Tarea 4: Conjuntos convexos y teoremas de separación

1. Demuestre el Lema 1.

2. Sea H ⊂ Rn un hiperplano definido de la siguiente forma:

H(p, α) := {x ∈ Rn : p0 x = α},

donde p ∈ Rn es un vector no nulo y α ∈ R es un escalar.

a) Sea x0 ∈ Rn tal que p0 x0 = α. Demuestre que H definido previamente puede expresarse como

H = {x ∈ Rn : p0 (x − x0 ) = 0}.

Recuerde que el vector p es llamado vector normal o gradiente al hiperplano. ¿ Cada hiper-
plano en Rn está determinado por un único vector normal?
b) Demuestre que los semiespacios HU (p, α), HL (p, α) son convexos y cerrados. A partir de
estas propiedades demuestre de forma sencilla que el hiperplano H(p, α) es cerrado.

3. Sea A una matriz de m × n no nula con entradas reales. Considere el conjunto solución del sistema
de desigualdades lineales siguiente

F = {x ∈ Rn |Ax ≥ b},

donde b ∈ Rm es un vector fijo. Demuestre que F es igual a la intersección de m semiespacios(y

por lo tanto es convexo). Se les llama conjuntos poliédricos a los conjuntos que resultan de una
intersección finita de semiespacios.
(Hasta ahora ha demostrado de F que es un subespacio vectorial de Rn , cerrado y convexo).

4. Sean a, b ∈ Rn tal que a 6= b. Demuestren que el conjunto de todos los puntos que están más cerca
(con respecto a la norma Euclidiana) de a que b, i.e., {x : ||x − a|| ≤ ||x − b||} es un semiespacio.
Describan este semiespacio explicitamente como una desigualdad de forma p · x ≤ α. Dibujen este
semiespacio para n = 2.

5. Sea A una matriz de m × n no nula con entradas reales, b ∈ Rm y c ∈ Rn \ {0} vectores fijos.
Considere el problema de programación lineal siguiente:

Minimizar c0 x
sujeto a Ax = b
x ≥ 0.

Demuestre que el conjunto solución S del problema anterior es convexo.

1
 6. Sea C ⊂ Rn . Demuestre que C es convexo si y sólo si para cualquier k ≥ 2 se tiene
k k
∑ αi xi ∈ C, donde αi ≥ 0 y ∑ αi = 1.
i=1 i=1

7. Demuestre que un conjunto cerrado es convexo si y sólo si es igual a la intersección de los semies-
pacios que lo contienen.

8. Sean d1 , d2 ∈ R2 dos vectores linealmente independientes. Considere los rayos que parten del
origen dados por
Si := {λ di |λ ∈ [0, ∞)}
y defina el conjunto
C := co(S1 ∪ S2 ).
Demuestre que C es un conjunto convexo y cerrado. (A C se le denomina cono convexo determi-
nado por las direcciones d1 , d2 ).

9. Sea S ⊂ Rn un conjunto no vacío. Se dice que d ∈ Rn es una dirección factible para x ∈ S si existe
δ > 0 tal que x + λ d ∈ S para cada λ ∈ (0, δ ). Demuestre que si S es convexo entonces para cada
x ∈ S el conjunto de direcciones factibles para x denotado por D(S, x) es un conjunto convexo.

10. Se le llama polítopo a la envoltura convexa de un conjunto finito de puntos, digamos

S := co{x1 , x2 , . . . , xk },

donde x1 , . . . , xk ∈ Rn .(De forma equivalente se define un polítopo como un conjunto poliédrico

acotado). Demuestre que S es un conjunto convexo y cerrado.

11. Considere los siguientes vectores en R2

       
0 0 3 4
x1 = , x2 = , x3 = , x4 = .
0 2 3 0

a) Dibuje el polítopo determinado por los puntos anteriores.

b) Represente S := co{x1 , x2 , x3 , x4 } como un conjunto solución de desigualdades lineales de la
forma Ax ≥ b, especifique la matriz A y el vector b.
c) Represente el conjunto S del inciso anterior como una intersección de 4 semiespacios.
d) Determine los conos de direcciones factibles D(S, x1 ) y D(S, x3 ).
e) Represente geométricamente el cono convexo determinado por las direcciones x3 y x4 .

12. Considere ahora un conjunto presupuestario c ⊂ R2 determinado por la restricción 2x1 + 4x2 ≤ 8
y las restricciones de no negatividad de las variables.

a) Considere la función de utilidad U(x1 , x2 ) = x12 x2 . Encuentre la solución x∗ del problema del
consumidor.

2
 b) Defina el cono de direcciones de ascenso en x∗ como

A(C, x∗ ) := {d ∈ R2 |∃ δ > 0, ∀ λ ∈ (0, δ ] f (x∗ + λ d) > f (x∗ )}.

Demuestre que el conjunto A(C, x∗ ) coincide con el cono

A0 (C, x∗ ) := {d ∈ R2 |∇ f (x∗ )0 d > 0}.

c) Demuestre que en el óptimo no existen direcciones de ascenso que sean factibles, es de-
cir, D(C, x∗ ) ∩ A0 (C, x∗ ) = ∅. Esta es una condición de primer orden para optimalidad en
problemas de optimización bajo hipótesis de convexidad y diferenciabilidad.
d) Grafique en un esquema los conos D(Cs, x∗ ) y A0 (C, x∗ ).

13. Muestre un ejemplo de un conjunto cerrado tal que su envoltura convexa no es un conjunto cerrado.

14. Demuestre que el sistema Ax ≤ 0 y c0 x > 0 tiene solución en R3 , donde

 
  −3
2 1 −3
A= , c =  1 .
2 2 0
−2

15. Utilice el Lema de Farkas para determinar si el siguiente sistema de ecuaciones tiene una solución:
 
 x
4 1 −2  1 
  
−2
x2 = .
1 0 5 3
x3