Calcolatore del Gradiente – Esercizi Svolti
Guida Completa al Calcolo del Gradiente con Esercizi Svolti
Il gradiente è uno dei concetti fondamentali dell’analisi matematica in più variabili, con applicazioni che spaziano dalla fisica all’economia, dall’ingegneria all’intelligenza artificiale. In questa guida approfondita, esploreremo la teoria dietro il gradiente, come calcolarlo correttamente, e presenteremo numerosi esercizi svolti per consolidare la comprensione.
1. Definizione Matematica del Gradiente
Il gradiente di una funzione scalare f(x₁, x₂, …, xₙ) in un punto P è un vettore che ha:
- Direzione: quella della massima crescita della funzione in P
- Intensità: pari alla massima velocità di crescita della funzione in P
- Componenti: le derivate parziali della funzione rispetto a ciascuna variabile
Formalmente, per una funzione in due variabili f(x,y), il gradiente è:
∇f(x,y) = (∂f/∂x, ∂f/∂y) = (f_x, f_y)
2. Proprietà Fondamentali del Gradiente
| Proprietà | Descrizione | Formula |
|---|---|---|
| Direzione di massima crescita | Il gradiente punta nella direzione in cui la funzione cresce più rapidamente | D_u f = ∇f · û (massimo quando û = ∇f/||∇f||) |
| Ortogonalità alle curve di livello | In ogni punto, il gradiente è perpendicolare alla curva di livello passante per quel punto | ∇f · dr = 0 (dove dr è tangente alla curva di livello) |
| Regola della catena | Permette di calcolare il gradiente di funzioni compost | ∇(f∘g) = (∇f∘g) · J_g (dove J_g è la matrice Jacobiana di g) |
3. Calcolo Pratico del Gradiente
Per calcolare il gradiente di una funzione, segui questi passaggi:
- Identifica la funzione: Scrivi esplicitamente f(x,y) o f(x₁,…,xₙ)
- Calcola le derivate parziali:
- Deriva rispetto a x trattando y come costante (f_x)
- Deriva rispetto a y trattando x come costante (f_y)
- Per n variabili, calcola ∂f/∂x_i per i=1,…,n
- Costruisci il vettore gradiente: (f_x, f_y) o (∂f/∂x₁,…,∂f/∂xₙ)
- Valuta in un punto specifico se richiesto
4. Esercizi Svolti sul Calcolo del Gradiente
Esercizio 1: Gradiente di una funzione polinomiale
Funzione: f(x,y) = x³ + 2xy² – 3y⁴ + 5
Soluzione:
1. Derivata parziale rispetto a x: f_x = 3x² + 2y²
2. Derivata parziale rispetto a y: f_y = 4xy – 12y³
3. Gradiente: ∇f(x,y) = (3x² + 2y², 4xy – 12y³)
Valutazione in (1,2): ∇f(1,2) = (3(1)² + 2(2)², 4(1)(2) – 12(2)³) = (11, 8 – 96) = (11, -88)
Esercizio 2: Gradiente di una funzione esponenziale
Funzione: f(x,y) = e^(x²+y²) * sin(y)
Soluzione:
1. Derivata parziale rispetto a x: f_x = e^(x²+y²) * sin(y) * 2x
2. Derivata parziale rispetto a y: f_y = e^(x²+y²) * [cos(y) + sin(y)*2y]
3. Gradiente: ∇f(x,y) = (2x e^(x²+y²) sin(y), e^(x²+y²) [cos(y) + 2y sin(y)])
5. Derivata Direzionale
La derivata direzionale D_u f di una funzione f nella direzione del vettore unitario u è data da:
D_u f = ∇f · u = ||∇f|| cosθ
dove θ è l’angolo tra ∇f e u.
Per calcolare la derivata direzionale:
- Calcola il gradiente ∇f
- Normalizza il vettore direzione v → u = v/||v||
- Calcola il prodotto scalare ∇f · u
Esercizio 3: Derivata direzionale
Funzione: f(x,y) = x²y + y³ in P(1,2)
Direzione: v = [2,-1]
Soluzione:
1. Gradiente: ∇f = (2xy, x² + 3y²) → ∇f(1,2) = (4, 1 + 12) = (4,13)
2. Vettore direzione normalizzato: u = [2,-1]/√(4+1) = [2/√5, -1/√5]
3. Derivata direzionale: D_u f = (4,13)·(2/√5,-1/√5) = (8/√5 – 13/√5) = -5/√5 = -√5 ≈ -2.236
6. Applicazioni Pratiche del Gradiente
| Campo | Applicazione | Esempio Concreto |
|---|---|---|
| Ottimizzazione | Metodo del gradiente (discesa del gradiente) | Addestramento reti neurali in machine learning |
| Fisica | Campi conservativi e potenziali | Campo elettrico E = -∇V (gradiente del potenziale) |
| Economia | Analisi della sensibilità | Come varia il profitto al variare di prezzo e quantità |
| Computer Graphics | Illuminazione e shading | Calcolo delle normali alle superfici per l’illuminazione |
| Meteorologia | Previsioni atmosferiche | Gradiente di pressione per determinare la direzione del vento |
7. Errori Comuni da Evitare
- Dimenticare di normalizzare il vettore direzione nella derivata direzionale
- Confondere il gradiente con la divergenza (il gradiente è un operatore che trasforma scalari in vettori)
- Non applicare correttamente la regola del prodotto nelle derivate parziali
- Trattare erroneamente le variabili (derivando rispetto a x, y va trattata come costante e viceversa)
- Dimenticare le unità di misura nelle applicazioni fisiche
8. Gradiente in Dimensione Superiore
Per funzioni di n variabili f(x₁,x₂,…,xₙ), il gradiente è un vettore n-dimensionale:
∇f = (∂f/∂x₁, ∂f/∂x₂, …, ∂f/∂xₙ)
Esempio in 3D: per f(x,y,z) = x² + y² + z² (distanza dall’origine al quadrato)
∇f = (2x, 2y, 2z) che punta radialmente verso l’esterno con intensità proporzionale alla distanza
9. Relazione con altri Operatori Differenziali
Il gradiente è uno dei tre operatori fondamentali dell’analisi vettoriale, insieme a:
- Divergenza (∇·): misura quanto un campo vettoriale “diverge” da un punto
Identità importante: ∇·(∇f) = ∇²f (Laplaciano), ∇×(∇f) = 0 (il rotore di un gradiente è sempre zero)
10. Risorse per Approfondire
Per ulteriori studi sul gradiente e le sue applicazioni, consultare: