Matriz hessiana y algunas aplicaciones de formas cuadr aticas en C alculo de varias variables

Objetivos. Conocer algunas aplicaciones de formas cuadr aticas en C alculo de varias variables. Requisitos. Forma cuadr atica, matriz asociada a una forma cuadr atica, ndices de inercia de una forma cuadr atica, funciones de varias variables, matriz hessiana. 1. Denici on (matriz hessiana, matriz de las segundas derivadas parciales). Sea D un conjunto de Rn , a un punto interior de D, f : D R una funci on que tenga segundas derivadas parciales continuas en el punto a. Entonces la matriz de las segundas derivadas parciales de la funci on f en el punto a, 2f 2f (a) . . . x1 x ( a ) (D1,1 f )(a) . . . (D1,n f )(a) x1 x1 n . . . . .. .. . . . . , = . . . . . . 2f 2f (Dn,1 f )(a) . . . (Dn,n f )(a) (a) . . . x x (a) x x
n 1 n n

se denota por f (x) o Hf (x) y se llama la matriz hessiana de la funci on f en el punto x.

Criterio de convexidad en t erminos de la matriz hessiana

2. Denici on (funci on convexa). Sea D un conjunto convexo de Rn . Una funci on f : D R se llama convexa en D si para todos a, b D y para todos , 0 tales que + = 1 se cumple la siguiente desigualdad: f (a + b) f (a) + f (b). 3. Denici on (funci on estrictamente convexa). Sea D un conjunto convexo de Rn . Una funci on f : D R se llama estrictamente convexa en D si para todos a, b D tales que a = b y todos , > 0 tales que + = 1 se cumple la siguiente desigualdad: f (a + b) < f (a) + f (b). 4. Teorema (criterio de convexidad en t erminos de la matriz hessiana). Sea D n un conjunto convexo abierto de R y sea f C 2 (D). Entonces las siguientes condiciones son equivalentes: (a) La funci on f es convexa en D. (b) Para todo x D, la matriz f (x) es no negativa denida: f (x) 0. 5. Teorema (condici on suciente para convexidad estricta en t erminos de la matriz hessiana). Sea D un conjunto convexo abierto de Rn y sea f C 2 (D). Si la matriz hessiana de f es positiva denida en todo punto x D: x D entonces f es estrictamente convexa en D. p agina 1 de 2 f (x) > 0,

An alisis de puntos cr ticos por medio de la matriz hessiana

6. Teorema (condici on suciente para el punto m nimo, el punto m aximo y el punto silla, en t erminos de la matriz hessiana). Sea f C 2 (D), donde D es un subconjunto convexo de Rn , y sea a un punto interior de D tal que f (a) = 0n . Si f (a) > 0, entonces a es un punto de m nimo local de f . Si f (a) < 0, entonces a es un punto de m aximo local de f . Si f (a) 0, entonces a no es punto extremo local de f . 7. Observaci on. Si en las condiciones del teorema tenemos f 0of 0, entonces la matriz hessiana no permite hacer ninguna conclusio n (se necesita an alisis m as no). 8. Ejemplo. f (x, y ) = x3 + y 3 3xy. Derivadas: fx = 3x2 3y, Puntos cr ticos: (1, 1) y (0, 0). Segundas derivadas: fxx = 6x, fy = 3y 2 3x.

fxy = 3,

fyy = 6y.

Matrices hessianas en los puntos cr ticos: f (0, 0) = 0 3 3 0 0, f (1, 1) = 6 3 3 6 > 0.

Respuesta: (1, 1) es un punto de m nimo, (0, 0) es una silla. 9. Ejercicios. Halle m aximos y m nimos locales de las siguientes funciones: f (x, y ) = ex
2 y

(5 2x + y ).

f (x, y, z ) = x3 + y 2 + z 2 + 12xy + 2x. f (x, y ) = (x + y 2 )ex/2 . f (x, y ) = 8 x + + y. x y

p agina 2 de 2