UNIVERSIDADE FEDERAL DE VIÇOSA

DEPARTAMENTO DE ECONOMIA
PROGRAMA DE PÓS-GRADUAÇÃO STRICTO SENSU EM ECONOMIA
ECO 672 – MICROECONOMIA I
PROFESSORA: ELAINE APARECIDA FERNANDES
ALUNA: LIANA BOHN

PRIMEIRA LISTA DE EXERCÍCIOS

REVISÃO DE MATEMÁTICA

1. Considere as seguintes funções:

a) f(x) = lnk
b) f(x) = k + cx (c>0)
c) f(x) = logk² + bx² (b<0)
d) f(x) = x³ – 2x
e) f(x1, x2) = 6x1 – 9x2
f) f(x1, x2) = x2 – lnx1
g) f(x1, x2) = lnx2 – lnx1
h) f(x) = x² + 4

Responda:
Elabore um gráfico e identifique quais as funções são côncavas, convexas, quasecôncavas,
quaseconvexas, estritamente côncavas, estritamente convexas.
a) f(x) = lnk

𝑓 𝑥 = 𝑙𝑛𝑘
𝑓′ 𝑥 = 0

Como a função é, na verdade, uma constante,

ela passa a ter um comportamento de função
linear, podendo ser classificada como côncava e
convexa ao mesmo tempo, ou, ainda, como
quasecôncava e quaseconvexa, embora não seja
em nenhum caso considerada como
estritamente.
b) f(x) = k + cx (c>0)

𝑓 𝑥 = 𝑘 + 𝑐𝑥
𝑓 ′ (𝑥) = 𝑐 → +

A função linear é crescente em toda a sua

extensão.

Por ser linear, a função pode ser classificada

como côncava e convexa ao mesmo tempo, ou,
ainda, como quasecôncava e quaseconvexa,
embora não seja em nenhum caso considerada
como estritamente.

c) f(x) = logk² + bx² (b<0)

Como 𝑏 < 0, temos:
𝑓 𝑥 = 𝑙𝑜𝑔𝑘² − 𝑏𝑥
𝑓 ′ (𝑥) = −2𝑏𝑥
−2𝑏𝑥 = 0 → 𝑥 = 0

𝑓"(𝑥) = −2𝑏 → −
A função tem concavidade negativa em toda a
sua extensão.

A função quadrática é côncava. Ademais,

apresenta um extremo relativo que é um
máximo global, o que a caracteriza como
estritamente côncava.

d) f(x) = x³ – 2x
𝑓 𝑥 = 𝑥³ − 2𝑥
𝑓′ 𝑥 = 3𝑥² − 2
3𝑥² − 2 = 0 → 𝑥 = ± 2 3

𝑓" 𝑥 = 6𝑥
6𝑥 = 0 → 𝑥 = 0

A função polinomial é côncava e convexa,

conforme o intervalo de análise.
e) f(x1, x2) = 6x1 – 9x2
No gráfico, a representação é: z = 6x – 9y

𝑓 𝑥1 , 𝑥2 = 6𝑥1 − 9𝑥2
𝑓𝑥 1 = 6 → +
𝑓𝑥 1 𝑥 1 = 0
𝑓𝑥 2 = −9 → −
𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0

Como as derivadas primeiras não podem ser

igualadas à zero, não há condições de achar os
pontos sujeitos a serem máximos ou mínimos,
de forma que a condição suficiente de segunda
ordem não é atendida, já que temos:
𝑓𝑥 1 𝑥 1 , 𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 1 𝑓𝑥 2 𝑥 2 = 𝑓𝑥21 𝑥 2

De acordo com isso, não é possível identificar a

classificação desta função.

f) f(x1, x2) = x2 – lnx1

No gráfico, a representação é: z = y – lnx

𝑓 𝑥1 , 𝑥2 = 𝑥2 − 𝑙𝑛𝑥1
𝑓𝑥 1 = − 1 𝑥1
𝑓𝑥 1 𝑥 1 = 1 2
𝑥1
𝑓𝑥 2 = 1 → +
𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
Como somente a derivada primeira de 𝑥1 pode
igualada à zero, não há condições de achar os
pontos sujeitos a serem máximos ou mínimos,
de forma que a condição suficiente de segunda
ordem não é atendida, já que temos:
𝑓𝑥 1 𝑥 1 , 𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 1 𝑓𝑥 2 𝑥 2 = 𝑓𝑥21 𝑥 2

De acordo com isso, não é possível identificar a

classificação desta função.
g) f(x1, x2) = lnx2 – lnx1
No gráfico, a representação é: z = lny – lnx
𝑓 𝑥1 , 𝑥2 = 𝑙𝑛𝑥2 − 𝑙𝑛𝑥1
𝑓𝑥 1 = − 1 𝑥1
𝑓𝑥 1 𝑥 1 = 1 2
𝑥1
𝑓𝑥 2 = 𝑥2 1
𝑓𝑥 2 𝑥 2 = − 1 2
𝑥2
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
𝑓𝑥 1 𝑥 1 > 0 e 𝑓𝑥 2 𝑥 2 < 0
𝑓𝑥 1 𝑥 1 + 𝑓𝑥 2 𝑥 2 (−) < 𝑓𝑥21 𝑥 2 (0)
Apesar da condição necessária de primeira
ordem ser satisfeita, a condição suficiente de
segunda ordem não o é (tem-se sinais diferentes
para os valores das derivadas segundas), de
forma que o produto entre elas é inferior à
derivada cruzada, que, neste caso, é igual à zero.

De acordo com isso, não é possível identificar a

classificação desta função.

h) f(x) = x² + 4
𝑓 𝑥 = 𝑥² + 4
𝑓′ 𝑥 = 2𝑥
2𝑥 = 0 → 𝑥 = 0

𝑓 ′′ 𝑥 = 2 → +
A função tem concavidade positiva em toda a
sua extensão.

A função quadrática é convexa. Ademais,

apresenta um extremo relativo que é um
mínimo global, o que a caracteriza como
estritamente convexa.

