Mster en ADMINISTRACIN Y DIRECCIN DE EMPRESAS

Universidad de Lima

Universidad Pablo de Olavide

Octubre 2017

1
Fundamentos Matemticos
 Anexo preliminar bsico: CONVEXIDAD

1. CONJUNTOS CONVEXOS

2. COMBINACIN CONVEXA. ENVOLVENTE CONVEXA

3. CONVEXOS NOTABLES EN Rn

4. FUNCIONES CONVEXAS Y FUNCIONES CONCAVAS

5. CARACTERIZACIN DE FUNCIONES CONVEXAS Y

CONCAVAS
 1. CONJUNTO CONVEXO

Definicin: Un conjunto S R es convexo si x , y S se verifica

n

x ( 1 ) y S , 0,1 .

Ejemplos.
a) Es convexo. b) No es convexo.
x

x x y
y
y
PROPIEDADES

1) La interseccin de conjuntos convexos es un conjunto convexo.

2) La unin de conjuntos convexos, en general, no es un conjunto convexo.
3) La suma de conjuntos convexos es un conjunto convexo.
4) El producto de un nmero real por un conjunto convexo es un conjunto convexo.
5) La imagen mediante una aplicacin lineal de un conjunto convexo es un conjunto
convexo.
6) El producto cartesiano de conjuntos convexos es convexo.
7) El conjunto de soluciones de un sistema lineal de ecuaciones es un conjunto
convexo.
8) El conjunto de soluciones no negativas de un sistema lineal de inecuaciones es un
conjunto convexo.
 Punto Extremo o Vrtice

Definicin: Sea S R n convexo. x S es un punto extremo o vrtice de S si no existen

x 1 , x 2 S , tales que x x 1 ( 1 ) x 2 , 0 1 .
Ejemplos.
x1 x2
x3
x2
x4

x1 x4 x3
x1 y x 3 son puntos extremos. x2 y x4 no lo son.

Un conjunto convexo puede no tener puntos extremos, o tener un nmero finito o

infinito de ellos .
2. COMBINACIN CONVEXA. ENVOLVENTE CONVEXA

COMBINACION CONVEXA. ENVOLVENTE CONVEXA.

Definicin: Un punto x R n es combinacin convexa de los puntos x 1 , x 2 ,..., x m R n si

m
x 1 x1 2 x 2 ... m x m con i 1 , i 0 , i 1 ,..., m .
i 1
Los puntos de un segmento son combinaciones convexas de los extremos, y viceversa,
si un punto es combinacin convexa de dos puntos, entonces est en el segmento que
los une.
Geomtricamente, las combinaciones convexas de los puntos x 1 , x 2 , x 3 R 3 son

x2

x3

x3
m
Teorema: S R n
es convexo m N , 1 x1 2 x2 ... m xm S , i 1 ,
i 1

i 0 , x i S , i 1,..., m .
 ENVOLVENTE CONVEXA

~
Definicin: Sea A R n , la envolvente conve xa o cie rre conve xo de A, A , es la interseccin
de todos los conjuntos conve xos que contiene a A .
Por ser interseccin de convexos, e l cierre convexo de un conjunto es sie m pre
convexo, adem s es e l m nim o convexo que contiene a A. S i A es convexo, entonces
~
A A.

Ejem plos.
1) ~ 2)
A
A
~
B

B { ( 0 ,0 ), ( 2 ,0 ), ( 1 ,1 ), ( 1 ,2 ) }

Teorema: La envolvente convexa de un conjunto A, es el conjunto de todas las

combinaciones convexas de cualquier nmero finito de puntos de A.
Ejemplos.
~
1) Sea A { ( 1,0 ), ( 0 ,1 ) } . A

~
A { ( x , y ) R 2 , ( x , y ) 1 ( 1 ,0 ) 2 ( 0 ,1 ), 1 2 1 , 1 , 2 0 } =

{ ( x , y ) R 2 , x y 1, x , y 0 } .

2) B { ( 1 ,0 ), ( 0 ,1 ),( 0 ,0 ) }

~
B { ( x , y ) R 2 , ( x , y ) 1 ( 1,0 ) 2 ( 0 ,1 ) 3 ( 0 ,0 ), 1 2 3 1, 1 , 2 , 3 0 } =

{ ( x , y ) R 2 , x y 1, x , y 0 } .
 3. CONVEXOS NOTABLES EN n
n R
CONVEXOS NOTABLES DE R
Definicin: Sea a R n , a , se llama hiperplano de normal a , a un subconjunto de R n

de la forma H { x R n , a t x }, R .

Los hiperplanos son conjuntos convexos.

Un hiperplano, H, determina dos subconjuntos de R n llamados semiespacios

cerrados: H { x R n , a t x }, H { x R n , a t x },

abiertos: H 0 { x R n , a t x }, H 0 { x R n , a t x }.
Los semiespacios son conjuntos convexos.
1
Ejemplo. Un hiperplano de normal a es H { ( x , y ) R 2 , x 2 y 2 } .
2

a
H
Definicin: Un conjunto C Rn es un cono de vrtice el origen si
x C , x C , R , 0.
Geomtricamente, esto significa que un cono contiene a todas las semirrectas que
pasan por el origen y por un punto de C.

