1.

Estremi relativi di funzioni su spazi metrici

1.1 Estremi liberi

Definizione 1.1 Sia X uno spazio normato e sia A ⊂ X e sia f : A → R. Diciamo che x0 ∈ A è
un punto di minimo relativo per f se ∃ δ > 0 tale che

f (x0 ) ≤ f (x) ∀x ∈ A ∩ Bδ (x0 ).

Similmente si da la definizione di massimo relativo. Una prima condizione necessaria è la seguente:

Teorema 1.1 (Fermat) Sia Ω ⊂ X un aperto si X, f : Ω → R, e sia x0 un punto di estremo relativo

per f e sia u ∈ X \ {0}. Se f è derivabile nella direzione di u allora ∂u f (x0 ) = 0.
∂f
Dim. Basta osservare che ∂u (x0 ) è la derivata della funzione ϕ(t) = f (x0 + tu) in t = 0 e ϕ(t)
ha estremo relativo per t = 0.

Esempio 1.1 Consideriamo la funzione f : R2 → R definita dalla legge f (x, y) = x2 +y 2 . Si verifica

direttamente che (0, 0) è punto di minimo relativo (anzi assoluto). Di conseguenza, f 0 (0, 0) ≡ 0.

Esempio 1.2 Consideriamo la funzione f : R2 → R definita dalla legge f (x, y) = x2 − y 2 . Si

verifica direttamente che (0, 0) non è punto di estremo relativo. Tuttavia, f 0 (0, 0) ≡ 0.

Teorema 1.2 Sia A ∈ Rn,n : A = T A. Si ha:

λkxk2 ≤ (Ax, x) ≤ Λkxk2 ∀x ∈ Rn

dove λ, Λ sono rispettivamente il minimo ed il massimo degli autovalori di A.

Dim. Consideriamo la funzione F : Rn \ {0} → R definita dalla legge F (x) = (Ax,x)

kxk2 Notiamo
n
che F è omogenea di grado zero quindi F (R \ {0}) = F (∂B1 (0)). Poichè ∂B1 (0) è compatto in
Rn , per il teorema di Weierstrass esistono due punti x0 , x1 ∈ ∂B1 (0) tali che

F (x0 ) ≤ F (x) ≤ F (x1 ) ∀x ∈ ∂B1 (0)

e, grazie all’omogeneità
F (x0 ) ≤ F (x) ≤ F (x1 ) ∀x 6= 0.
 G.Di Fazio

Siccome x0 , x1 sono interni al campo di esistenza di F ne segue ∇F (x0 ) = ∇F (x1 ) = 0. Tenendo

x
presente che ∇(Ax, x) = 2Ax e che ∇(kxk) = kxk , si ha:
 
1 2 x
∇F (x) = 2Axkxk − (Ax, x)2kxk , ∀x 6= 0
kxk4 kxk

che è nullo se e solo se

Ax = F (x)x
ovvero se x0 , x1 sono autovettori della matrice A ed F (x0 ), F (x1 ) rispettivi autovalori. Da tutto
questo si ottiene,
F (x0 )kxk2 ≤ (Ax, x) ≤ F (x1 )kxk2 ∀x 6= 0
ovvero F (x0 ) ed F (x1 ) sono rispettivamente il massimo ed il minimo degli autovalori di A.

Se A è una matrice simmetrica, la forma quadratica indotta q(x) = (Ax, x) è una funzione
omogenea di grado 2. Dal teorema precedente si ha che q assume solo valori positivi se λ > 0,
assume solo valori negativi se Λ < 0 mentre assume qualsiasi valore reale se λ < 0, Λ > 0. Diremo
perciò la forma quadratica definita positiva, definita negativa oppure non definita rispettivamente
nei tre casi.

Teorema 1.3 Sia f : Ω ⊆ X → R, x0 punto di estremo relativo per f in Ω aperto di X e sia

u 6= 0, u ∈ X. Se f è due volte differenziabile allora la forma quadratica f 00 (x0 )(u, u) è semidefinita.
Precisamente, se x0 è punto di minimo la forma è semidefinita positiva mentre se x0 è punto di
massimo la forma è semidefinita negativa.

