Captulo 4

Convexidad

1. Conjuntos convexos
En este captulo estudiaremos el concepto de convexidad, el cual es su-
mamente importante en el analisis. Estudiaremos conjuntos convexos y fun-
ciones convexas en Rn , as como las propiedades y relaciones entre sus puntos
y valores extremos.
En esta seccion estudiaremos los conjuntos convexos. Recordemos que
un conjunto K Rn es convexo si, para todo x, y K y t [0, 1],

(1 t)x + ty K.

Ejemplo 4.1. Un semiespacio

H = {x Rn : x x0 c}

es convexo: Si x, y H, t [0, 1],

((1 t)x + ty) x0 = (1 t)x x0 + ty x0 (1 t)c + tc = c,

as que (1 t)x + ty H.

Proposicion 4.2. La interseccion de conjuntos convexos es convexo.

Demostracion.
T Sea {K } una coleccion de conjuntos convexos, y sean
x, y K . Entonces x, y K para todo y, si 0 t 1,

(1 t)x + ty K
T
para todo . Por lo tanto (1 t)x + ty K . 

65
66 4. Convexidad

Definicion 4.3. Decimos que Rn es un poltopo convexo si es la inter-

seccion de un numero finito de semiespacios cerrados. Es decir,
m
\
= Hi , Hi = {x xi ci }.
i=1

La proposicion 4.2 justifica el adjetivo convexo en la definicion anterior.

Definicion 4.4. Sea K un conjunto convexo cerrado. Un hiperplano de
apoyo para K es un hiperplano
P = {x Rn : x x0 = c}
tal que P K 6= y
K HP = {x Rn : x x0 c}.

Es decir, el hiperplano P interseca al convexo K, y K se encuentra de

un solo lado de P . El siguiente teorema establece que un conjunto convexo
cerrado tiene un hiperplano de apoyo en cada punto de su frontera.
Teorema 4.5. Sea K un conjunto convexo cerrado y x0 fr K. Entonces
existe un hiperplano de apoyo P para K tal que x0 P .

Demostracion. Sea (yk ) una sucesion en Rn \ K tal que yk x0 . Para

cada k, sea zk K un punto mas cercano a yk en K, es decir
|zk yk | |x yk | para todo x K.
Tal punto existe por la proposicion 1.34. Sea
zk yk
uk = .
|zk yk |
Como (uk ) es acotada, entonces existe una subsucesion que converge por el
teorema de Bolzano-Weierstrass. Para simplificar, supongamos que uk u.
Sea
P = {x Rn : (x x0 ) u = 0}.
Vamos a demostrar que P es un hiperplano de apoyo para K. Es decir,
tenemos que mostrar que
K {x Rn : (x x0 ) u 0}.

Sea x K y > 0. Vamos a mostrar que (x x0 ) u

Demostraremos primero que (x zk ) uk 0 para todo k. Si t [0, 1] y
y = (1 t)zk + tx,
entonces y K y
|y yk | |zk yk |.
1. Conjuntos convexos 67

En otras palabras, |y yk |2 |zk yk |2 . Ademas

|y yk |2 = |(1 t)zk + tx yk |2 = |t(x zk ) + (zk yk )|2
= t2 |x zk |2 + 2t(x zk ) (zk yk ) + |zk yk |2 ,
por lo que, si t 6= 0,
t|x zk |2 + 2(x zk ) (zk yk ) 0.
Como t (0, 1] es arbitrario, obtenemos 2(x zk ) (zk yk ) 0. Por lo
tanto
(x zk ) uk 0.

Dado > 0, tomamos k tal que

|uk u| < y |yk x0 | < .
2(|x x0 | + 1) 4
Entonces, como |uk | = 1,
|(x x0 ) u (x zk ) uk |
|(x x0 ) u (x x0 ) uk | + |(x x0 ) uk (x zk ) uk |
|x x0 ||u uk | + |uk ||zk x0 |

< + |zk yk | + |yk x0 |
2

+ 2|x0 yk | < + 2 = ,
2 2 4
donde tambien hemos usado el hecho que |zk yk | |x yk |. Por lo tanto,
como (x zk ) uk 0,
(x x0 ) u (x x0 ) u (x zk ) uk .

