Un problema de programación cuadrática con Hesseano definido positivo sujeto a restricciones de caja se resuelve utilizando un enfoque de conjunto activo. Los problemas de programación cuadrática (QP) convexos con restricciones de caja aparecen con bastante frecuencia en diversas aplicaciones del mundo real. El método propuesto emplea una estrategia de conjunto activo con multiplicadores de Lagrange, demostrando una convergencia rápida. El algoritmo, en cada iteración, modifica tanto los parámetros de minimización en el espacio primal como los multiplicadores de Lagrange en el espacio dual. El algoritmo es particularmente adecuado para aplicaciones de aprendizaje automático, computación científica e ingeniería que requieren resolver subproblemas de QP con restricciones de caja de manera eficiente. Los casos de uso clave incluyen Máquinas de Vectores de Soporte (SVM), aprendizaje por refuerzo, optimización de carteras y métodos de región de confianza en programación no lineal. Experimentos numéricos extensos demuestran el rendimiento superior del método en el manejo de problemas a gran escala, convirtiéndolo en una opción ideal para tareas de optimización contemporáneas. Para fomentar y facilitar su adopción, la implementación está disponible en varios lenguajes de programación, asegurando una integración fácil en los marcos de optimización existentes.