-
Not Synced
RKA4 - Olá, pessoal! Tudo bem?
-
Not Synced
Vamos dizer que você tenha uma função multivariável
-
Not Synced
que dessa vez tem entradas dimensionais bem altas,
-
Not Synced
então x₁, x₂ e vai, vai, vai,
até que chegue em xₙ,
-
Not Synced
n sendo um número longo.
-
Not Synced
Nos últimos vídeos vêm sendo falado
sobre o operador Laplaciano
-
Not Synced
que é um jeito de pegar a sua função de valor escalar f
-
Not Synced
no qual te dará uma nova função de valor escalar
-
Not Synced
e que também é como uma segunda derivada
-
Not Synced
porque pega a divergência
do gradiente de sua função f.
-
Not Synced
Então o gradiente de f dá um campo vetorial
-
Not Synced
e a divergência disso nos dá um campo escalar.
-
Not Synced
O que eu quero mostrar aqui
é que existe uma outra fórmula
-
Not Synced
que você provavelmente verá
para esse operador Laplace.
-
Not Synced
Primeiro vamos escrever aqui de forma abstrata
como o gradiente de f iria se parecer.
-
Not Synced
Iniciamos ao pegar esse operador del
-
Not Synced
no qual vai ser um vetor
cheio de operadores de diferencial parcial,
-
Not Synced
parcial em relação a x₁,
parcial em relação a x₂,
-
Not Synced
indo até que chegue na parcial
em relação com a última variável de entrada.
-
Not Synced
E então você multiplica pela sua função.
-
Not Synced
O que terá no final serão todas as derivadas parciais de f,
-
Not Synced
a parcial de f em relação a primeira variável
-
Not Synced
e depois vai, vai, vai até conseguir a parcial derivada de f
em relação a última variável xₙ.
-
Not Synced
A divergência disso...
-
Not Synced
bem, para me salvar um pouco de escrever isso aqui,
-
Not Synced
você vai pegar o operadora nabla
e pegar o produto escalar entre todo operador
-
Not Synced
e esse vetor gradiente que temos aqui.
-
Not Synced
O que você consegue no final é...
-
Not Synced
Vamos iniciar multiplicando os primeiros componentes
-
Not Synced
que envolvem pegar a derivada parcial em relação a x₁,
a primeira variável da derivada parcial de f,
-
Not Synced
em relação a mesma variável.
-
Not Synced
Assim parece como a segunda derivada parcial de f
em relação a x₁, a primeira variável.
-
Not Synced
Depois você adiciona qual o produto
entre esses dois próximos itens vai ser.
-
Not Synced
Por razões bem semelhantes,
-
Not Synced
isso vai parecer com a segunda parcial derivada de f
em relação a segunda variável, parcial de x₂².
-
Not Synced
E você fará isso com todos os outros até o último.
-
Not Synced
Então temos mais coisas aqui,
e uma outra série de coisas,
-
Not Synced
e chegamos então na segunda derivada parcial de f
em relação a última variável, parcial de xₙ².
-
Not Synced
Esse é um outro tipo de formato
que você provavelmente vai ver no operador Laplaciano.
-
Not Synced
Algumas vezes será também escrito de forma compacta.
-
Not Synced
Então o Laplaciano de sua função f é igual a...
-
Not Synced
Usando a notação sigma diremos que a soma vinda de ⅈ
é igual a 1, sabe?
-
Not Synced
1, 2, 3 até n.
-
Not Synced
Então a soma disso até n
de nossas segundas parciais derivadas,
-
Not Synced
parciais ao quadrado de f com a variável ⅈ,
-
Not Synced
então a soma disso até n
de nossa segundas parciais derivadas,
-
Not Synced
parcial ao quadrado de f com a variável ⅈ.
-
Not Synced
Então estamos pensando aqui em termos de três variáveis:
-
Not Synced
antes, X₁, x₂, x₃
iríamos escrever x, y e z,
-
Not Synced
mas é mais comum escrever, geralmente, só xⅈ.
-
Not Synced
Isso aqui é uma fórmula alternativa
que você provavelmente vai ver para o operador de Laplace.
-
Not Synced
Pessoalmente, eu sempre gosto de pensar sobre isso
como pegar a divergência do gradiente de f
-
Not Synced
porque você está pensando sobre o campo gradiente
-
Not Synced
e a divergência disso corresponde com o máximo
e o mínimo da sua função original.
-
Not Synced
Inclusive foi isso que foi falado no vídeo
da intuição inicial de Laplace,
-
Not Synced
mas essa fórmula provavelmente é mais direta
quando se diz para calcular,
-
Not Synced
dado algum exercício que você venha a ter.
-
Not Synced
Isso também deixa mais claro como o operador de Laplace
é como uma extensão da ideia da segunda derivada.
-
Not Synced
E é isso, pessoal.
-
Not Synced
Espero que tenham aprendido
e até a próxima!