Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación Operativa
Universidad Rey Juan Carlos
3 Funciones Convexas
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 2 / 58
Contenidos
3 Funciones Convexas
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 3 / 58
Algoritmos de resolución
Clave
Reconoce la optimalidad de un punto utilizando
CONDICIONES DE OPTIMALIDAD LOCALES
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 4 / 58
Conjuntos convexos
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 5 / 58
Conjuntos convexos
Gráficamente, todos los puntos del segmento que une x1 y x2 son
combinación lineal convexa de x1 y x2 .
x1
x1 x2 x1 x2
x2
Convexo
Convexo No convexo
∑
k ∑
k
λi xi con λi ≥ 0 y λi = 1
i=1 i=1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 7 / 58
Generalización
∑
k ∑
k
λi xi con λi ≥ 0 y λi = 1
i=1 i=1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 7 / 58
Generalización
∑
k ∑
k
λi xi con λi ≥ 0 y λi = 1
i=1 i=1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 7 / 58
Generalización
∑
k ∑
k
λi xi con λi ≥ 0 y λi = 1
i=1 i=1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 7 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 8 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 8 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 8 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 8 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 8 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 8 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 9 / 58
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 10 / 58
Resultados Teóricos
Lema
Sean S1 y S2 dos conjuntos convexos. Entonces,
1 S1 ∩ S2 es un conjunto convexo.
2 S1 ⊕ S2 = {x1 + x2 / x1 ∈ S1 , x2 ∈ S2 } es convexo.
3 S1 ⊖ S2 = {x1 − x2 / x1 ∈ S1 , x2 ∈ S2 } es convexo.
Demostración
Inmediata.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 11 / 58
Envoltura Convexa
Definición
I n . La envoltura convexa de S,
Sea S un conjunto cualquiera de R
denotada por H(S) es el conjunto de todos los puntos que se pueden
poner como combinación lineal de puntos de S, esto es:
∑
k
x ∈ H(S) ⇐⇒ x= λj xj
j=1
∑k
con xj ∈ S, j = 1, . . . , k, λj ≥ 0, j = 1, . . . , k y j=1 λj = 1.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 12 / 58
Envoltura Convexa
x1 x2
No convexo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 13 / 58
Resultados Teóricos
Lema
I n . La envoltura convexa de S es el
Sea S un conjunto cualquiera de R
menor conjunto convexo que contiene a S. Esto es, H(S) es la intersección
de todos los conjuntos convexos que contienen a S.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 14 / 58
Resultados Teóricos
Demostración
Por reducción al absurdo, supongamos que existe un conjunto convexo C
tal que S ⊆ C, con x ∈ H(S) y x ∈
/ C.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 15 / 58
Resultados Teóricos
Demostración (cont)
Por definición de H(S), se tiene que:
∑
k
x= λj xj ,
j=1
∑
con xj ∈ S, j = 1, . . . , k, λj ≥ 0, j = 1, . . . , k y kj=1 λj = 1. Además, por
ser S ⊆ C, se tiene que xj ∈ C y, por tanto, puesto que C es convexo:
x ∈ C,
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 16 / 58
Politopos
Definición
La envoltura convexa de un número finito de puntos se denomina
politopo.
logoURJC
Politopo
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 17 / 58
Simplex
Definición
Si los puntos de un politopo son afínmente independientes, entonces el
politopo se denomina simplex.
x2
x1
x3
logoURJC
Simplex
. . . . . . . . . . . . . . . . . . . .
x2 − x181/,58
. . . . . . . . . . . . . . . . . . . .
Los puntos x1 , . . . , xk son Opt.
Antonio Alonso-Ayuso afínmente independientes
Lineal Continua (versión profesor) si los vectores
MEGI (URJC)
Simplex
Observación
Los puntos x1 , . . . , xk son afínmente independientes si los vectores x2 − x1 ,
x3 − x1 , …, xk − x1 son linealmente independientes. Por tanto, puesto que
I n el número máximo de vectores linealmente independientes es n, un
en R
simplex no puede tener más de n + 1 vértices.
x2
x1
x3
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt.
Simplex
Lineal Continua (versión profesor) MEGI (URJC) 19 / 58
Regiones
Definición
Dado S ∈ RI n , se dice que S es una región si es la intersección finita de
semiespacios cerrados:
I n / ai x ≤ αi , i = 1, . . . , n}
S = {x ∈ R
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 20 / 58
Ejemplo
−x1 + x2 ≤ 2,
x1 + x2 ≤ 4,
(1)
5x1 + 3x2 ≤ 15,
x1 , x2 ≥ 0.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 21 / 58
Ejemplo
−x1 + x2 = 2
x1 − x2 = 4
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . .
5x1. +
. . . .
