TEOREMI: OTTIMIZZAZIONE

DERIVABILITÀ PARZIALE → CONTINUITÀ

Se 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ ha derivate parziali in un intorno di 𝓍 0 ∈ 𝐼𝑛𝑡(𝑋) e tali derivate sono

continue in 𝓍 0 ,

allora 𝑓 è continua in 𝓍 0 .

DIFFERENZIABILITÀ→ DERIVABILITÀ

Se 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ è differenziabile in 𝓍 0 ∈ 𝐼𝑛𝑡(𝑋)
𝜕𝑓
allora 𝑓 è derivabile parzialmente in 𝓍 0 rispetto a 𝑥𝑖 (i= 1, 2,… n) e vale mi=𝜕𝑥 (𝑥 0 ).
𝑖

DERIVABILITÀ→ DIFFERENZIABILITÀ
𝜕𝑓
Se 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ ha derivate parziali 𝜕𝑥 (𝑥 0 ) (i= 1, 2,… n) e tali derivate sono continue in
𝑖
𝓍 0,

allora 𝑓 è differenziabile in 𝓍 0 .

DERIVATA PARZIALE SECONDA

Data 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ, è derivabile parzialmente due volte rispetto alla variabile xi, xj

(i,j= 1, 2,…n) nel punto

𝓍 0 ∈ 𝐼𝑛𝑡(𝑋) se esiste finito il limite:

𝑓𝑥𝑖 (𝑥 0 + ℎ𝑒 𝑗 ) − 𝑓𝑥𝑖 (𝑥 0 )
𝑙𝑖𝑚
ℎ→0 ℎ

TEOREMA DI SCHWARZ

Se 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ ha derivate parziali prime e seconde in un intorno di 𝓍 0 ∈ 𝐼𝑛𝑡(𝑋) e tali

derivate sono continue in 𝓍 0 , allora ∀𝑖, 𝑗 = 1, 2. . . 𝑛

𝜕 2𝑓 𝜕 2𝑓
=
𝜕𝑥𝑖 𝑥𝑗 𝜕𝑥𝑗 𝑥𝑖
FORMA QUADRATICA E MATRICE ASSOCIATA

La forma quadratica 𝑄: ℝ𝑛 → ℝ definita da ∑𝑛𝑖=1 ∑𝑛𝑗=0 𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗 ammette la forma matriciale:

𝑎11 ⋯ 𝑎1𝑛 𝑥1
Q(x)= xTAx =𝑥1 𝑥2 𝑥𝑛 [ ⋮ ⋱ ⋮ ] 𝑥2
𝑎𝑛1 ⋯ 𝑎𝑛𝑛 𝑥𝑛

TEOREMA DI SYLVESTER-JACOBI

La forma quadratica Q(x)= xTAx, con matrice associata A, è:

• DEFINITA POSITIVA SSE i minori principali di nord-ovest MPNO di A sono tutti positivi
(++++…)
• DEFINITA NEGATIVA SSE i minori principali di nord-ovest MPNO di A sono di segno
alternato, iniziando con segno negativo (- + - + …)
• INDEFINITA SSE almeno un minore principale di nord-ovest MPNO di A è diverso da
zero e non rispetta le altre sequenze
• SEMIDEFINITA POSITIVA SSE almeno uno dei MPNO di A è nullo e tutti i minori
principali MP sono non negativi
• SEMIDEFINITA NEGATIVA SSE almeno uno dei MPNO di A è nullo e tutti i minori
principali MP di ordine dispari sono non positivi e tutti i MP di ordine pari sono non
pari

APPROSSIMAZIONE NON LINEARE AL SECONDO ORDINE

Se 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ è di classe C2 allora:
1
𝑓(𝑥 0 + ⅆ𝑥) = 𝑓(𝑥 0 ) + 𝛻𝑓(𝑥 0 ) ⅆ𝑥 + 2 (ⅆ𝑥)𝑇 ⋅ 𝛻 2 𝑓(𝑥 0 ) ⅆ𝑥 + 𝑜( ) per dx → 0

TEOREMA DI WEIERSTRASS

Se 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ è continua e X è un insieme compatto,

allora esistono almeno due punti x0, x1∈ X t.c:

𝑓(𝑥 0 ) = 𝑚𝑖𝑛 𝑓(𝑥)

𝑥∈𝑋

𝑓(𝑥1 ) = 𝑚𝑎𝑥 𝑓(𝑥)

𝑥∈𝑋
TEOREMA DI FERMAT

Sia 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ è differenziabile in 𝓍 0 ∈ 𝐼𝑛𝑡(𝑋). Se x* è punto di massimo/minimo locale,

allora:

𝛻𝑓(𝑥 ∗ ) = 0 cioè fxi (x*) = 0 ∀𝑖 = 1, 2. . . 𝑛

SEGNO DEL GRADIENTE E PUNTI DI MASSIMO/MINIMO

Sia 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ di classe C2 e sia 𝑥 ∗ ∈ 𝐼𝑛𝑡(𝑋) un punto stazionario (𝛻𝑓(𝑥 ∗ ) = 0)

• Se 𝛻 2 𝑓(𝑥 ∗ ) è definita negativa, allora 𝑥 ∗ è un punto di massimo locale stretto per 𝑓

• Se 𝛻 2 𝑓(𝑥 ∗ ) è definita positiva, allora 𝑥 ∗ è un punto di minimo locale stretto per 𝑓
• Se 𝛻 2 𝑓(𝑥 ∗ ) è indefinita, allora 𝑥 ∗ è un punto di sella

TEOREMA: CONDIZIONI NECESSARIE E SUFFICIENTI

Sia X⊆ ℝ𝑛 un insieme convesso e sia 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ di classe C2. Allora:

• 𝑓 è 𝐜𝐨𝐧𝐜𝐚𝐯𝐚 SSE 𝛻 2 𝑓(𝑥) è semidefinita negativa ∀𝑥 ∈ 𝐼𝑛𝑡(𝑋)

• 𝑓 è 𝐜𝐨𝐧𝐯𝐞𝐬𝐬𝐚 𝑆𝑆𝐸 𝛻 2 𝑓(𝑥) è semidefinita positiva ∀𝑥 ∈ 𝐼𝑛𝑡(𝑋)

TEOREMA: CONDIZIONI SUFFICIENTI

Sia X⊆ ℝ𝑛 un insieme convesso e sia 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ di classe C2. Allora:

• Se 𝛻 2 𝑓(𝑥) è definita negativa ∀𝑥 ∈ 𝐼𝑛𝑡(𝑋) allora 𝑓 è strettamente concava

• Se 𝛻 2 𝑓(𝑥) è definita positiva ∀𝑥 ∈ 𝐼𝑛𝑡(𝑋) allora 𝑓 è strettamente convessa

PUNTO DI MASSIMO/MINIMO GLOBALE

Sia X⊆ ℝ𝑛 un insieme convesso e sia 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ differenziabile e concava (convessa). Se

esiste un punto stazionario 𝑥 ∗ ∈ 𝐼𝑛𝑡(𝑋), allora 𝑥 ∗ è un punto di massimo (minimo) globale. Se
f è strettamente concava (convessa), allora il punto di massimo (minimo) è anche unico.
TEOREMA DELLA FUNZIONE IMPLICITA

Siano 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ, 𝒸 ∈ ℝ e (x0, y0) un punto che soddisfa f(x0, y0)= 𝒸 e sia f differenziabile
in un intorno di (x0, y0):

1. se 𝑓𝑦 (𝑥0 , 𝑦0 ) ≠ 0, allora esiste un intorno 𝐼𝑥𝛿0 in cui è definita la funzione esplicita

y=y(x) t.c:
a. 𝑓[𝑥, 𝑦(𝑥)] = 𝑐 ∀𝑥 ∈ 𝐼𝑥𝛿0
b. 𝑦(𝑥0 ) = 𝑦0
c. 𝑦(𝑥) è ⅆ𝑒𝑟𝑖𝑣𝑎𝑏𝑖𝑙𝑒 𝑖𝑛 𝑥0 𝑒 𝑙𝑎 𝑠𝑢𝑎 ⅆ𝑒𝑟𝑖𝑣𝑎𝑡𝑎 è:
𝑓𝑥 (𝑥0 , 𝑦0 )
𝑦 ′ (𝑥0 ) = −
𝑓𝑦 (𝑥0 , 𝑦0 )

