# Multiplicadores de Lagrange: método, intuição e exemplos resolvidos > Aprenda o método dos multiplicadores de Lagrange para otimização com restrição, por que os gradientes são paralelos e como resolver o sistema em exemplos. Fonte: https://practicecalculus.com/pt/blog/multiplicadores-de-lagrange Atualizado: 2026-09-18 ## Pontos principais - Para otimizar $f(x, y)$ sujeita a $g(x, y) = c$, resolva $\nabla f = \lambda \nabla g$ junto com $g(x, y) = c$. - Num máximo ou mínimo com restrição, a curva de nível de $f$ apenas encosta na curva da restrição, então os gradientes são paralelos. - Calcule $f$ em todas as soluções encontradas. O maior valor é o máximo e o menor é o mínimo, desde que a curva da restrição seja fechada e limitada. - O multiplicador $\lambda$ mede a rapidez com que o valor ótimo varia quando a constante $c$ da restrição varia. A maioria dos problemas reais de otimização vem com condições. Maximizar a área, mas a cerca tem comprimento fixo. Minimizar o custo, mas é preciso produzir uma quantidade fixa. Quando as variáveis estão amarradas por uma restrição, igualar as derivadas parciais a zero deixa de funcionar. Os multiplicadores de Lagrange fornecem um sistema de equações limpo que encontra a resposta mesmo assim. Este guia explica o método, a geometria por trás dele e três exemplos totalmente resolvidos, incluindo um com três variáveis. ## O que é o método dos multiplicadores de Lagrange? Suponha que você queira o máximo ou o mínimo de $f(x, y)$, mas só entre os pontos que satisfazem uma restrição $g(x, y) = c$. O **método dos multiplicadores de Lagrange** diz que, em qualquer ponto extremo desse tipo (onde $\nabla g \ne \mathbf{0}$), existe um número $\lambda$ com $$\nabla f(x, y) = \lambda\, \nabla g(x, y), \qquad g(x, y) = c$$ Escrito por componentes, são três equações nas três incógnitas $x$, $y$ e $\lambda$: $$f_x = \lambda g_x, \qquad f_y = \lambda g_y, \qquad g(x, y) = c$$ A letra grega $\lambda$ (lambda) é o **multiplicador de Lagrange**. Com três variáveis, acrescente $f_z = \lambda g_z$ e a restrição passa a ser $g(x, y, z) = c$. ## Por que funciona: os gradientes são paralelos Imagine a restrição $g(x, y) = c$ como uma trilha desenhada num mapa, e as curvas de nível de $f$ como as curvas de altitude. Caminhe pela trilha observando o valor de $f$. - Onde a trilha **cruza** uma curva de nível, você pode continuar andando até uma curva mais alta. Isso não é um máximo. - No ponto mais alto da trilha, ela apenas **encosta** numa curva de nível sem cruzá-la. As duas curvas são tangentes. Duas curvas tangentes têm a mesma reta tangente no ponto de contato. Como um [gradiente](/blog/gradient-and-directional-derivatives) é perpendicular à sua própria curva de nível, $\nabla f$ e $\nabla g$ são ambos perpendiculares a essa reta tangente comum. Então apontam ao longo da mesma reta, ou seja, um é múltiplo do outro: $\nabla f = \lambda \nabla g$. ## Como usar os multiplicadores de Lagrange passo a passo 1. **Identifique** a função a otimizar, $f$, e escreva a restrição como $g = c$. 2. **Calcule** $\nabla f$ e $\nabla g$. 3. **Monte** o sistema $\nabla f = \lambda \nabla g$, $g = c$. 4. **Resolva**. Um truque confiável: isole $\lambda$ em cada equação do gradiente e iguale os resultados, ou divida uma equação pela outra para eliminar $\lambda$. Fique atento aos casos em que uma variável vale $0$. 5. **Calcule** $f$ em todas as soluções. O maior valor é o máximo e o menor é o mínimo. > **Dica:** o passo 5 não é opcional. As equações encontram candidatos, e só comparar os valores de $f$ diz qual é qual. ## Exemplo resolvido 1: uma reta encontra uma circunferência Encontre o máximo e o mínimo de $f(x, y) = x + y$ na circunferência $x^2 + y^2 = 2$. **Passo 1. Gradientes.** $\nabla f = \langle 1, 1 \rangle$ e, com $g = x^2 + y^2$, $\nabla g = \langle 2x, 2y \rangle$. **Passo 2. O sistema.** $$1 = 2\lambda x, \qquad 1 = 2\lambda y, \qquad x^2 + y^2 = 2$$ **Passo 3. Elimine $\lambda$.