Utilizando a definição de função côncava [f(tx1 + (1 – t)x2) ≥ tf(x1) + (1 – t)f(x2)], função

convexa [f(tx1 + (1 – t)x2) ≤ tf(x1) + (1 – t)f(x2)], função quasecôncava [f(tx1 + (1 – t)x2) ≥ min
{f(x1),f(x2)}] e quaseconvexa [f(tx1 + (1 – t)x2) ≤ max {f(x1),f(x2)}], prove que sua resposta ao item
anterior está correta.
a) f(x) = lnk
𝑓 𝑡𝑥1 + 1 − 𝑡 𝑥2 = 𝑙𝑛𝑘
𝑡𝑓 𝑥1 + 1 − 𝑡 𝑓 𝑥2 = 𝑙𝑛𝑘
𝑙𝑛𝑘 = 𝑙𝑛𝑘
 Utilizando a definição para os tipos de funções, comprova-se que 𝑓 𝑥 = 𝑙𝑛𝑘 atende tanto a
condição da convexidade quanto da concavidade, mostrando que realmente se trata de uma função
côncava e convexa ao mesmo tempo, que também pode ser quasecôncava e quaseconvexa.

b) f(x) = k + cx (c>0)
Sejam 𝑥1 e 𝑥2 dois pontos distintos quaisquer no domínio, de forma que 𝑥1 < 𝑥2 . Então,
tem-se:
𝑓 𝑥1 = 𝑘 + 𝑐𝑥1 𝑓 𝑡𝑥1 + 1 − 𝑡 𝑥2 = 𝑘 + 𝑐 𝑡𝑥1 + 1 − 𝑡 𝑥2
𝑓 𝑥2 = 𝑘 + 𝑐𝑥2 𝑡𝑓 𝑥1 + 1 − 𝑡 𝑓 𝑥2 = 𝑡 𝑘 + 𝑐𝑥1 + 1 − 𝑡 (𝑘 + 𝑐𝑥2 )

𝑘 + 𝑐 𝑡𝑥1 + 1 − 𝑡 𝑥2 = 𝑡 𝑘 + 𝑐𝑥1 + 1 − 𝑡 (𝑘 + 𝑐𝑥2 )

𝑘 + 𝑐𝑡𝑥1 + 𝑐𝑥2 − 𝑐𝑡𝑥2 = 𝑡𝑘 + 𝑐𝑡𝑥1 + 𝑘 + 𝑐𝑥2 − 𝑡𝑘 − 𝑐𝑡𝑥2
𝑘 + 𝑐𝑡𝑥1 + 𝑐𝑥2 − 𝑐𝑡𝑥2 = 𝑘 + 𝑐𝑡𝑥1 + 𝑐𝑥2 − 𝑐𝑡𝑥2

Utilizando a definição para os tipos de funções, comprova-se que 𝑓 𝑥 = 𝑘 + 𝑐𝑥 atende

tanto a condição da convexidade quanto da concavidade, mostrando que realmente se trata de uma
função côncava e convexa ao mesmo tempo, que também pode ser quasecôncava e quaseconvexa.

c) f(x) = logk² + bx² (b<0)

Sejam 𝑥1 e 𝑥2 dois pontos distintos quaisquer no domínio, de forma que 𝑥1 < 𝑥2 , e fazendo
uma substituição para 𝑙𝑜𝑔𝑘² = 𝐿. Então, tem-se:
𝑓 𝑥1 = 𝐿 + 𝑏𝑥12 𝑓 𝑡𝑥1 + 1 − 𝑡 𝑥2 = 𝐿 + 𝑏 𝑡𝑥1 + 1 − 𝑡 𝑥2 ²
𝑓 𝑥2 = 𝐿 + 𝑏𝑥2 2 𝑡𝑓 𝑥1 + 1 − 𝑡 𝑓 𝑥2 = 𝑡 𝐿 + 𝑏𝑥12 + 1 − 𝑡 (𝐿 + 𝑏𝑥22 )

𝐿 + 𝑏 𝑡𝑥1 + 1 − 𝑡 𝑥2 ² = 𝑡 𝐿 + 𝑏𝑥12 + 1 − 𝑡 (𝐿 + 𝑏𝑥22 )

2
𝐿 + 𝑏 𝑡𝑥1 2 + 𝑡 1 − 𝑡 𝑥1 𝑥2 + 1 − 𝑡 𝑥2 = 𝑡𝐿 + 𝑡𝑏𝑥12 + 𝐿 + 𝑏𝑥22 − 𝑡𝐿 − 𝑡𝑏𝑥22
2
𝐿 + 𝑏 𝑡𝑥1 2
+ 𝑡 1 − 𝑡 𝑥1 𝑥2 + 1 − 𝑡 𝑥2 = 𝑡𝑏𝑥12 + 𝐿 + 𝑏𝑥22 − 𝑡𝑏𝑥22
2
𝐿 + 𝑏 𝑡𝑥1 2
+ 𝑏𝑡 1 − 𝑡 𝑥1 𝑥2 + 𝑏 1 − 𝑡 𝑥2 = 𝑡𝑏𝑥12 + 𝐿 + 𝑏𝑥22 − 𝑡𝑏𝑥22
2
𝑡𝑏𝑥12 + 𝑏𝑥22 − 𝑡𝑏𝑥22 − 𝑏 𝑡𝑥1 2
− 𝑏𝑡 1 − 𝑡 𝑥1 𝑥2 − 𝑏 1 − 𝑡 𝑥2 =0
2
𝑡𝑏𝑥12− 𝑏 𝑡𝑥1 + 𝑏𝑥22 − 𝑡𝑏𝑥22
2
− 𝑏 1 − 𝑡 𝑥2 − 𝑏𝑡 1 − 𝑡 𝑥1 𝑥2 = 0
𝑏𝑥12 𝑡 − 𝑡 2 + 𝑏𝑥22 1 − 𝑡 − 𝑎 − 𝑡 2 − 𝑏𝑡 1 − 𝑡 𝑥1 𝑥2 = 0
𝑏{𝑥12 𝑡 − 𝑡 2 + 𝑥22 1 − 𝑡 − 𝑎 − 𝑡 2 − 𝑡 1 − 𝑡 𝑥1 𝑥2 } < 0

Utilizando a definição para os tipos de funções, comprova-se que 𝑓 𝑥 = 𝑙𝑜𝑔𝑘² + 𝑏𝑥² com
𝑏 < 0 é uma função côncava e, além disso, estritamente côncava porque todo o termo acima será
menor que zero (dado que 𝑏 < 0) e o termo em colchetes, maior que zero (haja visto que 𝑡 é uma
fração positiva, os dois primeiros termos serão positivos e o terceiro termo será negativo, mas menor
que os anteriores). Esse resultado justifica o sinal da desigualdade.

d) f(x) = x³ – 2x
Sejam 𝑥1 e 𝑥2 dois pontos distintos quaisquer no domínio, de forma que 𝑥1 < 𝑥2 . Então,
tem-se:
𝑓 𝑥1 = 𝑥13 − 2𝑥12 𝑓 𝑡𝑥1 + 1 − 𝑡 𝑥2 = 𝑡𝑥1 + 1 − 𝑡 𝑥2 ³ − 2 𝑡𝑥1 + 1 − 𝑡 𝑥2
𝑓 𝑥2 = 𝑥23 − 2𝑥22 𝑡𝑓 𝑥1 + 1 − 𝑡 𝑓 𝑥2 = 𝑡 𝑥13 − 2𝑥12 + 1 − 𝑡 (𝑥23 − 2𝑥22 )

