Luentomateriaali e-kirjana
Ääriarvojen luokittelu
Kertausta: ääriarvot yhden muuttujan tapauksessa
Funktiolla \(f\colon I\subset \mathbb{R} \to \mathbb{R}\) on lokaali (paikallinen) maksimi pisteessä \(a\in I\), jos \(f(x)\le f(a)\) kaikilla \(x\):n arvoilla jossakin \(a\):n ympäristössä (eli riittävän lähellä pistettä \(a\)). Vastaavasti lokaali minimi tarkoittaa sitä, että \(f(x)\ge f(a)\) jossakin \(a\):n ympäristössä. Maksimi tai minimi on globaali, jos kyseinen epäyhtälö on voimassa kaikilla \(x\in I\).Ääriarvoja voi esiintyä:
- Funktion \(f\) kriittisissä pisteissä \(f'(x)=0\),
- pisteissä joissa \(f\):n derivaatta ei ole määritelty, ja
- määrittelyjoukon \(I\) reunalla.
Ääriarvot ja usean muuttujan funktiot
Funktiolla \(f\colon D\subset \mathbb{R}^n\to\mathbb{R}\) on pisteessä \(\mathbf{x}_0\in D\) lokaali maksimi, jos jossakin pisteen \(\mathbf{x}_0\) ympäristössä \(U\subset D\) pätee \(f(\mathbf{x})\le f(\mathbf{x}_0)\) kaikilla \(\mathbf{x}\in U\). Vastaavasti \(f\colon D\subset \mathbb{R}^n\to\mathbb{R}\) on pisteessä \(\mathbf{x}_0\in D\) lokaali minimi, jos löytyy sellainen pisteen \(\mathbf{x_0}\) ympäristö \(U\subset D\), että \(f(\mathbf{x})\ge f(\mathbf{x}_0)\) kaikilla \(\mathbf{x}\in U\). Ääriarvo on globaali eli absoluuttinen, jos kyseinen epäyhtälö on voimassa kaikilla \(\mathbf{x}\in D\).Ääriarvoja voi esiintyä:
- Funktion \(f\) kriittissä pisteissä eli gradientin nollakohdissa \(\nabla f(\mathbf{x})=0\),
- pisteissä joissa \(\nabla f\) ei ole määritelty, sekä
- määrittelyjoukon \(D\) reunalla.
Esimerkki
![abacus.aalto.fi](https://mycourses.aalto.fi/pluginfile.php/887277/mod_folder/content/0/00001.jpg)
Esimerkki
![abacus.aalto.fi](https://mycourses.aalto.fi/pluginfile.php/887277/mod_folder/content/0/00002.jpg)
Esimerkki
![abacus.aalto.fi](https://mycourses.aalto.fi/pluginfile.php/887277/mod_folder/content/0/00003.jpg)
Esimerkki
![abacus.aalto.fi](https://mycourses.aalto.fi/pluginfile.php/887277/mod_folder/content/0/00004.jpg)
Esimerkki
![abacus.aalto.fi](https://mycourses.aalto.fi/pluginfile.php/887277/mod_folder/content/0/00005.jpg)
Ääriarvojen luokittelu: johdanto
Ääriarvojen luokittelu perustuu suureen \(\Delta f= f(\mathbf{x} + \mathbf{h}) -f(\mathbf{x})\) tarkasteluun kriittisessä pisteessä \(\mathbf{x}\in D\). Jos \(\Delta f\) saa vain positiivisia arvoja (kun \(\|\mathbf{h}\|\) on pieni), on piste \(\mathbf{x}\) minimi ja negatiivisessa tapauksessa maksimi. Jos \(\Delta f\) vaihtaa merkkiä, niin piste \(\mathbf{x}\) ei ole minimi eikä maksimi. Tämä johtaa funktion \(f\) toisen derivaatan tarkasteluun kriittisessä pisteessä.Yhden muuttujan tapauksessa:
- Jos \(f''(x)< 0\), funktiolla \(f\) lokaali maksimi pisteessä \(x\).
