Extremos de funciones de varias variables

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

Pensemos ahora en una función f de varias variables, ¿Cómo pueden determinarse los extremos locales
de f ? ¿Será conveniente extender la noción de punto crı́tico?. Veremos que la idea de punto crı́tico
puede extenderse para funciones de varias variables, siendo las derivadas parciales una herramienta
muy útil a la hora de localizar maximizadores y minimizadores de funciones multivariables.

1. Extremos relativos y absolutos

Trabajaremos aquı́ con funciones de dos variables.

Definición: Sea f : D ⊆ R2 → R. Se dice que f tiene un máximo local o relativo en (xM , yM ) ∈ D,

si f (xM , yM ) ≥ f (x, y) para todo punto (x, y) en algún disco centrado en (xM , yM ).
El punto (xM , yM ) se denomina máximo local de f .
Si la desigualdad se verifica para todo punto del dominio de f , el máximo es absoluto o global.

Definición: Se dice que f tiene un mı́nimo local o relativo en (xm , ym ) 2 D, si f (xm , ym ) ≤ f (x, y)
para todo punto (x, y) en algún disco centrado en (xm , ym ).
El punto (xm , ym ) se denomina mı́nimo local de f .
Si la desigualdad se verifica para todo punto del dominio de f , el mı́nimo es absoluto o global.

Los máximos y mı́nimos locales constituyen los extremos locales o relativos de la función f .

1
La definición expresa que: si f tiene un máximo relativo en (xM , yM ), entonces el valor de la función
en dicho punto es el mayor valor que toma f para cualquier punto en los alrededores de (xM , yM );
mientras que si f tiene un mı́nimo relativo en (xm , ym ), el valor de la función en dicho punto es el
menor valor que toma f para cualquier punto en los alrededores de (xm , ym ). Como muestra la figura

Nos abocaremos a la búsqueda de extremos. En el caso de funciones de dos variables, las funciones
pueden tener uno o varios extremos locales, o ninguno. Por ejemplo, f1 (x, y) = 3 + x2 + y 2 presenta
un mı́nimo local y absoluto, mientras que f2 (x, y) = x + y no posee extremos locales ni absolutos.

Para determinar los extremos de una función escalar de dos variables, vamos a ubicar primeramente
los puntos crı́ticos de la función.

Definición Sea f : D ⊆ R2 → R. Un punto (xc , yc ) perteneciente al dominio de f es un punto

crı́tico de f si: las dos derivadas parciales primeras de f se anulan en (xc , yc ), ó al menos una de las
derivadas parciales primeras de f no existe en (xc , yc ).

~ , se dice que (xc , yc ) es un punto estacionario de f .

En el primer caso ∇f

Por ejemplo f1 (x, y) = 3 + x2 + y 2 presenta un único punto estacionario, (0, 0), donde tanto fx como
√
fy se anulan; la función f2 (x, y) = x + y no posee puntos crı́ticos; mientras que f3 (x, y) = x + y
tiene infinitos puntos crı́ticos, de la forma (a, 0), es decir todos los puntos del eje x, pues no existe
fy cuando y = 0.

El siguiente teorema asegura que todo extremo local es necesariamente un punto crı́tico. Sin embar-
go, no todo punto crı́tico será un extremo. Para hallar extremos de una función, se deberá buscar

2
primero todos los puntos crı́ticos; de esa forma, se tendrán todos los candidatos a extremos, luego
habrá que clasificarlos, si son o no extremos, o si son otra cosa.

Teorema Sea f : D ⊆ R2 → R, D un conjunto abierto. Si f tiene un máximo o mı́nimo local en

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

De este teorema también se puede deducir que si la gráfica de f admite plano tangente en un máximo
o mı́nimo local, entonces dicho plano tangente es horizontal, dado por z = f (x0 , y0 ).

~ (x0 , y0 ) = ~0,
Observación El teorema anterior nos dice que si f (x0 , y0 ) es un extremo entonces ∇f
el recı́proco no es cierto. Veamos.

Analizar gráfica y analı́ticamente si la función f (x, y) = x2 − y 2 , tiene o no extremos locales.