Dim. Basta osservare che, se x0 è punto di minimo relativo per f allora la funzione ϕ(t) =
f (x0 + tu) ha, nell’origine, un punto di minimo relativo. Similmente si procede per il massimo.

Teorema 1.4 Sia f : Ω ⊂ X → R due volte differenziabile in Ω aperto. Supponiamo inoltre che
la forma quadratica f 00 (x0 )(u, u) sia semidefinita positiva in Ω e che, in un punto x0 ∈ Ω risulti
f 0 (x0 ) = 0. Allora x0 è un punto di minimo relativo per f in Ω.

Dim. Poichè x0 è interno all’insieme Ω è possibile trovare δ > 0 in modo che Bδ (x0 ) ⊂ Ω.
Preso un punto x ∈ Bδ (x0 ) applichiamo la formula di Taylor al secondo ordine con il resto nella
forma di Lagrange. Allora esiste ξ appartenente al segmento di estremi x0 , x tale che:

1
f (x) = f (x0 ) + f 0 (x0 )(x − x0 ) + f 00 (ξ)(x − x0 )(x − x0 )
2

e, ricordando che f 0 (x0 ) ≡ 0, e che la forma è semidefinita positiva,

1
f (x) = f (x0 ) + f 00 (ξ)(x − x0 )(x − x0 ) ≥ f (x0 ), ∀x ∈ Bδ (x0 )
2

da cui la tesi.

2
 Appunti di Analisi Matematica II

Teorema 1.5 Sia f : Ω ⊂ X → R di classe C 2 in Ω aperto. Supponiamo inoltre che la forma

quadratica f 00 (x0 )(u)(u) sia definita positiva e che, f 0 (x0 ) ≡ 0. Allora x0 è un punto di minimo
relativo per f in Ω.

Dim. Procediamo in maniera simile al teorema precedente usando la formula di Taylor con il
resto nella forma di Peano. Allora,

1 00
f (x) − f (x0 ) = f (x0 )(x − x0 )(x − x0 ) + o(kx − x0 k2 )
2  00
1 f (x0 )(x − x0 )(x − x0 ) o(kx − x0 k2 )

2
= kx − x0 k + ≥0
2 kx − x0 k2 kx − x0 k2

in un opportuno intorno di x0 da cui la tesi.

In modo del tutto simile si dimostra che

Teorema 1.6 Sia f : Ω ⊂ X → R di classe C 2 in Ω aperto. Supponiamo inoltre che la forma
quadratica f 00 (x0 )(u)(u) sia definita negativa e che, f 0 (x0 ) ≡ 0. Allora x0 è un punto di massimo
relativo per f in Ω.

Esempio 1.3 Sia f : R2 → R definita dalla legge f (x, y) = x2 + y 2 . Il gradiente si annulla soltanto
nell’origine ed inoltre risulta  
2 0
Hf (x, y) = >0
0 2
perchè gli autovalori sono tutti positivi.

Esempio 1.4 Sia f : R2 → R definita dalla legge f (x, y) = x2 − y 2 . Il gradiente si annulla soltanto
nell’origine ed inoltre risulta  
2 0
Hf (x, y) =
0 −2
e la forma è indefinita perchè gli autovalori sono di segno opposto.

Esempio 1.5 Sia f : R2 → R definita dalla legge f (x, y) = x3 − y 2 . Il gradiente si annulla soltanto
nell’origine ed inoltre risulta  
6x 0
Hf (x, y) =
0 −2
La matrice Hessiana, in un intorno dell’origine è indefinita. Inoltre la Matrice Hessiana nell’origine
è semidefinita negativa e quindi, i teoremi sin qui provati non ci dicono nulla. Tuttavia, per via
elementare, si riconosce che la funzione non ha segno costante in alcun intorno dell’origine.

