Calcolatore di derivate in più variabili: guida passo passo con esempi

Che cos'è un calcolatore di derivate in più variabili?

Un calcolatore di derivate in più variabili è uno strumento che calcola le derivate di funzioni con due o più variabili indipendenti, come f(x, y) o g(x, y, z). A differenza dell'analisi in una variabile, dove si trova un'unica derivata f′(x), le funzioni in più variabili hanno una derivata parziale per ogni variabile, oltre a grandezze composte come il vettore gradiente, le derivate direzionali e la matrice hessiana delle derivate seconde. Il calcolatore tratta come costante ogni variabile diversa da quella rispetto alla quale stai derivando, applica le regole di derivazione standard e restituisce ogni risultato separatamente oppure raccolto in un vettore o in una matrice.

La derivazione in più variabili non è altro che derivazione in una variabile, applicata una variabile alla volta.

Come calcola i risultati un calcolatore di derivate in più variabili?

Un calcolatore di derivate in più variabili analizza l'espressione inserita trasformandola in un albero simbolico, poi applica le regole di derivazione in modo ricorsivo: la regola della potenza per termini come x³, la regola del prodotto per termini come xy² e la regola della catena per composizioni come sin(x²y). Per ogni variabile richiesta, tutte le altre restano costanti durante la derivazione, esattamente come faresti a mano. Il calcolatore semplifica poi l'espressione ottenuta e, se viene indicato un punto, sostituisce i valori numerici per restituire un numero o un vettore finale.

Derivate parziali: le fondamenta dell'analisi in più variabili

Una derivata parziale misura come cambia una funzione quando una variabile si muove mentre tutte le altre restano fisse. Per f(x, y), la derivata parziale rispetto a x si scrive ∂f/∂x, mentre la derivata parziale rispetto a y è ∂f/∂y. Si calcolano esattamente come le derivate ordinarie, con l'unica differenza che qualsiasi termine privo della variabile scelta viene trattato come costante e la sua derivata è zero.

Se un termine non contiene la variabile rispetto alla quale stai derivando, la sua derivata parziale è zero.

Esempio svolto 1: derivate parziali di f(x, y) = x²y + 3xy² − y³

Prendi la funzione f(x, y) = x²y + 3xy² − y³. Per trovare ∂f/∂x, tratta y come costante; per trovare ∂f/∂y, tratta x come costante. Di seguito trovi il calcolo completo passo passo.

Che cos'è il vettore gradiente?

Il gradiente di una funzione f(x, y) è il vettore ∇f = (∂f/∂x, ∂f/∂y) che punta nella direzione di massima crescita della funzione in un dato punto. La sua norma indica quanto è ripida quella crescita. Con tre variabili, il gradiente si estende a ∇f = (∂f/∂x, ∂f/∂y, ∂f/∂z). Un calcolatore di derivate in più variabili costruisce il gradiente calcolando tutte le derivate parziali e raccogliendole in un unico vettore.

Il gradiente punta sempre nella direzione di massima pendenza in salita di una superficie.

Esempio svolto 2: calcolare il gradiente in un punto

Usando la stessa funzione f(x, y) = x²y + 3xy² − y³ dell'esempio 1, con ∂f/∂x = 2xy + 3y² e ∂f/∂y = x² + 6xy − 3y², trova il gradiente nel punto (2, 1).

Derivate direzionali e prodotto scalare

Una derivata direzionale misura la velocità di variazione di una funzione in un punto lungo una direzione specifica, non solo lungo l'asse x o l'asse y. Si calcola come D_u f = ∇f · u, dove u è un versore che punta nella direzione di interesse. Poiché u deve avere lunghezza 1, occorre dividere qualsiasi vettore direzione per la sua norma prima di eseguire il prodotto scalare.

La derivata direzionale nella direzione del gradiente stesso è uguale alla norma del gradiente, cioè alla massima velocità di crescita possibile.

Esempio svolto 3: derivata direzionale in una direzione assegnata

Usando ∇f(2, 1) = (7, 13) dell'esempio 2, trova la derivata direzionale di f nella direzione del vettore v = (3, 4).

Come si costruisce e si usa una matrice hessiana?

La matrice hessiana raccoglie tutte le derivate parziali del secondo ordine di una funzione in una matrice quadrata, usata per classificare i punti critici come minimi locali, massimi locali o punti di sella. Per f(x, y), l'hessiana è H = [[f_xx, f_xy], [f_xy, f_yy]]. Dopo aver trovato un punto critico in cui ∇f = (0, 0), si calcola il determinante D = f_xx·f_yy − (f_xy)². Se D > 0 e f_xx > 0 si tratta di un minimo locale; se D > 0 e f_xx < 0 di un massimo locale; se D < 0 di un punto di sella.

Il test del determinante dell'hessiana estende a due o più dimensioni il criterio della derivata seconda in una variabile.

Esempio svolto 4: classificare un punto critico con l'hessiana

Considera g(x, y) = x² + y² − 4x − 6y + 13. Trova il punto critico e classificalo usando la matrice hessiana.

Perché le derivate in più variabili contano nella scienza e nell'ingegneria

Derivate parziali, gradienti e hessiane compaiono ovunque una grandezza dipenda da più di una variabile. In fisica, il gradiente di un campo di temperatura o di pressione punta verso l'aumento più rapido: è così che i modelli meteorologici seguono il flusso di calore. In economia, le derivate parziali di una funzione di profitto rispetto a prezzo e quantità individuano i livelli di produzione ottimali. Nel machine learning, la discesa del gradiente usa ripetutamente il vettore gradiente di una funzione di perdita per aggiornare i parametri del modello, mentre l'hessiana indica se un ottimizzatore ha raggiunto un vero minimo e non un punto di sella.

Errori comuni da evitare

L'errore più frequente è dimenticare di trattare le altre variabili come costanti, il che porta a derivare un termine che sarebbe semplicemente dovuto sparire. Un secondo errore comune è confondere l'ordine delle variabili nelle derivate parziali miste, per esempio calcolare ∂²f/∂x∂y invece di ∂²f/∂y∂x: per la maggior parte delle funzioni regolari sono uguali, ma gli errori di segno durante il procedimento sono frequenti. Un terzo errore è dimenticare di normalizzare il vettore direzione prima di calcolare una derivata direzionale, ottenendo un risultato scalato in modo errato dalla lunghezza originale del vettore.

Ottieni aiuto immediato con le derivate in più variabili

Svolgere a mano derivate parziali, gradienti, derivate direzionali e matrici hessiane costruisce una comprensione reale, ma verificare il proprio lavoro conta quanto farlo. Gli strumenti basati sull'IA di Solvify possono scansionare un problema di analisi in più variabili, mostrare ogni passaggio della derivazione e permetterti di fare domande di approfondimento finché la logica non diventa chiara.