𝑡𝑥1 + 1 − 𝑡 𝑥2 ³ − 2 𝑡𝑥1 + 1 − 𝑡 𝑥2 = 𝑡 𝑥13 − 2𝑥12 + 1 − 𝑡 (𝑥23 − 2𝑥22 )

3
𝑡𝑥1 3 + 1 − 𝑡 𝑥2 + 3(𝑡𝑥1 )² 1 − 𝑡 𝑥2 + 3 𝑡𝑥1 1 − 𝑡 𝑥2 2 =
𝑡𝑥13 − 2𝑡𝑥12 + 𝑥23 − 2𝑥22 − 𝑡𝑥23 + 2𝑡𝑥22
3
𝑡𝑥13 − 2𝑡𝑥12 + 𝑥23 − 2𝑥22 − 𝑡𝑥23 + 2𝑡𝑥22 − 𝑡𝑥1 3
− 1 − 𝑡 𝑥2 − 3 𝑡𝑥1 2 (1 − 𝑡)𝑥2 − 3 𝑡𝑥1 1 − 𝑡 𝑥2 2
=0
 3
𝑡𝑥13 − 𝑡𝑥1 3 − 2𝑡𝑥12 + 𝑥23 − 𝑡𝑥23 − 1 − 𝑡 𝑥2 − 2𝑥22 + 2𝑡𝑥22 − 3 𝑡𝑥1 2 1 − 𝑡 𝑥2 − 3 𝑡𝑥1 1 − 𝑡 𝑥2 2 = 0
𝑡𝑥13 1 − 𝑡 2 − 2𝑡𝑥12 + 𝑥23 1 − 𝑡 − 1 − 𝑡 3 + 2𝑥22 𝑡 − 1 − 3𝑡𝑥1 1 − 𝑡 𝑥2 [𝑡𝑥1 + (1 − 𝑡)𝑥2 < 𝑜𝑢 > 0

Utilizando a definição para os tipos de funções, comprova-se que 𝑓 𝑥 = 𝑥³ − 2𝑥 é uma

função côncava e convexa, dependendo do intervalo em que se analisa a mesma. Dado que 𝑡 é maior
que zero, o termo em análise pode ser positivo ou negativo, dependo dos valores de 𝑥1 e 𝑥2 que
determinarão se, para estes, a função é côncava ou convexa.

e) f(x1, x2) = 6x1 – 9x2

Sejam 𝑢 = (𝑢1 , 𝑢2 ) e 𝑣 = (𝑣1 , 𝑣2 ) dois pontos distintos quaisquer no domínio. Então, tem-
se:
𝑓 𝑢 = 𝑓 𝑢1 , 𝑢2 = 6𝑢1 − 9𝑢2
𝑓 𝑣 = 𝑓 𝑣1 , 𝑣2 = 6𝑣1 − 9𝑣2

𝑓 𝑡𝑢 + 1 − 𝑡 𝑣 = 𝑡6𝑢1 + 1 − 𝑡 6𝑣1 + [−𝑡9𝑢2 − 1 − 𝑡 9𝑣2 ]

𝑡𝑓 𝑢 + 1 − 𝑡 𝑓 𝑣 = 𝑡 6𝑢1 − 9𝑢2 + 1 − 𝑡 (6𝑣1 − 9𝑣2 )

𝑡6𝑢1 + 1 − 𝑡 6𝑣1 + −𝑡9𝑢2 − 1 − 𝑡 9𝑣2 = 𝑡 6𝑢1 − 9𝑢2 + 1 − 𝑡 (6𝑣1 − 9𝑣2 )

𝑡6𝑢1 + 6𝑣1 − 𝑡6𝑣1 − 𝑡9𝑢2 − 9𝑣2 + 𝑡9𝑣2 = 𝑡6𝑢1 − 𝑡9𝑢2 + 6𝑣1 − 9𝑣2 + 𝑡9𝑣2

Com este resultado, pode-se concluir que a função 𝑓 𝑥1 , 𝑥2 = 6𝑥1 − 9𝑥2 confirma a
condição necessária a fim de que tenha pontos extremos de máximo e mínimo, mas isso não é
suficiente para determinar exatamente quais são eles.

f) f(x1, x2) = x2 – lnx1

Sejam 𝑢 = (𝑢1 , 𝑢2 ) e 𝑣 = (𝑣1 , 𝑣2 ) dois pontos distintos quaisquer no domínio. Então, tem-
se:
𝑓 𝑢 = 𝑓 𝑢1 , 𝑢2 = 𝑢2 − 𝑙𝑛𝑢1
𝑓 𝑣 = 𝑓 𝑣1 , 𝑣2 = 𝑣2 − 𝑙𝑛𝑣1

𝑓 𝑡𝑢 + 1 − 𝑡 𝑣 = 𝑡𝑢2 + 1 − 𝑡 𝑣2 + [−𝑡𝑙𝑛𝑢1 − 1 − 𝑡 𝑙𝑛𝑣1 ]

𝑡𝑓 𝑢 + 1 − 𝑡 𝑓 𝑣 = 𝑡 𝑢2 − 𝑙𝑛𝑢1 + 1 − 𝑡 (𝑣2 − 𝑙𝑛𝑣1 )

𝑡𝑢2 + 1 − 𝑡 𝑣2 + −𝑡𝑙𝑛𝑢1 − 1 − 𝑡 𝑙𝑛𝑣1 = 𝑡 𝑢2 − 𝑙𝑛𝑢1 + 1 − 𝑡 (𝑣2 − 𝑙𝑛𝑣1 )

𝑡𝑢2 + 𝑣2 − 𝑡𝑣2 − 𝑡𝑙𝑛𝑢1 − 𝑙𝑛𝑣1 + 𝑡𝑙𝑛𝑣1 = 𝑡𝑢2 − 𝑡𝑙𝑛𝑢1 + 𝑣2 − 𝑙𝑛𝑣1 − 𝑡𝑣2 + 𝑡𝑙𝑛𝑣1

Com este resultado, pode-se concluir que a função 𝑓 𝑥1 , 𝑥2 = 𝑥2 − 𝑙𝑛𝑥1 confirma a

condição necessária a fim de que tenha pontos extremos de máximo e mínimo, mas isso não é
suficiente para determinar exatamente quais são eles.