** Nem $\lambda$, nem $x$, nem $y$ podem ser $0$ (senão $1 = 0$). Isolando $\lambda$: $\lambda = \frac{1}{2x} = \frac{1}{2y}$, logo $x = y$. **Passo 4. Use a restrição.** $x^2 + x^2 = 2$ dá $x = \pm 1$. Os candidatos são $(1, 1)$ e $(-1, -1)$. **Passo 5. Calcule.** $f(1, 1) = 2$ e $f(-1, -1) = -2$. O máximo é $2$ em $(1, 1)$ e o mínimo é $-2$ em $(-1, -1)$. No gráfico, as retas de nível $x + y = 2$ e $x + y = -2$ apenas encostam na circunferência, enquanto qualquer reta intermediária, como $x + y = 0$, a atravessa. ```graph title: 'A circunferência x² + y² = 2 com as retas de nível x + y = 2 e x + y = −2 tangentes em (1, 1) e (−1, −1)' caption: 'As curvas de nível de $f = x + y$ são retas. A mais alta que ainda toca a circunferência é $x + y = 2$, em $(1, 1)$, e a mais baixa é $x + y = -2$, em $(-1, -1)$.' x: [-3.5, 3.5] y: [-2.1, 2.1] functions: - expr: sqrt(2 - x^2) label: restrição x² + y² = 2 - expr: -sqrt(2 - x^2) color: '#5b4fe0' - expr: 2 - x label: x + y = 2 (máximo) dashed: true - expr: -2 - x label: x + y = −2 (mínimo) dashed: true points: - [1, 1, '(1, 1)'] - [-1, -1, '(−1, −1)'] ``` ## Exemplo resolvido 2: um produto sobre uma elipse Encontre o máximo e o mínimo de $f(x, y) = xy$ na elipse $x^2 + 4y^2 = 8$. **Passo 1. Gradientes.** $\nabla f = \langle y, x \rangle$ e $\nabla g = \langle 2x, 8y \rangle$. **Passo 2. O sistema.** $$y = 2\lambda x, \qquad x = 8\lambda y, \qquad x^2 + 4y^2 = 8$$ **Passo 3. Substitua.** Leve a segunda equação para a primeira: $y = 2\lambda(8\lambda y) = 16\lambda^2 y$, logo $y(1 - 16\lambda^2) = 0$. - **Caso $y = 0$.** Então $x = 8\lambda \cdot 0 = 0$, mas $(0, 0)$ não está na elipse. Sem solução. - **Caso $\lambda^2 = \frac{1}{16}$.** Então $\lambda = \pm\frac{1}{4}$ e $y = 2\lambda x = \pm\frac{x}{2}$. **Passo 4. Use a restrição.** Com $y = \pm\frac{x}{2}$, temos $4y^2 = x^2$, então $x^2 + x^2 = 8$ e $x = \pm 2$. Isso dá quatro candidatos: $(2, 1)$, $(-2, -1)$, $(2, -1)$ e $(-2, 1)$. **Passo 5. Calcule.** | Ponto | $f = xy$ | | --- | --- | | $(2, 1)$ | $2$ | | $(-2, -1)$ | $2$ | | $(2, -1)$ | $-2$ | | $(-2, 1)$ | $-2$ | O máximo é $2$, em $(2, 1)$ e $(-2, -1)$. O mínimo é $-2$, em $(2, -1)$ e $(-2, 1)$. Como a elipse é fechada e limitada, a existência de ambos está garantida. As curvas de nível de $xy$ são hipérboles. A hipérbole $xy = 2$ é tangente à elipse nos dois pontos de máximo, exatamente como a condição dos gradientes paralelos prevê. ```graph title: 'A elipse x² + 4y² = 8 com a hipérbole xy = 2 tangente a ela em (2, 1) e (−2, −1)' caption: 'A curva de nível $xy = 2$ encosta na elipse nos dois pontos de máximo. Em $(2, 1)$ as duas curvas têm inclinação $-\frac{1}{2}$, então seus gradientes são paralelos.' x: [-5, 5] y: [-3, 3] functions: - expr: sqrt(8 - x^2)/2 label: restrição x² + 4y² = 8 - expr: -sqrt(8 - x^2)/2 color: '#5b4fe0' - expr: 2/sqrt(x)^2 label: curva de nível xy = 2 dashed: true - expr: -2/sqrt(-x)^2 color: '#16a34a' dashed: true points: - [2, 1, '(2, 1)'] - [-2, -1, '(−2, −1)'] ``` ## Exemplo resolvido 3: o ponto mais próximo num plano Encontre o ponto do plano $x + 2y + 2z = 9$ mais próximo da origem. **Passo 1. Escolha $f$.** A distância é $\sqrt{x^2 + y^2 + z^2}$. Minimizar a raiz quadrada é o mesmo que minimizar o que está dentro dela, então use $f = x^2 + y^2 + z^2$. A restrição é $g = x + 2y + 2z = 9$. **Passo 2. Gradientes.** $\nabla f = \langle 2x, 2y, 2z \rangle$ e $\nabla g = \langle 1, 2, 2 \rangle$. **Passo 3. O sistema.** $$2x = \lambda, \qquad 2y = 2\lambda, \qquad 2z = 2\lambda, \qquad x + 2y + 2z = 9$$ **Passo 4. Escreva tudo em função de $\lambda$.** $x = \frac{\lambda}{2}$, $y = \lambda$, $z = \lambda$. **Passo 5. Use a restrição.** $$\frac{\lambda}{2} + 2\lambda + 2\lambda = \frac{9\lambda}{2} = 9 \quad\Longrightarrow\quad \lambda = 2$$ Então o ponto é $(1, 2, 2)$ e $f = 1 + 4 + 4 = 9$, o que dá uma distância de $\sqrt{9} = 3$. **Passo 6. É mínimo ou máximo?** Há um único candidato, e um plano tem pontos tão longe da origem quanto você quiser, então não existe máximo. O único candidato tem de ser o mínimo. Para conferir, a fórmula da distância de ponto a plano dá $\frac{|9|}{\sqrt{1 + 4 + 4}} = 3$. ## O que significa o lambda? O multiplicador não é só uma variável auxiliar. **$\lambda$ é a taxa com que o valor ótimo varia quando a constante $c$ da restrição varia.** Confira no exemplo 1 com uma circunferência genérica $x^2 + y^2 = c$. Os mesmos passos dão um máximo em $x = y = \sqrt{c/2}$, com valor $f^* = 2\sqrt{c/2} = \sqrt{2c}$. Então $$\frac{df^*}{dc} = \frac{1}{\sqrt{2c}} = \frac{1}{2} \text{ em } c = 2$$ E em $(1, 1)$, a equação $1 = 2\lambda x$ deu $\lambda = \frac{1}{2}$. Os valores coincidem. Em economia isso é o **preço sombra**: quanto lucro a mais vale uma unidade extra de um recurso limitado. ## Erros comuns com multiplicadores de Lagrange 1. **Dividir por uma variável que pode ser zero.** No exemplo 2, dividir $y = 16\lambda^2 y$ por $y$ esconderia o caso $y = 0$. Fatore e trate cada caso. 2. **Esquecer a equação da restrição.** Só $\nabla f = \lambda\nabla g$ tem soluções demais. Você precisa de $g = c$ para fixá-las. 3. **Parar antes de calcular $f$.** O sistema dá candidatos, não respostas. 4. **Perder casos de sinal.** Raízes quadradas dão $\pm$. O exemplo 2 tem quatro candidatos, não um. 5. **Afirmar um máximo que não existe.** Numa restrição ilimitada, como uma reta ou um plano, um dos extremos pode não existir. Justifique qual deles você encontrou. 6. **Otimizar a distância com a raiz quadrada.** Funciona, mas a álgebra fica muito mais limpa com a distância ao quadrado. ## Resumo rápido: multiplicadores de Lagrange | Item | Duas variáveis | Três variáveis | | --- | --- | --- | | Objetivo | otimizar $f(x, y)$ com $g(x, y) = c$ | otimizar $f(x, y, z)$ com $g(x, y, z) = c$ | | Equações | $f_x = \lambda g_x$, $f_y = \lambda g_y$, $g = c$ | acrescente $f_z = \lambda g_z$ | | Incógnitas | $x, y, \lambda$ | $x, y, z, \lambda$ | | Geometria | curva de nível de $f$ tangente à restrição | superfície de nível de $f$ tangente à restrição | | Decidir máximo ou mínimo | compare $f$ em todos os candidatos | compare $f$ em todos os candidatos | ## Pratique a álgebra, domine o método O cálculo num problema de Lagrange ocupa uma linha. O trabalho de verdade é resolver o sistema sem perder nenhum caso, e isso só fica confiável com prática. A lição interativa abaixo traz problemas com restrição para resolver passo a passo, confere seu sistema e cada ponto candidato na hora e mostra qualquer caso que você tenha deixado passar. ## Perguntas frequentes ### Para que servem os multiplicadores de Lagrange? Eles encontram o máximo e o mínimo de uma função quando as variáveis precisam satisfazer uma restrição, como maximizar uma área com perímetro fixo ou minimizar um custo com produção fixa. Em vez de isolar uma variável na restrição e substituir, você resolve o sistema $\nabla f = \lambda \nabla g$, $g = c$. ### Por que os gradientes são paralelos no ponto ótimo? Num máximo ou mínimo com restrição, a curva de nível de $f$ toca a curva da restrição sem atravessá-la. Duas curvas que se tocam têm a mesma reta tangente, e o gradiente de cada função é perpendicular à sua própria curva de nível, então os dois gradientes apontam ao longo da mesma reta. ### O que significa o lambda nos multiplicadores de Lagrange? O número $\lambda$ é a taxa de variação do valor ótimo de $f$ em relação à constante $c$ da restrição. Se $\lambda = 2$, afrouxar a restrição de $c$ para $c + 0.1$ aumenta o melhor valor de $f$ em cerca de $0.2$. Em economia, ele é chamado de preço sombra. ### Como saber se um ponto é máximo ou mínimo? Substitua cada ponto candidato em $f$ e compare. Se a restrição for uma curva ou superfície fechada e limitada (como uma circunferência ou uma elipse), o teorema do valor extremo garante que existem um máximo e um mínimo, então o maior valor é o máximo e o menor é o mínimo. ### O lambda pode ser zero? Sim. Uma solução com $\lambda = 0$ significa $\nabla f = \mathbf{0}$, então o ponto também é um ponto crítico de $f$ sem a restrição. Você ainda o inclui como candidato e calcula $f$ nele.