2. se 𝑓𝑥 (𝑥0 , 𝑦0 ) ≠ 0, allora esiste un intorno 𝐼𝑦𝛿0 in cui è definita la funzione esplicita

x=x(y) t.c:
a. 𝑓[𝑥(𝑦), 𝑦] = 𝑐 ∀𝑦 ∈ 𝐼𝑦𝛿0
b. 𝑥(𝑦0 ) = 𝑥0
c. 𝑥(𝑦) è ⅆ𝑒𝑟𝑖𝑣𝑎𝑏𝑖𝑙𝑒 𝑖𝑛 𝑥0 𝑒 𝑙𝑎 𝑠𝑢𝑎 ⅆ𝑒𝑟𝑖𝑣𝑎𝑡𝑎 è:
𝑓𝑦 (𝑥0 , 𝑦0 )
𝑥 ′ (𝑦0 ) = −
𝑓𝑥 (𝑥0 , 𝑦0 )

TEOREMA DI LAGRANGE

Dato il problema (P) con f funzione obiettivo e g vincolo differenziabili, se (𝑥0 , 𝑦0 ) è punto di
massimo (minimo) locale vincolato e 𝛻𝑔(𝑥0 , 𝑦0 ) ≠ 0, allora esiste un numero 𝜆 ∈ ℝ t.c:

𝑓𝑥 (𝑥0 , 𝑦0 ) = 𝜆𝑔𝑥 (𝑥0 , 𝑦0 )

{
𝑓𝑦 (𝑥0 , 𝑦0 ) = 𝜆𝑔𝑦 (𝑥0 , 𝑦0 )

Cioè: 𝛻𝑓(𝑥0 , 𝑦0 ) = 𝜆 𝛻𝑔(𝑥0 , 𝑦0 )

TEOREMA DI LAGRANGE

Dato (P) con f e g differenziabili, se (𝑥0 , 𝑦0 ) è punto di massimo (minimo) locale vincolato e
𝛻𝑔(𝑥0 , 𝑦0 ) ≠ 0, allora esiste un numero 𝜆 ∈ ℝ t.c (𝑥0 , 𝑦0 , 𝜆 ) è un punto stazionario della
funzione lagrangiana, dato che:

𝐿(𝑥, 𝑦, 𝜆) = 𝑓(𝑥, 𝑦) + 𝜆[𝑏 − 𝑔(𝑥, 𝑦)] 𝛻𝐿(𝑥0 , 𝑦0 , 𝜆)=0

DERIVATA SECONDA → PUNTO DI MAX LOCALE VINCOLATO

Se la funzione L ha derivate seconde in(𝑥0 , 𝑦0 , 𝜆) e se det𝛻 2 𝐿(𝑥0 , 𝑦0 , 𝜆) > 0, allora (𝑥0 , 𝑦0 ) è un

punto di massimo locale vincolato stretto per f.

Se det𝛻 2 𝐿(𝑥0 , 𝑦0 , 𝜆) < 0, allora (𝑥0 , 𝑦0 )è un punto di minimo locale vincolato stretto per f.

TEOREMA DI LAGRANGE IN R N

Dato il problema (P’) con f e g differenziabili, se x0 è un punto di massimo (o di minimo) locale

vincolato, regolare per il vincolo (cioè il rango della matrice jacobiana in𝑥0 è massimo, pari a
m), allora esiste un vettore 𝜆 ∈ ℝ𝑚 t.c (x0, 𝜆) ∈ ℝ𝑚+n è un punto stazionario della lagrangiana

𝐿(𝑥, 𝜆) = 𝑓(𝑥) + 𝜆[𝑏 − 𝑔(𝑥)] 𝛻𝐿(x 0 , 𝜆)=0

DERIVATA SECONDA → PUNTO DI MAX LOCALE VINCOLATO

Se L ha derivate seconde continue in (x 0 , 𝜆) e 𝛻 2 𝐿(x 0 , 𝜆) è definita negativa (definita positiva),

allora x 0 è un punto di massimo (punto di minimo) locale vincolato stretto.

MONOTONIA

Data 𝑓: 𝑋 ⊆ ℝ𝑛 → ℝ differenziabile ∀𝑥 ∈ 𝐼𝑛𝑡(𝑋), se:

𝑓𝑥i (x 0 ) ≥ 0 oppure 𝑓𝑥i (x 0 ) ≤ 0

Allora f è monotona crescente (eventualmente in senso stretto) oppure monotona

decrescente