3 3 2x1 + x2 3x3 4 x1, x2, x3 0. a) Resulvalo mediante el algoritmo dual del smplex. b) Escriba su dual y encuentre su solucin ptima a partir de la tabla final obtenida en a).
Septiembre 2001, prueba presencial.
63
EJERCICIO 70
........................................
Plantas P1 C1 Compaas C2 C3 2 2,5 3 P2 2 4 3,5 P3 4 4,5 3,5
Un fabricante de muebles tiene tres plantas de produccin que requieren semanalmente 500, 700 y 600 toneladas de madera. El fabricante puede comprar semanalmente la madera a 3 compaas madereras que, por otros compromisos adquiridos, no pueden surtirle ms de 600, 900 y 500 toneladas por semana, respectivamente. Si la siguiente tabla recoge el costo (en millones de pesetas) del transporte de una tonelada de madera desde cada compaa maderera a cada planta:
Cul es la formulacin matemtica del problema si se desea encontrar el patrn semanal que minimice el costo total del transporte?
3. Matrices positivas 3.1. Matrices productivas EJERCICIO 71
........................................
2/3 3 A= 1/ 4 1/ 4 y B= 0 1/ 2 .
Determinar para qu valores de los parmetros reales y son productivas las siguientes matrices:
Febrero 2004, segunda semana, original. Publicado por F. Pascual. Vanse los EJERCICIOS DE AUTOEVALUACIN 3 y 4 en el apartado correspondiente del Captulo 3 (Matrices positivas) de la Unidad Didctica.
Determinar para qu valores del parmetro real es productiva la matriz A Una condicin necesaria y suficiente para que una matriz real A (cuadrada y positiva) sea productiva es que I A sea invertible y que su inversa: (I A)1, sea positiva. La matriz I A es: 1 0 2/3 3 1 3 I A= = 0 1 1/ 4 Calculamos (I A)1. Se tiene: IA =
64
3 3 . 4
1 3
1 ( I A)t = 3 3 3 . 4 3 4 3 3 4 3 Adj ( I A)t 1 112 1 ( I A) = = 1123 = 4 IA 112 4 = 1 3 = 112 . 4 4
3 Adj ( I A)t = 4
12 112 4 3(112 )
3 . 1 3
La matriz I A ser invertible si 1/12 y su inversa (I A)1 ser positiva si 0 < 1/12. Por tanto, la matriz A ser productiva si y slo si 0 < 1/12. Determinar para qu valores del parmetro real es productiva la matriz B Una condicin necesaria y suficiente para que una matriz real B (cuadrada y positiva) sea productiva es que I B sea invertible y que su inversa: (I B)1, sea positiva. La matriz I B es: 1 0 I B= 0 1 Calculamos (I B)1. Se tiene: I B = 3 0 1 ( I B )t = 4 . Adj ( I B )t = 2 3 . 1 0 1 2 2 0 4 1 2 t Adj ( I B ) 0 3 4 83 ( I B ) 1 = = 3 4 = 3 . I B 0 2 8
3 4 3 = 8.
1/ 4 0 1/ 2
3 4 = 0 1 2
La matriz I B es invertible, y su inversa (I B)1 ser positiva si 0. Por tanto, la matriz B ser productiva si y slo si es mayor o igual que cero.
EJERCICIO 72
........................................
1/ 2 1 1/ 3
La matriz:
es productiva para (slo una de las cuatro opciones es correcta): a) = 1/4, b) = 1/3, c) = 1/2, d) = 1.
Vase el EJERCICIO DE AUTOEVALUACIN 1 en el apartado correspondiente del Captulo 3 (Matrices positivas) de la Unidad Didctica.
Una condicin necesaria y suficiente para que una matriz real A (cuadrada y positiva) sea productiva es que I A sea invertible y que su inversa: (I A)1, sea positiva. La matriz I A es: 1 0 1/ 2 1 2 I A= = 0 1 1 1/ 3 1 2 3 Calculamos (I A)1. Se tiene: IA = 1
1 2
2 3
1 1 ( I A)t = 2 . 2 3 2 3 1 1 2 t Adj ( I A) 3 ( I A) 1 = = 13 2 = 13 IA 13 3
3 = 1 = 13 . 3
2 Adj ( I A)t = 3 1 . 1 2
3 1 3 3 2(1 3 )
65
La matriz I A ser invertible si 1/3 y su inversa (I A)1 ser positiva si 0 < 1/3. La matriz A ser productiva si y slo si 0 < 1/3, por lo que la opcin correcta para responder a la pregunta del ejercicio es la (a): = 1/4.
EJERCICIO 73
........................................
1/ 2 0 1/16 A = 1 1/ 2 0 , 1 1/ 2 0
La matriz de coeficientes tcnicos:
es productiva. Verificar que I A es invertible y que (I A)1 es positiva.

Vase el EJEMPLO 9 en el apartado 3.3.2 (Caracterizacin de las matrices productivas) de la Unidad Didctica. Relacionado con el EJEMPLO 6 en el apartado 3.3.1 (Definicin de matriz productiva. Ejemplos) y con el EJEMPLO 1 en el 3.2 (Matrices positivas y modelos lineales de produccin).
La matriz I A es: 1/ 2 0 1/16 I A = 1 1/ 2 0 1 1/ 2 0 ,
y su rango es igual a 3 (como se comprueba con facilidad), y por tanto, es invertible.
Calculamos (I A)1. Se tiene:

1/ 2 0 1/16 1 1 1 0 = = . I A = 1 1/ 2 8 16 16 1 1/ 2 0 1/ 2 ( I A)t = 0 1/16 1/ 4 1/16 1/ 2 1/ 4 1 1/ 2 t Adj ( I A) = ( I A) 1 = 1 IA 16 1 0 1/ 4 1/16 1/ 32 1/ 2 1 . Adj ( I A)t = 1/ 2 1/ 4 1/16 . 1 1/ 2 1/ 4 0 1/ 2 1/ 32 1/16 4 1 1/ 2 1/ 4 = 8 4 1 . 16 8 4
Se verifica que (I A)1 O.

3.2. Conjuntos autnomos EJERCICIO 74
........................................
A= 1/ 2 0 a 5/9 1/ 2 1/ 3 0 0 0 0 1/ 6 0 0 0 0 1/ 4 0 0 0 0 3/ 8 1/ 5 1/ 3 1/ 2 1/ 9 , con a 0,
Consideremos la matriz real positiva:
e interpretemos A como la matriz de coeficientes tcnicos de una estructura productiva. Escribir por extensin los conjuntos M(i), 1 i 5.
66
Septiembre 2002, prueba presencial. Vase el EJERCICIO RECOMENDADO 13 en el apartado correspondiente del Captulo 3 (Matrices positivas) de la Unidad Didctica.
Dado el bien i, denotaremos por M(i) el conjunto formado por el bien i y los bienes que participan directa o indirectamente en la produccin del bien i. Veamos a continuacin el desarrollo del algoritmo que nos permitir escribir cada conjunto M(i). M(1) Primero escribiremos el bien 1 y lo enlazaremos con aquellos bienes directamente necesarios para producirlo: D(1) = {1, 2}, excluyendo el propio bien 1: 1 2. Posteriormente, enlazamos cada uno de los bienes del paso anterior (salvo el bien 1) con los a su vez necesarios para su produccin: D(2) = {2}, siempre que no hayan sido escritos todava. Continuamos hasta terminar de anotar los bienes indirectamente necesarios en la produccin del bien 1. Como tanto 1 como 2 ya han sido escritos, el algoritmo termina y el conjunto M(1) es el formado por los bienes 1 y 2: M(1) = {1, 2}. M(2) Como D(2) = {2}, el algoritmo termina y M(2) = {2}. Deducimos que slo el bien 2 es necesario, directa o indirectamente, en la produccin del bien 2. M(3) Escribimos el bien 3 y lo enlazamos con los bienes necesarios para producirlo: D(3), excluyendo el propio bien 3: Si a = 0, D(3) = {3}, el algoritmo termina y M(3) = {3}.
Si a > 0, D(3) = {1, 3}, el algoritmo enlazara el bien 3 con el 1 y, a su vez, ste con los necesarios
para su produccin: D(1) = {1, 2}, salvo el bien 1, que ya ha sido escrito: 3 1 2. Por tanto, en el caso de que a > 0, el conjunto formado por el bien 3 y los bienes que son, directa o indirectamente, necesarios para producir el bien 3 es: M(3) = {1, 2, 3}. M(4) Por ser D(4) = {1, 4}, escribimos: 4 1, y por ser D(1) = {1, 2} enlazamos 1 con 2: 4 1 2. El algoritmo termina, y M(4) = {1, 2, 4}. M(5) Como D(5) = {1, 2, 3, 4, 5}, se obtiene que M(5) = {1, 2, 3, 4, 5}.
EJERCICIO 75
........................................
1 1/ 2 0 A= 0 1 2 , 0 0 1/ 2
e interpretemos A como la matriz de coeficientes tcnicos de una estructura productiva, siendo {1, 2, 3} el conjunto de los bienes. Determinar los productos fundamentales para la matriz A.
67
Se tiene los conjuntos de bienes directamente necesarios en la produccin: D(1) = {1}, M(1) = {1}, D(2) = {1, 2} y M(2) = {1, 2} y D(3) = {2, 3}, M(3) = {1, 2, 3}. y se obtiene los conjuntos de bienes que participan directa e indirectamente en dicha produccin: Un bien es producto fundamental para A si pertenece a todos los conjuntos M(1), M(2) y M(3); como la interseccin de estos tres conjuntos es igual a {1}: {1} {1, 2} {1, 2, 3} = {1}, el bien 1 es el nico producto fundamental.
EJERCICIO 76
........................................
1/ 3 A= , 1 1/ 4
Determinar los productos fundamentales de la siguiente matriz de coeficientes tcnicos:
donde 0.
Febrero 2004, primera semana, original.
Si = 0, se tiene:
D(1) = {1, 2} y y se obtiene: M(1) = {1, 2} y
D(2) = {2}, M(2) = {2}.
Un bien es producto fundamental para A si pertenece a todos los conjuntos M(1) y M(2); como la interseccin de estos dos conjuntos es igual a {2}, el nico producto fundamental cuando = 0 es el bien 2.
Si > 0, se tiene:
D(1) = {1, 2} y y se obtiene: M(1) = {1, 2} y
D(2) = {1, 2}, M(2) = {1, 2}.
Como la interseccin de estos dos conjuntos es igual a {1, 2}, todos los bienes son productos fundamentales cuando > 0.
EJERCICIO 77
........................................
0 1 0 1/ 2 A= 0 a 1/ 3 1/ 3 0 a 0 1/ 2 , 0 0 1 0 a 0,
Consideremos la matriz real
e interpretemos A como la matriz de coeficientes tcnicos de una estructura productiva. Encontrar el conjunto de productos fundamentales para la matriz A.
Septiembre 2003, reserva.
Supongamos en primer lugar que a = 0. Se tiene:
D(1) = {1, 4}, y se obtiene: M(1) = {1, 2, 4},

68
D(2) = {2, 4},
D(3) = {4} y
D(4) = {2}, M(4) = {2, 4}.
M(2) = {2, 4},
M(3) = {2, 3, 4} y
Un bien es producto fundamental para A si pertenece a todos los conjuntos M(1), M(2), M(3) y M(4); como la interseccin de estos cuatro conjuntos es igual a {2, 4}, los productos fundamentales cuando a = 0 son el bien 2 y el bien 4.
Si a > 0, se tiene:
D(1) = {1, 3, 4}, y se obtiene: M(1) = {1, 2, 3, 4},
D(2) = {2, 4},
D(3) = {4} y D(4) = {1, 2}, M(4) = {1, 2, 3, 4}.
M(2) = {1, 2, 3, 4}, M(3) = {1, 2, 3, 4} y
Como la interseccin de estos cuatro conjuntos es igual a {1, 2, 3, 4}, todos los bienes son productos fundamentales cuando a > 0.
EJERCICIO 78
........................................
1/ 2 1/ 5 A = 1/ 3 1/ 4 , 0 1/ 2
Determinar los productos fundamentales de la siguiente matriz de coeficientes tcnicos:
donde , son nmeros reales positivos (mayores o iguales que cero).

Febrero 2004, primera semana, original.
Si = 0 y = 0, se tiene:
D(1) = {1, 2, 3}, y se obtiene: M(1) = {1, 2, 3},
D(2) = {1} y
D(3) = {2}, M(3) = {1, 2, 3}.
M(2) = {1, 2, 3} y
Un bien es producto fundamental para A si pertenece a todos los conjuntos M(1), M(2) y M(3); como la interseccin de estos tres conjuntos es igual a {1, 2, 3}, todos los bienes son productos fundamentales cuando = 0 y = 0.
Si > 0 y = 0, se tiene:
D(1) = {1, 2, 3}, y se obtiene: M(1) = {1, 2, 3},
D(2) = {1, 2} y
D(3) = {1, 2}, M(3) = {1, 2, 3}.
M(2) = {1, 2, 3} y
Como la interseccin de estos tres conjuntos es igual a {1, 2, 3}, todos los bienes son productos fundamentales cuando > 0 y = 0.
Si = 0 y > 0, se tiene que cambia D(2), que ahora es igual a {1, 3}, y tambin D(3), que resulta igual a
{2}. Los restantes conjuntos D( j) y M( j) siguen siendo los mismos que en el caso anterior, por lo que todos los bienes son productos fundamentales cuando = 0 y > 0.
Si > 0 y > 0, ahora D(2) = {1, 2, 3} y D(3) = {1, 2}, mantenindose los restantes conjuntos D( j) y
M( j), por lo que todos los bienes son productos fundamentales cuando > 0 y > 0.
EJERCICIO 79
........................................
1 1/ 2 b A= a 1 2 , 0 0 1/ 2 con a 0 y b 0,
69
e interpretemos A como la matriz de coeficientes tcnicos representante de una estructura productiva, siendo {1, 2, 3} el conjunto de los bienes. Determinar los productos fundamentales para la matriz A en funcin del valor de los parmetros a y b.
Febrero 2005, segunda semana.
Si a = 0 y b = 0, se tiene:
D(1) = {1}, y se obtiene: M(1) = {1},
D(2) = {1, 2} y M(2) = {1, 2} y
D(3) = {2, 3}, M(3) = {1, 2, 3}.
Un bien es producto fundamental para A si pertenece a todos los conjuntos M(1), M(2) y M(3); como la interseccin de estos tres conjuntos es igual a {1}, el nico producto fundamental cuando a = 0 y b = 0 es el bien 1.
Si a > 0 y b = 0, se tiene:
D(1) = {1, 2}, y se obtiene: M(1) = {1, 2},
D(2) = {1, 2} y M(2) = {1, 2} y
D(3) = {2, 3}, M(3) = {1, 2, 3}.
Como la interseccin de estos tres conjuntos es igual a {1, 2}, los productos fundamentales cuando a > 0 y b = 0 son el bien 1 y el bien 2.
Si a = 0 y b > 0, se tiene que cambia D(1), que ahora vuelve a ser igual a {1}; M(1), que toma el valor
{1}; y tambin D(3), que resulta igual a {1, 2, 3}. Los restantes conjuntos D( j) y M( j) siguen siendo los mismos que en el caso anterior y la interseccin de los tres conjuntos M( j) es igual a {1}, por lo que el nico producto fundamental cuando a = 0 y b > 0 es el bien 1.
Si a > 0 y b > 0, ahora D(1) = {1, 2} y M(1) = {1, 2}, mantenindose los restantes conjuntos D( j) y
M( j), por lo que los productos fundamentales cuando a > 0 y b > 0 son el bien 1 y el bien 2.
3.3. Matrices indescomponibles EJERCICIO 80
........................................
1 a 1 A= 0 2 b 1 0 1 , a 0, b 0.
Consideremos la matriz real:
e interpretemos A como la matriz de coeficientes tcnicos de una estructura productiva. Encontrar los valores de los parmetros a y b para los que A es indescomponible.
Septiembre 2003, original.
De una matriz real A cuadrada de orden 3 y positiva diremos es indescomponible (o irreducible) si el nico conjunto autnomo que admite es: S = {1, 2, 3}.
Si a = 0 y b = 0, se tiene:
D(1) = {1, 3}, y se obtiene: M(1) = {1, 3},
D(2) = {2} y M(2) = {2} y
D(3) = {1, 3}, M(3) = {1, 3}.
El conjunto de todos los bienes: {1, 2, 3}, no es, pues, el nico conjunto autnomo para la matriz A: sta no es indescomponible cuando a = 0 y b = 0. Recordar que S = {1, 2, 3} es autnomo por definicin.
Si a > 0 y b = 0, se tiene:
D(1) = {1, 3}, y se obtiene: M(1) = {1, 3},

