Вы находитесь на странице: 1из 27

Ejercicios del tema 6

En este documento encontrara c


omo se puede emplear el programa Maxima para
resolver o apoyar algunos pasos de la resolucion de varios de los ejercicios del
tema. Debe tener en cuenta que:
En esencia se utilizan los comandos que aparecen en la bibliograf b
asica
de la asignatura. Pero aparecen algunos mas que pueden resultarle interesantes para resolver ejercicios y apoyar sus c
alculos actuales y futuros.
En muchas ocasiones existe mas de una forma de llegar al mismo resultado,
es decir, se pueden utilizar distintos comandos o los comandos en orden
diferente.
Le animamos a experimentar con el programa. Tiene los comandos escritos
y solamente debe ejecutarlos para comprobar la salida. Pero que ocurre
si cambia los datos? Obtiene lo que esperaba?
La forma ideal de trabajar con este documento es.
Primero leer el enunciado del ejercicio y tratar de resolverlo sin ayuda
de Maxima.
Si encontramos dificultades en las que creemos que Maxima nos puede
ayudar o queremos verificar el resultado, intentar utilizar el programa
para realizar esas tareas.
Finalmente recurrir a la informacion de este documento para comprobrar la solucion y ver que sugerencias de resolucion o apoyo aparecen.

Ejercicio 231

Con Maxima podemos calcular las derivadas parciales de f, el gradiente (con


jacobian; el nombre se debe a que el gradiente es un caso particular que no
estudiamos, que es la matriz matriz jacobiana). Si utilizamos define, podemos
calcular directamente el valor del gradiente en (0,0):
(%i1)

f(x,y):=cos(y)-y*x^2;
define(parcial1f(x,y),diff(f(x,y),x,1));
define(parcial2f(x,y),diff(f(x,y),y,1));
jacobian([f(x,y)],[x,y]);
define(gradf(x,y),jacobian([f(x,y)],[x,y]));
gradf(0,0);

(%o1) f (x, y) := cos (y) y x2


(%o2) parcial1f (x, y) := 2 x y
1

(%o3) parcial2f (x, y) := sin (y) x2



(%o4) 2 x y sin (y) x2
(%o5) gradf (x, y) := 2 x y

(%o6) 0 0

sin (y) x2

Tambien se puede hacer con gradef y se pueden mostrar con printprops (pruebe
a ejecutar la siguiente celda sin esta u
ltima sentencia:
(%i7)

f(x,y):=cos(y)-y*x^2;
gradef(f(x,y),parcial1f(x,y),parcial2f(x,y));
printprops ([f],gradef);

(%o7) f (x, y) := cos (y) y x2


(%o8) f (x, y)

d
d
f (x, y) = (2) x y
f (x, y) = (1) x2 + (1) sin (y)
dx
dy

(%o9) done
As tenemos la ecuaci
on del plano tangente, que asignamos con define (como
deberamos haber esperado!).
(%i10) define(pltan(x,y),f(0,0)+parcial1f(0,0)*(x-0)
+parcial2f(0,0)*(y-0));
(%o10) pltan (x, y) := 1
Con Maxima podemos representar f(x,y)=cos(y)-y*x^2 y su plano tangente en
(0,0):
(%i11) load(draw)$
draw3d(key= "f", color=blue, explicit(f(x,y),x,-1,1,y,-1,1),
color= red, key="Df(1,0)",
explicit(pltan(x,y),x,-1,1,y,-1,1), surface_hide= true);
(%o12) [gr3d (explicit, explicit)]
Para dibujar las gr
aficas de las funciones f y pltan(x,y) introducimos en Maxima
el siguiente comando que deducimos del dado en el enunciado.
>> draw3d(key= f, color=blue, explicit(f(x,y),x,-1,1,y,-1,1), color=red,
key=Df(0,0), explicit(pltan(x,y),x,-1,1,y,-1,1), surface hide= true);
Observar
a en azul la gr
afica de f y en rojo el plano definido por la grafica de
pltan(x,y). Girando las gr
aficas con el rat
on observamos que son tangentes.

Ejercicio 232

Representamos la funci
on y su plano tangente, como en el ejemplo anterior:
(%i15) kill(all);
f(x,y):=x^2+y^3+exp(x+y);
define(parcial1f(x,y),diff(f(x,y),x,1));
define(parcial2f(x,y),diff(f(x,y),y,1));
jacobian([f(x,y)],[x,y]);
define(gradf(x,y),jacobian([f(x,y)],[x,y]));
gradf(1,-1);
(%o0) done
(%o1) f (x, y) := x2 + y 3 + exp (x + y)
(%o2) parcial1f (x, y) := ey+x + 2 x
(%o3) parcial2f (x, y) := ey+x + 3 y 2

(%o4) ey+x + 2 x ey+x + 3 y 2

(%o5) gradf (x, y) := ey+x + 2 x ey+x + 3 y 2



(%o6) 3 4

As tenemos la ecuaci
on del plano tangente, que asignamos de nuevo con define
y simplificamos con factor:
(%i7)

define(pltan(x,y),f(1,-1)+parcial1f(1,-1)*(x-1)
+parcial2f(1,-1)*(y+1));
factor(%);

(%o7) pltan (x, y) := 4 (y + 1) + 3 (x 1) + 1


(%o8) pltan (x, y) := 4 y + 3 x + 2

Con Maxima podemos representar f(x,y)=x^2+y^3+exp(x+y) y su plano tangente:


(%i9)

load(draw)$
draw3d(key= "f", color=blue, explicit(f(x,y),x,-1,1,y,-1,1),
color= red, key="Df(1,-1)",
explicit(pltan(x,y),x,-1,1,y,-1,1), surface_hide= true);

(%o10) [gr3d (explicit, explicit)]

Ejercicio 234

La diferencial de una funci


on es una aplicacion lineal y se puede determinar
a partir del gradiente si las derivadas parciales son continuas. En Maxima se
3

calcula con la sentencia jacobian, como hemos visto.


(%i11) kill(all);
f(x,y):=x*exp(y)+y*(cos(x*y))^2;
jacobian([f(x,y)],[x,y]);
(%o0) done
2

(%o1) f (x, y) := x exp (y) + y cos (x y)

ey 2 y 2 cos (x y) sin (x y) 2 x y cos (x y) sin (x y) + cos (x y) + x ey

(%o2)

Ejercicio 235

Calculamos las derivadas parciales como un lmite, a partir de la definicion:


(%i3)

kill(all);
f(x,y):=(x^2+y^2)*sin((x^2+y^2)^(-1));
limit((f(h,0)-0)/h,h,0);
limit((f(0,h)-0)/h,h,0);

(%o0) done


1 
(%o1) f (x, y) := x2 + y 2 sin x2 + y 2
(%o2) 0
(%o3) 0
Maxima no calcula lmites de dos variables, pero s puede ayudarnos para calcular el lmite en coordenadas polares:
(%i4)

limit(2*r*cos(t)*(sin(r^(-2))-(r^(-2))*cos(r^(-2))), r, 0);

(%o4) und
Es indeterminado, por lo que sabemos que no tiene lmite.

Ejercicio 236

Vamos a determinar las derivadas parciales en (0,0) como en el ejercicio anterior:


(%i5)

kill(all);
f(x,y):=(x*abs(y));
limit((f(h,0)-0)/h,h,0);
limit((f(0,h)-0)/h,h,0);

(%o0) done
4

(%o1) f (x, y) := x |y|


(%o2) 0
(%o3) 0
Tambien calculamos el lmite en coordenadas polares:
(%i4)

limit(r*cos(t)*abs(sin(t)), r, 0);

(%o4) 0
Como es 0, la funci
on es diferenciable.

Ejercicio 237

Vamos a obtener las derivadas parciales y la diferencial, aunque no se ha hecho


en el libro:
(%i5)

kill(all);
f(x,y):=(4*x^3)/(x^2+y^2);
define(parcial1f(x,y),diff(f(x,y),x,1));
define(parcial2f(x,y),diff(f(x,y),y,1));
jacobian([f(x,y)],[x,y]);

(%o0) done
(%o1) f (x, y) :=

4 x3
+ y2

x2

(%o2) parcial1f (x, y) :=

12 x2
8 x4

2
y 2 + x2
(y 2 + x2 )

(%o3) parcial2f (x, y) :=


(%o4)

12 x2
y 2 +x2

8 x4
(y 2 +x2 )2

8 x3 y
2

(y 2 + x2 )
3

x y
(y82 +x
2 )2

La continuidad en (0,0), aunque es sencilla, la estudiamos con el lmite en coordenadas polares:


(%i5)

limit(4*cos(t)*(sin(t))^2, r, 0);

(%o5) 4 cos (t) sin (t)

Ahora utilizamos la definicion de derivada parcial para obtenerlas en (0,0):


(%i6)

limit((f(h,0)-0)/h,h,0);
limit((f(0,h)-0)/h,h,0);

(%o6) 4
5

(%o7) 0
Finalmente, estudiamos al diferenciabilidad en este punto con el lmite en coordenadas polares:
(%i8)

limit(4*r*(cos(t))^3, r, 0);

(%o8) 0

Ejercicio 239

En este ejercicio, hay c


alculos en los que Maxima nos resulta de gran utilidad.
Uno de ellos es el c
alculo del lmite con el que se estudia la continuidad:
(%i9)

kill(all);
F(r):=(r^2)/log(1-r^2);
limit(F(r),r,0);

(%o0) done
(%o1) F (r) :=
(%o2)

r2
log (1 r2 )