Esempio 1.6 Sia f : R4 → R definita dalla legge f (x, y, z, t) = x2 + y 2 − z 2 + t. la funzione non ha

estremi relativi perchè il gradiente non si annulla in alcun punto.

Esempio 1.7 Sia f : R3 → R definita dalla legge f (x, y, z) = xy − z 2 . Il gradiente si annulla solo

3
 G.Di Fazio

nell’origine e applicando alla matrice l’algoritmo di Gauss - Lagrange si vede che la segnatura della
forma quadratica è + − −. Infatti,
     
0 1 0 1 1 0 2 1 0
R +R2 →R1 2 →C1
Hf (0, 0, 0) =  1 0 0  1 −→  1 0 0  C1 +C−→ 1 0 0 
0 0 −2 0 0 −2 0 0 −2
   
2 1 0 2 0 0
R1 −2R2 →R2
−→  0 1 0  C1 −2C−→2 →C2
 0 −2 0 
0 0 −2 0 0 −2

quindi l’origine non è estremo relativo.

Esempio 1.8 Studiare gli estremi relativi ed assoluti della funzione f : R3 → R definita ponendo
2
f (x, y, z) = x2 + xy − z + e−(x +xy−z) .
La funzione assegnata è composta da g : R3 → R definita da g(x, y, z) = x2 +xy −z e dalla funzione
ϕ : R → R definita da ϕ(t) = t + e−t . Incominciamo cercando gli estremi relativi ed assoluti della
funzione g. La funzione è regolare e quindi gli estremi relativi vanno cercati tra i punti stazionari.
Si ha:
∇g(x, y, z) = (2x + y, x, −1) 6= 0
quindi g non ha estremi relativi. Cerchiamo adesso gli estremi assoluti. Poichè

lim g(x, 0, 0) = +∞, lim g(0, 0, z) = −∞

x→+∞ z→+∞

e la funzione g è continua si ha: g(R3 ) = R. Adesso studiamo la funzione ϕ in R. La funzione

ammette minimo relativo ed assoluto per t = 0 e ϕ(0) = 1. Inoltre limt→+∞ ϕ(t) = +∞ e quindi

sup f (x, y, z) = +∞, inf3 f (x, y, z) = min f (x, y, z) = 1

R3 R

ed il minimo viene assunto sui punti della superfice x2 + xy − z = 0.

Esempio 1.9 Studiare gli estremi relativi ed assoluti della funzione f : R2 → R definita ponendo
2 2
f (x, y) = x2 y 2 e−(2x +3y ) .
La funzione è continua e non negativa in R2 . Inoltre si ha: f (0, 0) = 0 e quindi minR2 f (x, y) = 0.
Inoltre, lim(x,y)→∞ f (x, y) = 0. Infatti,

x2 y 2 2 2
f (x, y) = (2x2 + 3y 2 )2 e−(2x +3y ) → 0.
(2x2 + 3y 2 )2

Sia adesso P0 un punto di R2 non appartenente agli assi coordinati. Usando la definizione di limite
si ha che 0 < f (x, y) < 12 f (P0 ) fuori di un opportuno cerchio. Poichè il cerchio è compatto la
funzione ammette massimo nel cerchio e tale massimo non è assunto sulla frontiera perchè il valore
sulla frontiera del cerchio è la metà di f (P0 ). Annulliamo quindi il gradiente per determinare il
punto di massimo. Si ha:
2 2
fx = 2xy 2 (1 − 2x2 )e−(2x +3y )

2 2
fy = 2yx2 (1 − 3y 2 )e−(2x +3y )

4
 Appunti di Analisi Matematica II
 
L’unico punto stazionario, a meno di simmetrie, è P ∗ = √1 , √1
2 3
e, in virtù del ragionamento
precedente, risulta punto di massimo.

Esempio 1.10 Studiare gli estremi relativi ed assoluti della funzione f : R3 → R definita ponendo
f (x, y, z) = x3 − y 2 + xyz.
Annullando il gradiente si trova che i soli punti stazionari sono i punti (0, 0, z) ∀z ∈ R. Notiamo
che f (0, 0, z) = 0. Inoltre f (x, 0, z) = x3 e quindi i punti trovati sono tutti punti di sella.

