Beruflich Dokumente
Kultur Dokumente
Si todas las segundas derivadas parciales de f existen, se define la matriz hessiana de f como: , donde
y f clase , entonces la matriz hessiana esta bien definida, y en virtud del teorema de Clairaut ( teorema de Schwartz), es una matriz simtrica. Esta matriz debe su nombre al matemtico alemn Ludwig Otto Hesse y fue introducido por James Joseph Sylvester.
la
matriz
hessiana
2. Si 3. Si
4.
si,
la
matriz
hessiana
5. Si 6. Si
es definida
positiva,
derivadas parciales son cero, es un mnimo local. Mtodo para determinar el carcter de los puntos crticos Se ver a continuacin cmo hallar los puntos crticos (mximos, mnimos y puntos de inflexin -o silla o de ensilladura) de una funcin f de mltiples variables. 1. Se igualan las derivadas parciales primeras a cero. 2. Se resuelven las ecuaciones anteriores y se obtienen las coordenadas de los puntos crticos.
3. Se construye la matriz hessiana (derivadas segundas
parciales). 4. Dependiendo del tipo de matriz resultante de evaluar la matriz Hessiana en los diferentes puntos crticos, estos puntos sern:
Mximo: si la matriz hessiana en el punto es definida negativa. Mnimo: si la matriz hessiana en el punto es definida positiva. Punto de silla: si la matriz hessiana en el punto es indefinida (hay por lo menos dos valores propios de signos distintos).
Si la matriz hessiana resulta semidefinida positiva (o negativa) el mtodo no clasifica, y debe buscarse otro procedimiento para determinar el carcter del punto crtico.
Variante de la matriz hessiana (que se construye de una manera diferente en este caso). Su determinante se utiliza como criterio para determinar si puntos crticos de funciones sometidas a restricciones son mnimos o mximos (extremos condicionados).1 En clculo vectorial, se llama jacobiano o determinante jacobiano al determinante de la matriz jacobiana. Tanto la matriz jacobiana como el determinante jacobiano reciben su nombre en honor al matemtico Carl Gustav Jacobi. En geometra algebraica, el jacobiano de una curva hace referencia a la variedad jacobiana, un grupo y variedad algebraica asociada a la curva, donde la curva puede ser embebida.
Matriz jacobiana
La matriz jacobiana es una matriz formada por las derivadas parciales de primer orden de una funcin. Una de las aplicaciones ms interesantes de esta matriz es la posibilidad de aproximar linealmente a la funcin en un punto. En este sentido, el jacobiano representa la derivada de una funcin multivariable. Propiamente deberamos hablar ms que de matriz jacobiana de diferencial jacobiana o aplicacin lineal jacobiana ya que la forma de la matriz depender de la base o coordenadas elegidas. Es decir, dadas dos bases diferentes la aplicacin lineal jacobiana tendr componentes diferentes an tratndose del mismo objeto matemtico. La propiedad bsica de la "matriz" jacobiana es la siguiente, dada una aplicacin cualquiera continua es decir aplicacin lineal se dir que es diferenciable si existe una tal que:
(1) Funcin escalar Empecemos con el caso ms sencillo de una funcin escalar en este caso la matriz jacobiana ser una matriz formada por un vector fila que coincide con el gradiente. Si la funcin admite derivadas parciales para cada variable puede verse que basta definir la "matriz" jacobiana como:
Ya que entonces se cumplir la relacin (1) automticamente, por lo que en este caso la "matriz jacobiana" es precisamente el gradiente. Funcin vectorial Supongamos es una funcin que va del espacio eucldeo ndimensional a otro espacio eucldeo m-dimensional. Esta funcin est determinada por m funciones escalares reales:
Cuando la funcin anterior es diferenciable, entonces las derivadas parciales de stas m funciones pueden ser organizadas en una matriz m por n, la matriz jacobiana de F:
