2022 23MQ Slides CAP2 FRVVR Sec4 4pF

2.4. Extremos condicionados. Aplicações.
Métodos Quantitativos
Capı́tulo 2
Cálculo diferencial com funções reais de várias variáveis reais Objetivos:
2.4. Extremos condicionados Aplicar o método dos multiplicadores de Lagrange na resolução
de problemas de otimização sujeitos a uma restrição:
Identificar a função de 2 variáveis a otimizar (minimizar ou
Lı́gia Abrunheiro maximizar).
Identificar a restrição e a função de 2 variáveis que a define.
ISCA-UA
Construir a função de Lagrange (função de 3 variáveis).
Abril de 2023 †
Aplicar a condição necessária de otimização.
Licenciatura em Contabilidade e Licenciatura em Finanças Aplicar a condição suficiente de otimização que envolve a matriz
orlada associada à função de Lagrange e o seu determinante.
† Reedição da versão de 2022

Resolver problemas práticos de otimização condicionada.
Lı́gia Abrunheiro (ISCA-UA) MQ Capı́tulo 2, Secção 2.4 (2022-2023) Abril de 2023 1 / 28 Lı́gia Abrunheiro (ISCA-UA) MQ Capı́tulo 2, Secção 2.4 (2022-2023) Abril de 2023 2 / 28
Extremos condicionados
Bibliografia/Bibliography
Estudo dos extremos (máximos ou mı́nimos) de uma função sujeita a
Harshbarger, R. J. e Reynolds, J.J., Matemática Aplicada: Administração, uma restrição, ou seja, cujas variáveis estão ligadas por uma condição.
Economia e Ciências Sociais e Biológicas, McGraw-Hill Int. Brasil (2006).
Harshbarger, R. J. and Reynolds, J. J., Mathematical Applications for the Por exemplo, podemos maximizar a função de produção P(x, y ) (que
Management, Life and Social Sciences, Cengage Learning, 11th ed. (2016).
depende das unidades de trabalho x e das unidades de capital y ) quando
Larson, R., Hostetler, R. e Edwards, B., Cálculo, volume 2, McGraw-Hill sujeita à restrição de 50.000 e no custo total de trabalho e capital.
Interamericana do Brasil, 8ª edição (2006).
Larson, R., Applied Calculus for the Life and Social Sciences, 1st edition, Supondo que o trabalho e o capital têm um custo,
Cengage Learning (2009). respetivamente, de 150 e e 250 e por unidade, temos
Pires C., Cálculo para Economia e Gestão, Escolar Ed. (2011).
x u. trabalho 150x e y u. capital 250y e
Stewart, J., Calculus: metric version, Cengage Learning, 8th edition (2015).
Tan, S. T., Applied calculus for the managerial, life, and social sciences: a Limitar o custo total a 50.000 e, traduz-se na condição:
brief approach, Cengage Learning, 10th edition (2015).
150x + 250y = 50000, ou seja, 150x + 250y − 50000 = 0.
Problema de extremos condicionados para z = f (x, y ) Método dos multiplicadores de Lagrange
Na situação de otimização de uma função real de duas variáveis reais 1 Construı́mos a designada função de Lagrange:
f (x, y ) L(x, y , λ) = f (x, y ) + λφ(x, y ),

que é uma função auxiliar com uma nova variável λ que se diz o
pretende-se determinar os pontos (x, y ) que otimizam (minimizam ou
multiplicador de Lagrange.
maximizam) a função f sujeita a uma restrição
2 Condição de 1a ordem (condição necessária):
φ(x, y ) = 0 (equação de ligação).
Encontramos os pontos candidatos a extremantes condicionados
de f , resolvendo um sistema de 3 equações e 3 incógnitas.
No exemplo anterior, o problema é descrito por
Condição de 2a ordem (condição suficiente)
max P(x, y ) sujeita a 150x + 250y − 50000 = 0.
| {z } Analisamos os pontos crı́ticos recorrendo a um método que envolve o
φ(x, y ) = 0 determinante de uma matriz de ordem 3 designada por matriz orlada
Portanto, neste caso, φ(x, y ) = 150x + 250y − 50000. (matriz construı́da com as derivadas parciais de 2a ordem de L).
Método dos multiplicadores de Lagrange (continuação) 3 Condição de 2a ordem (condição suficiente):

