April 27, 2022

3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD:

MÉTODO DE LAGRANGE

En toda esta sección D denota un subconjunto abierto de Rn .

1. Introducción
El problema de optimización con restricciones de igualdad se define como
(1.1) max (resp. min) f (x) s.a: x ∈ S,
donde f : D ⊆ Rn −→ R, g = (g1 , . . . , gm ) : D −→ Rm , con m < n y S = {x ∈ D :
g(x) = b}, donde b = (b1 , . . . , bm ).

1.1. Eliminación de restricciones. Cuando sea posible encontrar funciones h =

(h1 , . . . , hm ) que permitan expresar m variables en términos de las restantes n − m
variables (por ejemplo, las primeras m variables tras una reordenación si fuera
necesario), en la forma
x1 = h1 (xm+1 , . . . , xn )
..
.
xm = hm (xm+1 , . . . , xn ),
de manera que el sistema obtenido es equivalente al original, g(x) = b, entonces
x0 = (x0m+1 , . . . , x0n ) es solución del problema de optimización sin restricciones
opt f (h(xm+1 , . . . , xn ), xm+1 , . . . , xn )
si y sólo si (h(x0 ), x0 ) es solución de (1.1).
Ejemplo 1.1. Se quiere resolver el problema

x − y + z = 6,
min f (x, y, z) = 2x + y − z s.a:
z 2 − y = 0.
Despejamos x y y como funciones de z: y = z 2 , x = 6 + z 2 − z y substituimos estos
valores en la expresión de f , que se convierte ası́ en función de z únicamente.
F (z) = f (6 + z 2 − z, z 2 , z) = 2(6 + z 2 − z) + z 2 − z = 12 + 3z 2 − 3z.
La función F es una parábola convexa, luego su vértice, z 0 = 21 , es el mı́nimo global
y, por tanto, el mı́nimo global del problema orginal es
 
0 0 0 23 1 1
(x , y , z ) = , , .
4 4 2
23 1 1 45
El valor mı́nimo de f en el conjunto factible es 2 · 4 + 4 − 2 = 4 .

Por supuesto, no siempre es posible despejar explı́ıcitamente unas variables en

función de otras. Por este motivo, se ha desarrollado el método de los multipli-
cadores de Lagrange, que se expone a continuación.
1
2 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE

2. Condiciones necesarias de primer orden: Teorema de Lagrange

Sean f : D ⊆ Rn −→ R, g = (g1 , . . . , gm ) : D −→ Rm , tales que f y g son de clase
C 1 en D.
Definición 2.1. El punto x0 ∈ S es un punto regular de (1.1) si el rango de la
matriz jacobiana de g en x0 , D g(x0 ), coincide con el número de restricciones, m.
Observación 2.2. Intuitivamente, si todos los puntos de S son regulares, esta condición
significa que el conjunto factible S es un ‘objeto’ regular y suave, en Rn , de di-
mensión n − m y que en cada punto x ∈ S existe el plano tangente a S, Tx S, que
se define como
(2.1) x + {v ∈ Rn : D g(x)v = 0} = {x + v : v ∈ Rn , Dg(x)v = 0}
Definición 2.3. La función Lagrangiana de (1.1) es
L(x, λ) = f (x) + λ · (b − g(x)),
donde x = (x1 , . . . , xn ) ∈ D, λ = (λ1 , . . . , λm ) ∈ Rm y
X m
λ · (b − g(x)) = λi (bi − gi (x)).
i=1

