Captulo 4

Convexidad
1. Conjuntos convexos
En este captulo estudiaremos el concepto de convexidad, el cual es su-
mamente importante en el an alisis. Estudiaremos conjuntos convexos y fun-
ciones convexas en R
n
, as como las propiedades y relaciones entre sus puntos
y valores extremos.
En esta secci on estudiaremos los conjuntos convexos. Recordemos que
un conjunto K R
n
es convexo si, para todo x, y K y t [0, 1],
(1 t)x + ty K.
Ejemplo 4.1. Un semiespacio
H = {x R
n
: x x
0
c}
es convexo: Si x, y H, t [0, 1],
((1 t)x + ty) x
0
= (1 t)x x
0
+ ty x
0
(1 t)c + tc = c,
as que (1 t)x + ty H.
Proposici on 4.2. La interseccion de conjuntos convexos es convexo.
Demostracion. Sea {K

una coleccion de conjuntos convexos, y sean

x, y

. Entonces x, y K

para todo y, si 0 t 1,
(1 t)x + ty K

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

.
65
66 4. Convexidad
Denicion 4.3. Decimos que R
n
es un poltopo convexo si es la inter-
secci on de un n umero nito de semiespacios cerrados. Es decir,
=
m

i=1
H
i
, H
i
= {x x
i
c
i
}.
La proposici on 4.2 justica el adjetivo convexo en la denicion anterior.
Denicion 4.4. Sea K un conjunto convexo cerrado. Un hiperplano de
apoyo para K es un hiperplano
P = {x R
n
: x x
0
= c}
tal que P K = y
K H
P
= {x R
n
: x x
0
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 x
0
fr K. Entonces
existe un hiperplano de apoyo P para K tal que x
0
P.
Demostracion. Sea (y
k
) una sucesion en R
n
\ K tal que y
k
x
0
. Para
cada k, sea z
k
K un punto m as cercano a y
k
en K, es decir
|z
k
y
k
| |x y
k
| para todo x K.
Tal punto existe por la proposici on 1.34. Sea
u
k
=
z
k
y
k
|z
k
y
k
|
.
Como (u
k
) es acotada, entonces existe una subsucesi on que converge por el
teorema de Bolzano-Weierstrass. Para simplicar, supongamos que u
k
u.
Sea
P = {x R
n
: (x x
0
) u = 0}.
Vamos a demostrar que P es un hiperplano de apoyo para K. Es decir,
tenemos que mostrar que
K {x R
n
: (x x
0
) u 0}.
Sea x K y > 0. Vamos a mostrar que (x x
0
) u
Demostraremos primero que (x z
k
) u
k
0 para todo k. Si t [0, 1] y
y = (1 t)z
k
+ tx,
entonces y K y
|y y
k
| |z
k
y
k
|.
1. Conjuntos convexos 67
En otras palabras, |y y
k
|
2
|z
k
y
k
|
2
. Ademas
|y y
k
|
2
= |(1 t)z
k
+ tx y
k
|
2
= |t(x z
k
) + (z
k
y
k
)|
2
= t
2
|x z
k
|
2
+ 2t(x z
k
) (z
k
y
k
) +|z
k
y
k
|
2
,
por lo que, si t = 0,
t|x z
k
|
2
+ 2(x z
k
) (z
k
y
k
) 0.
Como t (0, 1] es arbitrario, obtenemos 2(x z
k
) (z
k
y
k
) 0. Por lo
tanto
(x z
k
) u
k
0.
Dado > 0, tomamos k tal que
|u
k
u| <

2(|x x
0
| + 1)
y |y
k
x
0
| <

4
.
Entonces, como |u
k
| = 1,
|(x x
0
) u (x z
k
) u
k
|
|(x x
0
) u (x x
0
) u
k
| +|(x x
0
) u
k
(x z
k
) u
k
|
|x x
0
||u u
k
| +|u
k
||z
k
x
0
|
<

2
+|z
k
y
k
| +|y
k
x
0
|

2
+ 2|x
0
y
k
| <

2
+ 2

4
= ,
donde tambien hemos usado el hecho que |z
k
y
k
| |x y
k
|. Por lo tanto,
como (x z
k
) u
k
0,
(x x
0
) u (x x
0
) u (x z
k
) u
k
.
Por lo tanto, como > 0 es arbitrario,
(x x
0
) u 0.

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

K = R
n
. Entonces K es la interseccion de semiespacios cerrados.
Demostracion. Para cada x fr K, tomamos un hiperplano de apoyo P
x
con x P
x

K. Dejamos como ejercicio (ejercicio 2) vericar que

K =

xfr K
H
Px
.

