Investigacion Operativa

Milton Torres
2013

Captulo 1
Convexidad
1.1.

Conjuntos Convexos

Estudiaremos sobre (Rn , k k2 ), notado k x k=

p
x21 + . . . + x2n .

Definici
on 1.1 Dados u, v Rn . Se llama segmento cerrado que une u y v al conjunto
notado, [u, v] Rn definido por:
[u, v] = {u + (v u) Rn | 0 1}
Es claro que [u, v] = {u + (v u) Rn | 0 1} Rn o
[u, v] = {1 u + 2 v | 1 0, 2 0, 1 + 2 } = 1
Definici
on 1.2 Un conjunto C Rn se dice convexo si x, y C y R tal que
0 1 se tiene que (1 )x + y C.
Definici
on 1.3 Dado C un convexo en Rn . Se llama dimensi
on del convexo C a la dimension de la mnima variedad afn que lo contiene.
Definici
on 1.4 Se dice que H = {x Rn | aT x = } con a Rn (a 6= 0) es un hiperplano
afn si 6= 0 y un hiperplano lineal si = 0.
Obs. a es el vector normal al plano H.
Obs. Es facil mostrar que H es convexo y que dim(H)=n 1.
Definici
on 1.5 Se dice que S = {x Rn |aT x } con a Rn y (a 6= o), es un semiespacio
afn de Rn (si 6= 0) y lineal (si = 0).
Obs. Es facil mostrar que S es convexo y que dim(S)=n.
Teorema 1.1 La interseccion arbitraria de convexos es un conjunto convexo.
Corolario 1.1 El conjunto {x Rn | Ax = b} con A Mmn y b Rn es convexo.
Obs. El conjunto solucion de todo sistema lineal de ecuaciones es un conjunto convexo.
1

Corolario 1.2 El conjunto {x Rn | Bx d} es convexo.

Corolario 1.3 El conjunto F = {x Rn | Ax = b} y Bx d} es un convexo.
Propiedad 1: Todo conjunto factible de un problema de PL es un conjunto convexo.
Definici
on 1.6 Dados x1P
, x2 , . . . , xp vectores (puntos) de Rn y escalares 1 , 2 , . . . , p tales
que i 0 i = 1, . . . , p y pi=1 i = 1 entonces el vector
y = 1 x1 + 2 x2 + . . . + p xp
se dice una combinaci
on lineal convexa finita de los vectores {xi }pi=1 .
Definici
on 1.7 Sea A Rn se llama envolvente convexa de A y se nota Envc(A), al
conjunto definido por
Envc(A) = { combinaciones convexas f initas de puntos de A }
Teorema 1.2 Si A Rn es un subconjunto arbitrario. Entonces Envc(A) es un conjunto
convexo.
Teorema 1.3 A es convexo si y solo si Envc(A) = A.
Teorema 1.4
Envc(A) =

DA

donde D es convexo. Es decir, Envc(A) es el menor convexo que contiene a A.

Definici
on 1.8 Un poliedro es la interseccion de un conjunto finito de semiespacios afines.
Obs. El conjunto factible de un problema de PL siempre es un poliedro.
Obs. Todo poliedro F se podra poner en la forma F = {x Rn | Ax b}
Problema: En optimizacion discreta (o combinatoria) las soluciones factibles son puntos de Rn (o {0, 1}n ).
Idea: Describir Envc(F ) mediante un ((buen)) sistema de desigualdades.
Definici
on 1.9 Un poliedro acotado se dice Politopo.
Definici
on 1.10 Sea A Rn
Un punto a A es un punto interior de A si > 0 tal que
B(a, ) = {x Rn | kx ak < } A
= {x A | x es un punto interior de A}
Int(A) = A

Un punto a Rn se dice un punto frontera de A, si > 0 tal que

B(a, ) A 6=
B(a, ) A0 6=
Front(A) = {x A | es un punto frontera de A}

A se dice abierto si A = A.
A se dice cerrado si contiene a todos sus puntos frontera, es decir Front(A) A.
A se dice compacto si es cerrado y acotado.
A se dice acotado si r > 0 tal que x A, kxk r.
Obs.
Todo poliedro es cerrado, por ser la interseccion finita de semiespacios cerrados.
Un poliedro cerrado y acotado (compacto) se dice politopo.

1.2.

Hiperplanos de apoyo de un convexo y teorema de

separaci
on

Teorema 1.5 (Riesz) Si C es un compacto cerrado y no vaco, e y

/ C entonces x0 C
tal que
kx0 yk = Min{kx yk | x C}
= d(y, C)

1.2.1.

Teorema de separaci
on entre un punto y un convexo

Teorema 1.6 Sea C un conjunto convexo, cerrado y no vaco, e y

/ C entonces a Rn
(a 6= 0) tal que
aT y < Inf aT x
donde x C.
Obs. Este teorema muestra que el hiperplano H = {x Rn | aT (x y) = 0} que pasa por
y ((separa)) y de C, es decir C queda completamente incluido en uno de los semiespacios que
define H.
Definici
on 1.11 Sea C Rn un conjunto convexo e y Fr(c). Un hiperplano H se dice
hiperplano de apoyo de C en y si
H contiene a y (((pasa)) por y).

C queda completamente incluido en uno de los semiespacios cerrados definidos por H.

(H + = {x Rn | aT x } o H = {x Rn | aT x })
Teorema 1.7 (Existencia de hiperplanos de apoyo de un convexo) Sea C un convexo, cerrado y no vaco e y Fr(C). Entonces existe un hiperplano de apoyo de C en y.

1.3.

Puntos extremos de un convexo

Definici
on 1.12 Dado un convexo C. Se dice que x es un punto extremo de C sino existe
x1 , x2 C (x1 6= x2 ) tal que
x = x1 + (1 )x2
con 0 < < 1. Es decir, x es un punto extremo de C si nunca puede pertenecer a un segmento
abierto ]x1 , x2 [ con puntos extremos x1 y x2 distintos de C.
Obs. La condicion necesaria para que x sea un punto extremo es que x Fr(C) pero la
condicion no es suficiente.
Teorema 1.8 Sea C un conjunto convexo cerrado y no vaco, y H un hiperplano de apoyo
de C. Entonces todo extremo de T = H C es un punto extremo de C.
Definici
on 1.13 Sea A Rn . Se dice que A es inferiormente acotado si M R,
x = (x1 , x2 , . . . , xn ) A se cumple las condiciones
xi M
i = 1, . . . , n.
Obs. En la P.L. se suele tomar M = 0.
Teorema 1.9 Sea C un convexo, cerrado y acotado infinito, y no vaco. Entonces
1. C contiene al menos un punto extremo.
2. Todo hiperplano de apoyo de C contiene al menos un punto extremo de C.