Teorema 2.4 (Teorema de Lagrange). Si x0 ∈ S es un punto regular de S y

solución de (1.1), entonces existe un único vector λ0 = (λ01 , . . . , λ0m ) ∈ Rm tal que
(x0 , λ0 ) es un punto crı́tico de la función Lagrangiana de (1.1), es decir
∇x L(x0 , λ0 ) = 0,
∇λ L(x0 , λ0 ) = 0.
Definición 2.5. Si (x0 , λ0 ) es un punto crı́tico de la función Lagrangiana de (1.1),
entonces se dice que x0 es un punto crı́tico relativo de f en S y que λ01 , . . . , λ0m ∈ R
son los multiplicadores de Lagrange asociados.
Definición 2.6. Las ecuaciones
∇x L(x0 , λ0 ) = 0,
∇λ L(x0 , λ0 ) = 0.
se denominan ecuaciones de Lagrange.
Observación 2.7. El sistema de ecuaciones de Lagrange consta de n + m ecuaciones
y de n + m incógnitas (es un sistema cuadrado).
Notar que ∇λ L(x0 , λ0 ) = 0 es equivalente a g(x) = b.
Observación 2.8. Si S es compacto, entonces el Teorema de Weierstrass asegura la
existencia de soluciones globales de (1.1) (dado que f es continua por ser diferen-
ciable). Si la condición de regularidad se cumple, entonces estos extremos globales
deben ser punto crı́ticos relativos de f en S. Por tanto, para determinar los ex-
tremos globales, bastará evaluar estos puntos crı́ticos con la función objetivo f . Los
valores extremales de f determinarán los máximos y los mı́nimos de f en S.
Observación 2.9 (¿Por qué las ecuaciones de Lagrange deberı́an ser ciertas?). Para
simplificar, supongamos que sólo hay una restricción y el problema es
max = f (x)
s.a. g(x) = 0
 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE 3

En el dibujo siguiente hemos representado el conjunto {x : g(x) = 0} y las superfi-

cies (o curvas) de nivel f (x) = c. La flecha indica la dirección de crecimiento de f
(que en cada punto está dada por el gradiente de f ).

f (x) = c

g(x) = 0

A
B C D
∇f

∇g

Vemos que, por ejemplo, el punto A no puede ser un máximo de f en el conjunto

{x : g(x) = 0}, ya que f alcanza un valor mayor en el punto B, es decir f (B) >
f (A). Asimismo, vemos gráficamente que f (C) > f (B). El punto D es exactamente
el punto en el que si nos movemos en la dirección de ∇f (D) ya no se verifica la
restricción g(x) = 0. En D, las curvas de nivel f (x) = c y g(x) = 0 son tangentes
o, equivalentemente, ∇f (D) y ∇g(D) son paralelos, lo cual significa que uno es un
múltiplo del otro ∇f (D) = λ∇g(D) para algún λ ∈ R.

Ejemplo 2.10 (Maximización de Utilidad con Restricciones Presupuestarias). Con-

sideremos el problema

max u(x)
s.a. p · x = t

El punto x ∈ Rn+ se interpreta como la cesta de consumo y p ∈ Rn++ como los

precios de los bienes. El agente tiene una renta t y escoge una cesta de consumo x
tal que maximiza su utilidad sujeto a la restricción presupuestaria , p · x = t. La
función de Lagrange es

L = u(x) + λ(t − px)

y las ecuaciones de Lagrange son


∇u = λp
(2.2)
px = t

Por lo que si x∗ es una solución del problema, entonces ∇u(x∗ ) es perpendicular al

plano p · x = t.
4 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE

u(x*)

x*

px=t u = cte.

Por otra parte, vemos que las ecuaciones 2.2 son equivalente a las ecuaciones
pi
MRSij (x) =
pj
px = t
donde
∂u /∂xi
MRSij =
∂u /∂xj
es la relación marginal entre el bien i y el bien j.
Ejemplo 2.11 (La condición de regularidad). Este es un ejemplo que ilustra que si
la condición de regularidad 2.1 no se verifica, las ecuaciones de Lagrange pueden
no determinar el óptimo. Consideremos el problema
max = x
s.a. x3 + y 2 = 0
El conjunto {(x, y) ∈ R2 : x3 + y 2 = 0} está representado en la siguiente figura

-3.0 - 2.5 - 2.0 - 1.5 - 1.0 - 0.5

-2

-4

Claramente, la solución es x = 0. Pero si escribimos el Lagrangiano

L = x + λ(x3 + y 2 )
 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE 5

las ecuaciones de Lagrange son

1 − 3λx2 = 0
−2λy = 0
3 2
x +y = 0
La primera√ ecuación implica que x 6= 0 (¿por qué?). Usando la tercera obtenemos
que y = −x3 6= 0. Como y 6= 0 la segunda ecuación implica que λ = 0. Pero al
sustituir λ = 0 obtenemos una contradicción. Por tanto, este sistema formado por
las ecuaciones de Lagrange no tiene solución.
¿Qué es lo que falla? El Jacobiano de g es
D g(x, y) = (3x2 , 2y)
El punto (0, 0) verifica la restricción del problema, pero
rank (D g(0, 0)) = rank (0, 0) = 0
por lo que la condición de regularidad no se verifica.

3. Condiciones necesarias y suficientes de segundo orden

Sean f : D ⊆ Rn −→ R, g = (g1 , . . . , g : m) : D −→ Rm , tales que f y g son de
clase C 2 en D.
Definición 3.1. La matriz Hessiana de L con respecto a x, Hx L(x, λ), es la matriz
simétrica cuyo elemento (i, j) es
∂2L
(x, λ).
∂xi ∂xj
Recordar la definición 2.1 de espacio tangente al conjunto factible S en un punto
x0 ∈ S
x0 + {v ∈ Rn : D g(x0 )v = 0}.
Definición 3.2. El subespacio tangente a S en el punto x0 ∈ S es
TS (x0 ) = {v ∈ Rn : D g(x0 )v = 0}
Luego, el espacio tangente es simplemente x0 + TS (x0 ).
Teorema 3.3 (Condiciones necesarias de segundo orden). Sea x0 un punto regular
de (1.1), que satisface las condiciones de primer orden con vector de multiplicadores
asociado λ0 = (λ01 , . . . , λ0m ). Se tiene
(1) si x0 es un mı́nimo local de f en S, entonces la forma cuadrática Hx L(x0 , λ0 )
restringida a TS (x0 ) es definida positiva o semidefinida positiva.
(2) si x0 es un máximo local de f en S, entonces la forma cuadrática Hx L(x0 , λ0 )
restringida a TS (x0 ) es definida negativa o semidefinida negativa.
Corolario 3.4. Si la forma cuadrática Hx L(x0 , λ0 ) restringida a TS (x0 ) es in-
definida, entonces x0 no es extremo de f en S.
Teorema 3.5 (Condiciones suficientes de segundo orden). Sea x0 un punto regular
de (1.1), que satisface las condiciones de primer orden con vector de multiplicadores
asociado λ0 = (λ01 , . . . , λ0m ). Se tiene que
(1) si la forma cuadrática Hx L(x0 , λ0 ) restringida a TS (x0 ) is definida positiva,
entonces x0 es un mı́nimo local estricto de f en S.
6 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE

(2) si la forma cuadrática Hx L(x0 , λ0 ) restringida a TS (x0 ) is definida negativa,

entonces x0 es un máximo local estricto de f en S.
Ejemplo 3.6. Vamos a resolver el problema
max xy
s.a. p1 x + p2 y = m
con m, p1 , p2 6= 0.
Sea f (x, y) = xy, g(x, y) = m − p1 x − p2 y. Entonces ∇g(x, y) = (y, x) que es no
nulo en el conjunto S = {(x, y) ∈ R2 : p1 x + p2 y = m}. Por tanto, se verifica la
condición de regularidad. Construimos el lagrangiano
L(x) = xy + λ(m − p1 x − p2 y).
Las ecuaciones de Lagrange son
y − λp1 = 0
x − λp2 = 0
p1 x + p2 y = m.
La solución de este sistema es
m m m
x∗ = , y∗ = λ=
2p1 2p2 2p1 p2
El hessiano de L en el punto
 