Determinamos a matriz orlada definida, para cada (x, y , λ), por
L(x, y , λ) = f (x, y ) + λφ(x, y )  
0 φ0x (x, y ) φ0y (x, y )
2 Condição de 1a ordem (condição necessária):  
Resolvemos o sistema de estacionaridade para a função de Lagrange:  
H̄(x, y , λ) =  φ0x (x, y ) L00x 2 (x, y , λ) L00xy (x, y , λ) 
 
 
0

 L x (x, y , λ) = 0 
 L0x (x, y , λ) = 0 



 
φ0y (x, y ) L00yx (x, y , λ) L00y 2 (x, y , λ)
 
L0y (x, y , λ) = 0 , isto é, L0y (x, y , λ) = 0

 


 0
Lλ (x, y , λ) = 0


φ(x, y ) = 0 Seja (a, b) um ponto crı́tico com multiplicador de Lagrange λ. Temos
I Se H̄(a, b, λ) > 0, então f tem um máximo condicionado em (a, b).
Se (a, b, λ) é solução deste sistema, então (a, b) é um ponto crı́tico
de f quando sujeita à condição de ligação φ(x, y ) = 0. I Se H̄(a, b, λ) < 0, então f tem um mı́nimo condicionado em (a, b).
Cada ponto crı́tico tem associado um multiplicador de Lagrange. I Se H̄(a, b, λ) = 0, nada se conclui por este método.
(Exemplo 1 - continuação) L(x, y , λ) = x 2 + xy + x + λ(2x + y − 1)
Exemplo 1: Fazendo uso do método dos multiplicadores de
Lagrange, determine os extremos condicionados da função Cálculo das derivadas parciais da função de Lagrange L:
f (x, y ) = x 2 + xy + x quando sujeita à restrição 2x + y = 1.
L0x (x, y , λ) = (x 2 )0x + (x)0x y + (x)0x + λ(2x + y − 1)0x =
Identificação da função φ(x, y ) que define a restrição. Ora,
= 2x + y + 1 + 2λ
2x + y = 1 ⇔ 2x + y − 1 = 0.
Logo, φ(x, y ) = 2x + y − 1. L0y (x, y , λ) = (x 2 )0y + x(y )0y + (x)0y + λ(2x + y − 1)0y =
Construção da função de Lagrange: =x +λ
L(x, y , λ) = f (x, y ) + λφ(x, y ) =

L0λ (x, y , λ) = (x 2 + xy + x)0λ + (λ)0λ (2x + y − 1) =
= x 2 + xy + x + λ(2x + y − 1)
= 2x + y − 1
(Exemplo 1 -continuação) (Exemplo 1 -continuação) L(x, y , λ) = x 2 + xy + x + λ(2x + y − 1)

Determinação dos candidatos a extremantes condicionados: Cálculo da matriz orlada e análise desta matriz no ponto crı́tico:
 0  
 Lx = 0  2x + y + 1 + 2λ = 0  2x + y + 1 + 2λ = 0 H̄(x, y , λ) =

 
 
  
L0y = 0 ⇔ x + λ = 0 ⇔ λ = −x ⇔ 0 (2x + y − 1)0x (2x + y − 1)0y

 
 
  
 0
2x + y − 1 = 0 2x + y − 1 = 0
 
Lλ = 0
 
0 0
=  (2x + y − 1)x (2x + y + 1 + 2λ)x (2x + y + 1 + 2λ)y  0
=

    

 2x + y + 1 − 2x = 0 
 y = −1  y = −1
 0
(2x + y − 1)y (x + λ)x0
(x + λ)y0
⇔ ⇔ ⇔ ⇔  
   0 2 1
2x + y − 1 = 0 2x − 1 − 1 = 0
  
=  2 2 1  , qualquer que seja o (x, y , λ). É uma matriz constante.
 
 

 y = −1 
 y = −1 1 1 0
 
⇔ λ = −x ⇔ λ = −1 solução do sistema: ponto (1, −1, −1)

 
 0 2 1
 x =1  x =1
|H̄(1, −1, −1)| = 2 2 1 = 2 > 0. A função f tem um máximo
f (quando sujeita à restrição) tem um ponto crı́tico: (1, −1) com λ = −1. 1 1 0 condicionado em (1, −1).
Exemplo 2: A função de produção de Cobb-Douglas para um
fabricante é dada por (Exemplo 2 - continuação)
P(x, y ) = 100x 0,75 y 0,25
onde x representa as unidades de trabalho (a 150 e por unidade) e y max 100x 0,75 y 0,25 sujeita a 150x + 250y − 50000 = 0.
representa as unidades de capital (a 250 e por unidade). | {z } | {z }
P(x, y ) φ(x, y )
Determine o nı́vel máximo de produção sabendo que o custo total de
trabalho e capital é limitado a 50.000 e.
Identificação da função φ(x, y ) que define a restrição no custo. Construção da função de Lagrange:
O custo total de trabalho e capital é dado por 150x + 250y e
L(x, y , λ) = P(x, y ) + λφ(x, y ) =
portanto a condição a impor é
150x + 250y = 50000 ⇔ 150x + 250y − 50000 = 0. = 100x 0,75 y 0,25 + λ(150x + 250y − 50000)
Logo, φ(x, y ) = 150x + 250y − 50000.
(Exemplo 2 - cont.) L(x, y , λ) = 100x 0,75 y 0,25 + λ(150x + 250y − 50000) (Exemplo 2 - continuação) Determinação dos pontos crı́ticos:
y 0,25 y 0,25
 
Cálculo das derivadas parciais da função de Lagrange L:  0
L = 0 75 + 150λ = 0 λ = −

 

x
x 0,25 2x 0,25
  
0
  
L0x (x, y , λ) = 100 (x 0,75 )x y 0,25 + λ(150x + 250y − 50000)0x =

 
 

  
0,75
L0y = 0 ⇔ 25 x ⇔ x 0,75 ⇔
+ 250λ = 0 λ = −
= 100 · 0, 75x 0,75−1 y 0,25 + 150λ = 




 y 0,75


 10y 0,75

 0  
Lλ = 0
 
y 0,25
 
150x + 250y − 50000 = 0
 
= 75x −0,25 y 0,25 + 150λ = 75 + 150λ
x 0,25
x 0,75 y 0,25

 0,75+0,25
0 =  x = 5y 0,25+0,75

L0y (x, y , λ) = 100x 0,75 (y 0,25 )y + λ(150x + 250y − 50000)0y =

10y 0,75 2x 0,25

⇔ ⇔ ⇔
= 100 · 0, 25x 0,75 y 0,25−1 + 250λ =

 

x 0,75 
x = 5y

x = 5y

= 25x 0,75 y −0,75 + 250λ = 25 + 250λ   x = 250
y 0,75

 
 

 0,75  0,75 
 x  5 
0
L0λ (x, y , λ) = (100x 0,75 y 0,25 )λ + (λ)0λ (150x + 250y − 50000) = ⇔ λ=− 0,75 ⇔ λ=− ⇔ λ ' 0, 33

 10y 
 10 

  
= 150x + 250y − 50000 y = 50

 150x + 250y − 50000 = 0   y = 50 
Exemplo 3: Seja P(x, y ) = 100x 0,75 y 0,25 a função de produção, com
(Exemplo 2 - continuação) Ponto crı́tico: (250, 50) com λ ' 0, 33. x e y a representar, respetivamente, as unidades de trabalho (a 150 e
Cálculo da matriz orlada e análise desta matriz no ponto crı́tico: por unidade) e de capital (a 250 e por unidade). Formule o problema
prova-se que (fazer os cálculos!!) de otimização que permite encontrar o custo mı́nimo para produzir
  20.000 unidades do produto.
0 150 250
H̄(250, 50, 0.33) =  150 −0, 05

0, 25 
 Função a minimizar: C (x, y ) = 150x + 250y (custo total).
250 0, 25 −0, 0001 Restrição a impor (na produção): 100x 0,75 y 0,25 = 20000
|H̄(250, 50, 0.33)| = 21875, 25 > 0. Problema de optimização:
Logo, P atinge um máximo condicionado em (250, 50).
min 150x + 250y sujeita a 100x 0,75 y 0,25 − 20000 = 0.
A produção é máxima quando estão disponı́veis 250 unidades de | {z } | {z }
trabalho e 50 unidades de capital. O nı́vel máximo de produção é de C (x, y ) φ(x, y )
P(250, 50) = 100(250)0,75 (50)0,25 ' 16.719 unidades de produto. Função de Lagrange:
L(x, y , λ) = 150x + 250y + λ (100x 0,75 y 0,25 − 20000)
Exemplo 4: Fazendo uso do método dos multiplicadores de (Exemplo 4 -continuação)

Lagrange, estude a existência de extremos condicionados da função
Determinar os pontos crı́ticos:
f (x, y ) = xy 2 quando sujeita à restrição x − 2y = 1.   
 L0x = 0  y2 + λ = 0
 λ = −y 2
Identificar a função φ(x, y ) que define a restrição.