Ntese que la fila, i-sima fila coincidir dada con el gradiente de la funcin yi, para i = 1,...,m. Si p es un punto de Rn y F es diferenciable en p, entonces su derivada est dada por JF(p). En este caso, la aplicacin lineal descrita por JF(p) es la mejor aproximacin lineal de F cerca del punto p, de esta manera:
es:
Determinante jacobiano
Si m = n, entonces F es una funcin que va de un espacio n-dimensional a otro. En este caso la matriz jacobiana es cuadrada y podemos calcular su determinante, conocido como el determinante jacobiano o simplemente jacobiano. El determinante jacobiano en un punto dado nos da informacin importante sobre el comportamiento de F cerca de ese punto. Para empezar, una funcin F es invertible cerca de p si el determinante jacobiano en p es no nulo. Ms an, el valor absoluto del determinante en p nos da el factor con el cual F expande o contrae su volumen cerca de p. Ejemplos Ejemplo 1. El determinante jacobiano de la funcin F : R3 R3 definida como:
es:
El teorema de la funcin inversa garantiza que la funcin es localmente invertible en todo el dominio excepto quiz donde x1 = 0 x2 = 0 (es decir, los valores para los que el determinante se hace cero). Si imaginamos un objeto pequeo centrado en el punto (1,1,1) y le aplicamos F, tendremos un objeto aproximadamente 40 veces ms voluminoso que el original. Invertibilidad y jacobiano Una propiedad interesante del jacobiano es que cuando ste es diferente de cero en el entorno de un punto dado, entonces el teorema de la funcin inversa garantiza que la funcin admite una funcin inversa alrededor de dicho punto. El teorema anterior expresa una condicin suficiente aunque no necesaria, ya que por ejemplo la funcin punto tiene por jacobiano que se anula en el
, aunque alrededor de ese punto la funcin sigue teniendo inversa an cuando el jacobiano es nulo en el origen.
Este teorema permite obtener aproximaciones polinmicas de una funcin en un entorno de cierto punto en que la funcin sea diferenciable. Adems el teorema permite acotar el error obtenido mediante dicha estimacin.
aproximar
el entorno
reducidoalrededor de un punto a: (a, d) mediante un polinomio cuyos coeficientes dependen de las derivadas de la funcin en ese punto. Ms formalmente, si 0 es un entero y ] y una funcin que es derivable veces en ), entonces
O en forma compacta
y es pequeo si
(2b)
Si
complementario de Lagrange, dado que el Teorema de Taylor se expone como una generalizacin del Teorema del valor medio o Teorema de Lagrange, mientras que la segunda expresin de R muestra al teorema como una generalizacin del Teorema fundamental del clculo integral. Para algunas funciones aproxima a cero cuando , se puede probar que el resto, , se
expresadas como series de Taylor en un entorno reducido alrededor de un punto y son denominadas funciones analticas. El teorema de Taylor con tambin vlido si la funcin expresado de la segunda forma es
Adems existe una variacin del teorema de Taylor para funciones con mltiples variables. Caso de varias variables El teorema de Taylor anterior (1) puede generalizarse al caso de varias variables como se explica a continuacin. Sea B una bola en RNcentrada en el punto a, y f una funcin real definida sobre la clausura cuyas derivadas
parciales de orden n+1 son todas continuas en cada punto de la bola. El teorema de Taylor establece que para cualquier :
Donde la suma se extiende sobre los multi-ndices (esta frmula usa la notacin multi-ndice). El resto satisface la desigualdad:
para todo con ||=n+1. Tal como sucede en el caso de una variable, el resto puede expresarse explcitamente en trminos de derivadas superiores (vase la demostracin para los detalles).