El dominio de f es todo R2 , para estudiar el comportamiento de la función trazaremos primero

algunas curvas de nivel. Es fácil ver que la imagen de la función es todo R, por lo que podemos
considerar curvas de nivel para cualquier valor real de k.
Consideremos, a modo de ejemplo, k = 0, ±1, ±4. La curva de nivel de valor k es el conjunto de
puntos del plano xy que satisface x2 − y 2 = k. Ası́, para k = 0 tenemos y = ±x, o sea que la curva
de nivel 0 consiste de dos rectas que pasan por el origen y tienen pendiente +1 y 1 respectivamente.
Para k = 1 la curva de nivel es una hipérbola que cruza al eje x en los puntos (±1, 0); de manera
análoga, para k = 4 la curva de nivel es una hipérbola que cruza al eje x en los puntos (±2, 0). Para
k = −1, obtenemos la curva y 2 − x2 = 1, esto es, una hipérbola que cruza al eje y en los puntos
(0, ±1); para k = −4 se obtiene la hipérbola que cruza al eje y en los puntos (0, ±2).

3
A partir del análisis de las curvas de nivel, notamos un comportamiento particular de f en
torno al origen. Depende la dirección en la que me mueva los valores de f van tomando valores
mayores , menor que cero o igual a cero

Para ayudar a visualizar la situación planteamos otra técnica:

consideremos la gráfica de la función en el espacio, dada por la superficie z = x2 − y 2 y miremos
dos trazas verticales. La traza con y = 0 es la parábola z = x2 que abre hacia arriba en el plano xz
sobre el plano z = 0, mientras que la traza con x = 0 es la parábola z = −y 2 que abre hacia abajo
en el plano yz por debajo del plano z = 0. La gráfica, es la llamada silla de montar, el paraboloide
hiperbólico .

Al observar el gráfico notamos que la superficie z = x2 − y 2 tiene cerca del origen un comportamiento
especial, que no corresponde a un máximo ni a un mı́nimo.

¿cuál es el valor de las derivadas parciales de f en (0, 0)? Tenemos que fx (x, y) = 2x y fy (x, y) = 2y.
Por lo tanto, fx (0, 0) = 0, fy (0, 0) = 0. O sea que (0, 0) es un punto estacionario de f , y es el único.
La función en (0, 0) vale 0.

4
Examinando los valores que toma en puntos cercanos al origen, vemos que para puntos de la forma
(a, 0), con a 6= 0, se tiene f (a, 0) = a2 > 0 = f (0, 0), y para puntos de la forma (0, b), con b 6= 0, se
tiene f (0, b) = b2 < 0 = f (0, 0).
Estas desigualdades son válidas aún para valores de a y b muy pequeños, por lo tanto (0, 0) no puede
ser ni un mı́nimo relativo ni un máximo relativo: de hecho, es lo que se denomina un punto silla.

Definición Puntos silla. Sea f : D ⊆ R2 → R. Se dice que f tiene un punto de silla en (xs , ys ) si
fx (xs , ys ) = 0, fy (xs , ys ) = 0 pero (xs , ys ) no es un extremo local de f , o sea que para cada disco
centrado en (xs , ys ) existen en D puntos donde f (x, y) > f (xs , ys ) y puntos donde f (x, y) < f (xs , ys ).

Criterio para determinar máximos y mı́nimos locales de ciertas funciones

Veremos ahora, para funciones de clase C 2 , funciones con derivadas parciales segundas continuas,
un criterio analı́tico de clasificación de puntos estacionarios, que hace uso de las derivadas parciales
segundas de la función evaluadas en dichos puntos.
Teorema Sea f : D ⊆ R2 → R una función de clase C 2 en un disco centrado en (xe , ye ), siendo
~ (xe , ye ) = ~0. Sea D(xe , ye ) = fxx (xe , ye )fyy (xe , ye ) −
(xe , ye ) ∈ D un punto crı́tico de f , es decir, ∇f
[fxy (xe , ye )]2 Se tiene que:
fxx fxy

Si D(xe , ye ) > 0 ∧ fxx (xe , ye ) > 0, se trata de un mı́nimo local

fyx=fxy fyy

Si D(xe , ye ) > 0 ∧ fxx (xe , ye ) < 0, se trata de un máximo local

Si D(xe , ye ) < 0, entonces (xe , ye ) es un punto silla de f .