70
D(2) = {1, 2} y M(2) = {1, 2, 3} y
D(3) = {1, 3}, M(3) = {1, 3}.
El conjunto de todos los bienes: {1, 2, 3}, no es el nico conjunto autnomo para la matriz A: sta no es indescomponible cuando a > 0 y b = 0.
Si a = 0 y b > 0, se tiene:
D(1) = {1, 3}, y se obtiene: M(1) = {1, 2, 3},
D(2) = {2} y M(2) = {2} y
D(3) = {1, 2, 3}, M(3) = {1, 2, 3}.
El conjunto de todos los bienes: {1, 2, 3}, no es el nico conjunto autnomo para la matriz A: sta no es indescomponible cuando a = 0 y b > 0.
Si a > 0 y b > 0, se tiene:
D(1) = {1, 3}, y se obtiene: M(1) = {1, 2, 3},
D(2) = {1, 2} y
D(3) = {1, 2, 3}, M(3) = {1, 2, 3}.
M(2) = {1, 2, 3} y
Ahora el conjunto de todos los bienes: {1, 2, 3}, es el nico conjunto autnomo para la matriz A: sta es indescomponible cuando a > 0 y b > 0.
EJERCICIO 81
........................................
2 3 0 A = 0 1 3 , 4 0 2
Dada la matriz real:
se verifica (slo una de las cuatro opciones es correcta): a) {3} es autnomo para A; b) {2, 3} es autnomo para A; c) la matriz A es indescomponible; d) {1, 3} es autnomo para A.
El conjunto T = {3} no es autnomo para A, pues por ejemplo:
2 S T, 3 T y a23 0, donde S = {1, 2, 3}.

El conjunto V = {2, 3} no es autnomo para A, pues por ejemplo:
1 S V, 2 V y a12 0.
Veamos ahora si la matriz A es indescomponible. Se tiene:
D(1) = {1, 3}, y se obtiene: M(1) = {1, 2, 3},

71
D(2) = {1, 2} y M(2) = {1, 2, 3} y
D(3) = {2, 3}, M(3) = {1, 2, 3}.
El conjunto de todos los bienes: {1, 2, 3}, es el nico conjunto autnomo para la matriz A: sta es indescomponible, por lo que la opcin correcta para responder a la pregunta del ejercicio es la (c).
EJERCICIO 82
........................................
1 a 1 A= , b 0
Dada la matriz real positiva:
cualesquiera que sean los nmeros a < 1 y b > 0 se verifica (slo una de las cuatro opciones es correcta): a) {1, 2} no es autnomo para A; b) {1} es autnomo para A; c) A es indescomponible; d) {2} es autnomo para A.
El conjunto S = {1, 2} es autnomo para A, por definicin. El conjunto T = {1} es autnomo para A, pues:
2 S T, 1 T y a21 = 0, por lo que la opcin correcta para responder a la pregunta del ejercicio es la (b).
3.4. Teorema de Frobenius EJERCICIO 83
........................................
Se considera el modelo de produccin lineal con dos bienes, b1 y b2, siguiente: con 280 unidades del bien b1 y 12 unidades del bien b2 se obtienen 575 unidades del bien b1, y con 240 unidades del bien b1 y 16 unidades del bien b2 se obtienen 40 unidades del bien b2. Se pide: a) hallar la matriz A de coeficientes tcnicos; b) estudiar si la matriz A es productiva; c) estudiar si las matrices A y At son indescomponibles; d) calcular la tasa de ganancia uniforme mxima.
Vase el EJERCICIO RECOMENDADO 19 en el apartado correspondiente del Captulo 3 (Matrices positivas) de la Unidad Didctica.
Solucin. a) La matriz de coeficientes tcnicos es:
280 / 575 240 / 40 A= 12 / 575 16 / 40 b) Se tiene:

1 0 I A= 0 1
56 /115 6 = 12 / 575 2 / 5
.
,
56 /115 6 12 / 575 2 / 5
59 /115 6 = 12 / 575 3/ 5
y esta ltima matriz es invertible; su inversa es:
72
59 /115 6 12 21 = 59 3 6 575 = 177 72 = 105 = 115 . 575 575 12 / 575 3/ 5 115 5 6 59 /115 12 / 575 3/ 5 ( I A)t = . . Adj ( I A)t = 6 3/ 5 12 / 575 59 /115 6 3/ 5 12 / 575 59 /115 3115 6115 23 230 t Adj ( I A) = 521 21 7 7 = ( I A) 1 = 12115 59115 = 4 59 21 IA 57521 11521 35 21 115 IA =
que es positiva. Las matrices A y At son, pues, productivas. c) Las matrices A y At son indescomponibles por ser estrictamente positivas. d) A es productiva e irreducible. Podemos entonces aplicar a la matriz At el teorema de Frobenius. Existe, pues, un nmero positivo (nmero de Frobenius), y existe una matriz columna P, estrictamente positiva, tal que: P = At P. Esta igualdad es equivalente a: (1/ ) P = At P, o bien (con la notacin: P = ( pi)): (1/ ) p1 = (56 /115) p1 + (12 / 575) p2 , (1/ ) p = 6 p + (2 / 5) p . 2 1 2
Haciendo: p1 = 1 (fijando, pues, el bien b1 como numerario), resulta: (1/ ) = (56 /115) + (12 / 575) p2 , (1/ ) p = 6 + (2 / 5) p . 2 2 Multiplicando la primera ecuacin por p2 e igualando con la segunda, tras operar se obtiene la ecuacin de segundo grado:
2 (1/ ) p2 = (56 /115) p2 + (12 / 575) p2 , (1/ ) p2 = 6 + (2 / 5) p2 . 2 (56 /115) p2 + (12 / 575) p2 = 6 + (2 / 5) p2 .
(1)
12 2 56 2 12 2 56 46 12 2 2 2 p2 + p2 p2 6 = p2 + p2 6 = p2 + p2 6 = 12 p2 + 50 p2 6 575 = 0. 575 115 5 575 115 575 23
Resolviendo dicha ecuacin:

p2 = 50 2.500 + 4 12 3450 50 2.500 + 165.600 50 410 25 205 = = = , 24 24 24 12 25 + 205 180 = = 15 12 12 25 205 230 115 = = . 12 12 6
donde p2 toma los valores:

y
Como la ltima solucin es negativa, debe descartarse. En conclusin, la matriz de precios es:
p 1 P= 1 = . p2 15
Finalmente, de la segunda ecuacin de (1) se deduce: (1/ ) p2 = (240 / 40) + (16 / 40) p2 . (1/ ) 15 = (240 / 40) + (16 / 40) 15 = 6 + 6. 1/ = 12 /15. = 5 / 4. , La tasa de ganancia uniforme mxima: r es tal que: 1 + r = , y por tanto: r= 5 1 = 0, 25. 4
Podemos afirmar que la tasa de ganancia uniforme mxima es de un 25%.

EJERCICIO 84
........................................
a 1/ 4 A= 1 1/ 2 ,
a 0,
Consideremos la matriz real positiva

73
e interpretemos A como la matriz de coeficientes tcnicos de una estructura productiva, siendo {1, 2} el conjunto de los bienes. a) Estudiar para qu valores del parmetro a la matriz A es productiva. b) Si a = 1/4, calcular el nmero de Frobenius de la matriz At.
Febrero 2002, prueba presencial. Septiembre 2002, examen reserva. Febrero 2003, prueba presencial. Septiembre 2004, prueba presencial. Publicado por C. Muoz, F. Pascual y S. Rosell. Incluye correcciones del Prof. Alberto A. lvarez.
Nota del Profesor. Lo mejor para calcular la inversa de una matriz cuadrada de orden dos es esto: dividir por el determinante la matriz que resulta de permutar entre s los trminos de la diagonal principal y cambiar de signo los de la otra diagonal. Si la matriz es:
a b c d ,
para calcular su inversa (supuesto que existe) dividimos por su determinante esta matriz:
d b c a .
Estudiar para qu valores del parmetro a la matriz A es productiva Una condicin necesaria y suficiente para que una matriz real A (cuadrada y positiva) sea productiva es que I A sea invertible y que su inversa: (I A)1, sea positiva. Si la matriz I A no es invertible, hemos terminado: la matriz A no es productiva. Si la matriz I A es invertible, an no podemos afirmar nada sobre si A es productiva o no, pues debemos calcular tal inversa; si esta inversa es positiva, la matriz A es finalmente productiva, y si tal inversa no es positiva, la matriz A no es productiva.
La matriz I A es:
1 0 a 1/ 4 1 a 1/ 4 I A= = . 0 1 1 1/ 2 1 1/ 2

IA = 1 a 1/ 4 1 a 1 2 2a 1 1 2a 1 a 1 1/ 2 1/ 4 . ( I A)t = . Adj ( I A)t = = = = . 1 1/ 2 1/ 4 1/ 2 2 4 4 4 1 1 a 1/ 2 1/ 4 2 1 Adj ( I A)t 1 1 a 1 2a 1 2a 1 ( I A) = = = . 1 2a 4(1 a ) IA 4 4 1 2a 1 2a
La matriz I A ser invertible si a 1/2 y su inversa (I A)1 ser positiva si 0 a < 1/2. Por tanto, la matriz A ser productiva si y slo si 0 a < 1/2. Si a = 1/4, calcular el nmero de Frobenius de la matriz At
1/ 4 1 At = . 1/ 4 1/ 2
Para a = 1/4, sabemos que A es productiva y tambin indescomponible, pues es estrictamente positiva. Podemos entonces aplicar a la matriz At el teorema de Frobenius. Existe, pues, un nmero positivo (nmero de Frobenius), y existe una matriz columna P, estrictamente positiva, tal que: P = At P. Esta igualdad es equivalente a: (1/ ) P = At P, o bien (con la notacin: P = ( pi)):
(1/ ) p1 = (1/ 4) p1 + p2 , (1/ ) p = (1/ 4) p + (1/ 2) p . 2 1 2

Haciendo: p1 = 1 (fijando, pues, el bien b1 como numerario), resulta:
74
(1/ ) = (1/ 4) + p2 , (1/ ) p = (1/ 4) + (1/ 2) p . 2 2

Multiplicando la primera ecuacin por p2 e igualando con la segunda, tras operar se obtiene la ecuacin de segundo grado:
2 (1/ ) p2 = (1/ 4) p2 + p2 , (1/ ) p2 = (1/ 4) + (1/ 2) p2 . 2 (1/ 4) p2 + p2 = (1/ 4) + (1/ 2) p2 . 2 2 (1/ 4) p2 + p2 (1/ 4) (1/ 2) p2 = p2 (1/ 4) p2 (1/ 4) = 0.
(2)

p2 =
1 4
1 16
+ 4 1 4
1 4
17 16
1 4
17 16
= 1 1 17, 8 8

1 + 17 1 17 y . 8 8
p P= 1 = p2
Finalmente, de la segunda ecuacin de (2) se deduce:
1+ 17 8
1 .
(1/ ) p2 = (1/ 4) + (1/ 2) p2 . (1/ ) 1+ 817 = 1 + 1 1+ 817 = 5+1617 . 4 2 (1/ ) =

5 + 17 16 1+ 17 8
5 + 17 2(1+ 17 )
. =
2(1+ 17 ) 5 + 17
, El nmero de Frobenius para At: es igual a
2(1+ 17 ) 5 + 17
= 1,12.
EJERCICIO 85
........................................
a 2/5 A= , 1/ 5 1/ 5 con a 0,
Considrese la siguiente matriz real positiva:
que interpretamos como la matriz de coeficientes tcnicos representante de una estructura productiva, siendo {1, 2} el conjunto de los bienes. a) Discutir segn los valores de a si la matriz A es productiva o no. b) Si a = 2/5, calcular e interpretar el nmero de Frobenius de la traspuesta de la matriz A: At.
Discutir segn los valores de a si la matriz A es productiva o no Una condicin necesaria y suficiente para que una matriz real A (cuadrada y positiva) sea productiva es que I A sea invertible y que su inversa: (I A)1, sea positiva. La matriz I A es:
1 0 a 2 / 5 1 a 2 / 5 I A= = 0 1 1/ 5 1/ 5 1/ 5 4 / 5
IA =
4 2 20 20a 2 18 20a 1 a 2 / 5 = (1 a ) = = . 1/ 5 4 / 5 5 25 25 25
75
1 a 1/ 5 4/5 2/5 ( I A)t = . Adj ( I A)t = . 2 / 5 4 / 5 1/ 5 1 a 4 25 2 25 10 4/5 2/5 Adj ( I A)t 1/ 5 1 a 5 (18 20a ) 5 (18 20a) 9 10a = = = ( I A) 1 = 5 18 20a 25 25 (1 a ) IA 5 (18 20a ) 25 18 20a 2(9 10a)
5 9 10a . 25(1 a) 2(9 10a)
La matriz I A ser invertible si a 9/10 y su inversa (I A)1 ser positiva si 0 a < 9/10. Por tanto, la matriz A ser productiva si y slo si 0 a < 9/10. Si a = 2/5, calcular e interpretar el nmero de Frobenius de la traspuesta de la matriz A: At
2 / 5 1/ 5 At = . 2 / 5 1/ 5
Para a = 2/5, sabemos que A es productiva y tambin indescomponible, pues es estrictamente positiva. Podemos entonces aplicar a la matriz At el teorema de Frobenius. Existe, pues, un nmero positivo (nmero de Frobenius), y existe una matriz columna P, estrictamente positiva, tal que: P = At P. Esta igualdad es equivalente a: (1/ ) P = At P, o bien (con la notacin: P = ( pi)):
(1/ ) p1 = (2 / 5) p1 + (1/ 5) p2 , (1/ ) p = (2 / 5) p + (1/ 5) p . 2 1 2

(1/ ) = (2 / 5) + (1/ 5) p2 , (1/ ) p = (2 / 5) + (1/ 5) p . 2 2

(3)
2 (1/ ) p2 = (2 / 5) p2 + (1/ 5) p2 , (1/ ) p2 = (2 / 5) + (1/ 5) p2 . 2 (2 / 5) p2 + (1/ 5) p2 = (2 / 5) + (1/ 5) p2 . 2 2 (1/ 5) p2 + (1/ 5) p2 (2 / 5) = p2 + p2 2 = 0.

p2 = 1 1 + 8 1 3 = , 2 2
donde p2 toma los valores: 1 y 2. Como la ltima solucin es negativa, debe descartarse. En conclusin, la matriz de precios es:
p 1 P = 1 = . p2 1
Finalmente, de la segunda ecuacin de (3) se deduce: (1/ ) p2 = (2 / 5) + (1/ 5) p2 . 1/ = 2 / 5 + 1/ 5 = 3/ 5. = 5 / 3.
, El nmero de Frobenius para At: es igual a 5/3 y se trata de un nmero real positivo tal que A es productiva precisamente si 0 < 5/3.
EJERCICIO 86
........................................
a 1/ 3 A= , 1/ 3 1/ 6
Considrese la siguiente matriz real positiva: con a 0,
76
que interpretamos como la matriz de coeficientes tcnicos representante de una estructura productiva, siendo {1, 2} el conjunto de los bienes. a) Discutir segn los valores de a si la matriz A es productiva o no. b) Si a = 2/3, calcular e interpretar el nmero de Frobenius de la traspuesta de la matriz A: At.
Discutir segn los valores de a si la matriz A es productiva o no Una condicin necesaria y suficiente para que una matriz real A (cuadrada y positiva) sea productiva es que I A sea invertible y que su inversa: (I A)1, sea positiva. La matriz I A es:
1 0 a 1/ 3 1 a 1/ 3 I A= = . 0 1 1/ 3 1/ 6 1/ 3 5 / 6

IA = 5 1 15 15a 2 13 15a 1 a 1/ 3 =1 a = = . 1/ 3 5/ 6 6 9 18 18 5/ 6 1/ 3 Adj ( I A)t = . 1/ 3 1 a
18 15 3 (13 15a ) 13 15a = 18 (1 a ) 6 13 15a 13 15a 6 13 15a . 18(1 a ) 13 15a
1 a 1/ 3 ( I A)t = . 1/ 3 5 / 6
5 18 5 / 6 1/ 3 1/ 3 1 a 6 (13 15a ) Adj ( I A) = = ( I A) 1 = 13 15a 18 IA 3 (13 15a) 18

t
La matriz I A ser invertible si a 13/15 y su inversa (I A)1 ser positiva si 0 a < 13/15. Por tanto, la matriz A ser productiva si y slo si 0 a < 13/15.
Si a = 2/3, calcular e interpretar el nmero de Frobenius de la traspuesta de la matriz A: At

2 / 3 1/ 3 At = . 1/ 3 1/ 6
Para a = 2/3, sabemos que A es productiva y tambin indescomponible, pues es estrictamente positiva. Podemos entonces aplicar a la matriz At el teorema de Frobenius. Existe, pues, un nmero positivo (nmero de Frobenius), y existe una matriz columna P, estrictamente positiva, tal que: P = At P. Esta t igualdad es equivalente a: (1/ ) P = A P, o bien (con la notacin: P = ( pi)):
(1/ ) p1 = (2 / 3) p1 + (1/ 3) p2 , (1/ ) p = (1/ 3) p + (1/ 6) p . 2 1 2

(1/ ) = (2 / 3) + (1/ 3) p2 , (1/ ) p = (1/ 3) + (1/ 6) p . 2 2

2 (1/ ) p2 = (2 / 3) p2 + (1/ 3) p2 , ) p2 = (1/ 3) + (1/ 6) p2 . (1/ 2 (2 / 3) p2 + (1/ 3) p2 = (1/ 3) + (1/ 6) p2 . 2 (1/ 3) p2 + (1/ 2) p2 (1/ 3) = 0.
(4)

p2 = 1 2
1 4
+ 4 1 1 3 3
1 3
2
5 6 2 6 2 3
1 2
2 3
25 36
1 2
2 3
5 6
77

1 + 2
2 3
1 5 1 y 22 6 = 2 3
8 6 2 3
= 2.
p 1 P= 1 = . p2 1/ 2
Finalmente, de la segunda ecuacin de (4) se deduce: (1/ ) p2 = (1/ 3) + (1/ 6) p2 . (1/ )(1/ 2) = (1/ 3) + (1/ 6)(1/ 2) = 5 /12. (1/ ) = 5 / 6. = 6 / 5.
, El nmero de Frobenius para At: es igual a 6/5 y se trata de un nmero real positivo tal que A es productiva precisamente si 0 < 6/5.
EJERCICIO 87
........................................
2/5 2/5 A= a 1/ 5 ,
Considrese la siguiente matriz real positiva: con a 0,
que interpretamos como la matriz de coeficientes tcnicos representante de una estructura productiva, siendo {1, 2} el conjunto de los bienes. a) Calcular todos los conjuntos autnomos de la matriz A distinguiendo los casos a = 0 y a 0. b) Si a = 1/5, calcular e interpretar el nmero de Frobenius de la traspuesta de la matriz A: At.
Septiembre 2005, reserva. Publicado por A. San Martn. Incluye correcciones del Prof. Alberto A. lvarez.
Calcular todos los conjuntos autnomos de la matriz A distinguiendo los casos a = 0 y a 0. Todo conjunto autnomo para A es igual a los conjuntos M( j) y a sus posibles uniones.
Si = 0, se tiene:
D(1) = {1, 2} y
D(2) = {1}, M(2) = {1, 2}. D(2) = {1, 2}, M(2) = {1, 2}.
y se obtiene:
M(1) = {1, 2} y
Si 0, se tiene:
D(1) = {1, 2} y
y se obtiene:
M(1) = {1, 2} y
En este ejercicio observamos que la matriz A slo admite un nico conjunto autnomo: S = {1, 2}, independientemente del valor que tome a, donde a 0. Ello tambin nos permitir afirmar, para cualquier valor de a, que todos los bienes son productos fundamentales para la matriz A y que A es indescomponible. Si a = 1/5, calcular e interpretar el nmero de Frobenius de la traspuesta de la matriz A: At.
2 / 5 1/ 5 At = . 2 / 5 1/ 5
Veamos primero si A es productiva cuando a = 1/5:

2/5 2/5 A= . 1/ 5 1/ 5
78
Una condicin necesaria y suficiente para que una matriz real A (cuadrada y positiva) sea productiva es que I A sea invertible y que su inversa: (I A)1, sea positiva. La matriz I A es:
1 0 2 / 5 2 / 5 3/ 5 2 / 5 I A= = . 0 1 1/ 5 1/ 5 1/ 5 4 / 5

IA = 3/ 5 2 / 5 12 2 10 2 = = = . 1/ 5 4 / 5 25 25 25 5 3/ 5 1/ 5 ( I A)t = . 2 / 5 4 / 5 4/5 2/5 Adj ( I A)t 1/ 5 3/ 5 2 1 = = ( I A) 1 = 1/ 2 3/ 2 . IA 2/5
4/5 2/5 Adj ( I A)t = . 1/ 5 3/ 5
La matriz I A es invertible y su inversa (I A)1 es positiva. Por tanto, cuando a = 1/5, la matriz A es productiva y tambin hemos comprobado que es indescomponible. Podemos entonces aplicar a la matriz At el teorema de Frobenius. Existe, pues, un nmero positivo (nmero de Frobenius), y existe una matriz columna P, estrictamente positiva, tal que: P = At P. Esta igualdad es equivalente a: (1/ ) P = At P, o bien (con la notacin: P = ( pi)):
(1/ ) p1 = (2 / 5) p1 + (1/ 5) p2 , (1/ ) p = (2 / 5) p + (1/ 5) p . 2 1 2

De la misma forma que se obtuvo en el apartado (b) del EJERCICIO 85, el nmero de Frobenius para , At: es igual a 5/3, cuando a = 1/5, y se trata de un nmero real positivo tal que A es productiva precisamente si 0 < 5/3.
4. Ecuaciones recurrentes EJERCICIO 88
........................................
an+2 4an+1 + 4an = 1. an+2 4an+1 + 4an = 1.
Encontrar la solucin general de la ecuacin en diferencias finitas:
Probar que an = A2n + Bn2n + 1 es la solucin general de la ecuacin en diferencias finitas:

Septiembre 2001, examen reserva.
EJERCICIO 89
........................................ ........................................
0 an+3 + 1 an+2 + 2 an+1 + 3 an = 0, con 0 0,
Expresar la ecuacin en diferencias finitas: 7an+2 6an+1 5an an1 = 47, de la forma: (A 3 + B 2 + C + D) an = 47.
Septiembre 2001, prueba presencial.
EJERCICIO 90
Encuentre una ecuacin en diferencias finitas de tercer orden:

79
(1) (2) (3) para la cual an = 1, an = n y an = n 2 sean soluciones suyas.
5. Sistemas de ecuaciones diferenciales 5.1. Sistemas homogneos 2x2 5.1.1. Races reales distintas EJERCICIO 91
........................................
y'(t) = 3y(t) 2z(t), z'(t) = 2y(t) 2z(t).
Encuentre la solucin general del sistema de ecuaciones diferenciales:
Vase el PROBLEMA PROPUESTO 1.A en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Denotemos:
y (t ) Y (t ) = , z (t )
entonces se puede escribir:

3 2 Y (t ) = Y (t ). 2 2
(5)
Calculemos la ecuacin caracterstica y sus races:

A I = 3 2 2 2 = (3 )(2 ) + 4 = 6 3 + 2 + 2 + 4 = 2 2 = 0.
80
=
1 1+ 8 1 3 = . 2 2
1 = 1; 2 = 2.
Al ser las races distintas, la solucin general del sistema (5) viene dada por:
Y(t) = c1V1et + c2V2e2t.
donde c1, c2 son constantes reales arbitrarias y V1, V2 soluciones no nulas del sistema: (A iI )Vi = O,
Para la raz 1 = 1, el sistema (6) se transforma en:
donde i {1, 2}.
(6)
2 3 ( 1) 2 2 ( 1)
4 2 0 V1 = 2 1 V1 = 0 ,
4v1 2v2 = 0 2v v = 0. 1 2 v2 = 2v1. Tomando v1 cualquier valor que decidamos salvo el cero, pues los vectores propios no pueden ser una matriz (columna) nula; por ejemplo: v1 = 1.
y su solucin es:
1 L1 = k1 2 k1 .
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene: 1 (7) V1 = . 2
2 3 2 2 2 2
1 2 0 V2 = 2 4 V2 = 0 ,
v1 2v2 = 0 2v 4v = 0. 2 1 v1 = 2v2 .
y su solucin es:
2 L2 = 1 k2
k2
En consecuencia: V2 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k2 = 1, se tiene: 2 (8) V2 = . 1 De (7) y (8), obtenemos un conjunto fundamental de soluciones: 1 t 2 2t 2 e , 1 e .
81
En conclusin, la solucin general del sistema homogneo (5) es:

1 2 Y (t ) = c1 e t + c2 e 2t , 2 1
donde c1, c2 son constantes reales arbitrarias.

Otra forma de expresar dicha solucin: y(t) = c1et + 2c2e2t, z(t) = 2c1et + c2e2t.
EJERCICIO 92
........................................
y'(t) = y(t) + z(t), z'(t) = 4y(t) + z(t). y (t ) Y (t ) = , z (t )
Vase el PROBLEMA PROPUESTO 1.D en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Denotemos:
entonces se puede escribir: 1 1 Y (t ) = Y (t ). 4 1 (9)

A I = 1 1 4 1 = (1 ) 2 4 = 1 2 + 2 4 = 2 2 3 = 0.
2 4 + 12 2 4 = . 2 2
1 = 3; 2 = 1.
Al ser las races distintas, la solucin general del sistema (9) viene dada por: Y(t) = c1V1e3t + c2V2et. donde c1, c2 son constantes reales arbitrarias y V1, V2 soluciones no nulas del sistema: (A iI )Vi = O,
donde i {1, 2}.
(10)
1 3 1 4 1 3
1 2 0 V1 = 4 2 V1 = 0 ,
2v1 + v2 = 0 4v1 2v2 = 0. v2 = 2v1.
y su solucin es: 1 L1 = k1 2
82
k1
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene: 1 (11) V1 = . 2
1 1 ( 1) 4 1 (1)
2 1 0 V2 = 4 2 V2 = 0
2v1 + v2 = 0 4v1 + 2v2 = 0. v2 = 2v1.
y su solucin es:
1 L2 = k2 2
k2
En consecuencia: V2 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k2 = 1, se tiene: 1 (12) V2 = . 2 De (11) y (12), obtenemos un conjunto fundamental de soluciones: 1 3t 1 t 2 e , 2 e .
En conclusin, la solucin general del sistema homogneo (9) es: 1 1 t Y (t ) = c1 e3t + c2 e , 2 2 donde c1, c2 son constantes reales arbitrarias.
Otra forma de expresar dicha solucin: y(t) = c1e3t + c2et, z(t) = 2c1e3t 2c2et.
5.1.2. Races reales iguales EJERCICIO 93
........................................
y'(t) = 2y(t) z(t), z'(t) = y(t).
y (t ) Y (t ) = z (t ) ,
Vase el PROBLEMA PROPUESTO 1.B en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Denotemos:
entonces se puede escribir: 2 1 Y (t ) = Y (t ). 1 0

83
(13)

