La notazione multi-indice è una notazione matematica che permette la notevole semplificazione di molte formule, mediante la generalizzazione del concetto di indice a quello di ennupla ordinata di indici.
Trova applicazione, ad esempio, nel calcolo in più variabili , nelle equazioni differenziali alle derivate parziali e nella teoria delle distribuzioni .
Un multi-indice n -dimensionale è una ennupla di numeri naturali , cioè numeri interi, maggiori o uguali a zero,
α
=
(
α
1
,
α
2
,
…
,
α
n
)
∈
N
n
{\displaystyle \alpha =(\alpha _{1},\alpha _{2},\ldots ,\alpha _{n})\in \mathbb {N} ^{n}}
.
Si definiscono le seguenti regole, per
α
,
β
∈
N
n
,
x
=
(
x
1
,
x
2
,
…
,
x
n
)
∈
R
n
{\displaystyle \alpha ,\beta \in \mathbb {N} ^{n},\mathbf {x} =(x_{1},x_{2},\ldots ,x_{n})\in \mathbb {R} ^{n}}
:
α
±
β
=
(
α
1
±
β
1
,
α
2
±
β
2
,
…
,
α
n
±
β
n
)
;
{\displaystyle \alpha \pm \beta =(\alpha _{1}\pm \beta _{1},\,\alpha _{2}\pm \beta _{2},\ldots ,\,\alpha _{n}\pm \beta _{n});}
α
≤
β
⇔
α
i
≤
β
i
∀
i
;
{\displaystyle \alpha \leq \beta \quad \Leftrightarrow \quad \alpha _{i}\leq \beta _{i}\quad \forall \,i;}
|
α
|
=
α
1
α
2
…
α
n
;
{\displaystyle |\alpha |=\alpha _{1} \alpha _{2} \ldots \alpha _{n};}
α
!
=
α
1
!
α
2
!
…
α
n
!
;
{\displaystyle \alpha !=\alpha _{1}!\alpha _{2}!\ldots \alpha _{n}!;}
(
α
β
)
=
α
!
(
α
−
β
)
!
β
!
=
(
α
1
β
1
)
(
α
2
β
2
)
…
(
α
n
β
n
)
;
{\displaystyle {\alpha \choose \beta }={\frac {\alpha !}{(\alpha -\beta )!\,\beta !}}={\alpha _{1} \choose \beta _{1}}{\alpha _{2} \choose \beta _{2}}\ldots {\alpha _{n} \choose \beta _{n}};}
x
α
=
x
1
α
1
x
2
α
2
…
x
n
α
n
;
{\displaystyle \mathbf {x} ^{\alpha }=x_{1}^{\alpha _{1}}x_{2}^{\alpha _{2}}\ldots x_{n}^{\alpha _{n}};}
D
α
=
D
1
α
1
D
2
α
2
…
D
n
α
n
,
{\displaystyle D^{\alpha }=D_{1}^{\alpha _{1}}D_{2}^{\alpha _{2}}\ldots D_{n}^{\alpha _{n}},\qquad }
dove
D
i
j
:=
∂
j
/
∂
x
i
j
{\displaystyle D_{i}^{j}:=\partial ^{j}/\partial x_{i}^{j}}
. Al posto della lettera D maiuscola si usa anche la notazione
∂
α
.
{\displaystyle \partial ^{\alpha }.}
Questa notazione permette di estendere molte formule del calcolo 1-variato ai casi n -variati. Alcuni esempi delle applicazioni più comuni:
(
∑
i
=
1
n
x
i
)
k
=
∑
|
α
|
=
k
k
!
α
!
x
α
.
{\displaystyle \left(\sum _{i=1}^{n}{x_{i}}\right)^{k}=\sum _{|\alpha |=k}^{}{{\frac {k!}{\alpha !}}\,\mathbf {x} ^{\alpha }}.}
Se u , v sono differenziabili , allora
D
α
(
u
v
)
=
∑
ν
≤
α
(
α
ν
)
D
ν
u
D
α
−
ν
v
.
{\displaystyle D^{\alpha }(uv)=\sum _{\nu \leq \alpha }^{}{{\alpha \choose \nu }D^{\nu }u\,D^{\alpha -\nu }v}.}
Se f è analitica , allora
f
(
x
h
)
=
∑
|
α
|
≥
0
D
α
f
(
x
)
α
!
h
α
.
{\displaystyle f(\mathbf {x} \mathbf {h} )=\sum _{|\alpha |\geq 0}^{}{{\frac {D^{\alpha }f(\mathbf {x} )}{\alpha !}}\mathbf {h} ^{\alpha }}.}
Un operatore differenziale parziale dell'n -esimo ordine si può scrivere come
P
(
D
)
=
∑
|
α
|
≤
N
a
α
(
x
)
D
α
.
