Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Boyd
2.1 Let do ⊆ R norte ser un conjunto convexo, con X 1, . . . , X k ∈ DO, y deja θ 1, . . . , θ k ∈ R satisfacer θ yo ≥ 0,
θ 1 + · · · + θ k = 1. Demostrar que θ 1 X 1 + · · · + θ k X k ∈ C. ( La definición de la convexidad es que esto se cumple para k = 2; usted debe
demostrar que para arbitraria k.) Insinuación. Utilizar la inducción de k.
Solución. Esto se muestra fácilmente por inducción a partir de la definición de conjunto convexo. Nos ilustran la
idea de k = 3, dejando el caso general para el lector. Suponer que
X 1, X 2, X 3 ∈ DO, y θ 1 + θ 2 + θ 3 = 1 con θ 1, θ 2, θ 3 ≥ 0. Vamos a demostrar que y = θ 1 X 1 + θ 2 X 2 + θ 3 X 3 ∈ DO. Al menos una de las θ
yo no es igual a uno; sin pérdida de generalidad podemos suponer que θ 1 6 = 1. Entonces podemos escribir
y = θ 1 X 1 + ( 1 - θ 1) ( μ 2 X 2 + μ 3 X 3)
Ya que do es convexa y X 2, X 3 ∈ DO, concluimos que μ 2 X 2 + μ 3 X 3 ∈ DO. Desde este punto y X 1 se encuentran en C, y ∈ DO.
2.2 Demostrar que un conjunto es convexo si y sólo si su intersección con cualquier línea es convexa. Demostrar que un conjunto es una ne
fi si y sólo si su intersección con cualquier línea es una ne fi.
Solución. Se prueba la primera parte. La intersección de dos conjuntos convexos es convexa. Por lo tanto, si S es un conjunto
convexo, la intersección de S con una línea es convexa. A la inversa, supongamos que la intersección de S con cualquier línea
es convexa. Tomemos dos puntos distintos X 1 y X 2 ∈ S. La intersección de S con la línea a través X 1 y X 2 es convexa. Por lo
tanto combinaciones convexas de X 1 y X 2 pertenecer a la intersección, por lo tanto, también a
S.
Solución. La distancia entre los dos hiperplanos es | segundo 1 - segundo 2 | / ‖ un ‖ 2. Para ver esto, considere la construcción de
la figura a continuación.
1
X 2 = ( segundo 2 / ‖ un ‖ 2) un
hacha 1 = ( segundo 1 / ‖ un ‖ 2) un
un T x = b 2
un T x = b 1
La distancia entre los dos hiperplanos es también la distancia entre los dos puntos
X 1 y X 2 donde el hiperplano corta la línea a través del origen y paralelo al vector normal a. Estos puntos son
dados por
y la distancia es
‖ X 1 - X 2 ‖ 2 = | segundo 1 - segundo 2 | / ‖ un ‖ 2.
2.7 Descripción de Voronoi del semiespacio. Dejar un y segundo ser puntos distintos en R norte. Demostrar que el
conjunto de todos los puntos que están más cerca (en norma euclidiana) a un que segundo, es decir, { x | ‖ X - un ‖ 2 ≤ ‖ X - segundo ‖ 2}, es un
Solución. Puesto que una norma es siempre no negativo, tenemos ‖ X - un ‖ 2 ≤ ‖ X - segundo ‖ 2 si y solo si ‖ X - un ‖ 2
Por lo tanto, el conjunto es de hecho un semiespacio. Podemos tomar c = 2 ( segundo - un) y d = b T segundo - un T a.
Esto tiene sentido geométrica: los puntos que son equidistantes a un y segundo están dados por un hiperplano cuya
normal es en la dirección segundo - a.
2.8 ¿Cuál de los siguientes conjuntos S son poliedros? Si es posible, expresar S en la forma S =
{ x | Hacha b, Fx = g}.
2
(do) S = {x ∈ R n | X 0, X T y ≤ 1 para todos y con ‖ y ‖ 2 = 1}. (re) S = {x ∈ R n | X 0, X T y ≤ 1 para
Solución.
un 2
do 2 un 1
do 1
Por simplicidad suponemos que un 1 y un 2 son independientes. Podemos expresar S como la intersección de tres
conjuntos:
v Tk x = 0, k = 1, . . . , norte - 2
1 un 2
do 1 = un 1 - un T un 2.
‖ un 2 ‖22
Entonces X ∈ S 2 si y solo si
- | do 1Tun 1 | ≤ do T 1X ≤ | do T 1 un 1 |.
3
• Del mismo modo, y mucho do 2 ser un vector en el plano definido por un 1 y un 2, y ortogonales un 1, p.ej,
2 un 1
do 2 = un 2 - un T un 1.
‖ un 1 ‖22
Entonces X ∈ S 3 si y solo si
- | do 2Tun 2 | ≤ do T 2X ≤ | do T 2 un 2 |.
Poniendo todo junto, podemos describir S como el conjunto solución de 2 norte desigualdades lineales
v Tk X ≤ 0, k = 1, . . . , norte - 2
- v Tk X ≤ 0, k = 1, . . . , norte - 2
do1 TX ≤ | do T 1 un 1 |
- do1TX ≤ | do T 1 un 1 |
do2 TX
≤ | do T 2 un 2 |
- do2TX ≤ | do T 2 un 2 |.
(segundo) S es un poliedro, definido por las desigualdades lineales X k ≥ con- 0 y tres igualdad
straints. (do) S No es un poliedro. Es la intersección de la bola unidad { x | ‖ X ‖ 2 ≤ 1} y
Aunque en este ejemplo definimos S como una intersección de semiespacios, no es un poliedro, porque la
definición requiere infinitamente muchos semiespacios. (re) S es un poliedro. S es la intersección del conjunto { x
| | x k | ≤ 1, k = 1, . . . , norte}
y el ortante no negativo R norte +
. Esto se deduce del hecho siguiente:
Σ norte
X T y ≤ 1 para todos y con | y i | = 1 ⇐⇒ | X i | ≤ 1, i = 1, . . . , norte.
i=1
Podemos demostrar esto de la siguiente manera. En primer lugar suponer que | X i | ≤ 1 para todos yo. Entonces
XTy =Σ X yo y yo ≤ Σ | X i || y i | ≤ Σ | yi|= 1
yo yo yo
Si Σ i| y i | = 1.
Por el contrario, supongamos que X es un vector no nulo que satisface fi ca X T y ≤ 1 para todos y
con Σ i| y i | = 1. En particular, podemos hacer la siguiente opción para y: dejar k ser un índice para el cual
| X k | = máx i | X i |, y tomar y k = 1 si X k> 0, y k = - 1 si X k < 0, y y i = 0 para yo 6 = k. Con esta elección de y tenemos
XTy =Σ X yo y i = y k X k = | X k | = máx | X i |.
yo
yo
4
Por lo tanto debemos tener como máximo i | X i | ≤ 1. Todo esto implica que podemos describir S por un número
finito de desigualdades lineales: es la intersección de la ortante no negativo con el conjunto { x | - 1 X 1},
- X yo ≤ 0, i = 1, . . . , nx yo ≤ 1, i = 1, . . . , norte.
Tenga en cuenta que al igual que en la parte (c) el conjunto S fue dado como una intersección de una en fi número finito
de semiespacios. El rencia di ff es que aquí la mayoría de las desigualdades lineales son redundantes, y sólo se necesita
un número finito de caracterizar S.
Ninguno de estos conjuntos son unos conjuntos de fi ne o subespacios, excepto en algunos casos triviales. Por ejemplo, el conjunto se define en la
parte (a) es un subespacio (por lo tanto una un ne conjunto FFI), si un 1 = un 2 = 0; el conjunto se define en la parte (b) es un conjunto de un ne FFI si n = 1
y S = { 1}; etcétera
Solución.
(A) Se prueba la primera parte sin utilizar la indirecta. Considere una combinación convexa z
de dos puntos ( X 1, X 2) y ( y 1, y 2) en el conjunto. Si X Y, entonces z = θx + ( 1 - θ) yy
y, obviamente, z 1 z 2 ≥ y 1 y 2 ≥ 1. Prueba similares si y X.
( θx 1 + ( 1 - θ) y 1) ( θx 2 + ( 1 - θ) y 2)
= θ 2 X 1 X 2 + ( 1 - θ) 2 y 1 y 2 + θ ( 1 - θ) x 1 y 2 + θ ( 1 - θ) x 2 y 1
= θx 1 X 2 + ( 1 - θ) y 1 y 2 - θ ( 1 - θ) (y 1 - X 1) ( y 2 - X 2)
≥ 1.
5
(D) El conjunto de puntos más cerca de un punto dado de un conjunto dado, es decir,
{ x | ‖ X - X 0 ‖ 2 ≤ ‖ X - y ‖ 2 para todos y ∈ S}
dónde S ⊆ R norte.
dónde S T ⊆ R norte, y
(F) el conjunto { x | x + S 2 ⊆ S 1}, dónde S 1, S 2 ⊆ R norte con S 1 convexo. (G) El conjunto de puntos cuya distancia a un
Solución.
(A) Una losa es una intersección de dos semiespacios, por lo tanto es un conjunto convexo y un polyhe-
Dron.
(B) Como en la parte (a), un rectángulo es un conjunto convexo y un poliedro porque es un finito
intersección de semiespacios.
(C) Una cuña es una intersección de dos semiespacios, por lo que es convexa y un poliedro. Eso
es un cono si segundo 1 = 0 y segundo 2 = 0.
⋂
{ x | ‖ X - X 0 ‖ 2 ≤ ‖ X - y ‖ 2},
y∈S
es decir, una intersección de semiespacios. (Recuerde del ejercicio 2.7 que, por fi ja Y, el conjunto
{ x | ‖ X - X 0 ‖ 2 ≤ ‖ X - y ‖ 2}
es un semiespacio.)
(E) En general este conjunto no es convexa, como el ejemplo siguiente en R muestra. Con
S = { - 1, 1} y T = { 0}, tenemos
6
(F) Este conjunto es convexo. x + S 2 ⊆ S 1 Si x + y ∈ S 1 para todos y ∈ S 2. Por lo tanto
{ x | x + S 2 ⊆ S 1} = ⋂ { x | x + y ∈ S 1} = ⋂ ( S 1 - y),
y ∈ S2 y ∈ S2
{ x | ‖ X - un ‖ 2 ≤ θ ‖ X - segundo ‖ 2}
= { x | ‖ X - un ‖ 2 2≤ θ 2 ‖ X - segundo ‖ 2 2}
{ x | (X - X 0) T ( X - X 0) ≤ R 2},
( θ 2 ‖ segundo ‖ 2 ) 1/2
2- ‖ un ‖ 22
2
X 0 = un - θ 2 segundo R= + ‖ X 0 ‖ 22 .
1 - θ 2, 1 - θ2
2.15 Algunos conjuntos de distribuciones de probabilidad. Dejar X ser una variable aleatoria verdadera de valor con
prob ( x = a i) = pag yo, i = 1, . . . , norte, dónde un 1 < un 2 < · · · < un norte. Por supuesto pag ∈ R norte se encuentra en el simplex de probabilidad estándar P
= {p | 1 T p = 1, pag 0}. Cuál de los siguientes
condiciones son convexas en ¿pag? ( Es decir, ¿por cuál de las siguientes condiciones es el conjunto de
pag ∈ PAG que satisfacen la condición convexa?)
(do) E | X 3 | ≤ α E | x |.
(re) mi X 2 ≤ α.
(mi) mi X 2 ≥ α.
(gramo) var ( X) ≥ α.
Solución. Nos Fi Nota primero que las restricciones pag yo ≥ 0, i = 1, . . . , norte, de fi ne semiespacios, y Σ ni = 1 pag i = 1 define un hiperplano,
por lo PAG es un poliedro. El primeros cinco restricciones son, de hecho, las desigualdades lineales en las probabilidades pag yo.
7
(un) mi f (x) = Σ ni = 1 pag yo fa yo), por lo que la restricción es equivalente a dos desigualdades lineales
Σ norte
α≤ pag yo fa yo) ≤ β.
i=1
(segundo) prob ( X ≥ α) = Σ I a yo ≥ α pag yo, por lo que la restricción es equivalente a una desigualdad lineal
Σ
pag yo ≤ β.
I a yo ≥ α
Σ norte
pag i (| un 3 i | - α | una i |) ≤ 0.
i=1
Σ norte
pag yo un 2 yo ≤ α.
i=1
Σ norte
pag yo un 2 yo ≥ α.
i=1
(F) La restricción
Σ norte Σ norte
var ( x) = mi X 2 - ( mi X) 2 = pag yo un 2 yo - ( pag yo un yo) 2 ≤ α
i=1 i=1
restricción es equivalente a
Σ norte Σ norte
un 2 yo pag i + ( un yo pag yo) 2 = segundo T p + p T ap ≤ α
i=1 i=1
dónde segundo i = un 2 yo y A = aa T. Este conjunto, define una forma convexa desde la matriz Automóvil club británico T es positivo finito SEMIDE.
Denotemos cuartilla( x) = f (p) hacer hincapié en que es una función de pag. En la figura se ilustra la definición. Se
muestra la distribución acumulada de una distribución pag con
f (p) = a 2.
8
prob ( X ≤ β)
pag 1 + pag 2
0.25 1
pag 1
β
un 1 un 2 un norte
Si α ≤ un 1, esto es siempre cierto. De lo contrario, definen k = max { i | un i < α}. Este es un número entero fijo,
independiente de pag. la restricción f (p) ≥ α se cumple si y sólo si
Σk
prob ( X ≤ un k) = pag i < 0.25.
i=1
Esta es una desigualdad lineal estricta en pag, que define un semiespacio abierta. (I) La
A continuación, vamos definen k = max { i | un yo ≤ α}. De nuevo, esto es un número entero fijo, independiente de pag. la restricción f
Σk
prob ( X ≤ un k) = pag yo ≥ 0.25.
i=1
Si α ≤ un 1, entonces no pag satis fi ca f (p) ≤ α, lo que significa que el conjunto está vacía.