A I = 2 1 1 = (2 ) + 1 = 2 + 2 + 1 = ( 1) 2 = 0.
1 = 2 = 1.
La multiplicidad algebraica del valor propio 1 es igual a 2. Calculemos ahora los vectores propios de la matriz A. El sistema a resolver es: 2 1 Para la raz = 1 el sistema (14) se transforma en: 2 1 1 1 1 0 1 V = 1 1 V = 0 , 1
v1 v2 = 0 v v = 0. 1 2 v2 = v1.
1 0 V = . 0
(14)
y su solucin es: 1 L = k 1
dim L < m
En consecuencia: dim L = 1.
V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene: 1 V1 = . 1 Al no coincidir multiplicidad algebraica (m = 2) y geomtrica (dim L = 1), nos guiamos de la proposicin 10 del Captulo 5 de la Unidad Didctica para encontrar las soluciones linealmente independientes del sistema homogneo (13) asociadas con el valor propio = 1: Z1(t), Z2(t). En concreto: Z1 (t ) = etW1 , Z 2 (t ) = et [W2 + tW1 ], ( A I )W1 = O, ( A I )W2 = W1 ,
1 1 1 0 ( A I )W1 = O, = . 1 1 1 0 1 1 1 ( A I )W2 = W1 , W2 = 1 . 1 1 v1 v2 = 1 v v = 1. 1 2 v2 = v1 1.
obteniendo: 1 1 W1 = Z1 (t ) = et , 1 1 0 1 t t t 0 W2 = Z 2 (t ) = e 1 + t 1 = e 1 + t 1
84
(15)
De (15), obtenemos un conjunto fundamental de soluciones: 1 t t 1 e , 1 + t t e .
En conclusin, la solucin general del sistema homogneo (13) es: 1 t Y (t ) = c1 et + c2 1 1 + t donde c1, c2 son constantes reales arbitrarias.
Otra forma de expresar dicha solucin:
y(t) = c1et + c2tet, z(t) = (c1 c2)et + c2tet.
t e ,
5.1.3. Races complejas

Notas extradas del curso de Ampliacin de Matemticas, Ingeniera de Telecomunicacin, en el sitio www.ma2.us.es. Ecuaciones diferenciales lineales de segundo orden con coeficientes constantes: En el caso de races complejas, stas son conjugadas. Imitando lo que ocurre en el caso de races reales distintas, podramos construir las soluciones: e(a+bi)t = eat(cos(bt) + isen(bt)), e(abi)t = eat(cos(bt) isen(bt)), que son soluciones complejas. Como las partes real e imaginaria de estas soluciones las podemos obtener mediante una combinacin lineal de ellas mismas, deducimos que las funciones y1(t) = eat cos(bt) e y2(t) = eat sen(bt) son soluciones reales e independientes de la ecuacin homognea. Notas extradas del apartado 5.2.1.2 (Resolucin del sistema homogneo. Mtodo directo) de la Unidad Didctica. En el caso de races complejas conjugadas, si = + i y = i son valores propios de la matriz A, las soluciones linealmente independientes a escoger son: Vet , Ve t , donde V y V son los vectores propios asociados. Ahora bien, estas matrices son
complejas, por lo que es conveniente elegir otras soluciones que sean reales. Si Vet = W1 + iW2, entonces se verifica: W1 y W2 son soluciones linealmente independientes (reales). Vanse tambin las notas del Prof. Alberto A. lvarez en el EJERCICIO 104 y el EJERCICIO 105.
EJERCICIO 94
........................................
y'(t) = 3y(t) 2z(t), z'(t) = 4y(t) z(t). y (t ) Y (t ) = , z (t )
Vase el PROBLEMA PROPUESTO 1.C en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Denotemos:
entonces se puede escribir: 3 2 Y (t ) = Y (t ). 4 1 Calculemos la ecuacin caracterstica y sus races:

A I = 3 2 4 1 = (3 )(1 ) + 8 = 3 3 + + 2 + 8 = 2 2 + 5 = 0.
(16)
85
2 4 20 2 4i = . 2 2
1 = 1 + 2i; 2 = 1 2i.
Al ser distintas, la solucin general del sistema (16) viene dada por: Y(t) = c1V1e(1+2i)t + c2V2e(12i)t. donde c1, c2 son constantes reales arbitrarias y V1, V2 soluciones no nulas del sistema: (A iI )Vi = O, donde i {1, 2}. (17)
Para la raz 1 = 1 + 2i, el sistema (17) se transforma en:
2 2 3 (1 + 2i ) 2 2i 0 V2 = 4 V2 = 0 , 4 1 (1 + 2i ) 2 2i
(2 2i )v1 2v2 = 0 4v1 + (2 2i)v2 = 0. v2 = (1 i )v1.
y su solucin es: 1 L1 = 1 i k1 k1 .
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene: 1 (18) V1 = . 1 i
Para la raz 2 = 1 2i, el sistema (17) se transforma en:
2 3 (1 2i ) 4 1 (1 2i )
2 2 + 2i V3 = 4 2 + 2i
0 V3 = 0
(2 + 2i )v1 2v2 = 0 4v1 + (2 + 2i )v2 = 0. v2 = (1 + i )v1.
y su solucin es: 1 L2 = 1+ i k2 k2 .
En consecuencia: V2 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k2 = 1, se tiene: 1 (19) V2 = . 1+ i De (18) y (19), obtenemos un conjunto fundamental de soluciones: 1 1 i Ahora bien: 1 1 i (1+ 2i ) t 1 t = e e (cos 2t + i sen 2t ) 1 i cos 2t sen 2t t = e + i sen 2t cos 2t cos 2t + sen 2t (1+ 2i ) t 1 , e 1+ i (1 2i ) t e .
t e .
En consecuencia, la solucin general del sistema homogneo (16) es: cos 2t Y (t ) = c1 cos 2t + sen 2t donde c1, c2 son constantes reales arbitrarias.
Otra forma de expresar dicha solucin: y(t) = c1et cos 2t + c2et sen 2t, z(t) = c1et(cos 2t + sen 2t) + c2et(sen 2t cos 2t).
86
sen 2t t e + c2 sen 2t cos 2t
t e ,
5.2. Sistemas homogneos 3x3 5.2.1. Races reales distintas EJERCICIO 95
........................................
1 2 1 Y (t ) = 6 1 0 Y (t ). 1 2 1 (20)
Resolver el sistema homogneo:
Vase el EJEMPLO 17 en el apartado 5.2.1.2 (Mtodo directo) de la Unidad Didctica. Relacionado con el EJEMPLO 16 en el apartado 5.2.1.1 (Mtodo de reduccin).

A I = 1 2 1 6 1 0 1 2 1 = (1 )(1 ) 2 12 (1 + ) 12(1 ) = (1 )(1 + 2 + 2 ) 12 1 + 12 + 12 = 1 + 2 + 2 2 2 3 1 + 11 = 3 2 + 12 = ( 2 + 12) = 0.
1 = 0. 2 + 12 = 0. =
1 1 + 48 1 7 = . 2 2
2 = 3; 3 = 4.
Al ser las races distintas, la solucin general del sistema (20) viene dada por: Y(t) = c1V1 + c2V2e3t + c3V3e4t. donde c1, c2, c3 son constantes reales arbitrarias y V1, V2, V3 soluciones no nulas del sistema: (A iI )Vi = O, donde i {1, 2, 3}. (21)
2 1 1 0 6 1 0 0 1 2 1 0
1 2 1 0 V1 = 6 1 0 V1 = 0 , 1 2 1 0
v1 + 2v2 + v3 = 0 6v1 v2 = 0 v1 2v2 v3 = 0.

v2 = 6v1. v1 + 2v2 + v3 = v1 + 12v1 + v3 = 13v1 + v3 = 0 v 2v v = v 12v v = 13v v = 0. 2 3 1 1 3 1 3 1 v3 = 13v1. Tomando v1 cualquier valor que decidamos salvo el cero, pues los vectores propios no pueden ser una matriz (columna) nula; por ejemplo: v1 = 1.
y su solucin es: 1 L1 = 6 k1 13 k1 .
87
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene: 1 (22) V1 = 6 . 13
2 1 1 3 6 1 3 0 2 1 3 1
1 2 2 0 V2 = 6 4 0 V2 = 0 , 1 2 4 0
2v1 + 2v2 + v3 = 0 6v1 4v2 = 0 v1 2v2 4v3 = 0.

v2 = (3/ 2)v1. 2v1 + 2v2 + v3 = 2v1 + 3v1 + v3 = v1 + v3 = 0 v 2v 4v = v 3v 4v = 4v 4v = 0. 2 3 1 1 3 1 3 1 v3 = v1.
y su solucin es: 1 L 2 = 3/ 2 k2 1 k2 .
En consecuencia: V2 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k2 = 1, se tiene: 1 V2 = 3/ 2 . (23) 1
2 1 1 (4) 6 1 ( 4) 0 1 2 1 (4)
5 2 1 0 V3 = 6 V3 = 0 , 3 0 1 2 3 0
5v1 + 2v2 + v3 = 0 6v1 + 3v2 = 0 v1 2v2 + 3v3 = 0. v2 = 2v1. 5v1 + 2v2 + v3 = 5v1 4v1 + v3 = v1 + v3 = 0 v 2v + 3v = v + 4v + 3v = 3v + 3v = 0. 2 3 1 1 3 1 3 1
v3 = v1.
y su solucin es: 1 L 3 = 2 k3 1 k3 .
88
En consecuencia: V3 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k3 = 1, se tiene: 1 V3 = 2 . (24) 1 De (22), (23) y (24), obtenemos un conjunto fundamental de soluciones: 1 1 1 3t 4 t 6 , 3/ 2 e , 2 e 13 1 1 En conclusin, la solucin general del sistema homogneo (20) es: 1 1 1 Y (t ) = c1 6 + c2 3/ 2 e3t + c3 2 e 4t , 13 1 1 donde c1, c2, c3 son constantes reales arbitrarias.
EJERCICIO 96
........................................
1 1 4 Y (t ) = 3 2 1 Y (t ). 2 1 1 (25)
Septiembre 2003, reserva. Vase el PROBLEMA PROPUESTO 2.A en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.

A I = 1 1 4 3 2 1 1 2 1 = (1 )(2 )(1 ) + 2 + 12 8(2 ) + 3(1 ) + (1 ) = 2 2 + + 2 + 2 + 2 2 2 3 + 14 16 + 8 3 3 + 1 = 3 + 2 2 + 5 6 = ( 1)( 2 + + 6) = 0.
1 1 1
2 1 1
5 1 6
6 6 0
1 = 1.
2 + + 6 = 0.
1 1 + 24 1 5 = . 2 2
2 = 2; 3 = 3.
Al ser las races distintas, la solucin general del sistema (25) viene dada por: Y(t) = c1V1et + c2V2e2t + c3V3e3t. donde c1, c2, c3 son constantes reales arbitrarias y V1, V2, V3 soluciones no nulas del sistema: (A iI )Vi = O, donde i {1, 2, 3}. (26)
4 1 1 1 0 1 4 0 3 2 1 1 V1 = 3 1 1 V1 = 0 , 1 1 1 2 2 1 2 0
v2 + 4v3 = 0 3v1 + v2 v3 = 0 2v1 + v2 2v3 = 0.
v2 = 4v3 . 3v1 + v2 v3 = 3v1 + 4v3 v3 = 3v1 + 3v3 = 0 2v1 + v2 2v3 = 2v1 + 4v3 2v3 = 2v1 + 2v3 = 0. v3 = v1. Tomando v1 cualquier valor que decidamos salvo el cero, pues los vectores propios no pueden ser una matriz (columna) nula; por ejemplo: v1 = 1.
89
y su solucin es:
1 L1 = 4 k1 1
k1
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene:
1 V1 = 4 . 1
(27)
1 4 1 (2) 3 2 (2) 1 2 1 1 (2)

3v1 v2 + 4v3 = 0 3v1 + 4v2 v3 = 0 2v1 + v2 + v3 = 0.
3 1 4 0 V2 = 3 4 1 V2 = 0 , 2 1 1 0
v2 = 3v1 + 4v3 . 3v1 + 4v2 v3 = 3v1 + 4(3v1 + 4v3 ) v3 = 3v1 + 12v1 + 16v3 v3 = 0 2v + v + v = 2v + 3v + 4v + v = 5v + 5v = 0. 1 1 3 3 1 3 1 2 3 v3 = v1.
y su solucin es:
1 L 2 = 1 k2 1
k2
1 V2 = 1 . 1
(28)
4 1 3 1 3 23 1 2 1 1 3
2v1 v2 + 4v3 = 0 3v1 v2 v3 = 0 2v1 + v2 4v3 = 0.
2 1 4 0 V3 = 3 1 1 V3 = 0 , 2 1 4 0
v2 = 2v1 + 4v3 . 3v1 v2 v3 = 3v1 (2v1 + 4v3 ) v3 = 3v1 + 2v1 4v3 v3 = 0 2v + v 4v = 2v 2v + 4v 4v = 0. 3 1 1 3 3 1 2 v3 = v1.
y su solucin es:
1 L 3 = 2 k3 1
k3
90
1 V3 = 2 . 1
(29)
De (27), (28) y (29), obtenemos un conjunto fundamental de soluciones:

1 1 1 t 2 t 3t 4 e , 1 e , 2 e 1 1 1 .
En conclusin, la solucin general del sistema homogneo (25) es: 1 1 1 Y (t ) = c1 4 et + c2 1 e 2t + c3 2 e3t , 1 1 1 donde c1, c2, c3 son constantes reales arbitrarias.
EJERCICIO 97
........................................
0 1 1 Y (t ) = 3 4 1 Y (t ). 1 1 2
Resolver el siguiente sistema de ecuaciones diferenciales:
5.2.2. Races reales que se repiten

Notas extradas del apartado 5.2.1.2 (Resolucin del sistema homogneo. Mtodo directo) de la Unidad Didctica. Se denomina multiplicidad geomtrica del valor propio a la dimensin del subespacio vectorial L ={V | AV = V}, en notacin: dim L. Se denomina multiplicidad algebraica del valor propio y la denotaremos por m, a su multiplicidad como raz de la ecuacin caracterstica. La multiplicidad geomtrica de un valor propio es siempre menor o igual que su multiplicidad algebraica: dim L m
EJERCICIO 98
........................................
1 2 2 Y (t ) = 2 1 2 Y (t ). 1 2 2 (30)
Vase el EJEMPLO 20 en el apartado 5.2.1.2 (Mtodo directo) de la Unidad Didctica.

A I = 1 2 2 2 1 2 2 2 1 3 = (1 ) + 8 + 8 4(1 ) 4(1 ) 4(1 ) = 1 3 + 3 2 3 + 16 12 + 12 = 3 + 3 2 + 9 + 5 = ( + 1)( 2 + 4 + 5) = 0.
4 16 + 20 4 6 . = 2 2
1 1 1
3 1 4
9 5
5 0
4 5
1 = 1. 2 + 4 + 5 = 0. =
2 = 1; 3 = 5.
91
La multiplicidad algebraica del valor propio 1 es igual a 2 y la del valor propio 5 es igual a 1. Calculemos ahora los vectores propios de la matriz A. El sistema a resolver es: 2 1 2 2 1 2 2 1 2
Para la raz = 1 el sistema (31) se transforma en:
0 V = 0 0
(31)
2 2 1 (1) 2 1 ( 1) 2 2 2 1 (1)
2 2 2 0 V = 2 2 2 V = 0 , 2 2 2 0
2v1 2v2 + 2v3 = 0 2v1 + 2v2 2v3 = 0 2v1 2v2 + 2v3 = 0. v2 = v1 + v3 . En este caso v1 y v3 no pueden tomar el valor cero a la vez, pues los vectores propios no pueden ser una matriz (columna) nula.
y su solucin es: 1 1 L = 1 k1 + 0 k2 0 1
dim L = m
( k1 , k2 )
En consecuencia: dim L = 2. Al coincidir multiplicidad geomtrica y algebraica y ser iguales a 2, es posible encontrar dos vectores propios V1 y V2 asociados con el valor propio 1 linealmente independientes.
Tomando por ejemplo (k1, k2) = (1, 0) obtenemos V1, y para (k1, k2) = (0, 1) obtenemos V2, es decir: 1 1 1 , V2 = 0 . V1 = 0 1
(32)
2 1 5 2 2 1 5 2 2 1 5 2
4 2 2 V = 2 4 2 2 2 4
0 V = 0 0
4v1 2v2 + 2v3 = 0 2v1 4v2 2v3 = 0 2v1 2v2 4v3 = 0. v3 = 2v1 + v2 . 2v1 4v2 2v3 = v1 2v2 v3 = 0 2v 2v 4v = v v 2v = 0. 2 3 1 2 3 1 v1 2v2 v3 = v1 2v2 (2v1 + v2 ) = 3v1 3v2 = 0. v2 = v1.
92
En consecuencia: V3 es cualquier matriz no nula del conjunto anterior, tomando por ejemplo k3 = 1, se tiene: 1 (33) V3 = 1 . 1 De (32) y (33), obtenemos un conjunto fundamental de soluciones: 1 1 1 e t , 0 e t , 1 e5t . 1 0 1 1 En conclusin, la solucin general del sistema homogneo (30) es: 1 1 1 Y (t ) = c1 1 e t + c2 0 e t + c3 1 e5t , 0 1 1 donde c1, c2, c3 son constantes reales arbitrarias.
EJERCICIO 99
........................................
0 1 0 Y (t ) = 1 0 0 0 0 1 Y (t ). (34)
Septiembre 2005, reserva. Publicado por J. Dorado y A. San Martn. El Prof. Alberto A. lvarez lo consider correcto.
Utilizaremos tambin el mtodo directo. Calculemos la ecuacin caracterstica y sus races:

A I = 0 1 0 1 0 0 0 0 1 = 2 (1 ) (1 ) = 3 + 2 + 1 = ( + 1)( 2 + 2 1) = ( 1) 2 ( + 1) = 0.
1 1 1
1 1 2
1 2 1
1 1 0
1 = 1; 2 = 3 = 1.
La multiplicidad algebraica del valor propio 1 es igual a 1 y la del valor propio 1 es igual a 2. Calculemos ahora los vectores propios de la matriz A. El sistema a resolver es: 0 1 0 1 0 0 0 0 1 0 V = 0 . 0 (35)
93
1 0 0 (1) 1 0 (1) 0 0 0 1 (1)
1 1 0 0 V = 1 1 0 V = 0 , 0 0 2 0
v1 + v2 = 0 v1 + v2 = 0 2v3 = 0. v2 = v1.
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior, tomando por ejemplo k1 = 1, se tiene: 1 V1 = 1 . (36) 0
0 0 1 1 1 1 0 0 1 V = 1 1 0 V = 0 , 0 1 0 0 0 11 0 0 0 0
v1 + v2 = 0 v v = 0. 1 2 v2 = v1.
y su solucin es: 1 0 L = 1 k 2 + 0 k3 0 1
dim L = m
( k 2 , k3 )
En consecuencia: dim L = 2. Al coincidir multiplicidad geomtrica y algebraica y ser iguales a 2, es posible encontrar dos vectores propios V2 y V3 asociados con el valor propio 1 linealmente independientes. Tomando por ejemplo (k2, k3) = (1, 0) obtenemos V2, y para (k2, k3) = (0, 1) obtenemos V3, es decir: 1 0 1 , V3 = 0 V2 = 0 1 . (37)
De (36) y (37), obtenemos un conjunto fundamental de soluciones: 1 1 0 1 e t , 1 et , 0 0 0 1 et .
En conclusin, la solucin general del sistema homogneo (34) es:

94
1 1 0 1 e t + c2 1 et + c3 0 et , Y (t ) = c1 0 0 1 donde c1, c2, c3 son constantes reales arbitrarias.

EJERCICIO 100
.......................................
0 1 1 Y (t ) = 1 0 1 Y (t ). 1 1 0 (38)
Vase el PROBLEMA PROPUESTO 2.C en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.

A I = 0 1 1 1 0 1 1 1 0 = 3 + 1 + 1 + + + = 3 + 3 + 2 = ( + 1)( 2 + + 2) = 0.
2 + + 2 = 0.
1 1 1
0 1 1
3 2
2 0
1 2
1 = 1.
1 1 + 8 1 3 = . 2 2
2 = 1; 3 = 2.
La multiplicidad algebraica del valor propio 1 es igual a 2 y la del valor propio 2 es 1.
Calculemos ahora los vectores propios de la matriz A. El sistema a resolver ser: 1 1 0 1 V = 0 . 1 1 1 0

Para la raz = 2, el sistema (39) se transforma en:
(39)
1 1 2 0 1 2 V = 0 1 1 1 2 0
2v1 + v2 + v3 = 0 v1 2v2 + v3 = 0 v1 + v2 2v3 = 0. v2 = 2v1 v3 . v1 2v2 + v3 = v1 2(2v1 v3 ) + v3 = v1 4v1 + 2v3 + v3 = 3v1 + 3v3 = 0 v + v 2v = v + 2v v 2v = 0. 3 1 1 3 3 1 2 v3 = v1.
y su solucin es:
1 L1 = 1 k1 1 k1 .
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior, tomando por ejemplo k1 = 1, se tiene el vector propio:
95
1 V1 = 1 , y por tanto la solucin 1 1 1 e2t . 1 (40)
1 1 (1) 1 1 (1) 1 1 (1)
1 1 1 0 V = 1 1 1 V = 0 , 1 1 1 0
v1 + v2 + v3 = 0 v1 + v2 + v3 = 0 v1 + v2 + v3 = 0. v2 = v1 v3 . Las dos ltimas ecuaciones sobran: se comprueba que si sustituimos v2 en ellas, se convierten en 0 = 0.
y su solucin es:
1 0 L = 0 k 2 + 1 k3 1 1
dim L = m
( k 2 , k3 )
En consecuencia: dim L = 2. Al coincidir multiplicidad geomtrica y algebraica y ser iguales a 2, es posible encontrar dos vectores propios V2 y V3 asociados con el valor propio 1 linealmente independientes. Tomando por ejemplo (k2, k3) = (1, 0) obtenemos V2, y para (k2, k3) = (0, 1) obtenemos V3, es decir:
1 0 V2 = 0 , V3 = 1 . 1 1 (41)
De (40) y (41), obtenemos un conjunto fundamental de soluciones:

1 1 0 2t t t 1 e , 0 e , 1 e 1 1 1 .
En conclusin, la solucin general del sistema homogneo (38) es: 1 1 0 Y (t ) = c1 1 e 2t + c2 0 e t + c3 1 e t , 1 1 1 donde c1, c2, c3 son constantes reales arbitrarias.
Notas extradas del apartado 5.2.1.2 (Resolucin del sistema homogneo. Mtodo directo) de la Unidad Didctica.
Proposicin 10. Si es un valor propio de la matriz A con dim L < m, entonces se verifica: Z1(t), Z2(t), ... , Zm(t) son m soluciones linealmente independientes del sistema homogneo Y'(t) = AY(t) asociadas al valor propio . En concreto:
Z1 (t ) = etW1 , Z 2 (t ) = e t [W2 + tW1 ], 2 Z 3 (t ) = et [W3 + tW2 + t2! W1 ], Z m (t ) = e t [Wm + tWm 1 + +
t m 1 ( m 1)!
( A I )W1 = O, ( A I )W2 = W1 , ( A I )W3 = W2 , W1 ], ( A I )Wm = Wm 1 ,
donde W1, ... , Wm son linealmente independientes.
EJERCICIO 101
.......................................
1 1 0 (t ) = 0 1 0 Y (t ). Y 0 0 2 (42)

96
Vase el EJEMPLO 21 en el apartado 5.2.1.2 (Mtodo directo) de la Unidad Didctica.

A I = 1 1 0 0 1 0 0 0 2 = (1 ) 2 (2 ) = 0.
1 = 2 = 1; 3 = 2.
La multiplicidad algebraica del valor propio 1 es igual a 2 y la del valor propio 2 es 1. Calculemos ahora los vectores propios de la matriz A. El sistema a resolver ser: 1 1 0 1 0 0
0 0 2
0 V = 0 . 0
(43)
0 11 1 0 1 0 0 0 1 1 0 V = 0 0 0 V = 0 , 0 2 1 0 0 0 1 0
v2 = 0 v = 0. 3
Tomando v1 cualquier valor que decidamos salvo el cero, pues los vectores propios no pueden ser una matriz (columna) nula; por ejemplo: v1 = 1.
y su solucin es: 1 L = 0 k 0
dim L < m
En consecuencia: dim L = 1. V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene: 1 V1 = 0 . 0 Al no coincidir multiplicidad algebraica (m = 2) y geomtrica (dim L = 1), nos guiamos de la proposicin 10 del Captulo 5 de la Unidad Didctica para encontrar las soluciones linealmente independientes del sistema homogneo (42) asociadas con el valor propio = 1: Z1(t), Z2(t). En concreto: Z1 (t ) = etW1 , Z 2 (t ) = et [W2 + tW1 ], ( A I )W1 = O, ( A I )W2 = W1 ,
0 = 0 . 0
0 1 0 1 ( A I )W1 = O, 0 0 0 0 0 0 1 0
97
0 1 0 1 ( A I )W2 = W1 , 0 0 0 W2 = 0 . 0 0 1 0 v2 = 1 v = 0. 3
obteniendo:
1 1 0 Z1 (t ) = et 0 , W1 = 0 0 0 t 1 Z 2 (t ) = et 1 . W2 = 0 0
(44)
1 0 1 2 0 1 2 0 0 22 0
1 1 0 0 V = 0 1 0 V = 0 0 0 0 0
v1 + v2 = 0 v = 0. 2 Tomando v3 cualquier valor que decidamos salvo el cero.
y su solucin es: 0 L = 0 k 1 k .
En consecuencia: dim L = 1. Tomando por ejemplo k = 1 conseguimos el vector propio: 0 0 , y por tanto la solucin 1 0 0 e 2t . 1 (45)
De (44) y (45), obtenemos un conjunto fundamental de soluciones: 1 t 0 t t 2t 0 e , 1 e , 0 e . 0 0 1 En conclusin, la solucin general del sistema homogneo (42) es: 1 t 0 Y (t ) = c1 0 et + c2 1 et + c3 0 e 2t , 0 0 1 donde c1, c2, c3 son constantes reales arbitrarias.
EJERCICIO 102
.......................................
2 2 2 Y (t ) = 2 1 2 Y (t ). 1 0 1 (46)
98
Febrero 2002, prueba presencial. Febrero 2004, segunda semana, original. Publicado por A. Snchez. Incluye nota del Prof. Alberto A. lvarez. Vase el PROBLEMA PROPUESTO 2.D en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Nota del Profesor. Por cada autovalor se debe obtener tantos vectores (para escribirlos en la expresin de la solucin general de la ecuacin diferencial) como marque la multiplicidad algebraica del autovalor. Y siempre se debe empezar a buscar estos vectores de la misma manera: planteando el sistema (A I )X = O (con X represento las incgnitas) y buscando soluciones no nulas.
Si el autovalor es simple (el caso ms sencillo), se obtiene un vector no nulo como solucin, y ya hemos
terminado con el autovalor.

Si el autovalor es mltiple y las dos multiplicidades coinciden, se debe obtener tantas soluciones
linealmente independientes de ese sistema lineal como marque la multiplicidad. Si las dos multiplicidades no coinciden, por ejemplo la algebraica es 2 y la geomtrica es 1 (como en este ejercicio), se obtiene el primer vector como una solucin no nula del sistema anterior; llammoslo W1. El segundo vector se obtiene como una solucin no nula (y linealmente independiente de W1) del sistema (A I )X = W1, donde X de nuevo son las incgnitas (ntese que W1 se escribe como la matriz de trminos independientes). Cualquier solucin de este nuevo sistema lineal, no nula y que no dependa linealmente de W1 (esto es, que no sea proporcional) nos sirve. Es a este vector que escogemos de este segundo sistema lineal al que llamamos W2. Si hubiera que buscar un tercero (porque la multiplicidad algebraica fuera mayor que 2), plantearamos el sistema (A I )X = W2, y as sucesivamente.

A I = 2 2 2 2 1 2 1 0 1 = (2 )(1 )(1 ) + 4 2(1 ) 4(1 ) = 2 2 + 2 + 2 2 + + 2 2 3 + 4 2 + 2 + 4 + 4 = 3 + 2 2 + 7 + 4 = ( + 1)( 2 + 3 + 4) = 0.
1 1 1
2 1 3
7 4
4 0
3 4
1 = 1. 2 + 3 + 4 = 0. =
3 9 + 16 3 5 = . 2 2
2 = 1; 3 = 4.
La multiplicidad algebraica del valor propio 1 es igual a 2 y la del valor propio 4 es 1. Calculemos ahora los vectores propios de la matriz A. El sistema a resolver ser: 2 2 2 1 1 0 2 2 1 0 V = 0 . 0 (47)
2 2 2 (1) 2 1 (1) 2 1 (1) 1 0
3 2 2 0 V = 2 2 2 V = 0 , 1 0 0 0
99
3v1 + 2v2 + 2v3 = 0 2v1 + 2v2 + 2v3 = 0 v1 = 0. v2 = v3 .
y su solucin es:
0 L = 1 k 1 k .
dim L < m
En consecuencia: dim L = 1. V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene:
0 V1 = 1 . 1
Al no coincidir multiplicidad algebraica (m = 2) y geomtrica (dim L = 1), nos guiamos de la proposicin 10 del Captulo 5 de la Unidad Didctica para encontrar las soluciones linealmente independientes del sistema homogneo (46) asociadas con el valor propio = 1: Z1(t), En concreto: Z1 (t ) = e tW1 , Z 2 (t ) = e t [W2 + tW1 ], ( A + I )W1 = O, ( A + I )W2 = W1 , Z2(t).
3 2 2 0 ( A + I )W2 = W1 , 2 2 2 W2 = 1 . 1 0 0 1
3v1 + 2v2 + 2v3 = 0 2v1 + 2v2 + 2v3 = 1 v1 = 1. v1 = 1. 3v1 + 2v2 + 2v3 = 3 + 2v2 + 2v3 = 2v2 + 2v3 = 3 2v1 + 2v2 + 2v3 = 2 + 2v2 + 2v3 = 1. 2v2 = 3 2v3 . v2 = 3 v3 2
obteniendo: 0 0 W1 = 1 Z1 (t ) = e tW1 = e t 1 , 1 1 1 1 5 / 2 Z 2 (t ) = e t [W2 + tW1 ] = e t 5 / 2 W2 = 1 1

0 1 + t 1 = e t 5 t 2 1 1+ t
(48)
2 2 24 2 1 4 2 1 0 1 4
2v1 + 2v2 + 2v3 = 0 2v1 3v2 + 2v3 = 0 v1 5v3 = 0.
2 2 2 0 V = 2 3 2 V = 0 , 1 0 5 0
100
v1 = 5v3 . 2v1 + 2v2 + 2v3 = 10v3 + 2v2 + 2v3 = 8v3 + 2v2 = 0 2v 3v + 2v = 10v 3v + 2v = 0. 2 3 3 2 3 1 v2 = 4v3 .
y su solucin es:
5 L = 4 k 1 k .
En consecuencia: dim L = 1. Tomando por ejemplo k = 1 conseguimos el vector propio:

5 4 , y por tanto la solucin 1 5 4 e 4t . 1 (49)

0 1 1 e t , 5 t 2 1+ t 1 5 et , 4 e4t . 1
En conclusin, la solucin general del sistema homogneo (46) es: 0 1 1 e t + c2 5 t Y (t ) = c1 2 1 1+ t donde c1, c2, c3 son constantes reales arbitrarias. 5 e t + c3 4 e 4t , 1
EJERCICIO 103
.......................................
3 1 1 Y (t ) = 1 3 1 Y (t ). 3 3 1
5.2.3. Races complejas EJERCICIO 104
.......................................
0 1 2 (t ) = 1 0 3 Y (t ). Y 1 1 3 (50)
Publicado por S. Rosell. Incluye nota del Prof. Alberto A. lvarez. Vanse los EJEMPLOS 18 y 19 en el apartado 5.2.1.2 (Mtodo directo) de la Unidad Didctica.

A I = 0 1 2 1 0 3 1 1 3 = 2 (3 ) 3 2 2 + 3 + 3 = 3 3 2 4 2 = ( + 1)( 2 2 2) = 0.
1 3 4 2 1 1 2 2 0 1 2 2
101
1 = 1.
2 2 2 = 2 + 2 + 2 = 0.
2 4 8 2 2i = = 1 i. 2 2
2 = 1 + i; 3 = 1 i.
Al ser distintas, la solucin general del sistema (50) viene dada por: Y(t) = c1V1et + c2V2e(1+i)t + c3V3e(1i)t. donde c1, c2, c3 son constantes reales arbitrarias y V1, V2, V3 soluciones no nulas del sistema: (A iI )Vi = O, donde i {1, 2, 3}. (51)
1 2 0 (1) 1 0 (1) 3 1 1 3 (1)

v1 + v2 + 2v3 = 0 v1 + v2 + 3v3 = 0 v1 v2 2v3 = 0.
1 1 2 0 V1 = 1 1 3 V1 = 0 , 1 1 2 0
v2 = v1 2v3 v1 + v2 + 3v3 = v1 v1 2v3 + 3v3 = v3 = 0.
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k1 = 1, se tiene: 1 V1 = 1 . (52) 0
Para la raz 2 = 1 + i, el sistema (51) se transforma en:
1 2 0 (1 + i ) 1 0 (1 + i ) 3 1 1 3 (1 + i )
2 1 i 1 V2 = 1 1 i 3 1 1 2 i
0 V2 = 0 , 0
Despejando v2 en la primera ecuacin, v3 en la segunda y luego sustituyendo v1 en la tercera, slo para confirmar el valor de v2: (1 i )v1 + v2 + 2v3 = 0 v1 + (1 i )v2 + 3v3 = 0 v1 v2 + (2 i)v3 = 0. v2 = (1 i)v1 2v3 = v1 + iv1 2v3 . v1 = (1 i )v2 3v3 = (1 i )(v1 iv1 + 2v3 ) 3v3 = v1 iv1 + 2v3 iv1 v1 2iv3 3v3 = 2iv1 2iv3 v3 . v1 + 2iv1 + 2iv3 + v3 = v1 (1 + 2i ) + v3 (1 + 2i) = 0. v3 = v1. v1 v2 + (2 i )v3 = v1 v2 + (2 + i )v1 = v1 v2 + 2v1 + iv1 = v2 + (1 + i )v1 = 0. v2 = (1 + i )v1
y su solucin es: 1 L2 = 1 + i 1
102
k2
k2
En consecuencia: V2 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k2 = 1, se tiene: 1 V2 = 1 i . (53) 1
Para la raz 3 = 1 i, el sistema (51) se transforma en:
1 2 0 (1 i ) 1 0 (1 i ) 3 1 1 3 (1 i )
(1 + i )v1 + v2 + 2v3 = 0 v1 + (1 + i )v2 + 3v3 = 0 v1 v2 + (2 + i )v3 = 0.
2 1+ i 1 V3 = 1 1 + i 3 1 1 2 + i
0 V3 = 0 , 0
v2 = (1 + i )v1 2v3 = v1 iv1 2v3 . v1 = (1 + i )v2 3v3 = (1 + i)(v1 + iv1 + 2v3 ) 3v3 = v1 + iv1 + 2v3 + iv1 v1 + 2iv3 3v3 = 2iv1 + 2iv3 v3 . v1 2iv1 2iv3 + v3 = v1 (1 2i ) + v3 (1 2i ) = 0. v3 = v1.
y su solucin es: 1 L3 = 1 i 1 k3 k3 .
En consecuencia: V3 es cualquier matriz no nula del conjunto anterior. Tomando por ejemplo k3 = 1, se tiene: 1 V3 = 1 + i . (54) 1 De (52), (53) y (54), obtenemos un conjunto fundamental de soluciones: 1 1 1 1 e t , 1 i e( 1+ i ) t , 1 + i e( 1i ) t 0 1 1 .
Nota del Profesor. La clave es descomponer la exponencial compleja en un producto: exponencial de la parte real multiplicada por la exponencial de la parte imaginaria, y luego escribir esta ltima como coseno ms i por seno:
e(a+ib)t = eat+ibt = eat eibt = eat (cos bt + i sen bt), Esta expresin se multiplica por la matriz columna correspondiente, que tendr probablemente algn nmero complejo. En el EJEMPLO 19 de la pg. 274, sera:
103
1 1 i e( 1+ i ) t = 1 = = =
1 1 i 1
e t (cos t + i sen t ) cos t i sen t cos t i sen t i cos t i 2 sen t cos t + i sen t
et cos t i sen t cos t + sen t + i ( cos t sen t ) e t cos t + i sen t sen t cos t e t + i cos t sen t cos t + sen t cos t sen t
et .
Ntese que hemos dejado el et fuera. Descomponemos la matriz columna anterior en suma de dos matrices columna: en una estarn las partes reales y en la otra las partes imaginarias; la matriz con las partes imaginarias quedar multiplicada por i, y ambas por et. En la pg. 274 [del libro] aparece este resultado. Cuando hemos hecho estas operaciones con todas las matrices columna de la solucin general original, qu tenemos?: aparte de la primera matriz columna, con nmeros reales, la cual no se ha tocado, nos quedan combinaciones de dos matrices columna: la que empieza por cos t y la que empieza por sen t, y esta ltima aparecer multiplicada por algn nmero complejo, y todas por et. Cmo terminamos? Escribimos simplemente la solucin general como c1 por la primera columna, ms c2 por la columna de cos t, ms c3 por la columna de sen t, sin olvidar la et multiplicando a las tres columnas, y ya sin poner complejos, que han quedado absorbidos por las constantes. En consecuencia, la solucin general del sistema homogneo (50) es: cos t 1 1 e t + c2 cos t + sen t Y (t ) = c1 cos t 0 donde c1, c2, c3 son constantes reales arbitrarias. sen t e t + c3 cos t sen t sen t e t ,
EJERCICIO 105
.......................................
1 0 0 Y (t ) = 2 1 2 Y (t ). 1 3 2 (55)
Septiembre 2002, examen reserva. Febrero 2003, reserva. Septiembre 2004, prueba presencial. Septiembre 2004, reserva. Publicado por A. Snchez. Incluye notas del Prof. Alberto A. lvarez. Vase el PROBLEMA PROPUESTO 2.B en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.

A I = 1 0 0 2 1 2 3 2 1 3 = (1 ) + 4(1 ) = 1 3 + 3 2 3 + 4 4 = 3 + 3 2 7 + 5 = ( 1)( 2 + 2 5) = 0.
2 4 20 2 4i = = 1 2i. 2 2
1 1 1
3 1 2
7 2 5
5 5 0
1 = 1. 2 + 2 5 = 0. =
2 = 1 + 2i; 3 = 1 2i.
Al ser distintas, la solucin general del sistema (55) viene dada por: Y(t) = c1V1et + c2V2e(1+2i)t + c3V3e(12i)t. donde c1, c2, c3 son constantes reales arbitrarias y V1, V2, V3 soluciones no nulas del sistema: (A iI )Vi = O,
104
donde i {1, 2, 3}.
(56)
0 11 0 0 0 0 0 2 1 1 2 V1 = 2 0 2 V1 = 0 , 2 11 3 3 2 0 0
2v1 2v3 = 0 3v + 2v = 0. 2 1 v3 = v1. v2 = 3/ 2v1.
y su solucin es:
2 L1 = 3 k1 2 k1 .
2 V1 = 3 . 2 (57)
Para la raz 2 = 1 + 2i, el sistema (56) se transforma en:
0 0 1 (1 + 2i ) 2 2 1 (1 + 2i ) 3 2 1 (1 + 2i )
0 2i 0 V2 = 2 2i 2 2 2i 3
0 V2 = 0 , 0
2iv1 = 0 2v1 2iv2 2v3 = 0 3v1 + 2v2 2iv3 = 0. v1 = 0. 2v1 2iv2 2v3 = 2iv2 2v3 = iv2 v3 = 0 3v + 2v 2iv = 2v 2iv = v iv = 0. 2 3 2 3 2 3 1 v3 = iv2 .
Nota del Profesor. Cuando se ha llegado al sistema [de las dos ltimas ecuaciones] que se cita, que es correcto, ya sabemos que v1 = 0. Si nos fijamos, las dos ecuaciones son equivalentes (si por ejemplo multiplicamos la primera por i, obtenemos la segunda); nos quedamos, pues, slo con una. De la segunda, podemos despejar v2: v2 = iv3; si damos el valor 1, verbigracia, a v3, entonces v2 = i. Ya tenemos una solucin del sistema de ecuaciones lineales distinta de la nula: v1 = 0, v2 = i, v3 = 1, y, por tanto, ya tenemos un autovector no nulo: (0, i, 1). Podramos haber dado a v3 otro valor no nulo; lo obtenido nos seguira valiendo como autovector.
En esta parte despej v3 de la primera ecuacin, buscando el resultado que da la solucin propuesta por el libro, con el autovector (0, 1, i).
y su solucin es:
0 L 2 = 1 k2 i k2 .
0 V2 = 1 . i (58)
105
Nota del Profesor. Ahora, para el otro autovalor complejo: 1 2i, no hay que repetir los clculos: nos
vale como autovector el conjugado (componente a componente) del obtenido para el autovalor 1 + 2i. Esto es as porque la matriz es real, con lo que sus autovalores complejos aparecen por parejas de conjugados... Nos vale, pues, (0, i, 1).
Para (0, 1, i), su conjugado sera (0, 1, i).
De (57) y (58), obtenemos un conjunto fundamental de soluciones: 2 0 0 3 et , 1 e(1+ 2i ) t , 1 e(1 2i ) t 2 i i .
Nota del Profesor. De esta forma ya podemos escribir la solucin general. Pero nos quedar con nmeros complejos. Para pasarla a la forma con senos y cosenos, debemos tener en cuenta que:
e(1+2i)t = et+2it = et e2ti = et (cos 2t + i sen 2t), y anlogamente con la exponencial de (1 2i)t. Los clculos restantes son anlogos a los del EJEMPLO 19 (vase la pg. 274 de la Unidad Didctica).
Tenemos pues: 0 0 1 e(1+ 2i ) t = 1 et (cos 2t + i sen 2t ) i i 0 = cos 2t + i sen 2t et i cos 2t i 2 sen 2t = = 0 cos 2t + i sen 2t sen 2t i cos 2t 0 cos 2t sen 2t et + i et 0 sen 2t cos 2t
et .
En consecuencia, la solucin general del sistema homogneo (55) es: 0 2 0 Y (t ) = c1 3 et + c2 cos 2t et + c3 sen 2t et , 2 sen 2t cos 2t donde c1, c2, c3 son constantes reales arbitrarias.
5.3. Sistemas no homogneos 2x2
106
Notas extradas del apartado 5.2.2 (Sistema de ecuaciones diferenciales nxn. Solucin particular) de la Unidad Didctica. Consideremos el sistema de ecuaciones diferenciales lineal de primer orden nxn: Y'(t) = AY(t) + G(t). La solucin general de este sistema de ecuaciones diferenciales se obtiene sumando a una solucin particular la solucin general del sistema homogneo (el que resulta de hacer G igual a cero: G = O). Para simplificar, ilustraremos el mtodo en un sistema donde G sea una matriz columna cuyos trminos sean constantes: B. Denotando la solucin particular del sistema anterior mediante barras: Y , tenemos que Y = A1B. Si el sistema Y = A1B no es compatible determinado, entonces: | A| = 0, es decir, = 0 es un valor propio de A, e intentaramos como solucin particular: Y (t ) = 1 + 2t + + mt m , donde 1 ,, m son matrices columna cuyos trminos son constantes a determinar y m la multiplicidad algebraica del valor propio = 0.
EJERCICIO 106
.......................................
1 4 8 Y (t ) = Y (t ) + 3 . 5 2 (59)
Encontrar una solucin particular del sistema:
Vase el EJEMPLO 22 en el apartado 5.2.2 (Solucin particular) de la Unidad Didctica.
Para calcular una solucin particular del sistema anterior usamos el mtodo de coeficientes indeterminados, es decir, ensayamos como solucin:
w Y = 1 , con w1 , w2 constantes a determinar. w2
(60)
Sustituyendo (60) en el sistema (59), obtenemos:

Calculamos A1. Se tiene: A = 1 4 = 22. 5 2 1 5 2 4 At = Adj ( At ) = . . 4 2 5 1 2 4 Adj ( At ) 5 1 1/11 2 /11 1 A = = = . A 22 5 / 22 1/ 22
1
1 4 8 1/11 2 /11 8 14 /11 Y = 3 = 5 / 22 1/ 22 3 = 37 / 22 . 5 2

EJERCICIO 107
.......................................
1 1 2 Y (t ) = Y (t ) + 5 . 1 1
Resolver el sistema: (61)
Publicado por S. Guerrero, J. Rodrguez y A. Snchez. Incluye notas del Prof. Alberto A. lvarez y clculos detallados de una solucin particular del sistema del Prof. Javier Sanz. Vase el EJEMPLO 23 en el apartado 5.2.2 (Solucin particular) y el PROBLEMA PROPUESTO 3.C en el 5.3 (Problemas propuestos) de la Unidad Didctica.
Para su resolucin calculamos la solucin general del sistema homogneo y una solucin particular del sistema no homogneo; la solucin general del sistema (61) ser la suma de ambas. Resolucin del sistema homogneo El sistema homogneo es:
107
1 1 Y (t ) = Y (t ), 1 1 cuya ecuacin caracterstica, tiene como races: 1 = 0, 2 = 2, luego la solucin general del sistema homogneo (62) viene dada por:
1 1 2t c1 + c2 e , 1 1
(62)
2 2 = 0,
(63)
(64)
donde los valores c1 y c2 son constantes reales arbitrarias. Solucin particular Nota del Profesor. Se plantea una solucin particular como la del EJEMPLO 22 [del Captulo 5 de la Unidad Didctica o vase el EJERCICIO 106], es decir, slo con w1 y w2, cuando la matriz A que define el sistema de ecuaciones es invertible, o lo que es lo mismo: cuando su determinante es no nulo, o lo que es tambin lo mismo: cuando el nmero 0 no es autovalor suyo. Pero si estamos en el caso en que la matriz A no es invertible, es decir, si el nmero 0 figura entre los autovalores de la matriz A con alguna multiplicidad (mayor o igual que 1), entonces el tipo de solucin particular que se prueba tiene ms constantes: la nota bene de la pg. 283 del libro detalla su aspecto. En el EJEMPLO 23 la matriz A no es invertible, esto es, el nmero 0 es uno de sus autovalores. La multiplicidad de ste es 1: la expresin de la solucin particular Y de la nota bene de la pg. 283 se materializa en este caso en la expresin (126) [o vase (65), en este ejercicio]. Si la multiplicidad hubiese sido 2, por ejemplo, habra en Y otro sumando ms: t2 multiplicado por una matriz de trminos w5 y w6.)
Otra forma de hacer la pregunta: Encuentre una solucin particular del sistema de ecuaciones diferenciales: y'(t) = y(t) z(t) + 2, z'(t) = y(t) + z(t) 5.
Para calcular una solucin particular del sistema no homogneo (61) usamos el mtodo de coeficientes indeterminados, es decir ensayamos como solucin del sistema:
w w Y (t ) = 1 + 3 t , w2 w4
(65)
donde w1, ... , w4 son constantes reales a determinar. Nota bene. Se cumple: = 0 es raz de multiplicidad 1 de la ecuacin caracterstica (63). Sustituyendo (65) en el sistema (61), como:
w Y (t ) = 3 , w4
se tiene: w3 1 1 w1 w3 2 w = 1 1 w + w t + 5 4 2 4 w1 w2 w3 w4 2 = + t + w1 + w2 w3 + w4 5 w w2 + 2 = 1 w1 + w2 5 Luego, en cada instante t debe verificarse: w3 = w1 w2 + 2 + ( w3 w4 )t w = w + w 5 + ( w + w )t. 1 2 3 4 4 Para el instante t = 0, tenemos: w3 = w1 w2 + 2 w4 = w1 + w2 5. Despejando w1 en la primera ecuacin y sustituyendo en la segunda:
w1 = w2 + w3 2 w4 = w1 + w2 5 = ( w3 + w2 2) + w2 5 = w3 3.
w3 w4 + w + w 3 4
t.
(66)
108
Sustituyendo los valores obtenidos de los parmetros w1 y w4 en el sistema (66) para el instante t = 1, tenemos: w3 = w2 + w3 2 w2 + 2 + w3 ( w3 3) w 3 = ( w + w 2) + w 5 w w 3. 2 3 2 3 3 3 w3 = 3/ 2.
w1 = w2 + w3 2 = w2 3 2 = w2 7 . 2 2 w4 = w3 3 = 3 3 = 3 . 2 2
de donde: 7 3 w2 , w1 = w2 , w3 = w4 = , 2 2 y por tanto, eligiendo w2 = 0, obtenemos:

7 / 2 Y (t ) = 0 3/ 2 + 3/ 2 t.
(67)
Otra forma de expresar dicha solucin particular:
y (t ) = 3 t 7 , 2 2 z (t ) = 3 t . 2
Solucin general del sistema La solucin general del sistema (61) ser la suma de (64) y (67), es decir:
1 1 2 t 7 / 2 Y (t ) = c1 + c2 e + 0 1 1 3/ 2 + 3/ 2 t ,
donde los valores c1 y c2 son constantes reales arbitrarias.

EJERCICIO 108
.......................................
y'(t) = 2y(t) + z(t) 5, z'(t) = y(t) z(t) + 2.
Encuentre una solucin particular del sistema de ecuaciones diferenciales:
Vase el PROBLEMA PROPUESTO 3.A en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Denotemos: y (t ) Y (t ) = , z (t ) entonces se puede escribir:

2 1 5 Y (t ) = Y (t ) + 2 . 1 1
(68)
109
Para calcular una solucin particular del sistema anterior usamos el mtodo de coeficientes indeterminados, es decir ensayamos como solucin:
w Y = 1 w2
Calculamos A1. Se tiene: A = 2 1 = 3. 1 1 2 1 1 1 At = Adj ( At ) = . . 1 1 1 2 1 1 Adj ( At ) 1 2 1/ 3 1/ 3 = 1 = A = . 3 A 1/ 3 2 / 3
1
, con w1 , w2 constantes a determinar.
(69)
Sustituyendo (69) en el sistema (68), obtenemos:
1/ 3 5 1 2 1 5 1/ 3 = = . Y = 1 1 2 1/ 3 2 / 3 2 3
y (t ) = 1, z (t ) = 3.
EJERCICIO 109
.......................................
y'(t) = 2y(t) + 3z(t) 7, z'(t) = y(t) 2z(t) + 5.
Vase el PROBLEMA PROPUESTO 3.B en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Denotemos: y (t ) Y (t ) = , z (t ) entonces se puede escribir:

3 2 7 Y (t ) = Y (t ) + 5 . 1 2
(70)
Para calcular una solucin particular del sistema anterior usamos el mtodo de coeficientes indeterminados, es decir ensayamos como solucin: w Y = 1 , con w1 , w2 constantes a determinar. w2 Sustituyendo (71) en el sistema (70), obtenemos:
Calculamos A1. Se tiene: A = 2 3 = 1. 1 2 2 1 2 3 At = Adj ( At ) = . . 3 2 1 2 2 3 Adj ( At ) 1 2 2 3 = A 1 = = 1 2 . A 1
1
(71)
3 7 3 7 1 2 2 Y = 5 = 1 2 5 = 3 . 1 2
y (t ) = 1, z (t ) = 3.
110
EJERCICIO 110
.......................................
y'(t) = 3y(t) 3z(t) + 4, z'(t) = 2y(t) 2z(t) 1.
y (t ) Y (t ) = , z (t )
Vase el PROBLEMA PROPUESTO 3.D en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.
Denotemos:
entonces se puede escribir: 3 3 4 Y (t ) = Y (t ) + . 2 2 1 (72)
Se cumple: = 0 es raz de multiplicidad 1 de la ecuacin caracterstica. Para calcular una solucin particular del sistema no homogneo (72) usamos el mtodo de coeficientes indeterminados, es decir ensayamos como solucin del sistema: w w (73) Y (t ) = 1 + 3 t , w2 w4 donde w1, ... , w4 son constantes reales a determinar. Sustituyendo (73) en el sistema (72), como: w Y (t ) = 3 , w4
se tiene:
w3 3 3 w1 w3 4 w = 2 2 w + w t + 1 4 2 4 3w1 3w2 3w3 3w4 4 = + t + 2 w1 2w2 2 w3 2w4 1 3w 3w2 + 4 3w3 3w4 = 1 + t. 2 w1 2 w2 1 2 w3 2 w4
Luego, en cada instante t debe verificarse:

w3 = 3w1 3w2 + 4 + (3w3 3w4 )t w = 2 w 2 w 1 + (2 w 2w )t. 1 2 3 4 4 (74)
Para el instante t = 0, tenemos:

w3 = 3w1 3w2 + 4 w = 2w 2 w 1. 1 2 4
Despejando w1 en la primera ecuacin y sustituyendo en la segunda:

3w1 = w3 + 3w2 4. w1 = w3 + 3w2 4 . 3 w3 + 3w2 4 2 w3 11 . 2w2 1 = 3 3
w4 = 2 w1 2 w2 1 = 2
Sustituyendo los valores obtenidos de los parmetros w1 y w4 en el sistema (74) para el instante t = 1, tenemos:
w3 + 3w2 4 2w3 11 3w2 + 4 + 3w3 3 w3 = 3 3 3 2w3 11 = 2 w3 + 3w2 4 2 w2 1 + 2w3 2 2w3 11 3 3 3 .
111
w1 =
w3 = w3 + 3w2 4 3w2 + 4 + 3w3 2 w3 + 11 = 2 w3 + 11 2 w 11 = 2 w + 6w 8 6 w 3 + 6 w 4w + 22. 3 2 2 3 3 3 w3 = 11.

w3 + 3w2 4 11 + 3w2 4 15 + 3w2 = = = 5 + w2 . 3 3 3 w4 = 2w3 11 2 (11) 11 33 = = = 11. 3 3 3
de donde:
w2 , w1 = 5 + w2 , w3 = w4 = 11,
y por tanto, eligiendo w2 = 10, obtenemos: 15 Y (t ) = 10

11 + 11 t.
y (t ) = 11t 15, z (t ) = 11t 10.
5.4. Problemas de valor inicial

Notas extradas del apartado 5.2.2 (Sistema de ecuaciones diferenciales nxn. Solucin particular) de la Unidad Didctica. La determinacin de las constantes c1, ... , cn que aparecen en la solucin general del sistema de ecuaciones diferenciales requiere del conocimiento de una serie de condiciones adicionales, las denominadas condiciones iniciales, que indican el valor de la funcin Y del sistema en un determinado momento, normalmente t = 0 (de ah el nombre de condiciones iniciales).
EJERCICIO 111
.......................................
1 0 0 1 Y (t ) = 4 1 0 Y (t ), Y (0) = 2 3 6 2 30 . (75)
Resolver el problema de valor inicial:
Publicado por S. Guerrero. Incluye nota del Prof. Alberto A. lvarez. Vase el EJEMPLO 24 en el apartado 5.2.2 (Solucin particular) de la Unidad Didctica.
La ecuacin caracterstica es igual a: ( 1)2( 2) = 0,

A I = 1 0 0 4 1 0 3 6 2 = (1 ) 2 (2 ) = 0.
con lo que sus races o valores propios son:

1 = 2 = 1, 3 = 2.
Observe que la multiplicidad algebraica del valor propio 1 es igual a 2 y la del valor propio 2 es 1. Calculemos ahora los vectores propios de la matriz A. El sistema a resolver ser: 0 1 4 1 6 3
112 Para la raz = 1 el sistema (76) se transforma en:
0 0 2
0 V = 0 . 0
(76)
0 11 0 0 0 0 0 4 1 1 0 V = 4 0 0 V = 0 6 2 1 3 3 6 1 0
4v1 = 0 3v1 + 6v2 + v3 = 0. 3v1 + 6v2 + v3 = 6v2 + v3 = 0.
v3 = 6v2 .
y su solucin es: 0 L = 1 k 6
k
En consecuencia: dim L = 1. Nota bene. Solamente es posible elegir un nico vector propio V1 linealmente independiente asociado al valor propio 1, precisamente: 0 V1 = k , con k 6k
dim L < m
{0}.
Al no coincidir multiplicidad algebraica (m = 2) y geomtrica (dim L = 1), nos guiamos de la proposicin 10 (cf. pg. 279) para encontrar las soluciones
Z1(t),
En concreto: Z1 (t ) = etW1 , Z 2 (t ) = et [W2 + tW1 ], ( A I )W1 = O, ( A I )W2 = W1 ,
Z2(t),
0 0 0 0 ( A I )W2 = W1 , 4 0 0 W2 = 1 . 3 6 1 6 4v1 = 1 3v + 6v + v = 6. 2 3 1 v1 = 1 . 4 3v1 + 6v2 + v3 = 3 + 6v2 + v3 = 6. 4
v3 = 3 6 6v2 = 21 6v2 . 4 4
linealmente independientes del sistema homogneo (75) asociadas con el valor propio = 1, obteniendo: 0 0 1 Z1 (t ) = et 1 , W1 = 6 6 1/ 4 1/ 4 1/ 2 Z 2 (t ) = et 1/ 2 W2 = 33/ 4 33/ 4
0 + tet 1 . 6
(77)
Nota del Profesor. Efectivamente el sistema (A I )W2 = W1 tiene por matriz una matriz que no es invertible. Si el problema est bien desarrollado debe salir as. Pero que la matriz de un sistema tenga determinante nulo no significa necesariamente que el sistema no tenga solucin. De lo que se trata es de encontrar alguna solucin de este sistema de ecuaciones: alguna W2 que verifique la igualdad. En el ejemplo est escrita una, pero cualquier solucin de este sistema valdra para escribir la solucin general del sistema homogneo.
113
0 0 1 2 4 1 2 0 3 6 22
1 0 0 0 V = 4 1 0 V = 0 , 3 6 0 0
v1 = 0 4v1 v2 = 0 3v1 + 6v2 = 0. v2 = 0.
y su solucin es: 0 L = 0 k 1 En consecuencia: dim L = 1. Tomando por ejemplo k = 1, conseguimos el vector propio: 0 0 , y por tanto la solucin 1 0 0 e2t . 1 (78)
k
De (77) y (78), obtenemos un conjunto fundamental de soluciones: 0 1/ 4 t , et 1/ 2 e 1 6 33/ 4 0 0 + tet 1 , 0 e 2t 6 1 .
En conclusin, la solucin general del sistema homogneo (75) es: 1/ 4 0 1 + c2 et 1/ 2 Y (t ) = c1e 6 33/ 4
t
0 0 + tet 1 + c3 0 e 2t , 6 1
donde c1, c2, c3 son constantes reales arbitrarias. Sustituyendo las condiciones iniciales en la solucin obtenida, resulta el sistema: 1 2 30 0 1/ 4 0 = c1 1 + c2 1/ 2 + c3 0 , 6 33/ 4 1
1 c2 = 1 4 1 c1 + 2 c2 = 2 6c1 33 c2 + c3 = 30. 4 c2 = 4. c1 + 1 c2 = c1 + 1 4 = 2. c1 = 0. 2 2 6c1 33 c2 + c3 = 33 4 + c3 = 30. c3 = 3. 4 4
de donde:
c1 = 0, c2 = 4, c3 = 3.
En conclusin, la solucin del problema de valor inicial (75) es: 1 Y (t ) = et 2 33

114
0 0 + 4tet 1 + 3 0 e 2t . 6 1
EJERCICIO 112
.......................................
2 1 Y (t ) = Y (t ), 5 4 con 1 Y (0) = . 3 (79)
Resolver el problema de valor inicial:
Septiembre 2003, original. Vase el PROBLEMA PROPUESTO 4.A en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.