 
 

0 ⇔ ⇔
Ly = 0 2xy − 2λ = 0 2xy − 2λ = 0 ⇔
x − 2y = 1 ⇔ x − 2y − 1 = 0. Logo, φ(x, y ) = x − 2y − 1. 
 L0 = 0
 
 

λ
 x − 2y − 1 = 0 
Construir a função de Lagrange:   

 λ = −y 2 
 

L(x, y , λ) = f (x, y ) + λφ(x, y ) = xy 2 + λ(x − 2y − 1) ⇔ 2
2xy + 2y = 0 ⇔ 2y (x + y ) = 0 ⇔ y = 0 ∨ x + y = 0 ⇔

 
 

Cálcular as derivadas parciais da função de Lagrange L:    
 λ = −y 2  λ = −y 2  λ=0  λ = − 19
L0x (x, y , λ) = (x)0x y 2 + λ(x − 2y − 1)0x = y 2 + λ

 
 
 

⇔ y =0 ∨ y = −x ⇔ y =0 ∨ y = − 13
L0y (x, y , λ) = x(y 2 )0y + λ(x − 2y − 1)0y = 2xy − 2λ
   
x − 2y − 1 = 0  x − 2y − 1 = 0  x = 1  x = 1

   
3
L0λ (x, y , λ) = (xy 2 )0λ + (λ)0λ (x − 2y − 1) = x − 2y − 1 Pontos crı́ticos: (1, 0) com λ = 0; e 1

, −3 1

com λ = − 19
3
(Exemplo 4 -continuação) L(x, y , λ) = xy 2 + λ(x − 2y − 1)
(Exemplo 4 -continuação)
Determinar a matriz orlada para qualquer (x, y , λ):
  Cálcular o determinante da matriz orlada nos pontos crı́ticos:
0 φ0x φ0y
  Ponto crı́tico (1, 0) com λ = 0.
H̄(x, y , λ) =  φ0x (L0x )0x (L0x )0y  =
 
  0 1 −2
0 0 0 0 0 |H̄(1, 0, 0)| = 1 0 0 = −2 < 0
φy (Ly )x (Ly )y
  −2 0 2
0 (x − 2y − 1)0x (x − 2y − 1)0y
  O ponto (1, 0) é um minimizante condicionado de f .
=  (x − 2y − 1)0x (y 2 + λ)0x (y 2 + λ)0y =
 
Ponto crı́tico 13 , − 13 com λ = − 19 .

 
(x − 2y − 1)0y (2xy − 2λ)0x (2xy − 2λ)0y 0 1 −2
1 1 1

0 1 −2
 H̄ ,− ,− = 1 0 − 23 = 2> 0
3 3 9
  −2 − 23 2
= 1 0 2y  3
1 1
 
O ponto 3, −3 é um maximizante condicionado de f .
−2 2y 2x
Exemplo 5: Determine os candidatos a extremantes condicionados (Exemplo 5 -continuação) Pontos crı́ticos:

1 1
 0  
1 1 L x = 0  − + λ = 0  λ =
da função f (x, y ) = + quando sujeita à restrição x + y = 2.
  
 x2 x2

 
 

x y  
L0y = 0 ⇔ 1 ⇔ 1 ⇔
− 2 +λ=0 λ= 2
φ(x, y ) = x + y − 2, pois x + y = 2 ⇔ x + y − 2 = 0. y y

 
 


 0  
Lλ = 0
 
x +y −2=0
 
1 1 
1 1
L(x, y , λ) = f (x, y ) + λφ(x, y ) = + + λ(x + y − 2)
 
x y  2 = 2
  y2 = x2  y = x ∨ y = −x
⇔ y x ⇔ ⇔ ⇔
0 0
1 1 1

  
L0x (x, y , λ) = + + λ(x + y − 2)0x = − 2 + λ 
x x y x x y =x 
 y = −x
  
 y =x  y = −x

 
1
0 0 
1 1 1 ⇔ ∨ ⇔ λ= 2 ∨ ⇔
L0y (x, y , λ) = + + λ(x + y − 2)0y = − 2 + λ y
x +y −2=0 x +y −2=0 
   
x y y y y 
 2x = 2

−2 = 0
0
1 1
 P.Falsa
L0λ (x, y , λ) = + + (λ)0λ (x + y − 2) = x + y − 2  y =1
 Existe uma única solução: (1, 1, 1).
x y λ ⇔ λ=1 f tem um único candidato a extremante condicionado:

 x =1 o ponto (1, 1)
(Exemplo 6 -continuação) Pontos crı́ticos: 
Exemplo 6: Determine o(s) extremo(s) condicionado(s) da função  
L0x = 0 3 + 2λxy = 0  3 + 2λxy = 0
f (x, y ) = 3x + y + 10 quando sujeita à restrição x 2 y = 12.