- Jos \(f''(x)>0\), funktiolla \(f\) lokaali minimi pisteessä \(x\).
- Jos \(f''(x)=0\), testi ei anna vastausta, ja kysymys täytyy ratkaista muulla tavoin.
Hessen matriisi
Olkoon \(f\colon D\subset \mathbb{R}^n \to \mathbb{R}\) funktio, jolla on jatkuvat toisen kertaluvun osittaisderivaatat. Funktion \(f\) luonnollinen derivaattakäsite on gradientti, joka itsessään on vektoriarvoinen funktio \(\nabla f\colon \mathbb{R}^n \to \mathbb{R}^n\). Siten funktion \(f\) toinen derivaatta on matriisi, jota nimitetään Hessen matriisiksi \[ H_f(\mathbf{x})= \begin{bmatrix} \frac{\partial^2}{\partial x_1^2} f(\mathbf{x}) & \frac{\partial^2}{\partial x_2\partial x_1} f(\mathbf{x}) & \cdots & \frac{\partial^2}{\partial x_n\partial x_1} f(\mathbf{x})\\ \frac{\partial^2}{\partial x_1\partial x_2} f(\mathbf{x}) & \frac{\partial^2}{\partial x_2^2} f(\mathbf{x}) & \cdots & \frac{\partial^2}{\partial x_n\partial x_2} f(\mathbf{x})\\ \vdots & \vdots & & \vdots \\ \frac{\partial^2}{\partial x_1\partial x_n} f(\mathbf{x}) & \frac{\partial^2}{\partial x_2\partial x_n} f(\mathbf{x}) & \cdots & \frac{\partial^2}{\partial x_n^2} f(\mathbf{x}) \\ \end{bmatrix}. \]Koska \(f\) on kaksi kertaa jatkuvasti derivoituva, derivoinnin järjestystä voidaan vaihtaa, ja kyseinen matriisi on symmetrinen.
Miksi Hessen matriisi kiinnostaa meitä? Kun gradientin avulla voidaan kirjoittaa lineaarinen (ensimmäisen asteen) approksimaatio
funktiolle \(f\), niin Hessen matriisilla saadaan kvadraattinen tarkennus:
\[
f(\mathbf{x} + \mathbf{h}) \approx f(\mathbf{x}) + \mathbf{h} \cdot \nabla f (\mathbf{x}) + \frac{1}{2} \mathbf{h} H_f(\mathbf{x}) \mathbf{h}^T,
\]
jossa (vaaka)vektori \(\mathbf{h} = (h_1, h_2, \ldots , h_n)\) on pieni.
Tämä kaava on itse asiassa ainoastaan uusi tapa kirjoittaa toisen kertaluvun Taylorin approksimaatio \(n\) muuttujan funktiolle. Termi muotoa \(\mathbf{z} ^T A \mathbf{z}\) on \(n\times n\)-neliömatriisille \(A\) niin kutsuttu neliömuoto, jossa \(\mathbf{z}\) on \(n\)-pystyvektori. Kirjoita kaava auki tapauksessa \(n = 2\)!
Pisteessä, jossa \(\nabla f (\mathbf{x}) = 0\), on voimassa approksimaatio \[f(\mathbf{x} + \mathbf{h}) - f(\mathbf{x}) \approx \frac{1}{2} \mathbf{h} H_f(\mathbf{x}) \mathbf{h}^T.\]
Tätä voidaan käyttää hyväksi mahdollisen ääriarvon luokittelussa pisteessä \(\mathbf{x}\) ajattelemalla, että \(\mathbf{h} \approx 0\).