A I = 2 1 5 4 = (2 )(4 ) + 5 = 8 + 2 4 + 2 + 5 = 2 2 3 = 0.
2 4 + 12 2 4 = . 2 2
1 = 1; 2 = 3.
Al ser las races distintas, la solucin general del sistema homogneo (79) viene dada por:
Y(t) = c1V1et + c2V2e3t.
donde c1, c2 son constantes reales arbitrarias y V1, V2 soluciones no nulas del sistema: (A iI )Vi = O, donde i {1, 2}. (80)
1 2 (1) 4 (1) 5
1 1 0 V1 = 5 5 V1 = 0 ,
v1 + v2 = 0 5v + 5v = 0. 1 2 v2 = v1.
y su solucin es:
1 L1 = k1 1 k1 .
1 V1 = . 1 (81)
1 2 3 5 1 0 V2 = V2 = , 5 43 5 1 0
5v1 + v2 = 0 5v + v = 0. 1 2 v2 = 5v1.
y su solucin es:
1 L2 = 5 k2 k2 .
115
2 V2 = . 1 (82)

1 t 1 3t e , 5 e . 1
En conclusin, la solucin general del sistema homogneo (79) es: 1 1 Y (t ) = c1 e t + c2 e3t , 1 5 donde c1, c2 son constantes reales arbitrarias. Sustituyendo las condiciones iniciales en la solucin obtenida, resulta el sistema: 1 1 1 3 = c1 1 + c2 5 ,
c1 + c2 = 1 c + 5c = 3. 2 1 c2 = 1 c1. c1 + 5c2 3 = c1 + 5(1 c1 ) 3 = c1 + 5 5c1 3 = 4c1 + 2 = 0.
c1 = 1 . 2
de donde:
c1 = 1/2, c2 = 1/2.
En conclusin, la solucin del problema de valor inicial (79) es: 1/ 2 Y (t ) = e t 1/ 2

Otra forma de expresar dicha solucin: y (t ) = 1 e t + 1 e3t , 2 2 z (t ) = 1 e t + 5 e3t . 2 2
3t 1/ 2 + e 5 / 2 .
EJERCICIO 113
.......................................
0 0 1 Y (t ) = 2 0 0 Y (t ), 1 2 4
0 0 1 Y (t ) = 2 0 0 , 1 2 4
Resuelva el siguiente problema de valor inicial: 7 Y (0) = 5 . 5 (83)
Otra forma de hacer la pregunta: Resolver el siguiente sistema de ecuaciones diferenciales: 7 Y (0) = 5 . 5
Septiembre 2002, prueba presencial. Febrero 2005, segunda semana. Vase el PROBLEMA PROPUESTO 4.B en el apartado 5.3 (Problemas propuestos) de la Unidad Didctica.

A I = 0 1 2 0 1 2 4 = 2 (4 ) 4 + = 3 + 4 2 + 4 = ( 1)( 2 + 3 + 4) = 0.
1 1 1
4 1 3
1 3 4
4 4 0
116
1 = 1.
2 + 3 + 4 = 0.
3 9 + 16 3 5 = . 2 2
2 = 1; 3 = 4.
Al ser las races distintas, la solucin general del sistema (83) viene dada por:
Y(t) = c1V1et + c2V2et + c3V3e4t.
donde c1, c2, c3 son constantes reales arbitrarias y V1, V2, V3 soluciones no nulas del sistema: (A iI )Vi = O, donde i {1, 2, 3}. (84)
1 0 1 0 2 1 0 V1 = 0 , 1 2 3 0
v1 v3 = 0 2v1 v2 = 0 v1 + 2v2 + 3v3 = 0. v1 = v3 . v2 = 2v1.
y su solucin es:
1 L1 = 2 k1 1 k1 .
1 V1 = 2 . 1 (85)
0 1 (1) 2 0 (1) 2 4 (1) 1
1 0 1 0 V2 = 2 1 0 V2 = 0 , 1 2 5 0
v1 v3 = 0 2v1 + v2 = 0 v1 + 2v2 + 5v3 = 0. v1 = v3 . v2 = 2v1.
y su solucin es:
1 L 2 = 2 k2 1 k2 .
1 V2 = 2 . 1 (86)
Para la raz 3 = 4, el sistema (84) se transforma en: 117
4 0 1 0 2 4 0 V3 = 0 , 1 2 0 0
4v1 v3 = 0 2v1 4v2 = 0 v1 + 2v2 = 0. v3 = 4v1. v1 = 2v2 .
y su solucin es:
2 L 3 = 1 k3 8 k3 .
2 V3 = 1 . 8 (87)
De (86), (85) y (87), obtenemos un conjunto fundamental de soluciones:

1 1 2 2 et , 2 e t , 1 e 4t . 1 1 8
En conclusin, la solucin general del sistema homogneo (83) es: 1 1 2 2 et + c2 2 e t + c3 1 e 4t , Y (t ) = c1 1 1 8
donde c1, c2, c3 son constantes reales arbitrarias. Sustituyendo las condiciones iniciales en la solucin obtenida, resulta el sistema: 7 1 1 2 5 = c1 2 + c2 2 + c3 1 , 5 1 1 8
c1 + c2 + 2c3 = 7 2c1 2c2 + c3 = 5 c1 + c2 8c3 = 5. c1 = 7 c2 2c3 . 2c1 2c2 + c3 5 = 2(7 c2 2c3 ) 2c2 + c3 5 = 14 2c2 4c3 2c2 + c3 5 = 9 4c2 3c3 = 0. c1 + c2 8c3 5 = (7 c2 2c3 ) + c2 8c3 5 = 7 + c2 + 2c3 + c2 8c3 5 = 12 + 2c2 6c3 = 0. 12 + 2c2 6c3 = 0. 2c2 = 12 + 6c3 . 9 4c2 3c3 = 9 2(12 + 6c3 ) 3c3 = 9 24 12c3 3c3 = 15 15c3 = 0. c2 = 6 + 3c3 = 3. c1 = 7 c2 2c3 = 7 3 + 2 = 6. c3 = 1.
de donde:
c1 = 6, c2 = 3, c3 = 1.
En conclusin, la solucin del problema de valor inicial (83) es: 1 1 2 2 et + 3 2 e t 1 e 4t . Y (t ) = 6 1 1 8
EJERCICIO 114
118
.......................................
2 0 1 Y (t ) = 0 3 0 Y (t ), 1 0 2 con 0 Y (0) = 1 . 2 (88)
Febrero 2004, primera semana, original. Publicado por A. Snchez. Incluye nota del Prof. Alberto A. lvarez.

A I = 2 0 1 0 3 0 1 0 2 = (2 ) 2 (3 ) (3 ) = (4 4 + 2 )(3 ) 3 + = 12 12 + 3 2 4 + 4 2 3 3 + = 3 + 7 2 15 + 9 = ( 1)( 2 + 6 9) = 0. 2 + 6 9 = 0.
1 1 1
7 15 9 1 6 6 9 9 0
1 = 1.
6 36 36 6 6 = . 2 2
2 = 3 = 3.
Nota del Profesor. Para este sistema, los autovalores son 1 (simple) y 3 (doble). Para el autovalor 1, un autovector no nulo es (1, 0, 1). Para el autovalor doble, sirven como autovectores linealmente independientes estos: (0, 1, 0) y (1, 0, 1). Ntese que las dos multiplicidades coinciden para el autovalor doble; por eso, al resolver el sistema (A 3I )X = O podemos obtener dos autovectores linealmente independientes.
Calculemos ahora los vectores propios de la matriz A. El sistema a resolver es: 0 2 0 3 1 0

1 0 2
0 V = 0 . 0
(89)
1 2 1 0 1 0 1 0 0 V = 0 2 0 V = 0 3 1 0 0 2 1 1 1 0 1 0
v1 + v3 = 0 2v2 = 0 v1 + v3 = 0. v3 = v1.
y su solucin es:
1 L1 = 0 k1 1 k1 .
En consecuencia: V1 es cualquier matriz no nula del conjunto anterior, tomando por ejemplo k1 = 1, se tiene:
1 V1 = 0 . 1 (90)
Para la raz = 3 el sistema (89) se transforma en: 119
0 1 23 0 33 0 0 23 1
1 0 1 0 V = 0 0 0 V = 0 , 1 0 1 0
v1 + v3 = 0 v v = 0. 1 3 v3 = v1.
y su solucin es:
0 1 L = 1 k 2 + 0 k3 1 0
dim L = m
( k 2 , k3 )
En consecuencia: dim L = 2. Al coincidir multiplicidad geomtrica y algebraica y ser iguales a 2, es posible encontrar dos vectores propios V2 y V3 asociados con el valor propio 1 linealmente independientes. Tomando por ejemplo (k2, k3) = (1, 0) obtenemos V2, y para (k2, k3) = (0, 1) obtenemos V3, es decir:
0 1 V1 = 1 , V2 = 0 . 0 1 (91)

1 0 1 t 3t 3t 0 e , 1 e , 0 e . 1 0 1
En conclusin, la solucin general del sistema homogneo (88) es: 1 0 1 0 et + c2 1 e3t + c3 0 e3t , Y (t ) = c1 1 0 1 donde c1, c2, c3 son constantes reales arbitrarias. Sustituyendo las condiciones iniciales en la solucin obtenida, resulta el sistema: 0 1 0 1 1 = c1 0 + c2 1 + c3 0 , 2 1 0 1
c1 + c3 = 0 c2 = 1 c1 + c3 = 2. c1 = c3 . c1 + c3 + 2 = (c3 ) + c3 + 2 = 2c3 + 2 = 0. c3 = 1.
de donde:
c1 = 1, c2 = 1, c3 = 1.
En conclusin, la solucin del problema de valor inicial (88) es: 1 0 1 0 e t 1 e 3t 0 e 3t . Y (t ) = 1 0 1

120
EJERCICIO 115
.......................................
3 1 1 Y (t ) = 1 3 1 Y (t ), 1 1 3 1 Y (0) = 0 . 2

Ejercicio

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Ejercicio

Uploaded by

Copyright:

Available Formats

Ejercicios de

Matemticas avanzadas aplicadas a la economa

160906. Ejercicios de matemticas avanzadas

1. Convexidad 1.1. Conjuntos convexos EJERCICIO 1

Estudiar si es convexo el conjunto: {(x, y) R2 | y x}.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto: {(x, y) R2 | y x}.

Estudiar si es convexo el conjunto: {(x, y) R2 | x y 1}.

y sean x e y dos puntos de dicho conjunto: x = (2, 2) C, y = (2, 2) C. Para =

[0, 1], el punto z del segmento que une x e y sera:

Estudiar si es convexo el conjunto: {(x, y) R2 | y 1/x}.

y sean x e y dos puntos de dicho conjunto: x = (1, 1) C, y = (1, 1) C.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto: {(x, y) R2 | x y 4}.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto: {(x, y) R2 | y2 x}.

y sean x e y dos puntos de dicho conjunto: x = (4, 2) C, y = (4, 2) C.

Por tanto, el conjunto C no es convexo ya que (x, y) C, [0, 1], x + (1 )y C.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto: {(x, y) R2 | y x2}.

y sean x e y dos puntos de dicho conjunto: x = (1, 1) C, y = (1, 1) C. Para =

Estudiar si es convexo el conjunto: {(x, y) R2 | y x3}.

y sean x e y dos puntos de dicho conjunto: x = (1, 1) C, y = (1, 1) C.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto: {(x, y) R2 | x2 + y2 = 1}.

160906. Ejercicios de matemticas avanzadas

z = x + (1 ) y = ( x1 , x2 ) + (1 )( y1 , y2 ) = [ x1 + (1 ) y1 , x2 + (1 ) y2 ]. La suma de los cuadrados de los componentes de z es:

Estudiar si es convexo el conjunto: {(x, y) R2 | 1 x2 + y2 4}.

Se trata de la interseccin de los conjuntos:

[0, 1], el punto del segmento que une x e y sera:

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto: {(x, y) R2 | 1 x2 + y2 4}.

Se trata de la interseccin de los conjuntos:

Estudiar si es convexo el conjunto A = {(x, y) R2 | x2 + y2 1 y x + y 1}.

donde: S1 = {(x, y) R2 | x2 + y2 1}.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto A = {(x, y) R2 | x + y 1, x 0 e y 0}.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto A = {(x, y) R2 | x 0 y x 1 y

Estudiar si es convexo el conjunto: {(x, y, z) R3 | 2x + y z > 1}.

y, por tanto, un conjunto convexo como demostraremos. Demostracin Sea el conjunto: C = {( x, y, z )

160906. Ejercicios de matemticas avanzadas

Si hacemos A = ( 2 1 1 ) , podemos escribir:

con i = {1, 2},

Estudiar si es convexo el conjunto: {(x, y, z) R3 | log(x + y + z) 0}.

( x, y , z ) Demostracin Sea el conjunto:

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto:

Sean x e y dos puntos cualesquiera del conjunto S:

x = (x1, y1, z1) S, y = (x2, y2, z2) S Haciendo:

Z = A[ X + (1 )Y ] = AX + (1 ) AY = T + (1 )T =T 2 = , 3 por lo que z S y el conjunto S es convexo, es decir: (x, y, z) S, [0, 1], X + (1 )Y S.

160906. Ejercicios de matemticas avanzadas

Estudiar si es convexo el conjunto: 1 3 2 1 5 4 x 1 y = . z 3

160906. Ejercicios de matemticas avanzadas

1.2. Funciones cncavas y funciones convexas

a12 , ... , Dn = det A. a22

160906. Ejercicios de matemticas avanzadas

Demostrar que la funcin f (x, y) = 2x + y2 + x2 es convexa sobre R2.

Demostrar que f (x, y) = x2 + y2 + 2x + 2y + 1 es convexa sobre R2.

La matriz hessiana de f : H f ( x, y ) = La ecuacin caracterstica y sus races:

Estudiar si la funcin f (x, y) = x2 y2 xy x3 es convexa sobre R2.

160906. Ejercicios de matemticas avanzadas

160906. Ejercicios de matemticas avanzadas