Si D(xe , ye ) = 0, este criterio no decide

Observaciones

1. D es el determinante de la matriz

 
fxx (xe , ye ) fxy (xe , ye )
 
H(xe , ye ) =   llamada matriz Hessiana
 
 
fxy (xe , ye ) fyy (xe , ye )

5
 fxx (xe , ye ) fxy (xe , ye )
es decir, D(xe , ye ) = .
fxy (xe , ye ) fyy (xe , ye )

2. Si D = 0 f puede tener máximo, mı́nimo o punto silla pero lo tengo que tederminar por otro
medio.

Ejemplo Dada la función f (x, y) = 2x4 + y 2 − x2 − 2y hallar los extremos relativos o locales.
f (x, y) = 2x4 + y 2 − x2 − 2y es C 2 por lo tanto podemos usar el criterio.
Primero buscamos los puntos crı́ticos

fx (x, y) = 8x3 − 2x = x(8x2 − 2) = 0 entonces x = 0 ó 8x2 − 2 = 0 , x = 0 ó x = ± 21

fy (x, y) = 2y − 2 = 0, tenemos y = 1

Los puntos crı́ticos son (0, 1) ( 12 , 1), (− 12 , 1)

24x2 − 2 0
D(x, y) = .
0 2

−2 0
D(0, 1) = = −4 punto silla
0 2

6 0
D(− 21 , 1) = = 12 > 0 y fxx > 0 es mı́nimo relativo
0 2

6 0
D( 21 , 1) = = 12 > 0 y fxx > 0 es mı́nimo relativo
0 2

6
f (− 12 , 1) = f ( 12 , 1) = − 89 Este es el gráfico de la superficie, se pueden ver los mı́nimos locales y el
punto silla no queda tan visible ya que parece que hubiera un máximo local.

Si miramos otra vista y la traza x = 0 podemos observar un mı́nimo local de la traza por lo tanto
hay un punto silla.

Ejemplo 2 Determinar los extremos relativos de f (x, y) = x2 (y − 1)2

fx (x, y) = 2x(y − 1)2
fy (x, y) = 2x2 (y − 1)
fx (x, y) = 2x(y − 1)2 = 0 entonces x = 0 ó y = 0 tenemos puntos de la forma (0, y), (x, 1)
fy (x, y) = 2x2 (y − 1) entonces x = 0 ó y = 0 tenemos puntos de la forma (0, y), (x, 1)
por lo tanto los puntos crı́ticos de f son (0, y), (x, 1)

2(y − 1)2 4x(y − 1)

D(x, y) = .
4x(y − 1) 2x2

0 0
D(x, 1) = = 0 no puedo decir nada
0 2x

7
 2(y − 1)2 0
D(0, y) = = 0 no puedo decir nada
0 0

Como el crı́terio no me sirve debo analizar de otra forma. La función f (x, y) = x2 (y − 1)2 ≥ 0 y
f (x, 1) = f (0, y) = 0 por lo tanto f (x, y) = x2 (y − 1)2 ≥ f (x, 1) = f (0, y) entonces el mı́nimo relativo
y absoluto es cero y se da en los puntos de la forma (x, 1), (0, y)

Ejemplo 3 Sea

 3
 √−2x si (x, y) 6= (0, 0)
2 +y 2

 x

f (x, y) =



0 si (x, y) = (0, 0)

Analizar si en (0, 0) hay un extremos relativo.

Para que haya un extremo ∇f (0,~0) = ~0, como es un punto problema lo hacemos por definición.

3
√−2h −0
fx (0, 0) = limh→0 f (0+h,0)−f
h
(0,0)
= limh→0 h2 +02
h
=0

fy (0, 0) = limh→0 f (0,0+h)−f

h
(0,0)
= limh→0 0−0
h
=0

8
Como es un punto problema, serı́a muy complejo analizar si f ∈ C 2 para poder usar el criterio y en
caso que no lo fuera no podrı́amos usarlo, conviene hacerlo por definición.

−2a 3 −2a 3
f (a, 0) = √ <
a2
0 si a > 0 y f (a, 0) = √ >
a2
0 si a < 0 y f (0, 0) = 0 por lo tanto (0, 0) es un punto
silla.