Demostracin
Para demostrar el teorema de Taylor para el caso multidimensional, considrese un funcin o campo escalar, que suponemos
continuo y, para simplificar lo expuesto (aunque una generalizacin es trivial), de clase como vectores). Pongamosr(t) . Sea r(t) una funcin vectorial que va de , y definmosla
(de ahora en adelante, se omitirn las flechas de los = y Ahora hagamos g(t) = f[r(t)] y recordemos
que
Ahora, derivando sucesivas veces, encontramos que podemos poner de forma muy cmoda:
donde el exponente sobre el gradiente es entendido como las sucesivas veces que hacemos el gradiente; es decir, hacemos el producto escalar que est dentro del parntesis, luego volvemos a derivar otra vez la funcin, obteniendo otro producto escalar, y as "n" veces. Ahora, empleando el teorema de Taylor para una variable real, expandimos g(t) en su serie de
McLaurin:
haciendo
t=1 y sustituyendo las derivadas por las expresiones antes hallada se evidencia
que: Obsrvese que el primer trmino aparece el gradiente y en el segundo la matriz hessiana, pero escrito con esta notacin particular que resulta ms cmoda y compacta. La expresin obtenida es equivalente a la expresada ms arriba mediante la notacin multindice.
Demostracin La demostracin de la frmula (1a), con el resto de la forma (2a), se sigue trivialmente del teorema de Rolle aplicado a la funcin:
Es evidente que esta funcin cumple diferenciable, por el teorema de Rolle se sigue que:
Y como:
Y substituyendo en esta frmula la definicin de F(a), queda precisamente la frmula (1a) con la forma del resto (2a).
arriba y concava hacia abajo para evitar las ambigedades. Las tcnicas del anlisis diferencial permiten determinar si una funcin es creciente, decreciente, concava o convexa a travs del estudio de las derivadas sucesivas de la funcin.
BIBLIOGRAFA
R. G. Bartle & D. R. Sherbert: Introduccin al Anlisis Matemtico de una Variable', Ed. Limusa, 1990, ISBN 968-18-1725-7. Marsden, Jerrold E.; Tromba, Anthony J. (2004), Clculo vectorial, Madrid: Pearson Educacin S.A., ISBN 978-84-7829-069-7, pgina 230
Introduccin
El presente trabajo explica de manera detallada el discriminante, hessiano o matriz hessiana. El hessiano, conocido tambin como discriminante o matriz hessiana, fue introducido en el ao de 1844 por Hesse, matemtico alemn quien naci en 1811 y muri en 1874. Esto sucedi luego de que Carl Gustav Jacob Jacobi Lo que hizo Jacobi con esto fue (1804-1851) introdujera los jacobianos.
expresar los cambios de variable de las integrales mltiples en trminos de estos. Una de las aplicaciones ms interesantes de esta matriz es la posibilidad de aproximar linealmente a la funcin en un punto. En este sentido, el Jacobiano representa la derivada de una funcin multivariable. De igual manera se estudiara sobre los distintos mtodos para determinar el valor de una funcin, con la ayuda de teoremas y definiciones tales como: el teorema de Taylor y las funciones convexas y cncavas, las cuales estarn representadas en ejemplos que hacen ms fcil su comprensin
Conclusin
La matriz Jacobiana es una matriz formada por las derivadas parciales de primer orden de una funcin. El determinante jacobiano en un punto dado nos da informacin importante sobre el comportamiento de F cerca de ese punto. El teorema de la funcin inversa garantiza que la funcin es localmente invertible en todo el dominio excepto quiz donde determinante se hace cero. Una propiedad interesante del jacobiano es que cuando ste es diferente de cero en el entorno de un punto dado, entonces el teorema de la funcin inversa garantiza que la funcin admite una funcin inversa alrededor de dicho punto. El teorema de Taylor permite obtener aproximaciones polinmicas de una funcin en un entorno de cierto punto en que la funcin sea diferenciable. Adems el teorema permite acotar el error obtenido mediante dicha estimacin. La denominacin de convexidad y concavidad depende del punto de vista que se adopte para considerar que es una concavidad, esto es si se mira a la funcin "desde arriba" o "desde abajo". Por ello, algunos textos denominan convexas a las funciones que se curvan "hacia abajo", al contrario de la definicin que se acaba de dar en los anteriores prrafos. Por ello, es frecuente que en ocasiones se adopten las denominaciones convexa hacia arriba y cncava hacia abajo para evitar las ambigedades. Ya conocidas los distintos teoremas y funciones, se puede determinar diferentes problemas matematicos que a menudo se presentan en la vida del ingeniero. los valores para los que el