 
 

⇔

 
 

1
L0y = 0 ⇔ 1 + λx 2 = 0 λ=− 2 ⇔
x 6
= 0 x
φ(x, y ) = x 2 y − 12, pois x 2 y = 12 ⇔ x 2 y − 12 = 0.

 
 


 0 
 2 
Lλ = 0 x y − 12 = 0


y 3
  
L(x, y , λ) = f (x, y ) + λφ(x, y ) = 3x + y + 10 + λ(x 2 y − 12)  3 − 2 = 0 
 y = x 
 x  2 
⇔ ⇔ ⇔ ⇔
   3 3
L0x (x, y , λ) = 3(x)0x + (y )0x + λ(x 2 y − 12)0x = 3 + 2λxy
 
 2
x y − 12 = 0
 x = 12
2
3
  
 y= x  y =3
L0y (x, y , λ) = (3x)0y + (y )0y + +λ(x 2 y − 12)0y = 1 + λx 2
  





 2 


⇔ ⇔ 1 1
λ=− 2 ⇔ λ=−

 
 x  4
L0λ (x, y , λ) = (3x + y + 10)0λ + (λ)0λ (x 2 y − 12) = x 2 y − 12

 3  
x =8
 

x =2
 x =2
Solução do sistema: (2, 3, − 14 ); Ponto crı́tico: (2, 3) com λ = − 14 .
(Exemplo 6 -continuação) L(x, y , λ) = 3x + y + 10 + λ(x 2 y − 12) Exemplo 7: Seja C (x, y ) = x 3 − 3xy + y 3 o custo na produção de x
  unidades de um produto A e y unidades de um produto B. Suponha
0 (x 2 y − 12)0x (x 2 y − 12)0y
  que os produtos A e B são vendidos a, respetivamente, 8 e e 130 e a
 2 0 0 0
H̄(x, y , λ) =  (x y − 12)x (3 + 2λxy )x (3 + 2λxy )y  = unidade. Formule o problema de otimização que permite encontrar o

 
2 0 2 0 2 0 lucro máximo quando se pretende produzir um total de 20 unidades
(x y − 12)y (1 + λx )x (1 + λx )y
de produto.
0 2xy x 2 Função a maximizar: l(x, y ) = 8x + 130y − C (x, y ) (lucro total).
 
 
=  2xy 2λy 2λx  matriz orlada para qualquer (x, y , λ)
 Restrição a impor (na produção): x + y = 20
x2 2λx 0 Problema de optimização:
0 12 4 max 8x + 130y − x 3 + 3xy − y 3 sujeita a x + y − 20 = 0.

| {z } | {z }
1

Assim, H̄ 2, 3, − 4 = 12 − 23 −1 = −72 < 0 l(x, y ) φ(x, y )
4 −1 0 Função de Lagrange:
Concluı́mos que f tem um minimizante condicionado em (2, 3). L(x, y , λ) = 8x + 130y − x 3 + 3xy − y 3 + λ (x + y − 20)

2022 23MQ Slides CAP2 FRVVR Sec4 4pF

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

2022 23MQ Slides CAP2 FRVVR Sec4 4pF

Enviado por

Direitos autorais:

Formatos disponíveis

2.4. Extremos condicionados. Aplicações.

† Reedição da versão de 2022

f (x, y ) L(x, y , λ) = f (x, y ) + λφ(x, y ),

Método dos multiplicadores de Lagrange (continuação) 3 Condição de 2a ordem (condição suficiente):

Construção da função de Lagrange: =x +λ

L(x, y , λ) = f (x, y ) + λφ(x, y ) =

(Exemplo 1 -continuação) (Exemplo 1 -continuação) L(x, y , λ) = x 2 + xy + x + λ(2x + y − 1)

Logo, φ(x, y ) = 150x + 250y − 50000.

Exemplo 4: Fazendo uso do método dos multiplicadores de (Exemplo 4 -continuação)

L0λ (x, y , λ) = (xy 2 )0λ + (λ)0λ (x − 2y − 1) = x − 2y − 1 Pontos crı́ticos: (1, 0) com λ = 0; e 1

Exemplo 5: Determine os candidatos a extremantes condicionados (Exemplo 5 -continuação) Pontos crı́ticos:

x2 2λx 0 Problema de optimização:

0 12 4 max 8x + 130y − x 3 + 3xy − y 3 sujeita a x + y − 20 = 0.

Você também pode gostar