2. Extremos de una función de dos variables en una región

cerrada y acotada
Hasta ahora hemos analizado para una función de dos variables, sus extremos relativos en dominios
abiertos. En ocasiones es necesario determinar los valores extremos de una función en un dominio
restringido a cierto subconjunto especial de R2 , por ejemplo: un cuadrante (región semiabierta), un
cı́rculo, una región triangular o cuadrada cerrada, una curva, etc.

Sabemos que si una función de una variable es continua en un intervalo cerrado, entonces alcanza sus
valores máximo y mı́nimo absolutos en el intervalo. Recordemos que un intervalo cerrado de la recta
real es aquel que contiene a sus puntos del borde. Efectivamente, para una función continua f (x)
de una variable, definida en un intervalo cerrado [a, b] ⊆ R, los extremos absolutos pueden ocurrir o
bien como puntos crı́ticos de f dentro del intervalo abierto (a, b), o bien en los bordes del intervalo, a
ó b. Para determinar los extremos absolutos se debe entonces evaluar la función no sólo en los puntos
crı́ticos, que caen en el interior del intervalo, sino además en la frontera del segmento, esto es, en los
puntos inicial y final del intervalo.
Una situación similar ocurre para funciones de dos variables.
Definición Conjuntos cerrados y acotados. Un subconjunto D de R2 se dice cerrado si contiene

9
a su frontera. La frontera de D se define como el conjunto de puntos (xf , yf ) tales que todo disco
centrado en (xf , yf ) contiene puntos que están en D y puntos que no están en D.
Por otro lado, un subconjunto D de R2 se dice acotado si D está contenido en algún disco.

Ejemplo: El conjunto {(x, y) : x2 + y 2 ≤ 1} está formado por todos los puntos del cı́rculo deradio 1
centrado en el origen: los interiores, x2 + y 2 < 1, más los que están en la circunferenciax2 + y 2 = 1,
que es la frontera; entonces es un conjunto cerrado porque contiene a su frontera, y está acotado
debido a que puede encerrarse con un cı́rculo, de radio mayor que 1.

La región triangular con vértices (1, 0), (1, 0) y (0, 32 ) puede rodearse con una circunferencia de radio
2; entonces es una región acotada porque está contenida en un disco, y es cerrada porque contiene a
los lados del triángulo que son su frontera.

Enunciamos el siguiente teorema para conjuntos cerrados y acotados de R2 y funciones continuas de

dos variables:

Teorema Sea D un conjunto cerrado y acotado de R2 , y sea f : D → R una función de dos variables,
continua en D. Entonces f alcanza valores máximo absoluto y mı́nimo absoluto en D.

Dicho de otra forma, si f es una función continua en un conjunto cerrado y acotado D ⊆ R2 , existen
puntos en D para los cuales f alcanza su mayor valor y puntos para los que alcanza su menor valor.
Dichos puntos están en el interior de D (y son puntos crı́ticos de f ) y/o en la frontera ∂D.

Criterio para hallar extremos absolutos de una función continua f (x, y) en una región D cerrada y
acotada del plano:

1. Hallar todos los puntos crı́ticos de f en el interior de D.

2. Hallar los puntos crı́ticos de la frontera de D .

3. Los únicos candidatos a ser extremos absolutos de la función son los puntos hallados en los
pasos (1) y (2). Evaluar f en los puntos hallados; comparar los valores que toma la función en

10
 dichos puntos, y seleccionar el mayor y el menor de todos ellos.

Ejemplo Hallar los valores máximos y mı́nimos absolutos de la función f (x, y) = x2 + y 2 sobre la
región R determinada por x ≤ 1, y ≤ x + 1 e y ≥ 0.

Como f es C 1 y R es acotada la función alcanza máximo y mı́nimo absoluto sobre R. para hallarlos
primero buscamos los puntos crı́ticos en el interior
fx (x, y) = 2x = 0 y 2y = 0 punto crı́tico (0, 0) está en el borde.
Ahora recorremos los bordes

1. Si y = 0 y −1 ≤ x ≤ 1
f (x, 0) = x2 entonces tenemos una h(t) = t2 y h0 (t) = 2t = 0, t = 0 punto crı́tico (0, 0)

2. Si y = x + 1 y −1 ≤ x ≤ 1
f (x, x + 1) = x2 + (x + 1)2 , l(t) = t2 + (t + 1)2 y l0 (t) = 4t + 2 = 0 entonces t = − 12 punto
crı́tico (− 21 , 12 ).