Tambien nos ayuda con el c


alculo de las derivadas parciales en (0,0):
(%i3)

f(x,y):=(x^2+y^2)/(log(1-x^2-y^2));
define(l1(h),(f(h,0)+1)/h);
define(l2(h),(f(0,h)+1)/h);
limit(l1(h),h,0);
limit(l2(h),h,0);

(%o3) f (x, y) :=

(%o4) l1 (h) :=
(%o5) l2 (h) :=

x2 + y 2
log (1 x2 y 2 )

h2
log(1h2 )

+1

h
h2
log(1h2 )

+1

(%o6) 0
(%o7) 0

Ejercicio 241

Primero vamos a definir la funci


on g con Maxima y a calcular las derivadas
parciales si (x,y) es distinto de (0,0):
(%i8)

kill(all);
f(x,y):=x^2-x*y+y^2;
g(x,y):=if x=0 and y=0 then 0
else (f(x,y)+x*y)/sqrt(x^2+y^2);
diff(g(x,y),x,1);
diff(g(x,y),y,1);

(%o0) done
(%o1) f (x, y) := x2 x y + y 2

f (x, y) + x y
(%o2) g (x, y) := ifx = 0andy = 0then0else p
x2 + y 2
x
(%o3) p
y 2 + x2
y
(%o4) p
2
y + x2

Si intentamos calcular las derivadas parciales en (0,0) llegamos a un resultado


que Maxima no puede resolver:
(%i5)

define(parcial1g(x,y),diff(g(x,y),x,1));
define(parcial2g(x,y),diff(g(x,y),y,1));
limit((g(h,0)-0)/h,h,0);

x
(%o5) parcial1g (x, y) := p
y 2 + x2
y
(%o6) parcial2g (x, y) := p
2
y + x2
(%o7) und

Observamos que el u
ltimo lmite nos da indefinido, porque no existe.

Ejercicio 242

Vamos a derivar F respecto a t. Primero definimos x, y, f:

(%i8)

kill(all);
x:exp(2*t);
y:1/t;
f:x*(1-y^2)-y;

(%o0) done
(%o1) e2 t
1
t


1
1
1 2 e2 t
(%o3)
t
t
(%o2)

Luego derivamos respecto a t:


(%i4)

diff(f,t,1);


1
2 e2 t
1
(%o4) 2 1 2 e2 t + 3 + 2
t
t
t

10

Ejercicio 243

Aplicamos la regla de la cadena a las funciones de este ejercicio:


(%i5)

kill(all);
f:x^2+cos(y);
y:exp(-x);
diff(f,x);

(%o0) done
(%o1) cos (y) + x2
(%o2) ex
(%o3) 2 x

11

Ejercicio 245

Vamos a calcular con maxima el valor de la diferencial de f(g,h). Primero


limpiamos la memoria con kill(all). Luego asignamos a g,h sus expresiones,
luego a f y finalmente, pedimos que determine el gradiente de f:

(%i4)

kill(all);
g(u,v):=u+u*v;
h(u,v):=tan(u);
f(x,y):=x-y^2;
jacobian([f(g(u,v),h(u,v))],[u,v]);

(%o0) done
(%o1) g (u, v) := u + u v
(%o2) h (u, v) := tan (u)
(%o3) f (x, y) := x y 2
(%o4)

v 2 sec (u) tan (u) + 1 u

Ahora asignamos el gradiente a una funci


on y detemrinamos su valor en (0,0):
(%i5)

define(gradiente(u,v),jacobian([f(g(u,v),h(u,v))],[u,v]));
gradiente(0,0);

(%o5) gradiente (u, v) := v 2 sec (u)2 tan (u) + 1 u

(%o6) 1 0

12

Ejercicio 246

Primero definimos las funciones y calculamos su gradiente:


(%i7)

kill(all);
g(u,v):=u*v;
h(u,v):=sin(u);
k(u,v):=exp(u);
f(x,y,z):=3*x+y+z^2;
jacobian([f(g(u,v),h(u,v),k(u,v))],[u,v]);

(%o0) done
(%o1) g (u, v) := u v
(%o2) h (u, v) := sin (u)
(%o3) k (u, v) := exp (u)
(%o4) f (x, y, z) := 3 x + y + z 2
(%o5)

3 v + cos (u) + 2 e2 u


3u

Como tenemos el gradiente, le asignamos una funci


on, que llamamos gradiente,
y la evaluamos en (1,0):
9

(%i6)

define(gradiente(u,v),jacobian([f(g(u,v),h(u,v),k(u,v))],
[u,v]));
gradiente(1,0);

(%o6) gradiente (u, v) := 3 v + cos (u) + 2 e2 u 3 u

(%o7) cos (1) + 2 e2 3

13

Ejercicio 249

Vamos a comprobar que la funci


on cumple las condiciones del teorema de la
funci
on implcita. Comenzamos reiniciando Maxima con kill(all) y luego definimos la ecuaci
on y comprobamos que en (1,1) se verifica:
(%i8)

kill(all);
ec:x^4+x^2*y^3-y^2-1;
ec,x=1,y=1;

