UNIVERSIDAD NACIONAL

PEDRO RUIZ GALLO

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

Escuela Profesional de Matemática

Programación Matemática no Lineal

Conjuntos Convexos

(Material de Clase)

Adelmo Pérez Herrera

2020
 Capı́tulo 1

Conjuntos convexos y funciones convexas

El estudio de conjuntos convexos y funciones convexas resulta importante para determinar

la naturaleza de los puntos crı́ticos, por ejemplo el punto crı́tico de una función convexa
es un minimizador global para dicha función.

El estudio de convexidad, más que por su atractiva estructura matemática se debe a

las multiples aplicaciones en problemas de optimización que surgen de la estadı́stica,
economı́a, ingenierı́a o industria, entre otras.

Por otra parte, convexidad hace innecesario el test del Hessiano de funciones definidas
positivas, que en la práctica puede ser muy difı́cil .

Además, convexidad será usada para establecer las bases matemáticas para un importante
procedimiento de optimización conocido como programación geométrica, y que será el
núcleo para acercarnos a programación no lineal general.

1.1 Conjuntos convexos

Definición 1.1. Un conjunto C en Rn es convexo si para cada x, y en C, el segmento

de lı́nea que une x e y también está en C.

2
 Figura 1.1: Conjuntos Convexos

El segmento de lı́nea que une el punto x con el punto y es el conjunto

[x, y] = {x + λ(y − x), 0 ≤ λ ≤ 1}

o también
[x, y] = {λy + (1 − λ)x, 0 ≤ λ ≤ 1}

Ejemplo 1.1. Las rectas (lı́neas) en Rn definidas para un punto de paso x y un vector
dirección v como
L = {x + λv; λ ∈ R}

o rectas que pasan por los puntos x e y como

L = {λx + (1 − λ)y, λ ∈ R},

son conjuntos convexos.

Si M es un subespacio lineal unidimensional de Rn , si b es el generador de M y x ∈ Rn ,

entonces el conjunto
L = x + M = {x + λb, λ ∈ R},

es un conjunto convexo.

El rayo (o semi-lı́nea), que pasa por x en la dirección de v, definido por

H == {x + λv, 0 ≤ λ ∈ R},

es un conjunto convexo.
Ejercicio 1.1. Demuestre que cualquier subespacio lineal M de Rn es un conjunto con-
vexo.
Ejemplo 1.2. Sean x∗ ∈ Rn y α ∈ R, entonces los semiespacios cerrados

F + = {y ∈ Rn ; x∗ . y ≥ α}, F − = {y ∈ Rn ; x∗ . y ≤ α}

y los semiespacios abiertos

G+ = {y ∈ Rn ; x∗ . y > α}, G− = {y ∈ Rn ; x∗ . y < α}

son conjuntos convexos.

La demostración para F + , los otros casos son similares, es de la siguiente manera:

Sean y, z ∈ F + , debemos mostrar que el segmento de recta [y, z] está contenido en F + .

Elijamos un punto w del segmento [y, z], se debe mostrar que x∗ . w ≥ α.

Consideremos w = λy + (1 − λ)z para algún 0 ≤ λ ≤ 1, ası́ el producto interno

x∗ . w = x∗ . [λy + (1 − λ)z] = λ x∗ . y + (1 − λ) x∗ . z ≥ λα + (1 − λ)α ≥ α

por lo que w ∈ F + , de allı́ [y, z] ⊂ F + .

Ejemplo 1.3. La bola de centro x∗ y radio r > 0, es un conjunto convexo en Rn .

Ejercicio 1.2. Demuestre que B(x∗ , r) = {y ∈ Rn ; kx∗ −yk < r} es un conjunto convexo.
\
Ejemplo 1.4. Sea {Ck }k∈N una familia de conjuntos convexos, entonces Ck es conexa.
k∈N
\
Para la demostración, consideremos y, z ∈ Ck , es decir y, z ∈ Ck , ∀k ∈ N, luego para
k∈N
algún 0 ≤ λ ≤ 1 se tiene λy + (1 − λ)z ∈ CK , ∀k ∈ N con lo que se tiene que el segmento
\
que une y y z está contenido en Ck
k∈N

Ejemplo 1.5. Sea A = (Aij )m×n una matriz y b ∈ Rm , entonces el conjunto S de todas
las soluciones x ∈ Rn del sistema de desigualdades lineales Ax ≤ b, es convexo.

Es decir, el sistema de desigualdades puede ser escrito en la forma

a11 x1 + a12 x2 + . . . + a1n xn ≤ b1

a21 x1 + a22 x2 + . . . + a2n xn ≤ b2
.. .. .. .. ..
. . . . .
am1 x1 + am2 x2 + . . . + amn xn ≤ bm
Para la demostración, consideremos a(i) = (ai1 , ai2 , · · · , ain ) ∈ Rn cuyas componentes
corresponden a los elementos de la i-fila de A, de modo que la solución de la desigualdad

ai1 x1 + ai2 x2 + · · · + ain xn ≤ bi

corresponde al semiespacio cerrado

Fi− = {x ∈ Rn : a(i) . x ≤ bi }

que es convexo. (¿Porqué?)

\
n
Luego la solución del sistema Ax ≤ b equivale a Fi− y por consiguiente el conjunto
i=1
\
n
S= Fi− es convexo. (¿Porqué?)
i=1

Ejemplo 1.6. Sean x(1) , x(2) , · · · , x(k) , ∈ Rn , entonces un peso promedio o combina-
ción convexa de x(1) , x(2) , · · · , x(k) es el vector o punto de Rn
X
k X
k
(1) (2) (k) (i)
λ1 x + λ2 x + · · · + λk x = λi x con λi = 1, ∀λi ∈ R+
i=1 i=1

El conjunto C de todas las combinaciones convexas de x(1) , x(2) , · · · , x(k) es convexo.

(Justificar o demostrar)

Figura 1.2: Combinaciones Convexas de x(1) , x(2) , · · · , x(k)

Teorema 1.1. Sea C un conjunto convexo en Rn , x(1) , x(2) , · · · , x(k) ∈ C. Si λ1 , λ2 , · · · , λk

X
k Xk
son números positivos y λi = 1, entonces la combinación convexa λi x(i) esta tam-
i=1 i=1
bién en C.
Prueba. Ejercicio (por inducción)

Dado D ⊂ Rn , existe el conjunto convexo más pequeño conteniendo D, es decir la inter-

sección de todos los conjuntos convexos que contienen a D, a este conjunto se le llama
envolvente o cápsula convexa de D y se denota por co (D).

La envolvente convexa de dos puntos de Rn es el segmento de lı́nea que los une, en el caso
de k puntos la envolvente convexa es el polihedro que tiene a dichos puntos como vértices.

Teorema 1.2. Sea D ⊂ Rn , entonces la envolvente convexa co (D) de D coincide con el

conjunto de todas las combinaciones convexas de puntos en D.

Prueba. Ejercicio.