Matriz hessiana

En Matemtica, la matriz hessiana o hessiano de una funcin f de n variables, es

la matriz cuadrada de n n, de las segundas derivadas parciales.

ndice
[ocultar]

1 Definicin

2 Aplicacin de la matriz hessiana

o

2.1 Concavidad/Convexidad

2.2 Mtodo para determinar el carcter de los puntos crticos

3 Generalizaciones
o

3.1 Matriz hessiana orlada

3.2 Aplicacin bilineal hessiana

4 Vase tambin

5 Referencias

6 Enlaces externos

Definicin[editar]
Dada una funcin real f de n variables reales:

Si todas las segundas derivadas parciales de f existen, se define la matriz

hessiana de f como:

, donde

.
tomando la siguiente forma

Adems, se tiene que si :

con A un conjunto abierto

y f clase
, entonces la matriz hessiana est bien definida, y en virtud
del teorema de Clairaut ( teorema de Schwarz), es una matriz simtrica.
Esta matriz debe su nombre al matemtico alemn Ludwig Otto Hesse y fue
introducido por James Joseph Sylvester.

Aplicacin de la matriz hessiana[editar]

Concavidad/Convexidad[editar]
Sea
un conjunto abierto y
derivadas continuas:
1.

es convexa si y solo si,

una funcin con segundas

, la matriz hessiana

es positiva-definida.
2. Si

la matriz hessiana

entonces

Si

es positiva-definida,

es estrictamente convexa.

es una funcin convexa, entonces cualquier punto en que

todas las derivadas parciales son cero, es unminimo local.

3.

es cncava si y solo si,

, la matriz hessiana

es negativa-definida.
4. Si

la matriz hessiana

es negativa-definida,

entonces f es estrictamente cncava.

Si

es una funcin cncava, entonces cualquier punto en que

todas las derivadas parciales son cero, es unmximo local.

Mtodo para determinar el carcter de los puntos

crticos[editar]
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. Se sustituyen los puntos crticos en la matriz hessiana para obtener
tantas matrices como puntos crticos tengamos.
5. Dependiendo del tipo de matriz resultante de evaluar la matriz
Hessiana en los diferentes puntos crticos, estos puntos se pueden
evaluar mediante el criterio de Sylvester:

Si todos los menores principales son mayores que 0, o sea, |Hi|>0 i=1,...,n
alcanza el mnimo relativo en el punto.

Si los menores principales de ndice par son mayores que 0 y los de ndice
impar son menores que 0, o sea, |Himpar|<0 y |Hpar|>0 i=1,...,n alcanza
el mximo relativo en el punto.

Si los menores principales son distintos de 0, es decir, |Hi|0 i=1,...,n y no es

ninguno de los casos anteriores, es un punto de silla.

Cuando algn |Hi|=0 no se puede determinar nada, por lo que hace 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 anloga podemos evaluar los extremos relativos de un campo
escalar f:R^n--->R estudiando los autovalores de su matriz hessiana.
Teorema 9.6(CALCULUS volumen 2. Tom M.Apostol): "Sea f un campo
escalar con derivadas parciales segundas continuas Dijf en una nbola B(a), y designemos con H(a) la matriz hessiana en el punto
estacionario a. Tenemos entonces:
a)Si todos los autovalores de H(a) son positivos, f tiene un mnimo
relativo en a.
b)Si todos los autovalores de H(a) son negativos, f tiene un mximo
relativo en a.
c)Si H(a) tiene autovalores positivos y negativos, f tiene un punto de
ensilladura en a."
El el caso particular en el que la funcin a evaluar grafica una superficie
en R^3, f(x,y)=z, y tiene segundas derivadas continuas, se pueden
estudiar los puntos crticos evaluando la matriz hessiana en ellos y luego
utilizando el criterio de determinacin de extremos. Si (a,b) es un punto
crtico de f, (fx(a,b)=0 y fy(a,b)=0) entonces:

- Si el determinante de la matriz hessiana evaluado en el punto (a,b) es

mayor que 0, |H|>0, y fxx(a,b)<0, decimos que falcanza un mximo
relativo en(a,b).
- Si el determinante de la matriz hessiana evaluado en el punto (a,b) es
mayor que 0, |H|>0, y fxx(a,b)>0, decimos que falcanza un mnimo
relativo en(a,b).
- Si el determinante de la matriz hessiana evaluado en el punto (a,b) es
menor que 0, |H|<0, decimos que f(a,b) es un Punto de silla.
- Si el determinante de la matriz hessiana evaluado en el punto (a,b) 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 optimizacin restringida. El determinante de sus
principales menores se utiliza como criterio para determinar si un punto
crtico de una funcin es un mnimo, mximo, punto silla o no determinado
(extremos condicionados).1

Aplicacin bilineal hessiana[editar]

El concepto de matriz hessiana puede generalizarse a espacios de
dimensin infinita, concretamente a aplicaciones definidas sobre espacios
vectoriales normados. Si una aplicacin (o funcional) est definida
es diferenciable en el sentido de Frchet y su diferencial jacobiana
tambin es diferenciable en el sentido de Frchet puede definirse una
forma bilineal continua (y por tanto acotada) sobre el espacio normado
que generaliza la matriz hessiana.
Se dice que una aplicacin
normados

entre espacios vectoriales

es diferenciable si existe una aplicacin lineal

continua

tal que:

En ese caso se escribe:

Puede probarse que

normado con la norma:

es a su vez otro espacio vectorial

La segunda derivadas cuando existe es:

La forma bilineal hessiana viene dada por: