Matriz hessiana y algunas aplicaciones de formas cuadrticas a en Clculo de varias variables a

Objetivos. Conocer algunas aplicaciones de formas cuadrticas en Clculo de varias a a variables. Requisitos. Forma cuadrtica, matriz asociada a una forma cuadrtica, a a ndices de inercia de una forma cuadrtica, funciones de varias variables, matriz hessiana. a 1. Denicin (matriz hessiana, matriz de las segundas derivadas parciales). o Sea D un conjunto de Rn , a un punto interior de D, f : D R una funcin que tenga o segundas derivadas parciales continuas en el punto a. Entonces la matriz de las segundas derivadas parciales de la funcin f en el punto a, o 2f 2f (a) . . . x1 xn (a) (D1,1 f )(a) . . . (D1,n f )(a) x1 x1 . . . . .. .. . . . . , = . . . . . . 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 funcin f en el punto x. o

Criterio de convexidad en trminos de la matriz hessiana e

2. Denicin (funcin convexa). Sea D un conjunto convexo de Rn . Una funcin o o o 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. Denicin (funcin estrictamente convexa). Sea D un conjunto convexo de Rn . o o Una funcin f : D R se llama estrictamente convexa en D si para todos a, b D tales o 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 trminos de la matriz hessiana). Sea D e n un conjunto convexo abierto de R y sea f C 2 (D). Entonces las siguientes condiciones son equivalentes: (a) La funcin f es convexa en D. o (b) Para todo x D, la matriz f (x) es no negativa denida: f (x) 0. 5. Teorema (condicin suciente para convexidad estricta en trminos de la o e 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. pgina 1 de 2 a f (x) > 0,

Anlisis de puntos cr a ticos por medio de la matriz hessiana

6. Teorema (condicin suciente para el punto m o nimo, el punto mximo y el a punto silla, en trminos de la matriz hessiana). Sea f C 2 (D), donde D es un e 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 mximo local de f . a Si f (a) 0, entonces a no es punto extremo local de f .

7. Observacin. Si en las condiciones del teorema tenemos f o 0of 0, entonces la matriz hessiana no permite hacer ninguna conclusio (se necesita anlisis ms no). n a a 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 mximos y m a 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

pgina 2 de 2 a