Esempio 1.11 Studiare gli estremi relativi ed assoluti della funzione f : R2 \ {(0, 0)} → R definita
1
ponendo f (x, y) = √
3 2 2
x +xy+y .
La funzione risulta composta da g : R2 \ {(0, 0)} → R definita da g(x, y) = x2 + xy + y 2 e da
1
ϕ(t) = √ 3 . Si vede facilmente che il gradiente do g è sempre diverso da zero. Inoltre la funzione g
t
converge a zero al tendere di (x, y) all’origine e quindi inf g = 0. Infine sup g = +∞ e quindi usando
il fatto che ϕ(t) è monotona in ]0, +∞[ si trova inf f (x, y) = 0 e sup f (x, y) = +∞.

Osservazione 1.1 Sia f : Ω ⊆ X → R, e sia ϕ : T → X continua in T. Se x0 = ϕ(t0 ) è un punto

di estremo relativo per f allora t0 è estremo relativo per f ◦ ϕ.

Esempio 1.12 Studiamo gli estremi relativi della funzione f : R2 → R definita dalla legge f (x, y) =
sen(x2 − y 2 ) + cos(x2 + y 2 ).
Posto u = x2 − y 2 v = x2 + y 2 si ha: ∂(u,v)
∂(x,y) = 8xy e quindi si ha invertibilità locale fuori dagli
assi coordinati. Studiare la funzione F (u, v) = f (ϕ(u, v)) = sen u + cos v è molto semplice. I punti
stazionari sono π 
Ph,k = + kπ, hπ k ∈ Z, k ∈ N
2
e si vede con chiarezza che, nel caso h, k entrambi pari il punto Ph,k è di massimo relativo, nel caso
di h, k entrambi dispari il punto Ph,k è di minimo relativo mentre negli altri casi il punto è di sella.
Invertendo si trova
rπ r !
2 + kπ + hπ hπ − π2 − kπ
Qh,k = , k ∈ Z, k ∈ N
2 2

Rimangono da studiare i punti degli assi coordinati che si studiano facilmente.

2 2
Esempio 1.13 Studiare gli estremi relativi della funzione f (x, y) = (x2 − y 2 )e(x +y ) .
Ragionando come nell’ esempio precedente si trova F (u, v) = uev che non ammette estremi relativi.
Rimangono da studiare i punti degli assi coordinati che si studiano facilmente.
Esempio 1.14 Studiare gli estremi relativi ed assoluti della funzione f : R2 → R definita ponendo

x2 y 2 |x + y − 1|
f (x, y) = arcsen
x4 y 4 (x + y − 1)2 + 1

5
 G.Di Fazio

La funzione è composta attraverso la funzione g : R2 → R definita dalla legge g(x, y) = x2 y 2 (x +

y − 1) e la funzione ϕ : R → R definita dalla legge ϕ(t) = arcsen t2|t| +1 . Studiamo la funzione g(x, y).
Annullando il gradiente si trova che i punti stazionari sono i punti degli assi coordinati ed il punto
P0 = (4, −2). Poichè la funzione è nulla sugli assi coordinati si ricava che tali punti sono di sella
per g. Studiando la forma Hessiana nel punto P0 si trova infine che anche il punto P0 è di sella per
g. È facile infine trovare delle restrizioni di g dalle quali vedere che la funzione non è limitata. Da
tutto questo segue che g(R2 ) = R.

Studiamo adesso la funzione ϕ(t). La funzione presenta minimo assoluto in t = 0 dove vale 0,
massimo assoluto in t = 1 dove vale π6 e non ha altri punti di estremo relativo. Da questo segue
che maxR2 f (x, y) = ϕ(1) = π6 e che minR2 f (x, y) = ϕ(0) = 0.