3x2 = 15
. . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 22 / 58
Contenidos
3 Funciones Convexas
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 23 / 58
Punto Extremo
Definición
Dado S ̸= ∅, S ⊂ RI n y convexo. Sea x ∈ S, se dice que x es un punto
extremo si y sólo x no se puede presentar como combinación lineal
convexa de dos puntos distintos de S, esto es:
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 24 / 58
Ejemplo
En la figura anterior hay cinco puntos extremos:
logoURJC r r
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 25 / 58
Ejemplo
En el siguiente círculo, todos los puntos de la circunferencia son puntos
extremos
'$
&%
r
Este conjunto tiene un sólo punto extremo y no es posible representar
ningún otro punto como combinación lineal de puntos extremos.
Esto es así por ser el conjunto anterior no acotado.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 27 / 58
Dirección
Definición
Dado S ̸= ∅, S ⊂ RI n , convexo y cerrado. Un vector d ∈ R
I n , d ̸= 0 es una
dirección de S si
∀x ∈ S ⇒ x + λd ∈ S, ∀λ ≥ 0.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 28 / 58
Dirección Extrema
Definición
Una dirección es extrema si no se puede poner como combinación lineal
positiva de dos direcciones distintas.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 29 / 58
Caracterización de Puntos Extremos
Teorema
Sea S = {x / Ax = b, x ≥ 0}, donde A ∈ Mm×n , el rango de A es m y
b∈R I m . Entonces, x es una punto extremo de S si y sólo si A se puede
descomponer en (B, N) (con una reordenación adecuada de las columnas
de A) donde B ∈ Mm×m , el rango de B es m y N ∈ Mm×(n−m) , de forma
que: ( )
xb
x= y B−1 b ≥ 0
0
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 30 / 58
Caracterización de Puntos Extremos
Demostración
Veamos primero la condición suficiente, esto, supongamos que la matriz A
se puede descomponer en dos submatrices B y N de forma que
( )
xb
x= y B−1 b ≥ 0
0
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 31 / 58
Caracterización de Puntos Extremos
Demostración (cont)
Entonces: ( ) ( ) ( )
xb x11 x
x= =λ + (1 − λ) 21
0 x12 x22
Por ser x1 y x2 puntos de S, x12 y x22 son vectores no negativos. Además,
como λ ≥ 0, se tiene que x12 = x22 = 0.
Además, por ser Ax1 = Ax2 = b, se tiene que Bx11 = Bx21 = b y, por
tanto,
x11 = x21 = B−1 b
Por tanto, x = x1 = x2 .
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 32 / 58
Caracterización de Puntos Extremos
Demostración (cont)
Para comprobar la otra implicación, supongamos, sin pérdida de
generalidad, que x es de la forma:
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 33 / 58
Caracterización de Puntos Extremos
Demostración (cont)
Si consideramos el vector λ = (λ1 , . . . , λk , 0, . . . , 0) y construimos los dos
vectores:
x1 = x + αλ
x2 = x − αλ
∑
k ∑
k
Ax1 = A(x + αλ) = aj xj + α λj aj = b
j=1 j=1
∑
k ∑
k
Ax2 = A(x − αλ) = aj xj − α λj aj = b
logoURJC j=1 j=1
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 34 / 58
Caracterización de Puntos Extremos
Demostración (cont)
Por tanto, x1 , x2 ∈ S. Además,
1 1
x = x1 + x2
2 2
Como α ̸= 0, x1 ̸= x2 y x se puede poner como combinación lineal
convexa de estos dos puntos, lo que es contradictorio con el hecho de que
x sea un punto extremo.
Entonces los vectores ai , i = 1, . . . , k son linealmente independientes con
k ≤ m. Como A es de rango m, se pueden encontrar m − k vectores que
junto con los k restantes formen una base y definan la matriz B. El resto
de las columnas definen la matriz N.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 35 / 58
Caracterización de Puntos Extremos
Corolario
El número de puntos extremos es finito.
Demostración
El número de puntos extremos está acotado por el número de bases en A
y este está acotado por:
( )
n n!
=
m m!(n − m)!
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 36 / 58
Caracterización de Puntos Extremos
Teorema
Sea S = {x / Ax = b, x ≥ 0}, con S ̸= ∅, entonces S tiene al menos un
punto extremo.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 37 / 58
Caracterización de Direcciones Extremos
Teorema
Sea S = {x / Ax = b, x ≥ 0}, donde A ∈ Mm×n , el rango de A es m y
b∈R I m . Entonces, d es una dirección extrema de S si y sólo si A se puede
descomponer en (B, N) (con una reordenación adecuada de las columnas
de A) donde B ∈ Mm×m , el rango de B es m y N ∈ Mm×(n−m) , de forma
que para alguna columna aj de N:
( )
−B−1 aj
d=α y B−1 aj ≤ 0
ej
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 38 / 58
Caracterización de Direcciones Extremos
Demostración
En primer lugar, notemos que si d es una dirección de S, entonces:
∀x ∈ S, λ ≥ 0, se tiene x + λd ∈ S
de donde, Ad = 0.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 39 / 58
Caracterización de Direcciones Extremos
Demostración (cont)
Ahora demostremos la condición suficiente. Esto es, supongamos que A se
puede descomponer en (B, N) con:
( )
−B−1 aj
d=α y B−1 aj ≤ 0
ej
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 40 / 58
Caracterización de Direcciones Extremos
Demostración (cont)
Si no lo fuese, existirían dos direcciones de S, d1 y d2 , tales que
d = λ1 d1 + λ2 d2 con λ1 , λ 2 ≥ 0
con α1 , α2 ≥ 0. Como Ad1 = Ad2 = 0, d11 y d21 son iguales y, por tanto,
d = d1 = d2 y d es una dirección extrema.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 41 / 58
Caracterización de Direcciones Extremos
Demostración (cont)
Para demostrar la otra implicación, supongamos que d es una dirección
extrema de la forma
d = (d1 , . . . , dk , 0, . . . , dj , . . . , 0)
con di > 0, i = 1, . . . , k, j.
Entonces, por un razonamiento similar al realizado en el teorema de
caracterización de puntos extremos, los vectores a1 , . . . , ak son linealmente
independientes.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 42 / 58
Caracterización de Direcciones Extremos
Demostración (cont)
Completando estos k vectores hasta m para formar una base, se tiene:
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 43 / 58
Caracterización de Direcciones Extremos
Corolario
El número de direcciones extremas es finito.
Demostración
Cada dirección tiene asociada una base de A y un
( n )vector que no pertenece
a la base. El número de bases está acotado por m y el número de
vectores no básicos para cada base es de n − m. Por tanto, el número de
direcciones extremas está acotado por:
( )
n n!
(n − m) =
m m!(n − m − 1)!
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 44 / 58
Resultados Teóricos
Teorema
Sea S = {x / Ax = b, x ≥ 0}, donde A ∈ Mm×n , el rango de A es m y
b∈R I m y sean x1 , . . . , xk los puntos extremos y d1 , . . . , dℓ las direcciones
extremas. Entonces:
∑
k ∑
ℓ
x∈S⇔x= λ j xj + µj dj
j=1 j=1
con ∑
λj = 1, λj ≥ 0, ∀j = 1, . . . , k
y
µj ≥ 0 ∀j = 1, . . . , ℓ
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 45 / 58
Resultados Teóricos
Corolario
Si S es no vacío, tiene al menos un punto extremo.
Corolario
En las condiciones del teorema anterior, S tiene al menos una dirección
extrema si y sólo si S no está acotado.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 46 / 58
Contenidos
3 Funciones Convexas
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 47 / 58
Convexidad en Programación Lineal
Teorema
Sea el problema de programación lineal:
mı́n z = ct x
s.a. A x = b,
x ≥ 0,
Demostración
Por el teorema de representación, tenemos que cualquier solución del
problema se puede poner en función de los puntos extremos y direcciones
extremas de la región factible:
∑
k ∑
ℓ
x= λj xj + µj dj
j=1 j=1
con ∑
λj = 1, λj ≥ 0, ∀j = 1, . . . , k
y
µj ≥ 0 ∀j = 1, . . . , ℓ
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 49 / 58
Convexidad en Programación Lineal
Demostración (cont)
Por tanto, el problema de programación lineal se puede plantear como:
∑k ∑
ℓ
mı́n cT λ j xj + µj dj
j=1 j=1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 50 / 58
Convexidad en Programación Lineal
Demostración (cont)
Por tanto, para que la solución esté acotada, es necesario que ct dj ≥ 0,
para j = 1, . . . , ℓ. Entonces, tomando µj = 0, para j = 1, . . . , ℓ, el
problema resulta:
∑
k
mı́n cT λj xj
j=1
cT x∗ = mı́n cT xj
j=1,...,k
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 51 / 58
Convexidad en Programación Lineal
Demostración (cont)
Cómo el número de puntos extremos es finito, este mínimo es finito.
Entonces:
∑
k ∑k
cT x∗ = cT x∗ λ j = cT λ j xj
j=1 j=1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 52 / 58
Convexidad en Programación Lineal
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 53 / 58
Contenidos
3 Funciones Convexas
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 54 / 58
Funciones convexas
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 55 / 58
Funciones convexas
Consideremos x1 , x2 , puntos del dominio de f y su media ponderada
λx1 + (1 − λ)x2 , para distintos valores de λ ∈ (0, 1).
Una función es convexa si (el valor de f en todos
) los puntos
λx1 + (1 − λ)x2 , esto es f λx1 + (1 − λ)x2 , quedan por debajo del
segmento que une los puntos [x1 , f(x1 )] y [x2 , f(x2 )].
x1 x2 x1 x2
λx1 + (1 − λ)x2 λx1 + (1 − λ)x2
logoURJC
Función convexa Función cóncava Función ni cóncava ni convexa
f(x) = (x − 2)2 f(x) = (x)2 − 2x + 3
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 56 / 58
Funciones convexas
x1 x2 x1 x2 x1 x2
λx1 + (1 − λ)x2 λx1 + (1 − λ)x2 λx1 + (1 − λ)x2
Función convexa Función convexa Función cóncava y convexa
NO estrictamente convexa
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 57 / 58
Funciones convexas
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 58 / 58