3. Si x = 1 e 0 ≤ y ≤ 2
f (1, y) = 1 + y 2 , h1 (y) = 1 + y 2 y h01 (y) = 2y = 0 entonces (1, 0)

Pc f (Pc )
(0, 0) 0
(1, 0) 1
(− 12 , 12 ) 1
2

(1, 2) 5

Comparando vemos que el mı́nimo absoluto es 0 y se da en (0, 0) y el máximo absoluto

es 5 y se da en (1, 2).

11
Ejemplo Analizar los extremos absolutos de f (x, y) = x2 + 2y 2 + 2 en el cı́rculo de radio 1 centrado
en el origen. Se trata de una función continua por ser polinomial, definida en un cı́rculo que es una
región cerrada y acotada del plano, luego, por el Teorema presenta extremos absolutos; además, ello
ocurrirá en un punto crı́tico interior al cı́rculo, o en un punto de la circunferencia frontera.
Buscamos los puntos crı́ticos en el interior de la circunferencia
fx (x, y) = 2x = 0
fy (x, y) = 4y = 0
Entonces (0, 0) el el único punto crı́tico y pertenece al interior de la región. Ahora buscamos sobre el
borde de la circunferencian uan forma de buscarlo es mediante una parametrización de la misma, por
ejemplo ~r(t) = (cost, sent), con 0 ≤ t ≤ 2π. Ahora consideramos F (t) = f (~r(t)) = f (cost, sent) =
(cost)2 + 2(sent)2 + 2, y buscamos los extremos de F (t), como función continua de una variable en el
intervalo cerrado [0, 2π]. Consideramos los valores de t que anulan F 0 (t) = −2costsent + 4sentcost =
2costsent = 0 en el intervalo 0 < t < 2π más los bordes de dicho intervalo; finalmente los candidatos
a extremos de F(t) son: t = 0, t = π2 , t = π, 23 π y 2π Los puntos de la circunferencia correspondientes
a esos valores de t son: (1, 0), (0, 1), (1, 0), (0, 1), (1, 0), respectivamente.

Pc f (Pc )
(0, 0) 2
(1, 0) 3
(0, 1) 4
(−1, 0) 3
(0, −1) 4

Concluimos que f en el cı́rculo unidad posee un mı́nimo absoluto en (0, 0) y dos máximos absolutos,

12
uno en (0, 1) y otro en (0, 1)

3. Método de los multiplicadores de Lagrange

Vamos a enunciar una propiedad del gradiente que nos va a hacer útil en lo que sigue.

Propiedad de normalidad del gradiente. Sea c = f (x0 , y0 ) y consideremos la curva de nivel

f (x, y) = c que pasa por (x0 , y0 ). Si dicha curva es regular en el punto (x0 , y0 ), entonces el vector
gradiente ∇f (x0 , y0 ) es normal a la curva de nivel f (x, y) = c en dicho punto. En otros términos, si
∇f (x0 , y0 ) no es el vector nulo, entonces el vector (−fy (x0 , y0 ), fx (x0 , y0 )) es tangente a la curva de
nivel en (x0 , y0 ).

En el ejemplo anterior se hallaron los puntos crı́ticos del borde de la región parametrizando la curva
x2 + y 2 = 1 , ahora vamos a ver a otro método analı́tico para hallarlos.
La siguiente figura corresponde a un mapa de contorno de la función f (x, y) = x2 + 2y 2 + 2 . Se
indica en el mismo gráfico la curva condicionante, la circunferencia de ecuación x2 + y 2 = 1.

