[go: up one dir, main page]

Ir al contenido

Matriz hessiana

De Wikipedia, la enciclopedia libre

En matemática, la matriz hessiana de un campo escalar es la matriz cuadrada de tamaño que tiene como entradas las derivadas parciales de segundo orden.

Esta matriz debe su nombre al matemático alemán Ludwig Otto Hesse y fue introducida por James Joseph Sylvester.

Definición

[editar]

Sea un campo escalar cuyas derivadas parciales de segundo orden existen.

La matriz Hessiana de , denotada por , , es una matriz cuadrada definida como:

El determinante de la matriz Hessiana es conocido como determinante Hessiano.

Además, se tiene que si con un conjunto abierto y , entonces la matriz hessiana está bien definida, y en virtud del teorema de Clairaut (o teorema de Schwarz), es una matriz simétrica.

Aplicaciones

[editar]

Concavidad/Convexidad

[editar]

Sea un conjunto abierto y una función de clase :

  1. es convexa si y solo si , la matriz hessiana es semidefinida positiva.
  2. Si la matriz hessiana es positiva-definida, entonces es estrictamente convexa.
    • Si es una función convexa, entonces cualquier punto en que todas las derivadas parciales son cero, es un mínimo local.
  3. es cóncava si y solo si , la matriz hessiana es semidefinida negativa.
  4. Si la matriz hessiana es negativa-definida, entonces es estrictamente cóncava.
    • Si es una función cóncava, entonces cualquier punto en que todas las derivadas parciales son cero, es un máximo local.

Método para determinar el carácter de los puntos críticos

[editar]

Se verá a continuación cómo hallar los puntos críticos (máximos, mínimos y puntos de inflexión -o silla o de ensilladura) de una función de múltiples variables.

  1. Se igualan las derivadas parciales primeras a cero.
  2. Se resuelven las ecuaciones anteriores y se obtienen las coordenadas de los puntos críticos.
  3. Se construye la matriz hessiana (derivadas segundas parciales).
  4. Se sustituyen los puntos críticos en la matriz hessiana para obtener tantas matrices como puntos críticos tengamos.
  5. Dependiendo del tipo de matriz resultante de evaluar la matriz Hessiana en los diferentes puntos críticos, estos puntos se pueden evaluar mediante el criterio de Sylvester:
Cuando algún |Hi|=0, no se puede determinar nada, por lo que se debe hacer un estudio particular. Para n=2 el criterio se mejora en el sentido de que si |H1|=0 y |H2|<0 tiene un punto de silla en el punto.


De forma análoga podemos evaluar los extremos relativos de un campo escalar estudiando los autovalores de su matriz hessiana.

Teorema 9.6 (CALCULUS volumen 2. Tom M.Apostol): "Sea un campo escalar con derivadas parciales segundas continuas Dijf en una -bola B(a), y designemos con la matriz hessiana en el punto estacionario a. Tenemos entonces:

  1. Si todos los autovalores de son positivos, tiene un mínimo relativo en a.
  2. Si todos los autovalores de son negativos, tiene un máximo relativo en a.
  3. Si tiene autovalores positivos y negativos, tiene un punto de ensilladura en a."


El caso particular en el que la función a evaluar grafica una superficie en , y tiene segundas derivadas continuas, se pueden estudiar los puntos críticos evaluando la matriz hessiana en ellos y luego utilizando el criterio de determinación de extremos. Si es un punto crítico de , ( y ) entonces:

- Si el determinante de la matriz hessiana evaluado en el punto es mayor que 0, |H|>0, y , decimos que alcanza un máximo relativo en .

- Si el determinante de la matriz hessiana evaluado en el punto es mayor que 0, |H|>0, y , decimos que alcanza un mínimo relativo en .

- Si el determinante de la matriz hessiana evaluado en el punto es menor que 0, |H|<0, decimos que es un Punto de silla.

- Si el determinante de la matriz hessiana evaluado en el punto es igual a 0, |H|=0, el criterio no concluye resultado alguno.

Generalizaciones

[editar]

Matriz hessiana orlada

[editar]

La matriz hessiana orlada es una variante de la matriz hessiana utilizada en problemas de optimización condicionada.

Dada la función y la condición , la matriz hessiana orlada de la función lagrangiana asociada al problema de extremos condicionados es:

Si hay condiciones, el bloque de ceros en la esquina inferior derecha es de tamaño y hay filas y columnas bordeando por abajo y por la derecha.

El determinante de sus principales menores se utiliza como criterio para determinar si un punto crítico de una función es un mínimo, máximo, punto silla o no determinado (extremos condicionados).[1]

Aplicación bilineal hessiana

[editar]

El concepto de matriz hessiana puede generalizarse a espacios de dimensión infinita, concretamente a aplicaciones definidas sobre espacios vectoriales normados. Si una aplicación (o funcional) está definida es diferenciable en el sentido de Fréchet y su diferencial jacobiana también es diferenciable en el sentido de Fréchet puede definirse una forma bilineal continua (y por tanto acotada) sobre el espacio normado que generaliza la matriz hessiana.

Se dice que una aplicación entre espacios vectoriales normados es diferenciable si existe una aplicación lineal continua tal que:

En ese caso se escribe:

Puede probarse que es a su vez otro espacio vectorial normado con la norma:

La segunda derivadas cuando existe es:

La forma bilineal hessiana viene dada por:

Véase también

[editar]

Referencias

[editar]
  1. Marsden, Jerrold E.; Tromba, Anthony J. (2004), Cálculo vectorial, Madrid: Pearson Educación S.A., ISBN 978-84-7829-069-7 ., página 230

Enlaces externos

[editar]