g) f(x1, x2) = lnx2 – lnx1

Sejam 𝑢 = (𝑢1 , 𝑢2 ) e 𝑣 = (𝑣1 , 𝑣2 ) dois pontos distintos quaisquer no domínio. Então, tem-
se:
𝑓 𝑢 = 𝑓 𝑢1 , 𝑢2 = 𝑙𝑛𝑢2 − 𝑙𝑛𝑢1
𝑓 𝑣 = 𝑓 𝑣1 , 𝑣2 = 𝑙𝑛𝑣2 − 𝑙𝑛𝑣1
 𝑓 𝑡𝑢 + 1 − 𝑡 𝑣 = 𝑡𝑙𝑛𝑢2 + 1 − 𝑡 𝑙𝑛𝑣2 + [−𝑡𝑙𝑛𝑢1 − 1 − 𝑡 𝑙𝑛𝑣1 ]
𝑡𝑓 𝑢 + 1 − 𝑡 𝑓 𝑣 = 𝑡 𝑙𝑛𝑢2 − 𝑙𝑛𝑢1 + 1 − 𝑡 (𝑙𝑛𝑣2 − 𝑙𝑛𝑣1 )

𝑡𝑙𝑛𝑢2 + 1 − 𝑡 𝑙𝑛𝑣2 + −𝑡𝑙𝑛𝑢1 − 1 − 𝑡 𝑙𝑛𝑣1 = 𝑡 𝑙𝑛𝑢2 − 𝑙𝑛𝑢1 + 1 − 𝑡 (𝑙𝑛𝑣2 − 𝑙𝑛𝑣1 )

𝑡𝑙𝑛𝑢2 + 𝑙𝑛𝑣2 − 𝑡𝑙𝑛𝑣2 − 𝑡𝑙𝑛𝑢1 − 𝑙𝑛𝑣1 + 𝑡𝑙𝑛𝑣1 = 𝑡 𝑙𝑛𝑢2 − 𝑡𝑙𝑛𝑢1 + 𝑙𝑛𝑣2 − 𝑙𝑛𝑣1 − 𝑡𝑙𝑛𝑣2 + 𝑡𝑙𝑛𝑣1

Com este resultado, pode-se concluir que a função 𝑓 𝑥1 , 𝑥2 = 𝑙𝑛𝑥2 − 𝑙𝑛𝑥1 confirma a
condição necessária a fim de que tenha pontos extremos de máximo e mínimo, mas isso não é
suficiente para determinar exatamente quais são eles.

h) f(x) = x² + 4
Sejam 𝑥1 e 𝑥2 dois pontos distintos quaisquer no domínio, de forma que 𝑥1 < 𝑥2 . Então,
tem-se:
𝑓 𝑥1 = 𝑥12 − 4 𝑓 𝑡𝑥1 + 1 − 𝑡 𝑥2 = 𝑡𝑥1 + 1 − 𝑡 𝑥2 ² − 4
𝑓 𝑥2 = 𝑥22 − 4 𝑡𝑓 𝑥1 + 1 − 𝑡 𝑓 𝑥2 = 𝑡 𝑥12 − 4 + 1 − 𝑡 (𝑥22 − 4)

𝑡𝑥1 + 1 − 𝑡 𝑥2 ² − 4 = 𝑡 𝑥12 − 4 + 1 − 𝑡 (𝑥22 − 4)

𝑡𝑥1 ² + 2𝑡𝑥1 1 − 𝑡 𝑥2 + 1 − 𝑡 2 𝑥22 − 4 = 𝑡𝑥12 − 4𝑡 + 𝑥22 − 4 − 𝑡𝑥22 + 4𝑡
𝑡𝑥1 ² + 2𝑡𝑥1 1 − 𝑡 𝑥2 + 1 − 𝑡 2 𝑥22 − 4 = 𝑡𝑥12 + 𝑥22 − 4 − 𝑡𝑥22
𝑡𝑥12 + 𝑥22 − 4 − 𝑡𝑥22 − 𝑡𝑥1 ² − 2𝑡𝑥1 1 − 𝑡 𝑥2 − 1 − 𝑡 2 𝑥22 = 0
𝑡𝑥12 − 𝑡𝑥1 ² − 1 − 𝑡 2 𝑥22 + 𝑥22 − 𝑡𝑥22 − 2𝑡𝑥1 1 − 𝑡 𝑥2 = 0
𝑥12 𝑡 − 𝑡 2 + 𝑥22 1 − 𝑡 − 1 − 𝑡 2 − 2𝑡𝑥1 1 − 𝑡 𝑥2 > 0

Utilizando a definição para os tipos de funções, comprova-se que 𝑓 𝑥 = 𝑥² + 4 é uma

função convexa e, além disso, estritamente convexa porque todo o termo acima será maior que zero.
Dado que 𝑡 é uma fração positiva e menor que 1, os dois primeiros termos serão positivos e o
terceiro termo será negativo, mas menor que os anteriores, justificando o sinal de desigualdade.

Utilizando a Matriz Hessiana, prove que a sua resposta ao segundo item está correta.
a) f(x) = lnk
A função 𝑓 𝑥 = 𝑙𝑛𝑘 já apresenta na primeira derivada o valor zero, de forma que:
𝑓′ 𝑥 = 0
Não é possível construir a Matriz Hessiana (que seria igual a uma matriz nula) e, por se tratar
de uma função constante, essa construção também não é necessária.

b) f(x) = k + cx (c>0)
A função 𝑓 𝑥 = 𝑘 + 𝑐𝑥 apresenta como primeira derivada o valor:
𝑓 ′ (𝑥) = 𝑐 → +
A partir disso, não é possível construir a Matriz Hessiana pois ela seria uma matriz nula.

c) f(x) = logk² + bx² (b<0)

A função 𝑓 𝑥 = 𝑙𝑜𝑔𝑘² − 𝑏𝑥, já que 𝑏 < 0, terá uma Matriz Hessiana com apenas um
elemento (um menor principal), haja vista que:
𝑓 ′ (𝑥) = −2𝑏𝑥
𝑓"(𝑥) = −2𝑏
O valor da derivada segunda corresponderá ao menor principal, de forma que o
determinante hessiano é:
𝐻 = −2𝑏
Dado que este valor é negativo (o menor principal é negativo), tem-se a condição necessária
e suficiente de segunda ordem para um ponto de máximo, de forma a qualificar a função como
estritamente côncava.
d) f(x) = x³ – 2x
A função 𝑓 𝑥 = 𝑥³ − 2𝑥 terá uma Matriz Hessiana com apenas um elemento (um menor
principal), haja vista que:
𝑓′ 𝑥 = 3𝑥² − 2
𝑓" 𝑥 = 6𝑥
O valor da derivada segunda corresponderá ao menor principal, de forma que o
determinante hessiano é:
𝐻 = 6𝑥
Dado que H pode ser negativo ou positivo, dependendo do valor de 𝑥, tem-se a condição
necessária e suficiente de segunda ordem para que haja pontos de máximo e mínimo, de forma a
qualificar a função como côncava e convexa conforme o intervalo de análise.