1.2 Varietà Differenziabili

Definizione 2.1 Un insieme M ⊆ Rn si dice varietà (differenziabile) p-dimensionale di classe C k

se per ogni x ∈ M esiste un aperto U ⊆ Rn contenente x ed una funzione f : U → Rn−p di classe
C k (U) tale che
{x ∈ Rn : f (x) = 0} = U ∩ M
ed inoltre rango(f 0 (x)) = n − p.

Esempio 2.1 La circonferenza di R2 centrata nell’ origine avente raggio unitario è una varietà di
dimensione 1.
Infatti, poniamo
M = {(x, y) ∈ R2 : x2 + y 2 = 1} ⊂ R2 .
In questo caso U = R2 mentre f : R2 → R è la funzione f (x, y) = x2 + y 2 − 1. Inoltre ∇f (x, y) =
(2x, 2y) 6= (0, 0) in M e quindi M risulta una varietà di dimensione 1 e di classe C ∞ in R2 .

Definizione 2.2 Sia h ∈ Rn \ {0}. Diciamo che h è tangente alla varietà M nel punto x0 ∈ M se
esiste una funzione ψ : ]t0 − δ, t0 + δ[→ M tale che

ψ(t0 ) = x0 , ψ 0 (t0 ) = h.

Esempio 2.2 Sia M la circonferenza dell’esempio precedente. Consideriamo la funzione ψ : ]t0 −

δ, t0 + δ[→ M definita dalla legge ψ(t) = (cos t, sen t). Si ha: ψ 0 (t0 ) = (− sen t0 , cos t0 ) ≡ h.

Definizione 2.3 Sia M una varietà p-dimensionale di classe C k in Rn e sia x0 ∈ M. L’insieme

Mx0 dei vettori di Rn tangenti alla varietà M nel punto x0 si dice spazio tangente alla varietà M
nel punto x0 . Per ragioni di comodità aggiungiamo a tale insieme il vettore nullo continuando a
chiamare spazio tangente il nuovo insieme.

Si ha:

6
 Appunti di Analisi Matematica II

Teorema 2.1 Sia M una varietà p-dimensionale di classe C k in Rn e sia x0 ∈ M. Lo spazio tangente
alla varietà M nel punto x0 è uno spazio vettoriale di dimensione p e, se f = 0 è un’equazione
locale della varietà M in un intorno si x0 risulta Mx0 = kerf 0 (x0 ).

Esempio 2.3 Consideriamo

M = {(x, y, z) ∈ R3 : x2 + y 2 = 1} ⊂ R3 .

È facile riconoscere che M è una varietà 2-dimensionale di classe C ∞ in R3 . Precisamente si tratta

di un cilinfro nello spazio ordinario. Per il teorema precedente sappiamo che lo spazio tangente ad
M in un suo punto P0 = (x0 , y0 , z0 ) è uno spazio vettoriale di dimensione 2. Si tratta quindi di un
piano. Per determinare l’equazione del piano - usando il teorema precedente - bisogna determinare
kerf 0 (P0 ). Poiché f (x, y, z) = x2 + y 2 − 1 allora f 0 (P0 ) = (2x0 , 2y0 , 0) e quindi l’equazione di MP0 è

f 0 (P0 )(P − P0 ) = ∇(P0 ) · (P − P0 ) = 0

ovvero
x0 (x − x0 ) + y0 (y − y0 ) = 0.

In generale se
M = {(x0 , xn ) ∈ Rn : xn = f (x0 )}
allora, posto F (x0 , xn ) = xn − f (x0 ) si ha:
n−1
X ∂f 0
Mx0 = {h ∈ Rn : h ⊥ (−∇f (x00 ), 1)} = { hj (x ) = hn }
j=1
∂xj 0

Teorema 2.2 Sia M una varietà p-dimensionale di classe C k in Rn e sia x0 ∈ M. Sia f = 0

un’equazione locale di M in x0 . Allora

L(∇f1 (x0 ), . . . , ∇fn−p (x0 )) = Mx⊥0 .

Nel caso in cui sia nota una parametrizzazione ϕ di M, se ϕ(t0 ) = x0 allora

∂ϕ
Mx⊥0 = {h ∈ Rn : < (t0 ), h >= 0, j = 1, . . . , p}.
∂tj

Esempio 2.4 Consideriamo una funzione f : D ⊆ R2 → R di classe C k sull’aperto D. Poniamo

M = {(x, y, z) ∈ R3 : (x, y) ∈ D, z = f (x, y)}.

M è una varietà bidimensionale in R3 .

Infatti, una sua equazione locale è F (x, y, z) = z−f (x, y) = 0. Dato P0 = (x0 , y0 , z0 ) ∈ M, lo spazio

7
 G.Di Fazio

tangente alla varietà M nel punto P0 è il piano la cui giacitura è ortogonale a (∇f (x0 , y0 ), 1) =
∇F (x0 , y0 , z0 ) ovvero

(x − x0 )fx (x0 , y0 ) + (y − y0 )fy (x0 , y0 ) + z − z0 = 0.

1.3 Estremi locali condizionati

Sia f : X ⊆ Rn → R e sia M una varietà differenziabile di dimensione p in Rn di equazione

locale g = 0. Ci poniamo il problema di determinare gli eventuali estremi della funzione f che
soddisfano la condizione g = 0 ovvero determinare gli estremi della funzione f ristretta alla varietà
M.
Definizione 3.1 Un punto x0 ∈ M si dice di minimo condizionato o vincolato per la funzione f se
esiste un intorno U ⊆ Rn tale che

f (x0 ) ≤ f (x) ∀x ∈ U ∩ X ∩ M.

Esempio 3.1 Data la varietà M = {(x, y) ∈ R2 : y − x2 = 0} ⊂ R2 e data la funzione f (x, y) =

y + |x| il punto P0 = (0, 0) è punto di minimo condizionato per f.

Una condizione necessaria perché un punto sia di estremo relativo vincolato è data dal seguente
teorema dei moltiplicatori di Lagrange:
Teorema 3.1 (di Lagrange) Sia Ω ⊆ Rn un insieme aperto e sia f : Ω → R una funzione di classe
C 1 (Ω). Sia M una varietà p dimensionale in Rn e sia x0 un punto di M che è estremo relativo
condizionato per f. Allora esiste λ0 ∈ Rn−p tale che:

∇f (x0 ) = λ0 · ∇g(x0 ).

Dim. Se x0 ∈ M è di estremo - per esempio di minimo - per f su M allora f (x) ≤ f (x0 ) in un

intorno di x0 su M e quindi sia ψ :]t0 − δ, t0 + δ[→ M tale che ψ(t0 ) = x0 . Allora, in particolare si
ha:
f (ψ(t)) ≤ f (ψ(t0 )), ∀t ∈]t0 − δ, t0 + δ[
e quindi la funzione H :]t0 − δ, t0 + δ[→ R definita ponendo H(t) = f (ψ(t)) ha minimo relativo nel
punto t0 da cui
0 = H 0 (t0 ) = f 0 (ψ(t0 ))ψ 0 (t0 ) = f 0 (x0 )(h) = ∇f (x0 ) · h
ovvero
∇f (x0 ) · h = 0 ∀h ∈ Mx0 = kerg 0 (x0 ) = L(∇g(x0 ))
e quindi ∇f (x0 ) ⊥ Mx0 che significa ∇f (x0 ) ∈ L(∇g(x0 )). Ma allora deve esistere λ0 ∈ Rn−p tale
che
∇f (x0 ) = λ0 · ∇g(x0 ).

8
 Appunti di Analisi Matematica II

Osservazione 3.1 La condizione espressa dal teorema di può formulare anche in termini della
funzione
F (x, λ) = f (x) − λg(x)
che si dice funzione Lagrangiana osservando che in tal caso si ha:

∇F (x0 , λ0 ) = 0.

Il teorema di Lagrange - nel caso di estremi condizionati - fa le veci del teorema di Fermat
nel caso degli estremi liberi. In modo simile a quanto visto nel caso degli estremi liberi, anche in
questo caso ci sono condizioni sufficienti per l’esistenza di punti di estremo condizionato.

Precisamente, abbiamo
Teorema 3.2 Sia f : Ω ⊆ Rn → R una funzione regolare e sia M una varietà differenziabile
di dimensione p in Rn di equazione locale g = 0. Se (x0 , λ0 ) ∈ M × Rn−p è stazionario per la
Lagrangiana ed inoltre
T
h (Hf (x0 ) − λ0 ∇g(x0 )) h > 0 ∀h ∈ Mx0 , h 6= 0

allora il punto x0 è punto di minimo relativo per f con vincolo g = 0.

Dim. Applichiamo la formula di Taylor con resto nella forma di Lagrange alla funzione La-
grangiana scegliendo come punto iniziale il punto (x0 , λ0 ). Si ha:

1T
F (x, λ0 ) = F (x0 , λ0 ) + ∇F (x0 , λ0 ) + (x − x0 )HF (ξ, λ0 )(x − x0 ), ∀x ∈ M ∩ U ∩ Ω
2
e, tenuto conto che x ∈ M otteniamo
1T
f (x) = f (x0 ) + (x − x0 )(Hf (ξ) − λ0 Hg(ξ))(x − x0 ),
2
in particolare se x ∈ {x0 + L(∇g(x0 ))} si ha quanto si voleva.

2
Esempio 3.2 Estremi della funzione f (x, y) = x2 + y 2 + xy con il vincolo g(x, y) = x2 +y 2 −1 =
0.
Applicando il teorema di Lagrange abbiamo:

 2x + y + 2λx = 0

2y + x + 2λy = 0

 2
x + y2 − 1 = 0

da cui, eliminando il parametro λ si trova x = y = 12 e x = −y = 12 . D’altra parte la funzione f

risulta continua nell’ insieme
 chiuso
 e limitato g = 0 e quindi ammette massimo e minimo.
 Abbiamo

quindi che nel punto √12 , √12 viene assunto il valore massimo mentre nel punto √12 , − √12 viene
assunto il valore minimo.

9
 G.Di Fazio

Esempio 3.3 Determinare il rettangolo, con i lati paralleli agli assi, inscritto nell’ ellisse di
equazione
x2 y2
2
+ 2 =1 (a, b > 0)
a b
che abbia area massima.
Consideriamo la funzione
f : R2 → R f (x, y) = xy
ed il vincolo
x2 y2
g : R2 → R g(x, y) = + − 1 = 0.
a2 b2
Il problema dato è equivalente a massimizzare la funzione f sotto il vincolo g = 0. Applicando il
teorema di Lagrange abbiamo:
 2λx
 Fx = y + 2 = 0
a




2λy

Fy = x + 2 = 0

 b
2
y2


 x
F =
λ + − 1 = 0.
a2 b2
 
Ragionando come nell’ esempio precedente si trova che il massimo è assunto nel punto √a2 , √b2 .
 
r √r
Se a = b = r (cerchio) abbiamo √
2
, 2 e la risposta è data dal quadrato.

1.4 Alcune proprietà isoperimetriche

Diamo in questo paragrafo alcuni esempi con applicazioni di interesse geometrico.

Esercizio 1. Siano dati s > 0, α1 , . . . , αn > 0 (|α| ≡ α1 + · · · + αn , n ≥ 2). Consideriamo la

funzione
f : [0, s]n → R f (x1 , . . . , xn ) = xα αn
1 · · · xn .
1

Determiniamo il massimo della funzione f soggetta al vincolo

n
X
g(x1 , . . . , xn ) = xj − s = 0.
j=1

Applicando il teorema di Lagrange abbiamo:

fxi + λgxi = 0 i = 1, . . . , n

ovvero
i −1 α α
αi xα
i xα1 α2 i−1 i+1 αn
1 x2 . . . xi−1 xi+1 . . . xn + λ = 0

e quindi
αi
f (x) + λ = 0 i = 1, . . . , n
xi
da cui si ricava
x1 x2 xn
= = ··· =
α1 α2 αn

10
 Appunti di Analisi Matematica II

che ci fornisce le coordinate del punto di massimo. Infatti si ha

 α1
x1 = x1
α1





 α2
 x2 = x1


α1
 ..
.




 xn = αn x1



α1
da cui, sommando membro a membro, si determinano le coordinate del punto di massimo che sono
αj
xj = s j = 1, . . . , n.
|α|

Il massimo di f quindi è
 |α|
s
(α1α1 · · · αnαn ) .
|α|
Esercizio 2. Dati α1 , . . . , αn , p > 0 (n ≥ 2) determiniamo il minimo della funzione
n
X
n
f : [0, +∞[ → R f (x) = xi
i=1

soggetta al vincolo
α
g(x) = Πnj=1 xj j − p = 0.
Il minimo esiste per il teorema di Weierstrasse generalizzato (il massimo non esiste). Ragionando
come nell’ esempio precedente si trova
x1 x2 xn
= = ··· =
α1 α2 αn
che ci fornisce le coordinate del punto di minimo. Infatti si ha
 α1
x1 = x1
α1





 α2
 x2 = x1


α1
 ..
.




 xn = αn x1



α1
da cui, moltiplicando membro a membro, si determinano le coordinate del punto di minimo che
sono
αj 1
xj = 1 p
|α| j = 1, . . . , n.
(Πni=1 αiαi ) |α|
Quindi il valore minimo è
1
! |α|
p
|α| α .
Πnj=1 αj j

11
 G.Di Fazio

Dagli esempi appena svolti si possono ricavare alcune interessanti conseguenze di carattere geomet-
rico (proprietà isoperimetriche).

1) Triangolo di perimetro assegnato ed area massima.

Dette a, b, c le lunghezze dei lati del triangolo da determinare poniamo a+b+c = 2p. Utilizziamo
la formula di Erone p
s = p(p − a)(p − b)(p − c)
per esprimere l’area s in funzione dei lati e del semiperimetro p. Ponendo

x = p − a, y = p − b, z =p−c

il problema si riduce a massimizzare il prodotto p x y z con il vincolo x + y + z = p (esercizio

1). Il massimo si ha quindi per
x=y=z
ovvero quando il triangolo è equilatero.

2) Triangolo di perimetro minimo ed area data s.

Dalla formula di Erone si trova

s2 = 3xyzt 2p = a + b + c

e quindi ponendo
p
x= , y = p − a, z = p − b, t=p−c
3
si ricava
s2 4
x·y·z·t= e x+y+z+t= p
3 3
e applicando il risultato dell’ esercizio 2 si trova che ancora una volta la soluzione è data dal
triangolo equilatero.

3) Parallelepipedo di volume massimo tra quelli di superficie totale data s.

Indicando con a, b, c le dimensioni del parallelepipedo abbiamo

2(ab + ac + bc) = s

e ponendo
x = ab y = ac z = bc
s
il problema consiste nel massimizzare il prodotto xyz soggetto al vincolo x + y + z = 2 e dall’
esercizio 1 segue che la risposta è fornita dal cubo.

4) Dato l’ ellissoide
x2 y2 z2
Σ: + + =1
a2 b2 c2

12
Appunti di Analisi Matematica II

determinare il parallelepipedo rettangolo Π con facce parallele ai piani coordinati e vertici

appartenenti a Σ che abbia volume massimo.
Sia P = (α, β, γ) il vertice di Π che giace nel primo ottante. Ponendo

α2 β2 γ2
λ= , µ= , ν=
a2 b2 c2
si tratta di massimizzare il prodotto λµν con il vincolo λ + µ + ν = 1. Dall’ esercizio 1 segue
che il massimo si ottiene quando

a b c
α= √ , β=√ , γ=√ .
3 3 3

Nel caso particolare che a = b = c = r che è quello in cui Σ è una sfera di raggio r, il problema
è risolto dal cubo.

13