m m m
(x∗ , y ∗ ) = , ;
2p1 2p2 2p1 p2
es  
0 1
H L(x∗ , y ∗ ) =
1 0
que es una matriz indefinida. Por otra parte,
 
m m
TS (x∗ , y ∗ ) = {v ∈ R2 : ∇g , · v = 0}
2p1 2p2
= {(v1 , v2 ) ∈ R2 : (p1 , p2 ) · (v1 , v2 ) = 0}
p1
= {(t, − t) ∈ R2 : t ∈ R}
p2
Por tanto
    
p1 ∗ ∗ t p1 0 1 t p1
(t, − t) · H L(x , y ) = (t, − t) · = − t2 < 0
p2 − pp12 t p2 1 0 − pp21 t p2
si t 6= 0. Por lo tanto,
 
m m
,
2p1 2p2
es un máximo.
Ejemplo 3.7. Vamos a resolver el problema
max x2 + y 2
s.a. xy = 4
 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE 7

Sea f (x, y) = x2 + y 2 , g(x, y) = xy. Entonces ∇g(x, y) = 2(y, x) que es no nulo

en el conjunto S = {(x, y) ∈ R2 : xy = 4}. Por tanto, se verifica la condición de
regularidad. Construimos el lagrangiano
L(x) = x2 + y 2 + λxy.
Las ecuaciones de Lagrange son
2x + λy = 0
2y + λx = 0
xy = 4.
Este sistema tiene dos soluciones
x = y = 2, λ = −2
x = y = −2, λ = −2.
El hessiano de L es en el punto (2, 2; −2) es
   
2 λ  2 −2
H L(2,2) = =
λ 2 λ=2 −2 2
Por otra parte,
TS (2, 2) = {v ∈ R2 : ∇g(2, 2) · v = 0}
= {(v1 , v2 ) ∈ R2 : (2, 2) · (v1 , v2 ) = 0}
= {(t, −t) ∈ R2 : t ∈ R}
Por tanto
    
t 2 −2 t
(t, −t) · H L(2,2) = (t, −t) · = 8t2
−t −2 2 −t
por lo que H L(2,2) es definida positiva sobre T(2,2) M de donde se concluye que (2, 2)
es un mı́nimo.

4. Interpretación económica del multiplicador de Lagrange

Considere el problema de Lagrange
(4.1) max f (x) s.a: g(x) = b.
Definición 4.1. La función valor (o función indirecta de utilidad) del problema
(4.1) es
V (b) = max{f (x) : g(x) = b}, b ∈ B ⊆ Rm , un conjunto abierto.
La correspondencia de soluciones óptimas del problema (4.1) es
X0 (b) = {x0 ∈ S : f (x0 ) ≥ f (x) ∀x ∈ S}.
A continuación supondremos que X0 (b) contiene un único punto (es decir, que para
cada valor del parámetro b, hay una y sóla una solución óptima), luego X0 (b) es una
función y la denotaremos por x0 (b) (X0 (b) = {x0 (b)}). Notar que V (b) = f (x0 (b))
por definición. Nos preguntamos ¿Cómo depende V de b?
En el teorema siguiente, recordar que la Lagrangiana es L(x, λ) = f (x)+λ·(b−g(x)).
8 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE

Teorema 4.2. Sean f : D ⊆ Rn −→ R, g = (g1 , . . . , gm ) : D −→ Rm , tales que

f y g son de clase C 2 en D. Sea b0 ∈ B tal que x0 (b0 ) es una solución regular de
(1.1) y
 