Por lo tanto, como > 0 es arbitrario,

(x x0 ) u 0.


Corolario 4.6. Sea K un conjunto convexo cerrado no vaco y tal que

K 6= Rn . Entonces K es la interseccion de semiespacios cerrados.

Demostracion.
T Para cada x fr K, tomamos un hiperplano de apoyo Px
con x Px K. Dejamos como ejercicio (ejercicio 2) verificar que
\
K= H Px .
xfr K


68 4. Convexidad

2. Combinaciones convexas y simplejos

Definicion 4.7. Una combinacion convexa de x1 , . . . , xm Rn es una com-
binacion lineal
m
X
t i xi
i=1
tal que
m
X
ti 0, i = 1, . . . , m, y ti = 1.
i=1

Ejemplo 4.8. El vector (1 t)x + ty, t [0, 1], es una combinacion convexa
de x y y: t, 1 t 0 y (1 t) + t = 1.

Proposicion 4.9. K Rn es convexo si, y solo si, es cerrado bajo combi-

naciones convexas.

Demostracion. Si K es cerrado bajo combinaciones convexas, entonces es

convexo simplemente por la definicion de convexidad y el ejemplo 4.8.
P
. , xm K, y t1 , . . . , tm 0 tales que
Sea K convexo, x1 , . . P ti = 1.
Queremos demostrar que m t x
i=1 i i K. Esto lo haremos por induccion en
m: si m = 2, (1 t)x1 + tx2 K por la definicion de convexo.
PmSea m > 2 y suponemos que el resultado es cierto para m 1. Si tm = 1,
i=1 ti xi = xm K. Supongamos entonces que tm < 1. Sabemos que

t1 + t2 + . . . + tm1 = 1 tm .
Entonces
t1 t2 tm1
+ + ... + =1
1 tm 1 tm 1 tm
y, por induccion,
t1 t2 tm1
x = x1 + x2 + . . . + xm1 K.
1 tm 1 tm 1 tm
Entonces, como K es convexo y x, xm K,
t1 x1 + . . . + tm1 xm1 + tm xm = (1 tm )x + tm xm K.


La siguiente proposicion implica que, en toda combinacion convexa, solo

n + 1 puntos son suficientes.

Proposicion 4.10. Sea S Rn , y sea x la combinacion convexa de puntos

en S. Entonces x es la combinacion convexa de a lo mas n + 1 puntos de S
2. Combinaciones convexas y simplejos 69

Demostracion. Supongamos que

Xm m
X
x= t i xi , ti 0, ti = 1,
i=1 i=1
y m > n + 1. Vamos a demostrar que x es la combinacion convexa de a lo
mas m 1 de las xi . Claramente podemos asumir que todo ti > 0.
Como m 1 > n,
x1 xm , x2 xm , . . . , xm1 xm
son linealmente dependientes, as que existen c1 , c2 , . . . , cm1 , no todos cero,
tales que
c1 (x1 xm ) + c2 (x2 xm ) + . . . + cm1 (xm1 xm ) = 0.
Sea cm = (c1 + c2 + . . . + cm1 ). Entonces
m
X
c1 x1 + c2 x2 + . . . + cm1 xm1 + cm xm = 0 y ci = 0.
i=1
Sea tal que
1 c1 cm
= max{ , . . . , },
t1 tm
y si = ti ci . Observamos que > 0. Como ci ti para todo ci 6= 0,
si 0 y
Xm m
X X m
si = ti ci = 1.
i=1 i=1 i=1
Ademas, si0 = 0 para algun i0 . Entonces
m
X X X X
s i xi = (ti ci )xi = t i xi ci xi = x,
i=1
i0 6=0

por lo que x es combinacion convexa de los m 1 i, i 6= i0 . 

Definicion 4.11. Sean x0 , x1 , ..., xr Rn tales que
x1 x0 , x2 x0 , . . . , xr x0
son linealmente independientes. El r-simplejo generado por x0 , x1 , . . . , xr es
el conjunto de todas las combinaciones convexas de x0 , x1 , . . . , xr . Vease la
figura 1.

