PER FUNZIONI DI PIÙ VARIABILI - 3.

Slides:



Advertisements
Presentazioni simili
Titolo differenziale, gradiente, matrice Jacobiana.
Advertisements

Prof.Maurita Fiocchi Corso A-ERICA RICERCA PUNTI ESTREMANTI LIBERI DELLE FUNZIONI REALI A DUE VARIABILI REALI z = f( x ; y )
Derivate per lo studio di funzione
Appunti di analisi matematica: Integrale Definito
Punti Fissi.
MATEMATICA PER L’ECONOMIA
Capitolo 8 Sistemi lineari.
Vettori e matrici algebrici
Autovalori e autovettori
MATLAB.
PROPRIETÀ DEI DETERMINANTI
Determinanti del primo ordine
COORDINATE POLARI Sia P ha coordinate cartesiane
LE MATRICI.
FUNZIONI DI DUE VARIABILI
Introduzione Cosa sono le reti di Petri?
Esercizio 1 Un filo indefinito è costituito da due semirette AB e BC formanti un angolo retto, come in figura Il filo è percorso da una corrente I = 10.
2ab2 2b4 4x − 2y a 3b2y3 3b2y3b Definizione e caratteristiche
Algebra delle Matrici.
Definizione (rigorosa) di limite
Ipotesi e proprietà dello stimatore Ordinary Least Squares (OLS)
Algebra lineare.
Teoria e Tecniche del Riconoscimento
RICHIAMI ELEMENTARI DI ALGEBRA MATRICIALE
Statistica per le decisioni aziendali ed analisi dei costi Modulo II - Statistica per le decisioni Aziendali Richiami di Algebra Matriciale.
DERIVATE PARZIALI PRIME
PER FUNZIONI DI PIÙ VARIABILI - 2.
PER FUNZIONI DI PIÙ VARIABILI.
CONTINUITÀ LIMITI E DIFFERENZIABILITÀ DI FUNZIONI DI PIÙ VARIABILI
CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI. ESTREMI VINCOLATI, ESEMPI.
CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI - 4.
SUPERFICIE NELLO SPAZIO, FORMULE DELLA DIVERGENZA E DI STOKES
Argomenti della lezione
SISTEMI D’EQUAZIONI ED EQUAZIONI DIFFERENZIALI LINEARI.
EQUAZIONI DIFFERENZIALI LINEARI A COEFFICIENTI COSTANTI.
8. Reti di Code Nella maggior parte dei processi produttivi risulta troppo restrittivo considerare una sola risorsa. Esempio: linea tandem arrivi 1 v.
Sistemi di equazioni lineari
Ricerca della Legge di Controllo
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
Corso di Chimica Fisica II 2013 Marina Brustolon
Analisi bivariata Passiamo allo studio delle relazioni tra variabili
Estremi di una funzione
Le matrici e I Sistemi lineari.
Il calcolo di radiosity
Propagazione degli errori
Spazi vettoriali astratti Somma e prodotto di n-ple Struttura di R n.
MASSIMI E MINIMI DI UNA FUNZIONE
I Sistemi lineari classe 3 A inf a.s
Definizione di determinante

Approssimazione di derivate
Sistemi - Stabilità - Rielaborazione di Piero Scotto
ESTENSIONI SEMPLICI e TEOREMA DELL’ELEMENTO PRIMITIVO
Stabilità per E.D.O. (II): IL METODO DIRETTO DI LYAPUNOV
Sottospazi vettoriali
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
Sistemi compatibili (Il metodo di Fourier-Motzkin)
MATRICI.
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
Condizione necessaria di derivabilità
MATEMATICA PER L’ECONOMIA e METODI QUANTITATIVI PER LA FINANZA a. a
(I) Ricerca massimi e minimi
Definizione Si dice che la variabile z è una funzione reale di due variabili x e y, nell’insieme piano D, quando esiste una legge di natura qualsiasi che.
Rapporto incrementale
Sistemi di equazioni lineari. Sistemi di primo grado di due equazioni a due incognite Risolvere un sistema significa trovare la coppia di valori x e y.
Massimi e Minimi Definizione punto di max assoluto punto di max assoluto ( punto di min assoluto ) se.
Lezione n° 8 - Matrice di base. - Soluzioni di base ammissibili. - Relazione tra vertici di un poliedro e soluzioni basiche. - Teorema fondamentale della.
Integrali indefiniti.
Lezione n° 10 Algoritmo del Simplesso: - Coefficienti di costo ridotto - Condizioni di ottimalità - Test dei minimi rapporti - Cambio di base Lezioni di.
Prof. Cerulli – Dott. Carrabs
Transcript della presentazione:

PER FUNZIONI DI PIÙ VARIABILI - 3. CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI - 3.

Argomenti della lezione Forme quadratiche. Criteri per i punti d’estremo liberi. Differenziazione di funzioni da Rm a Rn.

FORME QUADRATICHE.

Vogliamo dare condizioni sufficienti per l’esistenza di punti d’estremo (max o min) relativi. A questo scopo definiremo e studieremo brevemente le forme quadratiche. Una forma quadratica su Rm è un polinomio omogeneo di grado due nelle variabili h1, h2, … , hm.