e) f(x1, x2) = 6x1 – 9x2

A função 𝑓 𝑥1 , 𝑥2 = 6𝑥1 − 9𝑥2 terá uma Matriz Hessiana formada apenas por elementos
nulos, haja vista que:
𝑓𝑥 1 𝑥 1 = 0
𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
Assim, a Matriz Hessiana será:
𝑓𝑥 𝑥 𝑓𝑥 1 𝑥 2 0 0
𝐻 = 1 1 =
𝑓𝑥 2 𝑥 1 𝑓𝑥 2 𝑥 2 0 0
Com base nesta Matriz Hessiana, não é possível tirar qualquer informação a respeito do tipo
de função com a qual se está trabalhando.

f) f(x1, x2) = x2 – lnx1

A função 𝑓 𝑥1 , 𝑥2 = 𝑥2 − 𝑙𝑛𝑥1 terá uma Matriz Hessiana formada por elementos nulos e
por um valor diferente de zero, haja vista que:
𝑓𝑥 1 𝑥 1 = 1 2
𝑥1
𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
Assim, a Matriz Hessiana será:
𝑓𝑥 𝑥 𝑓𝑥 1 𝑥 2 1 0
𝐻 = 1 1 = 𝑥12
𝑓𝑥 2 𝑥 1 𝑓𝑥 2 𝑥 2
0 0
𝐻=0
Ainda que a Matriz Hessiana não seja completamente nula, o valor do determinante
Hessiano o é. Desta forma, não é possível tirar qualquer informação a respeito do tipo de função com
a qual se está trabalhando.

g) f(x1, x2) = lnx2 – lnx1

A função 𝑓 𝑥1 , 𝑥2 = 𝑙𝑛𝑥2 − 𝑙𝑛𝑥1 terá uma Matriz Hessiana com os elementos nulos na
diagonal secundário e elementos não-nulos na diagonal principal, haja vista que:
𝑓𝑥 1 𝑥 1 = 1 2
𝑥1
𝑓𝑥 2 𝑥 2 = − 1
𝑥22
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
Assim, a Matriz Hessiana será:
 1 0
𝑓𝑥 𝑥 𝑓𝑥 1 𝑥 2 𝑥12
𝐻 = 1 1 =
𝑓𝑥 2 𝑥 1 𝑓𝑥 2 𝑥 2 0 −1
𝑥22
𝐻= 1 −1 2 = −1 2 2
𝑥12 𝑥2 𝑥1 𝑥2
A função é negativamente definida (já que o determinante Hessiano é menor que zero), mas
não é possível tirar qualquer informação a respeito do tipo de função com a qual se está trabalhando
porque o primeiro menor principal (𝑓𝑥 1 𝑥 1 ) é positivo, mas o segundo menor principal −1/𝑥12 𝑥22 é
negativo, impedindo que se tenha uma condição suficiente de segunda ordem.

h) f(x) = x² + 4
A função 𝑓 𝑥 = 𝑥² + 4 terá uma Matriz Hessiana com apenas um elemento (um menor
principal), haja vista que:
𝑓′ 𝑥 = 2𝑥
𝑓" 𝑥 = 2
O valor da derivada segunda corresponderá ao menor principal, de forma que o
determinante hessiano é:
𝐻= 2
Dado que o H é igual 2 (o menor principal é positivo), tem-se a condição necessária e
suficiente de segunda ordem para um ponto de mínimo, de forma a qualificar a função como
estritamente convexa.

2. Mostre que a função cúbica, f(x) = ax³ + bx² + cx + d, não é, em geral, quasecôncava nem
quaseconvexa. É possível impor algumas restrições nos parâmetros, para que a função cúbica se
transforme em quasecôncava e quaseconvexa para x ≥ 0?
Partindo-se da função cúbica apresentada, temos que:
𝑓 𝑥 = 𝑎𝑥³ + 𝑏𝑥² + 𝑐𝑥 + 𝑑
𝑓′ 𝑥 = 3𝑎𝑥² + 2𝑏𝑥 + 𝑐
𝑓′′ 𝑥 = 6𝑎𝑥 + 2𝑏
2𝑏
6𝑎𝑥 + 2𝑏 = 0 → 𝑥 = −
6𝑎

A partir da derivada segunda, pode-se perceber que ora a função terá inclinação decrescente
e ora inclinação crescente, dependendo dos valores que forem assumidos por 𝑥. Isso equivale a dizer
que a função irá apresentar concavidade para baixo (será côncava) e para cima (será convexa),
conforme for o intervalo analisado, incluindo ainda um ponto de inflexão. Dessa forma, a função
cúbica não será, em geral, qualificada nem como quasecôncava, nem como quaseconvexa.
Para a função cúbica, podemos ter quatro desenhos distintos de curvas. Cabe especial
atenção, entretanto, para os casos onde há quaseconcavidade e quaseconvexidade, representados
pelos gráficos 1 e 4, respectivamente. Nestes, os sinais dos parâmetros “a” e “c” são os mesmos, de
forma que a função não apresente, a priori, valores de máximos e mínimos, apenas pontos de
inflexão. O contrário ocorre quando os sinais destes parâmetros são distintos.
 Gráfico 1 Gráfico 2

Gráfico 3 Gráfico 4

3. Mostre que a função Cobb-Douglas, f(x1, x2) = x1x2 (x1 e x2 ≥ 0), não é quaseconvexa. Quais
implicações isso teria para a teoria da firma? E para a teoria do consumidor?
Mostrar que a função Cobb-Douglas não é quaseconvexa implica em mostrá-la na forma de
quasecôncava. Para isso, utiliza-se a seguinte definição alternativa:

“Uma função f(x), onde x é um vetor de variáveis, é quasecôncava se, e somente se, para qualquer
constante k, o conjunto S≥≡{x|f(x)≥k} for um conjunto convexo”.

A partir disso, podemos estabelecer que 𝑆 ≥ ≡ 𝑥, 𝑦 |𝑥𝑦 ≥ 𝑘 é um conjunto convexo para

qualquer k. Para esse propósito, estabelece-se 𝑥𝑦 = 𝑘 para obter uma curva de isovalor para cada
valor de k. Assim, como x e y, k deve ser não-negativo.
Supondo 𝑘 = 2, temos que a curva de isovalor é uma hipérbole retangular no primeiro
quadrante do plano 𝑥𝑦, de forma que o conjunto 𝑆 ≥, composto de todos sobre ou acima de uma
hipérbole regular, é um conjunto convexo, como pode ser observado na Figura 1.
 Figura 1 – Curva de isovalor para um dado valor de k.

No outro caso, com 𝑘 = 0, a curva de isovalor, como definida por 𝑥𝑦 = 0, tem forma de L,
sendo que o L coincide com os segmentos não-negativos dos eixos x e y. O conjunto 𝑆 ≥, consistindo,
dessa vez, em todo o quadrante não-negativo é, mais uma vez, um conjunto convexo. Assim, a
função de Cobb-Douglas é quasecôncava, tendo sua forma como a da Figura 2.

Figura 2 – Função Cobb-Douglas no espaço tridimensional.

Outra forma de provar que a função Cobb-Douglas não é quaseconvexa se dá a partir da

diferenciabilidade da função. Neste caso, temos: sejam 𝑢 = 𝑢1 , 𝑢2 e 𝑣 = 𝑣1 , 𝑣2 dois pontos
quaisquer no domínio. Então: 𝑓 𝑢 = 𝑢1 𝑢2 e 𝑓 𝑣 = 𝑣1 𝑣2 .
Suponha que 𝑓 𝑣 ≥ 𝑓(𝑢) ou 𝑣1 𝑣2 ≥ 𝑢1 𝑢2 , todos eles maiores ou iguais a zero.
Visto que as derivadas parciais são:
𝜕𝑓(𝑥1 , 𝑥2 )
𝑓1 = = 𝑥2
𝜕𝑥1
 𝜕𝑓(𝑥1 , 𝑥2 )
𝑓2 = = 𝑥1
𝜕𝑥2

pode-se montar a condição alternativa:

𝑓1 𝑢 𝑣1 − 𝑢1 + 𝑓2 𝑢 𝑣2 − 𝑢2 = 𝑢2 𝑣1 − 𝑢1 + 𝑢1 𝑣2 − 𝑢2 ≥ 0
𝑢2 𝑣1 − 𝑢1 ≥ 𝑢1 𝑣2 − 𝑢2
As quatro possibilidades em relação aos valores de 𝑢1 e 𝑢2 que satisfazem a relação acima
são:
a) 𝑢2 = 𝑢1 = 0
b) 𝑢1 = 0 e 𝑢2 > 0
c) 𝑢1 > 0 e 𝑢2 = 0
d) 𝑢2 𝑒 𝑢1 > 0
As três outras subpossibilidades que se apresentam e que, da mesma forma, satisfazem a
relação acima são:
a) Se 𝑢2 = 𝑣2 então 𝑣1 ≥ 𝑢1
b) Se 𝑢2 > 𝑣2 então 𝑣1 ≥ 𝑢1
𝑢
c) Se 𝑢2 < 𝑣2 então 2 𝑣2 é uma fração positiva.
Já que a relação é satisfeita em todas as situações possíveis, a função Cobb-Douglas é
quasecôncava.
Se a função Cobb-Douglas, para a produção, fosse quaseconvexa, isso implicaria em
incremento negativo conforme aumentasse os insumos utilizados na produção, ou seja, quanto mais
insumos, menores quantidades seriam, de fato, produzidas, de forma que o melhor seria não
produzir. Com uma função de produção deste tipo, o equilíbrio no consumo e na produção se daria
somente se as curvas de indiferença fossem côncavas, o que vai de encontro com toda a base da
Teoria do Consumidor. Outra possibilidade é de que os bens produzidos deveriam ser vistos como
bens males, aqueles que o consumidor não deseja, de forma a inibir sua produção.

4. Verifique se as funções seguintes são côncavas, convexas, quasecôncavas, quaseconvexas,

estritamente côncavas, estritamente convexas, estritamente quasecôncavas e estritamente
quaseconvexas:
a) f(x1, x2) = x1² – x2², (x1, x2>0)
Dada a função 𝑓 𝑥1 , 𝑥2 = 𝑥12 − 𝑥22 , tem-se:
𝑓𝑥 1 = 2𝑥1
𝑓𝑥 1 𝑥 1 = 2
𝑓𝑥 2 = −2𝑥2
𝑓𝑥 2 𝑥 2 = −2
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
A condição suficiente de segunda ordem exige que ambas as derivadas parciais sejam
maiores que zero para um ponto de mínimo ou que sejam menores que zero para um ponto de
máximo. Além disso, deve-se ter:
𝑓𝑥 1 𝑥 1 , 𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 1 𝑓𝑥 2 𝑥 2 > 𝑓𝑥21 𝑥 2
Como nenhuma destas condições é atendida (já que as derivadas parciais de segunda ordem
têm sinais distintos e o produto destas é inferior ao quadrado da derivada parcial cruzada), a
condição suficiente para determinar a inclinação da curva não se mantém, de forma que não é
possível fazer inferências sobre o caráter da curva 𝑓 𝑥1 , 𝑥2 .

b) f(x1, x2) = - (x1 + 1)² – (x2 + 2)², (x1, x2>0)

2
Dada a função 𝑓 𝑥1 , 𝑥2 = − 𝑥1 + 1 − (𝑥2 + 2)², tem-se:
 𝑓𝑥 1 = −2 𝑥1 + 1 = −2𝑥1 − 2
𝑓𝑥 1 𝑥 1 = −2
𝑓𝑥 2 = −2 𝑥2 + 2 = −2𝑥2 − 4
𝑓𝑥 2 𝑥 2 = −2
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
A condição suficiente de segunda ordem exige que ambas as derivadas parciais sejam
maiores que zero para um ponto de mínimo ou que sejam menores que zero para um ponto de
máximo. Neste caso, temos um ponto de máximo.
Além disso, deve-se ter:
𝑓𝑥 1 𝑥 1 , 𝑓𝑥 2 𝑥 2 = 0
𝑓𝑥 1 𝑥 1 𝑓𝑥 2 𝑥 2 > 𝑓𝑥21 𝑥 2
−2 −2 = 4 → 4 > 0
Neste caso, foram atendidas as condições necessária de primeira ordem e suficiente de
segunda ordem, de forma que 𝑓 𝑥1 , 𝑥2 é uma função estritamente côncava.

5. Considere o seguinte problema:

Minimizar C = x1² + x2², sujeito à x1 + x2 ≥ 2; x1 e x2 ≥ 0.
a) As condições de Kuhn-Tucker são necessárias e suficientes para um mínimo nesse caso?
Justifique sua resposta.
A partir da função 𝐶 = 𝑥12 + 𝑥22 , tem-se que as derivadas segundas são maiores que zero e
que o produto entre elas é maior que o quadrado da derivada parcial cruzada.
𝑓𝑥 1 = 2𝑥1
𝑓𝑥 1 𝑥 1 = 2
𝑓𝑥 2 = 2𝑥2
𝑓𝑥 2 𝑥 2 = 2
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
Por outro lado, a função de restrição à 𝑔 𝑥 = 2 − 𝑥1 − 𝑥2 é diferenciável apenas uma vez,
de forma que a derivada segunda é zero, o que vai de encontro com as condições de concavidade,
exigindo as condições de Kuhn-Tucker.
As condições de Kuhn-Tucker devem ser necessárias e suficientes para que a solução em
problemas de programação não-linear seja ótima (para que, neste caso, seja estabelecido o mínimo
da função). São elas:
𝜕𝑍 𝜕𝑍
a) As derivadas parciais tem valores correspondentes a 𝜕𝑥 ≥ 0 e 𝜕𝜆 ≤ 0;
𝑗
b) Existe a restrição de não-negatividade a 𝑥𝑗 e 𝜆𝑖 ;
c) Prevalece a folga complementar entre cada variável e a derivada parcial de Z em relação àquela
variável, isto é, o produto entre estes é nulo.

b) Escreva as condições de Kuhn-Tucker e determine, por iteração, a solução do problema.