(%o0) done
(%o1) x2 y 3 y 2 + x4 1
(%o2) 0
A continuacion, comprobamos que no se anula la derivada con respecto a x en
ese punto:
(%i3)

diff(ec,x);
%,x=1,y=1;

(%o3) 2 x y 3 + 4 x3
(%o4) 6
Ya sabemos que podemos poner que x depende de y:
(%i5)

depends(x,y);

(%o5) [x (y)]
Ahora vamos a encontrar g(1). Derivamos implcitamente y despejamos
dx/dy=g(1).
Llamamos solucion a este valor:

10

(%i6)

diff(ec,y);
solve(%,diff(x,y));
soluc:solve(%,diff(x,y));




d
d
3
2 2
3
(%o6) 2 x
x y +3x y 2y +4x
x
dy
dy
(%o7) [

3 x2 y 2 2 y
d
]
x=
dy
2 x y 3 + 4 x3

(%o8) [

3 x2 y 2 2 y
d
]
x=
dy
2 x y 3 + 4 x3

Para hacer referencia a esta solucion utilizamos al sentencia rhs: En este caso,
como solo hay una solucion, bastara con utilizar la sentencia
(%i9)

rhs(part(soluc,1));

(%o9)

3 x2 y 2 2 y
2 x y 3 + 4 x3

Podemos definir esta funci


on y evaluarla en x=1,y=1 y obtenemos
(%i10) define(dxdy(x,y),rhs(part(soluc,1)));
dxdy(1,1);
(%o10) dxdy (x, y) :=
(%o11)

14

3 x2 y 2 2 y
2 x y 3 + 4 x3

1
6

Ejercicio 250

Hacemos como en el ejercicio anterior:


(%i18) kill(all);
ec:3*x*y-x^3+cos(%pi*y)-1;
ec,x=1,y=1;
diff(ec,y);
%,x=1,y=1;
(%o0) done
(%o1) cos ( y) + 3 x y x3 1
(%o2) 0
(%o3) 3 x sin ( y)
11

(%o4) 3
Y comprobamos que se puede despejar y en funci
on de x. Sin embargo, no se
puede asegurar que ocurra al reves, porque la derivada de la ecuaci
on respecto
de x es 0:
(%i5)

diff(ec,x);
%,x=1,y=1;

(%o5) 3 y 3 x2
(%o6) 0

15

Ejercicio 252

Observamos que la pendiente de la recta tangente a la curva de nivel es el opuesto


de la primera componente del gradiente entre la segunda. Por eso calculamos el
gradiente y particularizamos en el punto (0,1):
(%i7)

kill(all);
F(x,y):=y*exp(x)-x^2-1;
jacobian([F(x,y)],[x,y]);
%,x=0,y=1;

(%o0) done
(%o1) F (x, y) := y exp (x) x2 1

(%o2) ex y 2 x ex

(%o3) 1 1

El gradiente es una matriz y por eso, para calcular el opuesto de la primera


componente del gradiente entre la segunda hacemos:
(%i4)

(%o4)
(%o5)

-col(jacobian([F(x,y)],[x,y]),1)/col(jacobian([F(x,y)],
[x,y]),2);
%,x=0,y=1;

ex (2 x ex y)

1

Tambien podamos haber hecho:


(%i6)

(%o6)

j:jacobian([F(x,y)],[x,y]);
-j[1,1]/j[1,2];
%,x=0,y=1;

ex y 2 x ex
12

(%o7) ex (2 x ex y)
(%o8)

Porque j[1,1] es la primera componente de j y j[1,2] es la segunda. Finalmente,


calculamos su valor en x=0,y=1:
(%i9)

%,x=0,y=1;

(%o9)

16

Ejercicio 253

Procedemos como habitualmente, y as encontramos el valor de a:


(%i10) kill(all);
ec:1-exp(x^7+y^2-x*z-1);
ec,x=1,y=0,z=a;
solve(%,a);
(%o0) done
(%o1) 1 ex z+y

+x7 1

(%o2) 1 ea
(%o3) [a = 0]
Ahora comprobamos que se cumple la otra hipotesis del teorema de la funci
on
implcita:
(%i4)

diff(ec,z);
%,x=1,y=0,z=0;

(%o4) x ex z+y

+x7 1

(%o5) 1
Ya sabemos que z depende de x e y:
(%i6)

depends(z,[x,y]);

(%o6) [z (x, y)]


Ahora derivamos la ecuaci
on respecto a x e y y particularizamos en x=1,y=0:

13

(%i7)

(%o7)
(%o8)

ec1:diff(ec,x);
ec2:diff(ec,y);
soluc1:solve(ec1,diff(z,x));
rhs(part(soluc1,1));
define(dzdx(x,y,z),rhs(part(soluc1,1)));
dzdx(1,0,0);
soluc2:solve(ec2,diff(z,y));
rhs(part(soluc2,1));
define(dzdy(x,y,z),rhs(part(soluc2,1)));
dzdy(1,0,0);




d
6
x z+y 2 +x7 1
z z + 7x
x
e
dx



2
7
d
ex z+y +x 1 2 y x
z
dy

(%o9) [

z 7 x6
d
z=
]
dx
x

(%o10)

z 7 x6
x

(%o11) dzdx (x, y, z) :=

z 7 x6
x

(%o12) 7
(%o13) [
(%o14)

d
2y
z=
]
dy
x

2y
x

(%o15) dzdy (x, y, z) :=

2y
x

(%o16) 0

17

Ejercicio 257

Repetimos los mismos pasos que en el ejercicio anterior:


(%i17) kill(all);
f(x,y):=x^3+y^3+x*y;
gradiente:jacobian([f(x,y)],[x,y]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2]],[x,y]);
(%o0) done

14

(%o1) f (x, y) := x3 + y 3 + x y

(%o2) y + 3 x2 3 y 2 + x

1
3i 1
3i + 1
3i + 1
1
,y =
], [x =
,y =
(%o3) [[x = , y = ], [x =
3
3
6
6
6

3i1

], [x = 0, y = 0]]
6

18

Ejercicio 258

No debera sorprendernos que los primeros pasos sean definir la funci


on y calcular su gradiente:
(%i4)

kill(all);
f(x,y):=x*y*(x^2+y^2);
gradiente:jacobian([f(x,y)],[x,y]);

(%o0) done

(%o1) f (x, y) := x y x2 + y 2



(%o2) y y 2 + x2 + 2 x2 y x y 2 + x2 + 2 x y 2

Determinamos los puntos crticos resolviendo el sistema resultante de igualar


las derivadas parciales a 0:
(%i3)

puntoscriticos:algsys([gradiente[1,1],gradiente[1,2]],[x,y]);

(%o3) [[x = 0, y = 0]]

19

Ejercicio 259

Calculamos el gradiente de f y lo evaluamos en los puntos dados:


(%i4)

kill(all);
f(x,y):=x^3+y^2-x*y;
gradiente:jacobian([f(x,y)],[x,y]);
gradiente,x=0,y=0;
gradiente,x=1,y=-1;
gradiente,x=1/6,y=1/12;

(%o0) done
(%o1) f (x, y) := x3 + y 2 + (x) y

(%o2) 3 x2 y 2 y x
15

(%o3)

0 0

(%o4)


4 3

0 0

(%o5)

Observamos que los posibles extremos se alcanzan en el primer y tercer puntos. Ahora obtenemos la matriz hessiana, la evaluamos en los puntos dados y
calculamos su determinante:
(%i6)

mh:hessian(f(x,y),[x,y]);
mh,x=0,y=0;
determinant(%);
mh,x=1/6,y=1/12;
determinant(%);


6 x 1
(%o6)
1 2


0 1
(%o7)
1 2
(%o8)

1


1 1
(%o9)
1 2
(%o10) 1
Los resultados coinciden con los del libro.

20

Ejercicio 260

Procedemos como anteriormente:


(%i11) kill(all);
f(x,y):=y+x^2*y^2-x^2+y^2;
gradiente:jacobian([f(x,y)],[x,y]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2]],[x,y]);
(%o0) done
(%o1) f (x, y) := y + x2 y 2 x2 + y 2


2 x y 2 2 x 2 x2 y + 2 y + 1

3i
3i
1
i
(%o3) [[x = 0, y = ], [x = , y = 1], [x = , y = 1], [x = , y =
2
2
2
2
i

1], [x =
, y = 1]]
2
(%o2)

16

Obtenemos, como en el libro, un u


nico punto crtico. Estudiamos la matriz
hessiana en este punto:
(%i4)

mh:hessian(f(x,y),[x,y]);
mh,x=0,y=-1/2;
determinant(%);
 2

2y 2
4xy
(%o4)
4xy
2 x2 + 2
 3

2 0
(%o5)
0 2
(%o6)

Los resultados coinciden con los del libro.

21

Ejercicio 261

Repetimos el procedimiento seguido:


(%i7)

kill(all);
f(x,y):=x^2*(sin(y))^2;
gradiente:jacobian([f(x,y)],[x,y]);
%,x=0,y=0;
mh:hessian(f(x,y),[x,y]);
mh,x=0,y=0;
determinant(%);

(%o0) done
2

(%o1) f (x, y) := x2 sin (y)


2
2 x sin (y) 2 x2 cos (y) sin (y)

(%o3) 0 0


2
2 sin (y)
4 x cos (y) sin (y)
(%o4)
2
2
4 x cos (y) sin (y) 2 x2 cos (y) 2 x2 sin (y)


0 0
(%o5)
0 0
(%o2)

(%o6) 0
Los resultados coinciden con los del libro.

17

22

Ejercicio 262

Repetimos el mismo procedimiento que en ejercicios anteriores:


(%i7)

kill(all);
f(x,y):=15.1*x-4*x^2+4*x*y-25.5+21*y-10*y^2;
gradiente:jacobian([f(x,y)],[x,y]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2]],[x,y]);
mh:hessian(f(x,y),[x,y]);

(%o0) done
(%o1) f (x, y) := 15.1 x 4 x2 + 4 x y 25.5 + 21 y + (10) y 2

(%o2) 4 y 8 x + 15.1 20 y + 4 x + 21
193
571
(%o3) [[x =
,y =
]]
72
360


8
4
(%o4)
4 20

Ahora obtenemos la matriz hessiana y su determinante en el punto crtico:


(%i5)

mh,x=193/72,y=571/360;
determinant(mh);


8
4
(%o5)
4 20
(%o6) 144
Los resultados coinciden con los del libro.

23

Ejercicio 263

Definimos f y determinamos d
onde tiene puntos crticos:
(%i7)

kill(all);
f(x,y):=3*x^2+3*y^2-10*x+26-6*y;
gradiente:jacobian([f(x,y)],[x,y]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2]],[x,y]);
mh:hessian(f(x,y),[x,y]);

(%o0) done
(%o1) f (x, y) := 3 x2 + 3 y 2 + (10) x + 26 + (6) y

(%o2) 6 x 10 6 y 6
18

5
(%o3) [[x = , y = 1]]
3


6 0
(%o4)
0 6
Coincide con los resultados del libro.

24

Ejercicio 265

Es un problema de extremos condicionados. Definimos la funci


on f, la condicion
g y la funci
on auxiliar de Lagrange F:
(%i5)

kill(all);
f(x,y):=x^2-y^2;
g(x,y):=x+y;
F(x,y,a):=f(x,y)+a*g(x,y);

(%o0) done
(%o1) f (x, y) := x2 y 2
(%o2) g (x, y) := x + y
(%o3) F (x, y, a) := f (x, y) + a g (x, y)
Definimos el gradiente y resolvemos el sistema que resulta de igualarlo a 0. Los
puntos crticos se almacenan en una lista, llamada puntoscriticos:
(%i4)

(%o4)

gradiente:jacobian([F(x,y,a)],[x,y,a]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2],
gradiente[1,3]],[x,y,a]);

2x+a a2y y +x

(%o5) [[x = %r1, y = %r1, a = 2 %r1]]

Coinciden con los del libro. Comprobamos que (1,-1) es un punto crtico.
(%i6)
(%o6)

25

gradiente,x=1,y=-1,a=-2;

0 0 0

Ejercicio 266

Hacemos como en el ejercicio anterior:

19

(%i7)

kill(all);
f(r,h):=2*%pi*r^2+2*%pi*r*h;
g(r,h):=%pi*r^2*h-300;
F(r,h,a):=f(r,h)+a*g(r,h);
gradiente:jacobian([F(r,h,a)],[r,h,a]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2],
gradiente[1,3]],[r,h,a]);

(%o0) done
(%o1) f (r, h) := 2 r2 + 2 r h
(%o2) g (r, h) := r2 h 300
(%o3) F (r, h, a) := f (r, h) + a g (r, h)
(%o4)

a r2 + 2 r

2ahr + 4r + 2h
1

(%o5) [[r =

23 33 53

43 3

4 33 53

,a =
1 ], [r = 2
1
1
2
1 ,h =
23 3 3 i + 23 3
75 3
31 1
1
1
2
1
3 43 3 i + 43 3
4 33 53
83 5
], [r = 2 1
2 1
2
1 ,a =
2
1 ,h =
1
23 3 3 i + 23 3
23 3 3 i 23 3
2 75 3

1
1
2
1
1
1
8 33 53
343 3 i 43 3

,
a
=

]]
2
1
1
2
1
23 3 3 i 23 3
2 75 3
La u
nica solucion real es la primera y coincide con la del libro.
1
3

26

,h =

23 33 53


h r2 300

2
3

Ejercicio 267

Determinamos los posibles extremos como en el ejercicio anterior:


(%i6)

kill(all);
f(x,y):=x-y;
g(x,y):=x^2+y^2-1;
F(x,y,a):=f(x,y)+a*g(x,y);
gradiente:jacobian([F(x,y,a)],[x,y,a]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2],
gradiente[1,3]],[x,y,a]);

(%o0) done
(%o1) f (x, y) := x y

(%o2) g (x, y) := x2 + y 2 1
(%o3) F (x, y, a) := f (x, y) + a g (x, y)
(%o4)

2ax+ 1 2ay 1

y 2 + x2 1
20

1
1
1
1
1
1
(%o5) [[x = , y = , a = ], [x = , y = , a = ]]
2
2
2
2
2
2
Ahora evaluamos f en estos puntos:
(%i6)

ev(f(x,y),puntoscriticos[1]);
ev(f(x,y),puntoscriticos[2]);

(%o6) 2

(%o7)
2
Y podemos afirmar que el mnimo se alcanza en el primer punto y el maximo
en el segundo.

27

Ejercicio 269

Definimos la temperatura y determinamos d


onde se pueden alcanzar los extremos relativos en el interior del disco:
(%i8)

kill(all);
T(x,y):=exp(x^2)+exp(y^2);
gradiente:jacobian([T(x,y)],[x,y]);
puntoscriticos:algsys([gradiente[1,1],
gradiente[1,2]],[x,y]);

(%o0) done


(%o1) T (x, y) := exp x2 + exp y 2


2
2
(%o2)
2 x ex 2 y ey
(%o3) [[x = 0, y = 0]]
Ahora estudiamos la frontera del disco con los multiplicadores de Lagrange.
Como no son ecuaciones algebraicas, utilizamos la sentencia solve:
(%i4)

g(x,y):=x^2+y^2-4;
F(x,y,a):=T(x,y)+a*g(x,y);
gradiente:jacobian([F(x,y,a)],[x,y,a]);
puntoscriticos:solve([gradiente[1,1],gradiente[1,2],
gradiente[1,3]],[x,y,a]);

(%o4) g (x, y) := x2 + y 2 4
(%o5) F (x, y, a) := T (x, y) + a g (x, y)


2
2
(%o6)
2 x ex + 2 a x 2 y ey + 2 a y y 2 + x2 4
21

(%o7) [[x = 2, y = 0, a = e4 ], [x = 2, y = 0, a = e4 ], [x = 0, y = 2, a =
e4 ], [x = 0, y = 2, a = e4 ]]
Observe que faltan posibles puntos crticos, que s han sido detectados en el
ejercicio. De hecho, si evaluamos gradiente en estos puntos el resultado es el
esperado:
(%i8)
(%o8)

ev(gradiente,[x=sqrt(2),y=sqrt(2),a=-exp(2)]);

0 0 0

Finalmente, evaluamos T en los 5 puntos detectados:


(%i9)

ev(T(x,y),[x=0,y=0]);
ev(T(x,y),puntoscriticos[1]);
ev(T(x,y),puntoscriticos[2]);
ev(T(x,y),puntoscriticos[3]);
ev(T(x,y),puntoscriticos[4]);

(%o9) 2
(%o10) e4 + 1
(%o11) e4 + 1
(%o12) e4 + 1
(%o13) e4 + 1
Y en los que hemos obtenido en el libro adicionalmente:
(%i14) ev(T(x,y),[x=sqrt(2),y=sqrt(2)]);
ev(T(x,y),[x=-sqrt(2),y=sqrt(2)]);
ev(T(x,y),[x=sqrt(2),y=-sqrt(2)]);
ev(T(x,y),[x=-sqrt(2),y=-sqrt(2)]);
(%o14) 2 e2
(%o15) 2 e2
(%o16) 2 e2
(%o17) 2 e2

28

Ejercicio 270

Procedemos como en ejercicios anteriores:

22

(%i18) kill(all);
f(x,y):=x^2+y;
g(x,y):=2*x-y;
F(x,y,a):=f(x,y)+a*g(x,y);
gradiente:jacobian([F(x,y,a)],[x,y,a]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2],
gradiente[1,3]],[x,y,a]);
(%o0) done
(%o1) f (x, y) := x2 + y
(%o2) g (x, y) := 2 x y
(%o3) F (x, y, a) := f (x, y) + a g (x, y)

(%o4) 2 x + 2 a 1 a 2 x y
(%o5) [[x = 1, y = 2, a = 1]]

29

Ejercicio 271

Estudiamos los extremos de la funci


on de una variable:
(%i6)

kill(all);
h(x):=300-x+3*sqrt(x^2+100^2);
diff(h(x),x);
define(d1h(x),diff(h(x),x));
solve(d1h(x),x);
%^2;
puntoscriticos:solve(%);

(%o0) done
(%o1) h (x) := 300 x + 3

p
x2 + 1002

3x
(%o2)
1
x2 + 10000
3x
(%o3) d1h (x) :=
1
2
x + 10000

x2 + 10000
]
(%o4) [x =
3
x2 + 10000
]
9

(%o6) [x = 25 2, x = 25 2]
(%o5) [x2 =

23

Observe que para que Maxima nos resuelva la ecuaci


on, hemos tenido que recurrir a elevarla al cuadrado. Como se dice en el libro, la u
nica posible solucion
es al segunda.
Ahora calculamos la derivada segunda y la evaluamos en el punto crtico:
(%i7)

diff(h(x),x,2);
ev(h(x),puntoscriticos[2]);
float(%);

3
3 x2
(%o7)

3
x2 + 10000 (x2 + 10000) 2
7

(%o8) 25 2 2 + 300
(%o9) 582.8427124746193
Ademas evaluamos h en x=0,x=300:
(%i10) ev(h(x),x=0);
float(%);
ev(h(x),x=300);
float(%);
(%o10) 600
(%o11) 600.0
5

(%o12) 3 10 2

(%o13) 948.6832980505141
Estos resultados confirman la resolucion del libro.