13
Es claro que hay una curva de nivel que pasa también por puntos de la circunferencia y que tiene
el valor más chico de k = kmin = 3 (las curvas de nivel punteadas en rojo con k menores que 3 no
cortan a la circunferencia, indicando que no se satisface el vı́nculo en ningún punto de las elipses
más chicas); además es evidente que existe una curva de nivel que pasa también por puntos de la
circunferencia y que tiene el valor más grande de k = kmax = 4 (las curvas de nivel punteadas en azul
con k mayores no intersecan a la circunferencia, dando cuenta de que no se satisface la restricción
en ningún punto de las elipses (más grandes).
Entre las curvas de nivel C1 y C2 se muestran en la figura curvas (en naranja) de nivel intermedio, que
se ve que cortan a la curva C en varios puntos. Observemos con atención los puntos de intersección
de la curva de nivel C1 con la curva restricción C, y de la curva de nivel C2 con la curva restricción
C. Para fijar ideas tomemos por ahora C2 y C: en los puntos de intersección, que son M+ = (0, 1)
y M− = (0, 1), estas dos curvas se tocan en forma tangente. Ello significa que si tomamos en M+
un vector tangente a cada curva, estos vectores serán colineales entre sı́; lo mismo ocurre para M− .
Deducimos entonces que, en los puntos M± , vectores perpendiculares a una y otra curva serán coli-
neales entre sı́.

La función f (x, y) = x2 + 2y 2 + 2 para (x, y) sujetos a la circunferencia C dada por x2 + y 2 = 1, tiene

mı́nimos de valor 1 en (±1, 0), y máximos de valor 2 en (0, ±1) los podemos ver en el gráfico de la
superficie con la restricción.

Por la propiedad del gradiente vista, sabemos cómo hallar un vector perpendicular a la curva de

14
 ~ , evaluado en el punto. Ası́, tenemos que ∇f
nivel C2 de f en un punto: usando el ∇f ~ (0, 1) =

(0, 4) es un vector perpendicular a C2 en M+ = (0, 1). Si la curva C fuera una curva de nivel de
alguna otra función, podrı́amos hacer lo mismo. Definamos entonces una función auxiliar, dada por
g(x, y) = x2 + y 2 − 1, de tal forma que la curva de nivel 0 de g reproduce la curva vinculante C
~
. Ası́, tenemos que ∇g(0, 1) = (0, 2) es un vector perpendicular a C en M+ = (0, 1). Se confirma
entonces que el punto de intersección M+ entre C2 y C es un punto de tangencia, pues los vectores
~ (0, 1) = λ∇g(0,
gradiente hallados son colineales, siendo un vector múltiplo del otro: ∇f ~ 1) con λ = 2.
Algo similar ocurre para el punto M− .

~ (±1, 0) = (±2, 0) y
De igual manera, en cada punto de intersección entre C1 y C los vectores ∇f
~
∇g(±1, 0) = (±2, 0) son colineales. De hecho, se trata del mismo vector; en este caso el factor de
proporcionalidad o multiplicador es λ = 1.

Se puede ver que las curvas de nivel entre C1 y C2 cortan también a la curva vinculante C pero
NO de manera tangente. Esto es un indicio de que ese k es intermedio, y no el menor o mayor
posible compatible con el vı́nculo. C.

Cuando hablamos de colinealidad entre los vectores gradiente, se debe tener cuidado de que
ninguno de ellos sea el vector nulo. Habrá que chequearlo en cada ejercicio. Para el ejemplo
~
tratado aquı́, ∇g(x, y) = (2x, 2y) se anula solamente en el punto (0, 0), pero como éste no
satisface la condición.

En la discusión anterior hemos establecido una justificación geométrica para el siguiente teorema,
que da una condición necesaria, aunque no suficiente, para la existencia de un extremo restringido
de una función:
Teorema Teorema de Lagrange (2 variables y 1 restricción).
Sean f (x, y) y g(x, y) funciones de dos variables de clase C 1 , y tales que f tiene un extremo en
el punto (xL , yL ) que pertenece a la curva suave dada por g(x, y) = 0, o sea g(xL , yL ) = 0. Si
~
∇g(x L , yL ) 6= 0, entonces existe un número real, denominado multiplicador de Lagrange, tal que

~ (xL , yL ) = λ∇g(x
∇f ~ L , yL )

Este Teorema se puede extender a funciones en Rn .