Con notazione vettoriale, si scrive q(h1, h2, … , hm) =  aijhihj i,j=1 m Con notazione vettoriale, si scrive q(h1, h2, … , hm) = hTAh, h Rm È facile riconoscere che una forma quadratica si può pensare generata da una matrice simmetrica, cioè con aij=aji e quindi A = AT

Qualche semplice esempio...  (Dijf)(x0) hihj i,j=1 m hTHh = È, come si ricorderà, la forma quadratica associata al differenziale secondo di una funzione nel punto x0. La chiameremo l’Hessiano di f in x0.

Una forma quadratica q(h1, h2, … , hm) si dice 1. Definita positiva (negativa) se per ogni h Rm, h≠ 0, q(h) > 0 (< 0). 2. Semidefinita positiva (negativa) se per ogni h Rm, h≠ 0, q(h) ≥ 0 (≤ 0), ma esiste h≠ 0 tale che q(h) = 0. 3. Indefinita se esistono h1, h2  Rm, tali che q(h1) > 0 e q(h2) < 0 .

Data la matrice A associata a una forma quadratica q(h1, h2, … , hm), diremo minori principali (di NW) i minori formati con le prime k righe e k colonne di A. M1= a11 a11 a12 M2= a21 a22

Mk= a11 a12 a1k ... a21 a22 a2k ak1 ak2 akk Mm= a11 a12 a1m ... a21 a22 a2m am1 am2 amm = det A

Criterio (di Jacobi - Sylvester ) Sia data la forma q(h1, h2, … , hm) = hTAh. a) hTAh è definita positiva se e solo se Mk> 0 per k = 1, 2, … , m b) hTAh è definita negativa se e solo se (-1)kMk> 0 per k = 1, 2, … , m

) ( ) ( Nel caso delle f.q. in due variabili, possiamo provare un criterio più completo. q(h1,h2) = ah12 + 2bh1h2 + ch22 = = a(h1 + (b/a)h2)2+ ((ac-b2)/a)h22 = (h1 h2) ( ) h1 h2 a b c  = hTA h A = a b c ( ) dove

a) è definita positiva (negativa) se Allora la f.q. q(h1,h2) a) è definita positiva (negativa) se e solo se det A > 0 e a > 0 (< 0) b) è indefinita det A <0 c) è semidefinita positiva (negativa) se e solo se det A = 0 e a > 0 (< 0) oppure a = 0 e c > 0 (< 0)

Teorema Sia f : A  Rm  R, una funzione C2(A). Se in x0 è f(x0)= 0 e se i) d2fx0 è definito positivo, allora x0 è punto di minimo relativo.

ii) d2fx0 è definito negativo, allora x0 è punto di massimo relativo. iii) d2fx0 è indefinito, allora x0 non è punto né di max né di min relativo. iv) d2fx0 è la f.q. nulla o è semidefinito, allora nulla si può concludere in generale.

    In particolare, per funzioni di due variabili: ∂2f ____ ∂x2 _____ ∂x∂y     H(x0,y0) = ∂2f ____ ∂x2 Se det H(x0,y0) > 0 e > 0 allora (x0,y0) è punto di min rel.

∂2f ____ ∂x2 Se det H(x0,y0) > 0 e < 0 allora (x0,y0) è punto di max rel. Se det H(x0,y0) < 0 allora (x0,y0) è punto di sella. Se det H(x0,y0) = 0 allora nulla si può in generale sulla natura di (x0,y0).

Calcoli ed esempi a parte..

Differenziazione di funzioni da Rm a Rn.

Una funzione f : A  Rm  Rn , A aperto, fa corrispondere a ogni x  A un solo y  Rn. y  Rn ha n componenti, ciascuna funzione delle m componenti di x Dunque y = f(x) corrisponde a n funzioni fi : A  Rm  R, i = 1,.., n

f : A  Rm  Rn è continua in x0 A se e solo se ciascuna delle componenti fi : A  Rm  R, i = 1,.., n è continua in x0  A. f : A  Rm  Rn ha limite l  Rn per x  x0 se e solo se ogni componente fi : A  Rm  R ha limite li per x  x0.

Diremo che f : A  Rm  Rn è differenziabile in x0 A se esiste un’applicazione lineare L : Rm  Rn tale che, se x = x0 + h (x, x0,h  Rm) f(x) = f(x0) + L h + (h) |h| con (h) 0 se h  0

    Si verifica che f : A  Rm  Rn è differenziabile se e solo se lo sono le sue componenti. Si trova che il differenziale di f è rappresentato dalla seguente matrice L con m colonne ed n righe L =   D1f1(x0) D2f1(x0) Dmf1(x0) D1f2(x0) D2f2(x0) Dmf2(x0) D1fn(x0) D2fn(x0) Dmfn(x0) ..  

Nella matrice L ogni riga è il differenziale di una componente fi di f . Ci interesserà nel seguito la seguente formula di derivazione di funzione composta più generale di quella già dimostrata.

Teorema (Derivazione di funzione composta ) Sia f : A  Rm  Rp, A aperto, differenziabile in x0, g :   Rn  A  Rm ,  aperto, x0 = g(u0), esistano finite in u0 tutte le derivate ∂ui gk (u0), i=1,..,n , k = 1,..,m , allora

F(u) = f(g(u)),  aperto, ha tutte le derivate parziali ∂ui Fr. E vale ___ ∂uk (u0) = ∂fr ∂x1 ∂g1  ∂xm ∂gm +    r = 1,…, p. Un accenno di calcolo a parte..