Ejemplos: C

C C
 Cono engendrado por A (C(A))

Definicin: Sea A R n , se llama cono engendrado por A al mnimo cono convexo que lo
contiene.
El cono engendrado por A coincide con el conjunto de todas las combinaciones lineales
no negativas de puntos de A.
r
C ( A ) { x R , x i xi , xi A , i 0 }
n
i 1

Es el cierre convexo del mnimo cono que contiene a A. Puede verse tambin como el
mnimo cono que contiene al cierre convexo de A.

Ejemplo: Sea A { ( 1,1 ), ( 1,2 ) }

C
4. FUNCIONES CONVEXAS Y FUNCIONES CONCAVAS

Definiciones. Sea f : S R n R , S convexo.

La funcin f es convexa en S si

f ( x ( 1 ) y ) f ( x ) ( 1 ) f ( y ), x , y S , 0 ,1 .
f es estrictamente convexa en S si
f ( x ( 1 ) y ) f ( x ) ( 1 ) f ( y ), x , y S , x y , ( 0 ,1 ) .
f es cncava en S si ( f ) es convexa en S . Equivalentemente
f ( x ( 1 ) y ) f ( x ) ( 1 ) f ( y ), x , y S , 0 ,1 .
f es estrictamente cncava en S si ( f ) es estrictamente convexa en S.
Equivalentemente
f ( x ( 1 ) y ) f ( x ) ( 1 ) f ( y ), x , y S , x y , ( 0 ,1 ) .
 f(y)
(f(x)+f(y))/2
f(x)
f((x+y)/2)

x (x+y)/2 y
Proposicin: Sea S R n un conjunto convexo, f : S R n R es convexa en S si y solo
m m m
si f ( i xi ) i f ( xi ), m N , xi S , i 0 , i 1 .
i 1 i 1 i 1

Propiedades.
1) Sea S R n convexo. Si f : S R n R convexa en S, entonces cf es convexa

c R , c 0
Observacin: Si c < 0, entonces cf es cncava.

2) Sea S R n un conjunto convexo, f , g : S R n R convexas en S, entonces

f g es una funcin convexa en S.

 Definicin: Sea f : S R n R , y R .

Una curva de nivel de la funcin f es C { x S , f ( x ) } .

Un conjunto de nivel de la funcin f es S { x S , f ( x ) } .

f(x)
f(x)

aa bb cc dd
El conjunto de nivel de la funcin f es S { ab } { cd } .
La curva de nivel es C { a } { b } { c } { d }.

Los conjuntos de nivel de una funcin convexa son convexos.

f : S R n R concava T {x S , f ( x) } convexos R
5. CARACTERIZACIN DE FUNCIONES CONVEXAS Y CNCAVAS

Teorema: Sea S Rn convexo y abierto, si f : S Rn R es convexa o cncava en S,

entonces es continua en S.

Teorema: Sea S R n convexo y abierto, f : S R n R , f C 2 ( S ) .

a) f es convexa en S x S , Hf ( x ) es D.P. o SDP.

b) x S , Hf ( x ) es D.P. f es estrictamente convexa en S.

5. CARACTERIZACIN DE FUNCIONES CONVEXAS Y CNCAVAS

Signo deuna
Signo de unaformas
formacuadraticas
cuadrtica
La matriz A, cuadrada de orden n, define una forma cuadratica:
DP (DN) si y solamente si
z t Az > 0 (z t Az < 0),
zIRn , z /
= 0.
A tiene todos sus autovalores positivos (negativos).
Los menores principales de A tienen todos signo positivo
(( 1)k , k = 1, 2, . . . , n).
SDP (SDN) si y solamente si
z t Az 0 (z t Az 0),
zIRn .
A tiene todos sus autovalores positivos o nulos (negativos o
nulos).
Si los menores principales de A hasta orden k < n tienen todos
signo positivo (orden 1, negativo; orden 2, positivo, orden 3,
negativo; . . .) y los menores principales de orden mayor que k
son nulos, entonces A es SDP (SDN).
En otro caso la matriz A es indefinida.
 Ejemplos:

2 0
1) f ( x, y ) ( x 3 ) ( y 1 )
2 2
Hf ( x, y ) f estric. convexa
0 2
4 x3 12 x 2 0
f ( x, y ) x y f x, y
4 4
2)
3
Hf ( x, y )
2
4y 0 12 y

3) El conjunto { ( x , y ) R , xy 1 , x , y 0 } Hf ( x, y ) DN SDN
f cncava
Referencias

http://www.uv.es/~sala/clase03.pdf
http://www.uam.es/personal_pdi/economicas/portega/web-
algebra/capitulo-7/teoria7-2/7-2-teoria.htm
Barbolla, R., Cerd, E. y Sanz, P. (1991): Optimizacin Matemtica:
Teora, ejemplos y contraejemplos. De. Espasa-Calpe. Madrid
Guerrero Casas, Flor Mara (1994): "Curso de Optimizacin.
Programacin. Matemtica. Ed. Ariel Economa. Barcelona.