{\displaystyle P(D)=\sum _{|\alpha |\leq N}{}{a_{\alpha }(x)D^{\alpha }}.}
Se u , v sono differenziabili a supporto compatto in un dominio limitato
Ω
⊂
R
n
{\displaystyle \Omega \subset \mathbb {R} ^{n}}
si ha che
∫
Ω
u
(
D
α
v
)
d
x
=
(
−
1
)
|
α
|
∫
Ω
(
D
α
u
)
v
d
x
.
{\displaystyle \int _{\Omega }{}{u(D^{\alpha }v)}\,dx=(-1)^{|\alpha |}\int _{\Omega }^{}{(D^{\alpha }u)v\,dx}.}
Questa formula è usata per le definizioni di distribuzione e di derivata debole .
Tesi : Se i , k sono multi-indici n-dimensionali e
x
=
(
x
1
,
…
,
x
n
)
∈
R
n
,
{\displaystyle x=(x_{1},\ldots ,x_{n})\in \mathbb {R} ^{n},}
allora
∂
i
x
k
=
{
k
!
(
k
−
i
)
!
x
k
−
i
se
i
≤
k
,
0
altrimenti.
{\displaystyle \partial ^{i}x^{k}={\begin{cases}{\frac {k!}{(k-i)!}}x^{k-i}&{\text{se }}i\leq k,\\0&{\text{altrimenti.}}\end{cases}}}
Dimostrazione : Dalla regola di derivazione ordinaria, vale che, se i,k = 0,1,...
d
i
d
x
i
x
k
=
{
k
!
(
k
−
i
)
!
x
k
−
i
se
i
≤
k
,
0
altrimenti.
{\displaystyle {\frac {d^{i}}{dx^{i}}}x^{k}={\begin{cases}{\frac {k!}{(k-i)!}}x^{k-i}&{\text{se }}i\leq k,\\0&{\text{altrimenti.}}\end{cases}}}
Se supponiamo
i
=
(
i
1
,
…
,
i
n
)
{\displaystyle i=(i_{1},\ldots ,i_{n})}
,
k
=
(
k
1
,
…
,
k
n
)
{\displaystyle k=(k_{1},\ldots ,k_{n})}
, allora abbiamo che
∂
i
x
k
=
∂
|
i
|
∂
x
1
i
1
⋯
∂
x
n
i
n
x
1
k
1
⋯
x
n
k
n
=
∂
i
1
∂
x
1
i
1
x
1
k
1
⋯
∂
i
n
∂
x
n
i
n
x
n
k
n
,
{\displaystyle \partial ^{i}x^{k}={\frac {\partial ^{\vert i\vert }}{\partial x_{1}^{i_{1}}\cdots \partial x_{n}^{i_{n}}}}x_{1}^{k_{1}}\cdots x_{n}^{k_{n}}={\frac {\partial ^{i_{1}}}{\partial x_{1}^{i_{1}}}}x_{1}^{k_{1}}\cdots {\frac {\partial ^{i_{n}}}{\partial x_{n}^{i_{n}}}}x_{n}^{k_{n}},}
in quanto per ogni r=1,...,n la funzione
x
r
k
r
{\displaystyle x_{r}^{k_{r}}}
dipende solo dall'r-esima coordinata. Dall'uguaglianza scritta sopra, si evince che ogni differenziazione parziale
∂
/
∂
x
r
{\displaystyle \partial /\partial x_{r}}
si riduce alla derivazione ordinaria
d
/
d
x
r
{\displaystyle d/dx_{r}}
. Ma allora, dalla regola di derivazione scritta all'inizio, ne segue che
∂
i
x
k
{\displaystyle \partial ^{i}x^{k}}
si annulla se
i
r
>
k
r
{\displaystyle i_{r}>k_{r}}
per qualche r=1,...,n . Se ciò non accade mai, cioè se, per definizione,
i
≤
k
{\displaystyle i\leq k}
nel senso del multi-indice, allora per ogni r=1,...,n viene
d
i
r
d
x
r
i
r
x
r
k
r
=
k
r
!
(
k
r
−
i
r
)
!
x
r
k
r
−
i
r
{\displaystyle {\frac {d^{i_{r}}}{dx_{r}^{i_{r}}}}x_{r}^{k_{r}}={\frac {k_{r}!}{(k_{r}-i_{r})!}}x_{r}^{k_{r}-i_{r}}}
e dunque la tesi del teorema.
◻
{\displaystyle \Box }