Si K es el r-simplejo generado por P x0 , x1 , . . . , xr y x K, entonces

existen unicos t0 , t1 , . . . , tr tales que x = ri=0 ti xi (ejercicio 4.) A las coor-
denadas del vector (t0 , t1 , ..., tr ) se les llama coordenadas baricentricas de
K.
El simplejo estandar en Rn es el n-simplejo generado por 0, e1 , e2 , . . . , en .
70 4. Convexidad

.
x0 x0 x1

0simplejo 1simplejo

x2 x2

x3
x0 x1
x0 x1
2simplejo 3simplejo

Figura 1. r-simplejos con r = 0, 1, 2, 3.

3. Funciones convexas
En esta seccion estudiaremos a las funciones complejas y algunas de sus
propiedades analticas.

Definicion 4.12. Sea K Rn convexo y f : K R. Decimos que f es

convexa si, para x1 , x2 K y t [0, 1],

f (tx1 + (1 t)x2 ) tf (x1 ) + (1 t)f (x2 ).

Pm
Es facil verificar que si f : K R es convexa y i=1 ti xi es una combi-
nacion convexa de x1 , . . . , xm K, entonces
m
X  Xm
f t i xi ti f (xi ).
i=1 i=1

Vease el ejercicio 8.

Ejemplo 4.13. f : Rn R, f (x) = |x| es una funcion convexa:

|tx1 + (1 t)x2 | t|x1 | + (1 t)|x2 |,

por la desigualdad del triangulo y el hecho que t, 1 t 0.

Para f : K R, definimos el conjunto K + Rn+1 como

K + = {(x, z) K R : z f (x)}.

K + es entonces el conjunto de puntos en Rn+1 que estan arriba de la grafica

de f .

Proposicion 4.14. f : K R es convexa si, y solo si, K + es convexo.

3. Funciones convexas 71

Demostracion. Supongamos que f es convexa y sean (x1 , z1 ), (x2 , z2 )

K + . Entonces z1 f (x1 ) y z2 f (x2 ), y queremos mostrar que, para
t [0, 1],
t(x1 , z1 ) + (1 t)(x2 , z2 ) = (tx1 + (1 t)x2 , tz1 + (1 t)z2 ) K + ,
es decir,
tz1 + (1 t)z2 f (tx1 + (1 t)x2 ).
Pero, como f es convexa,
f (tx1 + (1 t)x2 ) tf (x1 ) + (1 t)f (x2 ) tz1 + (1 t)z2 .
Entonces K + es convexo.
Supongamos ahora que K + es convexo. Tomamos x1 , x2 K. Entonces
(x1 , f (x1 )) K + y (x2 , f (x2 )) K + . Como K + es convexo, para t [0, 1]
t(x1 , f (x1 ))+(1t)(x2 , f (x2 )) = (tx1 +(1t)x2 , tf (x1 )+(1t)f (x2 )) K + .
Pero esto quiere decir
tf (x1 ) + (1 t)f (x2 ) f (tx1 + (1 t)x2 ).
Por lo tanto f es convexa. 

La siguiente proposicion nos sera de utilidad mas adelante. Primero de-

finimos, para c R, el conjunto
Kc = {x K : f (x) c},
el corte de f a la altura c. Vease la figura 2.
y

c c

Kc

Figura 2. El conjunto de las x tal que f (x) queda por debajo de c es Kc .

Proposicion 4.15. Si f es convexa en K, entonces cada Kc es convexo.

Demostracion. Sean x1 , x2 Kc . Entonces f (x1 ) c, f (x2 ) c. Como f

es convexa, para t [0, 1],
f (tx1 + (1 t)x2 ) tf (x1 ) + (1 t)f (x2 ) tc + (1 t)c = c,
por lo que entonces tx1 + (1 t)x2 Kc . 
72 4. Convexidad

La inversa de la proposicion 4.15 es falsa.

Ejemplo 4.16. Consideremos f : R R dada por f (x) = x3 . Entonces

K = R y cada Kc es el intervalo (, 3 c), as que es convexo. Sin embargo,
f no es convexa.
Ejemplo 4.17. Sea A Rn un conjunto cerrado tal que A 6= . Definimos
f : Rn R como
f (x) = mn{|x y| : y A}.
Tal mnimo existe por la proposicion 1.34. Demostraremos que f es convexa
si, y solo si, A es convexo.
Si f es convexa, entonces, como A = K0 , A es convexo, por la proposicion
4.15.
Supongamos ahora que A es convexo. Sean x1 , x2 Rn y t [0, 1].
Tomamos y1 , y2 A tales que f (x1 ) = |x1 y1 |, f (x2 ) = |x2 y2 |. Como A
es convexo, ty1 + (1 t)y2 A, as que
f (tx1 + (1 t)x2 ) |tx1 + (1 t)x2 (ty1 + (1 t)y2 )|
t|x1 y1 | + (1 t)|x2 y2 | = tf (x1 ) + (1 t)f (x2 ).
Entonces f es convexa.

Ahora estudiaremos la continuidad de las funciones convexas. Primero,

observemos que no todas las funciones convexas son continuas.
Ejemplo 4.18. Sea f : [0, 1] R dada por
(
1, x = 0, 1
f (x) =
0, 0 < x < 1
Entonces f es convexa, pero no es continua en 0 ni en 1.

Sin embargo, notemos que la funcion f no es continua precisamente en

los extremos de [0, 1].
Teorema 4.19. Sea K Rn convexo y abierto, y f : K R convexa.
Entonces f es continua.
Lema 4.20. Sea R un rectangulo cerrado. Entonces R es el conjunto de
todas las combinaciones convexas de sus vertices.

En otras palabras, si R = [a1 , b1 ] [an , bn ], el conjunto V de sus

vertices es el conjunto
V = {(c1 , c2 , ..., cn ) : ci = ai o bi }.
Entonces R es el conjunto de todas las combinaciones convexas de puntos
en V .
La demostracion del lema 4.20 la dejamos como ejercicio (ejercicio 7).
3. Funciones convexas 73

Demostracion. Sea x0 K y R K un rectangulo con centro en x0 y

de lado 2r, como se muestra en la figura 3. Sea B la bola cerrada Br (x0 ) y

x0 + u

x0
r

x0 u
2r

Figura 3. El rectangulo de la demostracion del teorema 4.19.

x B. Entonces la recta que pasa por x0 y x corta a fr B en dos vectores,

|x x0 |
digamos x0 + u y x0 u, con |u| = r. Entonces, si t = , x y x0
r
satisfacen las siguientes relaciones convexas:
x = (1 t)x0 + t(x0 + u),
1 t
x0 = x+ (x0 u).
t+1 t+1
Sea V el conjunto de vertices de R, y
M = max{f (y) : y V }.
Como f es convexa, el lema 4.20 implica que, para z R, f (z) M . Ademas
(4.1) f (x) (1 t)f (x0 ) + tf (x0 + u)
y
1 t
(4.2) f (x0 ) f (x) + f (x0 u).
t+1 t+1
De (4.1) obtenemos
f (x) (1 t)f (x0 ) + tM,
por lo que
f (x) f (x0 ) t(M f (x0 )).
De (4.2),
1 t
f (x0 ) f (x) + M,
t+1 t+1
as que
t(f (x0 ) M ) f (x) f (x0 ).
Entonces
|M f (x0 )|
|f (x) f (x0 )| t|M f (x0 )| = |x x0 |.
r
74 4. Convexidad

Dado > 0, escogemos

n r o
= mn r, .
|M f (x0 )| + 1
Entonces |x x0 | < implica que |f (x) f (x0 )| < . 

El siguiente teorema establece un criterio para la convexidad de funciones

diferenciables.

Teorema 4.21. Sea f diferenciable en K. Entonces f es convexa si, y solo

si,
(4.3) f (x) f (x0 ) + Df (x0 )(x x0 )
para todo x, x0 K.

Demostracion. Supongamos que f es convexa, y sea h = x x0 . Como f

es convexa, para t (0, 1]
f (x0 + th) (1 t)f (x0 ) + tf (x0 + h),
por lo que
f (x0 + th) f (x0 ) t(f (x0 + h) f (x0 )).
Restamos Df (x0 )(th) = tDf (x0 )(h)) de la desigualdad, dividimos entre t y
obtenemos
f (x0 + th) f (x0 ) Df (x0 )(th)
f (x0 + h) f (x0 ) Df (x0 )(h).
t
Como f es diferenciable, el lado izquierdo de la desigualdad va a 0 cuando
t 0. Entonces
f (x0 + h) f (x0 ) Df (x0 )(h) 0,
es decir
f (x) f (x0 ) + Df (x0 )(x x0 ).
Supongamos ahora que la desigualdad (4.3) es cierta para todo x0 , x
K. Sean x1 , x2 K, x1 6= x2 , t (0, 1) y x = (1 t)x1 + tx2 . Demostraremos
que
f (x) (1 t)f (x1 ) + tf (x2 ).

Tenemos
f (x1 ) f (x) + Df (x)(x1 x)
y
f (x2 ) f (x) + Df (x)(x2 x),
4. Puntos y valores extremos 75

as que
(1 t)f (x1 ) + tf (x2 )



(1 t) f (x) + Df (x)(x1 x) + t f (x) + Df (x)(x2 x)


= f (x) + Df (x) (1 t)x1 + tx2 x = f (x).


Como f (x0 ) + Df (x0 )(x x0 ) es la aproximacion lineal de f en el pun-

to x0 , entonces el teorema 4.21 establece que una funcion diferenciable es
convexa si, y solo si, su grafica se encuentra arriba de la grafica de su apro-
ximacion lineal en cada punto.

4. Puntos y valores extremos

En esta seccion estudiaremos los puntos extremos de conjuntos convexos,
y su relacion con los valores extremos (maximos y mnimos) de las funciones
convexas.
Definicion 4.22. Sea K Rn convexo. Decimos que x K es un punto
extremo de K si no existen x1 , x2 K, t (0, 1) tales que x = (1t)x1 tx2 .

Es decir, los puntos extremos de un conjunto convexo K son aquellos

que no son combinaciones convexas no triviales de puntos en K. No es difcil
ver que los puntos extremos de K se encuestran en su frontera (ejercicio 14).
Proposicion 4.23. Sea K Rn convexo y compacto. Entonces todo punto
de K es combinacion convexa de puntos extremos de K.

Demostracion. Demostraremos esta proposicion por induccion en n. Cuan-

do n = 1, K es un intervalo cerrado, y la proposicion es cierta porque, si
x [a, b], entonces
bx xa
x= a+ b.
ba ba
Suponemos entonces que el resultado es cierto para n 1. Sea K Rn
convexo y compacto. Primero, tomemos x0 T fr K. Sea P un hiperplano
de apoyo a K tal que x0 K P . Pero K P puede ser identificado
con un subconjunto convexo en Rn1 (ejercicio 15). Por induccion, x0 es
combinacion convexa de puntos extremos de K P , que a su vez son puntos
extremos de K (ejercicio 16).
Si x0 K 0 , sea L una recta que contiene a x0 . Entonces, como K es
convexo y compacto,
L fr K = {x1 , x2 },
y x0 es combinacion convexa de x1 y x2 , que a su vez son, cada uno, una
combinacion convexa de puntos extremos de K. 
76 4. Convexidad

Corolario 4.24. Si f : K R es continua y convexa en el conjunto convexo

compacto K, entonces su maximo ocurre en algun punto extremo de K.

Demostracion. Si x K, entonces
X m
x= t i xi ,
i=1
P
donde i ti = 1 y los xi son puntos extremos de K. Entonces
m
X m
X
f (x) ti f (xi ) ti M = M,
i=1 i=1
donde
M = sup{f (y) : y es punto extremo de K}.
Como f es continua, f toma su maximo, y entonces lo debe tomar en un
extremo. 

La hipotesis de continuidad en el corolario fue utilizada para garantizar

que f toma su maximo en K, aunque no siempre es necesaria esta hipotesis.
Por ejemplo, si K es un poltopo convexo compacto, entonces tiene sola-
mente un numero finito de puntos extremos (ejercicio 17). As que el maximo
de f sobre K es simplemente
M = max{f (y) : y es punto extremo de K},
el cual siempre existe porque {f (y) : y es punto extremo de K} es finito.
Si f : Rn R es lineal, entonces claramente es convexa. Si K R es
convexo y compacto, sea M el maximo de f en K y definimos
K = {x K : f (x) = M }.
Corolario 4.25. x K si, y solo si, x es combinacion convexa de puntos
extremos de K contenidos en K .

Demostracion. Sea x K , y x = i ti xi , ti > 0, i ti = 1, donde los

P P
xi son puntos extremos de K. Si f (xj ) < M para algun j, entonces, como
tj > 0,
X X
M = f (x) = ti f (xi ) ti M + tj f (xj ) < M,
i i6=j
una contradiccion. Entonces f (xi ) = M para todo i, es decir, xi K para
todo i.
Si x = i ti xi , con xi K para todo i,
P

k
X
f (x) = ti f (xi ) = M,
i=1
Ejercicios 77

P
porque f es lineal y i ti = 1. 

Ejercicios

1. Muestra que si P es un hiperplano de apoyo del conjunto convexo cerrado

K, entonces P K fr K.
2. Termina la demostracion del corolario 4.6.
3. Sea K Rn un conjunto convexo cerrado no vaco tal que Rn \ K 6=
es convexo. Muestra que K es un semiespacio cerrado.
4. Muestra que si x se puede representar como combinacion convexa de
x0 , x1 , . . . , xr de dos formas distintas, entonces los vectores
x1 x0 , x2 x0 , . . . , xr x0
son linealmente dependientes.
5. Sea x una combinacion convexa de x1 , . . . , xm , y cada xj una combina-
cion convexa de yj1 , . . . , yjmj . Muestra que x es una combinacion con-
vexa de de todos los yjk .
6. Sea S Rn . Sea S la cerradura convexa de S: el conjunto de todas las
combinaciones convexas de puntos en S.
a) Muestra que S es convexo; y
b) Muestra que si K es convexo y S K, entonces S K.
7. Demuestra el lema 4.20.
Pr
8. Muestra que si f : K R es convexa y i=1 ti xi es una combinacion
convexa de x1 , . . . , xr K, entonces
r
X  Xr
f t i xi ti f (xi ).
i=1 i=1

9. Sean f, g : K R convexas y sea h : K R dada por

h(x) = max{f (x), g(x)}.
Muestra que h es convexa.
10. Sea f : K R continua tal que
1  1

f (x1 + x2 ) f (x1 ) + f (x2 )
2 2
para todo x1 , x2 K. Muestra que f es convexa.
11. Sea f : (a, b) R doblemente diferenciable. Entonces f es convexa si,
y solo si, f (x) > 0 para todo x (a, b).
78 4. Convexidad

12. Sean a, b > 0 y 0 < t < 1. Muestra que

a1t bt (1 t)a + tb.
(Sugerencia: Muestra que la funcion t a(b/a)t es convexa utilizando
el ejercicio anterior.)
13. Muestra la desigualdad de Holder: si x, y Rn , y p, q > 1 son tales que
1 1
+ = 1, entonces
p q
Xn n
X n
1/p  X 1/q
|xi y i | |xi |p |y i |q .
i=1 i=1 i=1
(Sugerencia: Utiliza el ejercicio anterior.)
14. Muestra que si x es un punto extremo del conjunto convexo K, entonces
x fr K.
15. Sea P un hiperplano en Rn y x0 P . Muestra que existe una isometra
: P Rn1 tal que (x0 ) = 0.
16. Muestra que si P es un hiperplano de apoyo del conjunto convexo K y
x es un punto extremo de K P , entonces x es un punto extremo de K.
17. Sea K un poltopo convexo. Muestra que K tiene un numero finito de
puntos extremos.
18. Muestra que un poltopo compacto es la union finita de simplejos. Si el
poltopo tiene r vectores linealmente independientes, muestra que es la
union finita de r-simplejos.