30

Ejercicio 272

Procedemos como en ejercicios anteriores:


(%i14) kill(all);
f(x,y,z):=x+y+z;
g(x,y,z):=x^2+2*y^2+3*z^2-1;
F(x,y,z,a):=f(x,y,z)+a*g(x,y,z);
gradiente:jacobian([F(x,y,z,a)],[x,y,z,a]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2],
gradiente[1,3],gradiente[1,4]],[x,y,z,a]);
(%o0) done
(%o1) f (x, y, z) := x + y + z
24

(%o2) g (x, y, z) := x2 + 2 y 2 + 3 z 2 1
(%o3) F (x, y, z, a) := f (x, y, z) + a g (x, y, z)

2 a x + 1 4 a y + 1 6 a z + 1 3 z 2 + 2 y 2 + x2 1


2 3
3
2
11
2 3
,y =
(%o5) [[x =
, y = , z = , a = ], [x =
11
2
11
3 11
2 6
11

3
2
11
, z = , a = ]]
2 11
3 11
2 6
(%o4)

Tiene 2 soluciones. Evaluamos f en estos dos puntos:


(%i6)

ev(f(x,y,z),puntoscriticos[1]);
ev(f(x,y,z),puntoscriticos[2]);

2 3
3
2
(%o6)
+ +
11
2 11
3 11


2 3
3
2

(%o7)
11
2 11
3 11
Coincide con el resultado del libro.

31

Ejercicio 273

Hacemos, como en otros ejercicios:


(%i8)

kill(all);
f(x,y,z):=x^2+y^2+z^2;
g(x,y,z):=x*y+4-z;
F(x,y,z,t):=f(x,y,z)+t*g(x,y,z);
gradiente:jacobian([F(x,y,z,t)],[x,y,z,t]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2],
gradiente[1,3],gradiente[1,4]],[x,y,z,t]);

(%o0) done
(%o1) f (x, y, z) := x2 + y 2 + z 2
(%o2) g (x, y, z) := x y + 4 z
(%o3) F (x, y, z, t) := f (x, y, z) + t g (x, y, z)

t y + 2 x 2 y + t x 2 z t z + x y + 4

(%o5)
[[x = 3, y = 3, z = 1, t = 2], [x
= 3,y = 3, z = 1, t = 2], [x =

5 i, y = 5 i, z = 1, t = 2], [x = 5 i, y = 5 i, z = 1, t = 2], [x =
0, y = 0, z = 4, t = 8]]
(%o4)

25

Evaluamos f en las soluciones reales:


(%i6)

ev(f(x,y,z),puntoscriticos[1]);
ev(f(x,y,z),puntoscriticos[2]);
ev(f(x,y,z),puntoscriticos[5]);

(%o6) 7
(%o7) 7
(%o8) 16
Los resultados coinciden con los del libro.

32

Ejercicio 274

Primero determinamos los puntos crticos:


(%i9)

kill(all);
f(x,y):=x^2-x*y+y^2;
gradiente:jacobian([f(x,y)],[x,y]);
puntoscriticos:algsys([gradiente[1,1],gradiente[1,2]],[x,y]);

(%o0) done
(%o1) f (x, y) := x2 x y + y 2

(%o2) 2 x y 2 y x
(%o3) [[x = 0, y = 0]]

El u
nico extremos posible se alcanza en (0,0). Estudiamos ahora los extremos
en los lados de los segmentos:
(%i4)

pcrit:[solve(diff(f(1,y),y),[y]),solve(diff(f(-1,y),y),[y]),
solve(diff(f(x,1),x),[x]),solve(diff(f(x,-1),x),[x])];

1
1
1
1
], [y = ], [x = ], [x = ]]
2
2
2
2
Estos valores dan lugar a los puntos (1,1/2),(-1,-1/2),(1/2,1),(-1/2,-1). Evaluamos f en todos los extremos posibles (los anteriores mas los cuatro vertices):
(%o4) [[y =

26

(%i5)

f(0,0);
f(1,1/2);
f(-1,-1/2);
f(1/2,1);
f(-1/2,-1);
f(1,1);
f(1,-1);
f(-1,1);
f(-1,-1);

(%o5) 0
(%o6)
(%o7)
(%o8)
(%o9)
(%o10)

3
4
3
4
3
4
3
4
1

(%o11) 3
(%o12) 3
(%o13) 1
Los resultados coinciden con los del libro.

27