Matriisin (ja neliömuodon) definiittisyys
Symmetristä \(n\times n\)-matriisia \(A\) sanotaan positiividefiniitiksi jos sen kaikki ominaisarvot ovat positiivisia ja negatiividefiniitiksi, jos \(-A\) on positiividefiniitti. Matriisin sanotaan olevan indefiniitti, jos sen kaikki ominaisarvot ovat nollasta poikkeavia ja sillä on vähintään yksi positiivinen sekä yksi negatiivinen ominaisarvo. Positiivi/negatiividefiniiteillä matriiseilla on monia samoja ominaisuuksia kuin positiivisilla/negatiivisilla reaaliluvuilla.
Symmetrisen matriisin \(A\) definiittiys tai indefiniittiys periytyy sitä vastaavalle neliömuodolle.
Jos \(A\) on positiividefiniitti, niin \(\mathbf{x}^T A \mathbf{x}>0\) kaikilla nollasta poikkeavilla pystyvektoreilla \(\mathbf{x}\in \mathbb{R}^n\).
Jos \(A\) on negatiividefiniitti, niin \(\mathbf{x}^T A \mathbf{x}< 0\) kaikilla nollasta poikkeavilla pystyvektoreilla \(\mathbf{x}\in \mathbb{R}^n\).
Jos \(A\) on indefiniitti, niin \(\mathbf{x}^T A \mathbf{x}\) saavuttaa sekä negatiivisia että positiivisia arvoja pystyvektorin \(\mathbf{x}\) vaihdellessa.
Toisen derivaatan testi monen muuttajan tapauksessa
Lause. Olkoon \(f\colon D\subset \mathbb{R}^n\to\mathbb{R}\) funktio, jolla on jatkuvat toiset osittaisderivaatat kriittisen pisteen \(\mathbf{x}\in D\) ympäristössä. Tällöin:- Jos \(H_f(\mathbf{x})\) on positiividefiniitti, niin \(f\):llä on lokaali minimi pisteessä \(\mathbf{x}\).
- Jos \(H_f(\mathbf{x})\) on negatiividefiniitti, niin \(f\):llä on lokaali maksimi pisteessä \(\mathbf{x}\).
- Jos \(H_f(\mathbf{x})\) on indefiniitti, niin \(f\):llä on satulapiste pisteessä \(\mathbf{x}\).
- Muussa tapauksessa testi ei anna tietoa funktiosta \(f\).
Lause seuraa approksimaatiosta \(f(\mathbf{x} + \mathbf{h}) - f(\mathbf{x}) \approx \frac{1}{2} \mathbf{h} H_f(\mathbf{x}) \mathbf{h}^T\) kun \(\mathbf{h} \approx 0\). Väite tarvitsee nimittäin ainoastaan tarkastaa Hessen matriisin määräämälle neliömuodolle.
Esimerkki
Etsitään ja luokitellaan funktion \[ f(x,y,z) = x^2y+y^2z+z^2-2x \]kriittiset pisteet. Yhtälöt kriittisille pisteille ovat \begin{align*} 0 &= f_1(x,y,z)=2xy-2,\\ 0 &= f_2(x,y,z)=x^2+2yz,\\ 0 &= f_3(x,y,z)=y^2+2z.\\ \end{align*} Nämä yhtälöt ratkaisemalla nähdään, että funktion \(f\) ainoa kriittinen piste on \(P=(1,1,-1/2)\).
Lasketaan Hessen matriisi
\[H_f(1,1,-1/2)=\left [ \begin{smallmatrix} 2 & 2 & 0 \\ 2 & -1 & 2 \\ 0 & 2 & 2 \end{smallmatrix} \right ]\]
ja lasketaan matriisin ominaisarvot vaikkapa MATLABilla
>> a = [2 2 0 ; 2 -1 2 ; 0 2 2] a = 2 2 0 2 -1 2 0 2 2 >> eig(a) ans = -2.7016 2.0000 3.7016Niinpä funktiolla \(f\) on satulapiste pisteessä \(P=(1,1,-1/2)\).