Determine os valores de x1, x2 e C.
Para minimizar 𝐶 = 𝑥12 + 𝑥22 sujeito à 𝑥1 + 𝑥2 ≥ 2 e 𝑥 ≥ 0 e 𝑦 ≥ 0:
𝐿 = 𝑥12 + 𝑥22 + 𝜆(2 − 𝑥1 − 𝑥2 )
As condições de Kuhn-Tucker são:
𝜕𝐿
= 2𝑥1 − 𝜆 ≥ 0 𝑥1 ≥ 0 𝑥1 𝐿𝑥 1 = 0
𝜕𝑥1
𝜕𝐿
= 2𝑥2 − 𝜆 ≥ 0 𝑥2 ≥ 0 𝑥2 𝐿𝑥 2 = 0
𝜕𝑥2
 𝜕𝐿
= 2 − 𝑥1 − 𝑥2 ≤ 0 𝜆≥0 𝜆𝐿𝜆 = 0
𝜕𝜆
A abordagem típica para resolver um problema de programação não-linear é a de tentativa e
erro. Para o presente exercício, experimentar-se-á, primeiramente, supor que 𝐿𝑥 1 = 𝐿𝑥 2 = 𝐿𝜆 = 0.
Neste caso, temos:
2𝑥1 − 𝜆 = 2𝑥2 − 𝜆
𝑥1 = 𝑥2
2𝑥1 − 𝜆 = 0
𝑥1 + 𝑥1 = 2 → 𝑥1 = 1
2𝑥2 − 𝜆 = 0
𝒙𝟏 = 𝒙𝟐 = 𝟏
𝑥1 + 𝑥2 = 2
2𝑥1 − 𝜆 = 0 → 𝝀 = 𝟐
𝑪 = 𝒙𝟐𝟏 + 𝒙𝟐𝟐 → 𝑪 = 𝟏 𝟐 + 𝟏 𝟐 = 𝟐

c) Represente, graficamente, a solução.

Como a função C é tridimensional com restrição, limitou-se a representar a solução para os
valores de 𝑥1 e 𝑥2 na restrição a que a função está sujeita.

6. Considere o seguinte problema:

Maximizar π = x1, sujeito à x1² + x2² ≤ 1; x1 e x2 ≥ 0
a) As condições de Kuhn-Tucker são necessárias e suficientes para um mínimo neste caso?
Justifique sua resposta.
A partir da função 𝜋 = 𝑥1 , tem-se que esta é diferenciável apenas uma vez, de forma que a
derivada segunda é zero, o que vai de encontro com as condições de concavidade, exigindo as
condições de Kuhn-Tucker.
Por outro lado, a função de restrição 𝑔 𝑥 = 1 − 𝑥12 − 𝑥22 apresenta derivadas segundas
menores que zero e o produto entre elas é maior que o quadrado da derivada parcial cruzada.
𝑓𝑥 1 = −2𝑥1
𝑓𝑥 1 𝑥 1 = −2
𝑓𝑥 2 = −2𝑥2
𝑓𝑥 2 𝑥 2 = −2
𝑓𝑥 1 𝑥 2 = 0
𝑓𝑥 2 𝑥 1 = 0
 As condições de Kuhn-Tucker devem ser necessárias e suficientes para que a solução em
problemas de programação não-linear seja ótima (para que, neste caso, seja estabelecido o máximo
da função). São elas:
𝜕𝑍 𝜕𝑍
a) As derivadas parciais tem valores correspondentes a 𝜕𝑥 ≥ 0 e 𝜕𝜆 ≤ 0;
𝑗
b) Existe a restrição de não-negatividade a 𝑥𝑗 e 𝜆𝑖 ;
c) Prevalece a folga complementar entre cada variável e a derivada parcial de Z em relação àquela
variável, isto é, o produto entre estes é nulo.

b) Escreva as condições de Kuhn-Tucker e determine, por iteração, a solução do problema.

Determine os valores de x1 e x2.
Para maximizar 𝜋 = 𝑥1 sujeito à 𝑥12 + 𝑥22 ≤ 1 e 𝑥 ≥ 0 e 𝑦 ≥ 0:
𝐿 = 𝑥1 + 𝜆(1 − 𝑥12 − 𝑥22 )
As condições de Kuhn-Tucker são:
𝜕𝐿
= 1 − 2𝑥1 𝜆 ≤ 0 𝑥1 ≥ 0 𝑥1 𝐿𝑥 1 = 0
𝜕𝑥1
𝜕𝐿
= −2𝑥2 𝜆 ≤ 0 𝑥2 ≥ 0 𝑥2 𝐿𝑥 2 = 0
𝜕𝑥2
𝜕𝐿
= 1 − 𝑥12 − 𝑥22 ≥ 0 𝜆≥0 𝜆𝐿𝜆 = 0
𝜕𝜆
A abordagem típica para resolver um problema de programação não-linear é a de tentativa e
erro. Para o presente exercício, experimentar-se-á, primeiramente, supor que 𝑥2 = 0 e que
𝐿𝑥 1 = 𝐿𝜆 = 0. Neste caso, temos:
𝒙𝟐 = 𝟎
𝑥12 + 𝑥22 = 1 → 𝑥12 = 1
1 − 2𝑥1 𝜆 = 0
𝒙𝟏 = 𝟏
𝑥2 = 0
1 − 2𝑥1 𝜆 = 0 → 1 − 2 1 𝜆 = 0
𝑥12 + 𝑥22 = 1
𝝀=𝟏 𝟐
𝜋 = 𝑥1 → 𝝅 = 𝟏

c) Represente, graficamente, sua solução.

Como a função de lucros depende diretamente dos valores 𝑥1 , limitou-se a representá-la
para mostrar o ponto onde ocorre a maximização.
7. Elabore o gráfico da função f(x) = 6 – x² – 4x. Encontre o ponto onde a função atinge o seu
máximo (global) sem restrição e encontre o valor da função nesse ponto. Compare essa solução
com a obtida a partir da maximização condicionada à restrição de não-negatividade de x, isto é,
x≥0.
Para a função dada, temos a maximização sem restrição a seguir:

𝑓 𝑥 = −𝑥² − 4𝑥 + 6
𝑓′ 𝑥 = −2𝑥 − 4
−2𝑥 − 4 = 0 → 𝑥 = −2

𝑓′′ 𝑥 = −2
A função sempre apresenta concavidade
negativa (voltada para baixo).
𝑓 −2 = − −2 2 − 4(−2)+6
𝑓 −2 = 10
A função atinge o seu máximo global sem
restrição quando x=-2 e y=10.

Para o caso da maximização condicionada à restrição de não-negatividade de x, temos:

Maximizar −𝑥² − 4𝑥 + 6 sujeito à 𝑥 ≥ 0.
Dados os valores máximos da função sem quaisquer restrições, pode-se perceber que eles se
encontram fora da região viável (correspondente ao primeiro quadrante do plano cartesiano). Neste
caso, o máximo local estará sobre o eixo y.
No ponto máximo:
𝑓 ′ 𝑥1 < 0 → 𝑓 ′ 0 = −4 e 𝑥1 = 0
Graficamente, a maximização condicionada passa a ser:
8. Resolva os seguintes problemas e mostre que as condições de segunda ordem são satisfeitas.
a) Minx1, x2 x1² + x2², sujeito à x1x2 = 1
Para minimizar 𝑥12 + 𝑥22 sujeito à 𝑥1 𝑥2 = 1:
𝐿 = 𝑥12 + 𝑥22 + 𝜆(1 − 𝑥1 𝑥2 )
𝜕𝐿
= 2𝑥1 − 𝜆𝑥2
𝜕𝑥1
𝜕𝐿
= 2𝑥2 − 𝜆𝑥1
𝜕𝑥2
𝜕𝐿
= 1 − 𝑥1 𝑥2
𝜕𝜆
Igualando os valores à zero, tem-se:
2𝑥1 − 𝜆𝑥2 = 0
2𝑥1 = 𝜆𝑥2
𝜆
𝑥1 = 𝑥2
2
2𝑥2 − 𝜆𝑥1 = 0
2𝑥1 − 𝜆𝑥2 = 0
𝜆
2𝑥2 − 𝜆𝑥1 = 0 2𝑥2 − 𝜆 𝑥2 = 0
1 − 𝑥1 𝑥2 = 0 2
𝝀=𝟐
2𝑥1 − 𝜆𝑥2 = 0 → 2𝑥1 − 2𝑥2 = 0
𝑥1 = 𝑥2
1 − 𝑥1 𝑥2 = 0 → 1 − 𝑥12 = 0
𝒙𝟏 = 𝒙𝟐 = 𝟏
2 2
O valor mínimo da função será em 1 + 1 = 2.

b) Minx1, x2 x1x2, sujeito à x1² + x2² = 1

Para minimizar 𝑥1 𝑥2 sujeito à 𝑥12 + 𝑥22 = 1:
𝐿 = 𝑥1 𝑥2 + 𝜆(1 − 𝑥12 − 𝑥22 )
𝜕𝐿
= 𝑥2 − 2𝑥1 𝜆
𝜕𝑥1
𝜕𝐿
= 𝑥1 − 2𝑥2 𝜆
𝜕𝑥2
𝜕𝐿
= 1 − 𝑥12 − 𝑥22
𝜕𝜆
Igualando os valores à zero, tem-se:
𝑥2 − 2𝑥1 𝜆 = 0
𝑥2
𝑥2 = 2𝑥1 𝜆 → 𝑥1 =
2𝜆
𝑥1 − 2𝑥2 𝜆 = 0
𝑥2
− 2𝑥2 𝜆 = 0
𝑥2 − 2𝑥1 𝜆 = 0 2𝜆
𝟏
𝑥1 − 2𝑥2 𝜆 = 0 𝝀=
𝟐
1 − 𝑥12 − 𝑥22 = 0 1
𝑥1 − 2𝑥2 𝜆 = 0 → 𝑥1 − 2𝑥2 =0
2
𝑥1 = 𝑥2
1 − 𝑥12 − 𝑥22 = 0 → 1 − 2𝑥12 = 0
𝒙𝟏 = 𝒙𝟐 = 𝟏
𝟐

O valor mínimo da função será em 1 2 1 2 = 1 2.

c) Maxx1, x2, x3 x1x2²x3³, sujeito à x1 + x2 + x3 = 1
Para maximizar 𝑥1 𝑥22 𝑥33 sujeito à 𝑥1 + 𝑥2 + 𝑥3 = 1:
𝐿 = 𝑥1 𝑥22 𝑥33 + 𝜆(1 − 𝑥1 − 𝑥2 − 𝑥3 )
𝜕𝐿
= 𝑥22 𝑥33 − 𝜆
𝜕𝑥1
𝜕𝐿
= 2𝑥1 𝑥2 𝑥33 − 𝜆
𝜕𝑥2
𝜕𝐿
= 3𝑥1 𝑥22 𝑥32 − 𝜆
𝜕𝑥3
𝜕𝐿
= 1 − 𝑥1 − 𝑥2 − 𝑥3
𝜕𝜆
Igualando os valores à zero, tem-se:
𝑥22 𝑥33 − 𝜆 = 0 → 𝜆 = 𝑥22 𝑥33
2𝑥1 𝑥2 𝑥33 − 𝜆 = 0 → 𝜆 = 2𝑥1 𝑥2 𝑥33
𝑥22 𝑥33 = 2𝑥1 𝑥2 𝑥33
𝑥22 𝑥33 − 𝜆 = 0
𝑥22 = 2𝑥1 𝑥2
2𝑥1 𝑥2 𝑥33 − 𝜆 = 0 𝑥2
2 2 𝑥2 = 2𝑥1 ↔ 𝑥1 =
3𝑥1 𝑥2 𝑥3 − 𝜆 = 0 2
1 − 𝑥1 − 𝑥2 − 𝑥3 = 0 3𝑥1 𝑥22 𝑥32 − 𝜆 = 0 → 𝜆 = 3𝑥1 𝑥22 𝑥32
3𝑥1 𝑥22 𝑥32 = 𝑥22 𝑥33
𝑥3
3𝑥1 = 𝑥3 ↔ 𝑥1 =
3
Sabendo as relações 𝑥2 = 2𝑥1 e 𝑥3 = 3𝑥1 , tem-se:
1 − 𝑥1 − 𝑥2 − 𝑥3 = 0
1 − 𝑥1 − 2𝑥1 − 3𝑥1 = 0
1 − 6𝑥1 = 0 → 𝒙𝟏 = 𝟏 𝟔
𝑥2 = 2𝑥1 → 2(1 6) → 𝒙𝟐 = 𝟏 𝟑
𝑥3 = 3𝑥1 → 3 1 6 → 𝒙𝟑 = 𝟏 𝟐
𝜆 = 𝑥22 𝑥33 = 1 3 ² 1 2 ³ → 𝜆 = 1 72

O valor máximo da função será em 1 6 1 3 ² 1 2 ³ = 1 432.