15
Observación Se debe resolver un sistema (no lineal, en general) de 3 ecuaciones con 3 indetermi-
nadas, que puede tener una o más soluciones. Sin embargo, no todas las soluciones del sistema de
ecuaciones corresponden a extremos restringidos de f , la colinealidad de los gradientes es condición
necesaria pero no suficiente.
Cuando el vı́nculo determina una región cerrada y acotada, es posible evaluar f en cada una de las
soluciones obtenidas y comparar los valores de la función. El menor valor será el mı́nimo condicionado
y el mayor valor será el máximo condicionado de f bajo la ligadura g(x, y) = 0. Por otro lado, si la
solución consiste de un único punto o el vı́nculo no determina una región cerrada y acotada, se debe
inspeccionar la función en puntos de su entorno, que satisfagan la ligadura, para justificar si se trata
de un mı́nimo o un máximo condicionado, o de un punto de silla, ó a través de alguna justificación
geométrica.

Ahora si estamos en condiciones de resolver el ejercicio anterior analı́ticamente, utilizando el Teorema

de Lagrange.

si f (x, y) = x2 + 2y 2 + 2 y la restricción g(x, y) = x2 + y 2 − 1 = 0 nos queda el sistema




 2x = λ2x(1)







4y = λ2y(2)








x2 + y 2 − 1 = 0(3)



De (1) , 2x(λ − 1) = 0 entonces x = 0 ó λ = 1.

Si x = 0 en (3) y = ±1 , en (2) λ = 2
Si λ = 1 en (2) y = 0 y en (3) x = ±1
tenemos entonces 4 puntos crı́ticos (−1, 0), (1, 0), (0, 1), (0, −1) (son los mismos que se obtuvieron
con la parametrización). Luego reemplazamos en la función y obtenemos el máximo y el mı́nimo (la
región es cerrada y acotada). f (0, ±1) = 4 y f (±1, 0) = 3 máximo y mı́nimo condicionado respecti-
vamente.

Ejemplo: Encuentre la distancia más corta del punto A = (2, −2, 3) al plano de ecuación

16
6x + 4y3z = 2.

Sea P = (x, y, z) un punto del plano dado. Se pide encontrar la menor distancia entre P y A,
p
d(A, P ) = (x − 2)2 + (y + 2)2 + (z − 3)2 cuando 6x + 4y − 3z = 2. Para facilitar los cálculos
definimos la función f (x, y, z) = (x − 2)2 + (y + 2)2 + (z − 3)2 que es el cuadrado de la distancia d(A,
P) , pues un mı́nimo de f también es un mı́nimo de d. Las coordenadas del punto P deben satisfacer
la ecuación del plano, dicho de otra forma están vinculadas por la ecuación 6x + 4y − 3z − 2 = 0, por
lo cual definimos la función auxiliar g(x, y, z) = 6x + 4y − 3z − 2. El gradiente de g es no nulo en todo
R3 . La superficie de nivel 0 de g es justamente el plano dado. Como función auxiliar sirve también
Tenemos
 entonces todos los elementos para aplicar el método de los multiplicadores de Lagrange:


 2(x − 2) = 6λ








2(y + 2) = 4λ







2(z − 3) = −3λ












 6x + 4y − 3z − 2 = 0


Para resolver este sistema, es conveniente en este caso despejar x, y, z de las 3 primeras ecuaciones en
términos de λ , y ponerlos en la cuarta ecuación, que quedará solamente en función del multiplicador
de Lagrange. Se tiene: x = 3λ + 2 , y = 2λ − 2, z = − 32 λ + 3, respectivamente; luego reemplazando
en la cuarta ecuación queda 6(3λ + 2) + 4(2λ − 2) − 3(− 32 λ + 3) − 2 = 0 que tiene solución (única)
√
14 62941
λ= 61
. Luego el punto buscado es P L = ( 164
61
, − 94 , 162 ) , y está a una distancia dL =
61 61 61
≈ 4,11
del punto A.

La respuesta al ejercicio no está completa aún: falta justificar que P L, que es la única solución
hallada, es efectivamente el punto del plano más cercano (a menor distancia), y no el más lejano, a
A. Un gráfico nos convencerá de ello (o elegir otro punto cualquiera que satisfaga el vı́nculo, o sea
que esté sobre el plano dado, y ver que su distancia a A es mayor que dL).

17