 (0)m×m D g(x0 (b0 )) 
 D g(x0 (b0 ))t Hx L(x0 (b0 ), λ0 )  6= 0,
 

donde λ0 es el vector de multiplicadores de Lagrange asociados a x0 (b0 ). Entonces,

la función valor V es de clase C 1 en una bola centrada en b0 y
∂V
(4.2) λ0i = (b0 ), i ∈ {1, . . . , m}.
∂bi
Observación 4.3. El multiplicador de Lagrange λi está asociado a la restricción
i-ésima. El multiplicador mide la variación del valor óptimo de f ante cambios en
el término independiente bi . Es por esta razón que a λi se le denomina precio
sombra o valor marginal de bi . Notar que un incremento de una unidad de bi
‘ceteris paribus’ tiene un efecto sobre el valor óptimo estimado de
V (b01 , . . . , b0i−1 , b0i + 1, b0i+1 , . . . , b0m ) − V (b) ≈ λi .
En general, si el incremento en b0 es ∆b (preferiblemente pequeño para obtener
resultados significativos), entonces
V (b0 + ∆b) − V (b0 ) ≈ λ · ∆b.
Ejemplo 4.4 (Función indirecta de utilidad). Se considera el problema de Lagrange
max u(x, y)
sujeto a: p1 x + p2 y = m
En este problema, un consumidor elige cestas de consumo (x, y) sujeto a su res-
tricción presupuestaria, donce, dados los precios (p1 , p2 ), la cesta tiene un coste de
p1 x + p2 y = m, siendo m la renta disponible del consumidor.
Para resolver este problema, consideramos la función de Lagrange
L(x) = u(x) + λ(m − p1 x − p2 y).
Sea x(p1 , p2 , m), y(p1 , p2 , m) la solución (suponemos que es única para cada (p1 , p2 , m).
Sea
V (p1 , p2 , m) = u(x(p1 , p2 , m))
la función indirecta de utilidad. Entonces,
∂V
=λ
∂m
Luego el multiplicador λ representa la utilidad marginal de la renta del consumidor.
Ejemplo 4.5. Un consumidor resuelve el problema max xy, sujeto a 2x + 4y = 32,
x, y ≥ 0 y obtiene que el multiplicador de su restriccón presupuestaria es λ0 = 2.
¿Cuál es el incremento aproximado de la utilidad del consumidor, si éste dispone
de una unidad adicional de renta?
Sabemos que el valor marginal de la renta para el consumidor cunado éste dispone de
32 u.m. es V 0 (32) = λ0 = 2. Luego, disponer de una unidad adicional, incrementa
su utilidad en aproximadamente ∆V = V (33) − V (32) ≈ 2.
 3. OPTIMIZACIÓN CON RESTRICCIONES DE IGUALDAD: MÉTODO DE LAGRANGE 9

Observación 4.6. Vamos a justificar la ecuación (4.2) para el caso en que sólo existe
una restriccón. Sea el problema de Lagrange
max f (x)
s.t.: g(x) = b.
Sea λ el multiplicador de Lagrange, y sea x(b) la solución (única) del problema.
Entonces, las ecuaciones de Lagrange son
∂f ∂g
=λ k = 1, . . . , n.
∂xk ∂xk
Notar que x(b) satisface la ecuación
g (x(b)) = b
en b = b0 . La condición de regularidad exigida en el Teorema de Lagrange, permite
deducir mediante el Teorema de la Función Implı́cita que x(b) está bien definida
y es de clase C 1 en un intervalo centrado en b0 . Derivando la ecuación anterior,
obtenemos
n
X ∂g ∂xk
(x(b)) (b) = 1.
∂xk ∂b
k=1
Por otra parte, usando la regla de la cadena,
n n
∂f (x(b)) X ∂f ∂xk X ∂g ∂xk
= (x(b)) (b) = λ (x(b)) (b) = λ.
∂b ∂xk ∂b ∂xk ∂b
k=1 k=1

Observación 4.7. La ecuación (4.2) también es cierta con restriccinoes de igualdad,

como veremos en el tema siguiente.