68 4. Convexidad
2. Combinaciones convexas y simplejos
Denicion 4.7. Una combinaci on convexa de x
1
, . . . , x
m
R
n
es una com-
binaci on lineal
m

i=1
t
i
x
i
tal que
t
i
0, i = 1, . . . , m, y
m

i=1
t
i
= 1.
Ejemplo 4.8. El vector (1t)x+ty, t [0, 1], es una combinaci on convexa
de x y y: t, 1 t 0 y (1 t) + t = 1.
Proposici on 4.9. K R
n
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 denicion de convexidad y el ejemplo 4.8.
Sea K convexo, x
1
, . . . , x
m
K, y t
1
, . . . , t
m
0 tales que

t
i
= 1.
Queremos demostrar que

m
i=1
t
i
x
i
K. Esto lo haremos por induccion en
m: si m = 2, (1 t)x
1
+ tx
2
K por la denicion de convexo.
Sea m > 2 y suponemos que el resultado es cierto para m1. Si t
m
= 1,

m
i=1
t
i
x
i
= x
m
K. Supongamos entonces que t
m
< 1. Sabemos que
t
1
+ t
2
+ . . . + t
m1
= 1 t
m
.
Entonces
t
1
1 t
m
+
t
2
1 t
m
+ . . . +
t
m1
1 t
m
= 1
y, por induccion,
x =
t
1
1 t
m
x
1
+
t
2
1 t
m
x
2
+ . . . +
t
m1
1 t
m
x
m1
K.
Entonces, como K es convexo y x, x
m
K,
t
1
x
1
+ . . . + t
m1
x
m1
+ t
m
x
m
= (1 t
m
) x + t
m
x
m
K.

La siguiente proposici on implica que, en toda combinaci on convexa, solo

n + 1 puntos son sucientes.
Proposici on 4.10. Sea S R
n
, y sea x la combinaci on convexa de puntos
en S. Entonces x es la combinaci on convexa de a lo mas n +1 puntos de S
2. Combinaciones convexas y simplejos 69
Demostracion. Supongamos que
x =
m

i=1
t
i
x
i
, t
i
0,
m

i=1
t
i
= 1,
y m > n + 1. Vamos a demostrar que x es la combinaci on convexa de a lo
m as m1 de las x
i
. Claramente podemos asumir que todo t
i
> 0.
Como m1 > n,
x
1
x
m
, x
2
x
m
, . . . , x
m1
x
m
son linealmente dependientes, as que existen c
1
, c
2
, . . . , c
m1
, no todos cero,
tales que
c
1
(x
1
x
m
) + c
2
(x
2
x
m
) + . . . + c
m1
(x
m1
x
m
) = 0.
Sea c
m
= (c
1
+ c
2
+ . . . + c
m1
). Entonces
c
1
x
1
+ c
2
x
2
+ . . . + c
m1
x
m1
+ c
m
x
m
= 0 y
m

i=1
c
i
= 0.
Sea tal que
1

= m ax{
c
1
t
1
, . . . ,
c
m
t
m
},
y s
i
= t
i
c
i
. Observamos que > 0. Como c
i
t
i
para todo c
i
= 0,
s
i
0 y
m

i=1
s
i
=
m

i=1
t
i

i=1
c
i
= 1.
Ademas, s
i
0
= 0 para alg un i
0
. Entonces
m

i=1
i
0
=0
s
i
x
i
=

(t
i
c
i
)x
i
=

t
i
x
i

c
i
x
i
= x,
por lo que x es combinaci on convexa de los m1 i, i = i
0
.
Denicion 4.11. Sean x
0
, x
1
, ..., x
r
R
n
tales que
x
1
x
0
, x
2
x
0
, . . . , x
r
x
0
son linealmente independientes. El r-simplejo generado por x
0
, x
1
, . . . , x
r
es
el conjunto de todas las combinaciones convexas de x
0
, x
1
, . . . , x
r
. Vease la
gura 1.
Si K es el r-simplejo generado por x
0
, x
1
, . . . , x
r
y x K, entonces
existen unicos t
0
, t
1
, . . . , t
r
tales que x =

r
i=0
t
i
x
i
(ejercicio 4.) A las coor-
denadas del vector (t
0
, t
1
, ..., t
r
) se les llama coordenadas baricentricas de
K.
El simplejo estandar en R
n
es el n-simplejo generado por 0, e
1
, e
2
, . . . , e
n
.
70 4. Convexidad
2simplejo
x
0
x
1
x
2
x
0
x
1
x
x
3
2
3simplejo
x
0
x
1
x
0
1simplejo
.
0simplejo
Figura 1. r-simplejos con r = 0, 1, 2, 3.
3. Funciones convexas
En esta secci on estudiaremos a las funciones complejas y algunas de sus
propiedades analticas.
Denicion 4.12. Sea K R
n
convexo y f : K R. Decimos que f es
convexa si, para x
1
, x
2
K y t [0, 1],
f(tx
1
+ (1 t)x
2
) tf(x
1
) + (1 t)f(x
2
).
Es facil vericar que si f : K R es convexa y

m
i=1
t
i
x
i
es una combi-
naci on convexa de x
1
, . . . , x
m
K, entonces
f
_
m

i=1
t
i
x
i
_

m

i=1
t
i
f(x
i
).
Vease el ejercicio 8.
Ejemplo 4.13. f : R
n
R, f(x) = |x| es una funcion convexa:
|tx
1
+ (1 t)x
2
| t|x
1
| + (1 t)|x
2
|,
por la desigualdad del tria ngulo y el hecho que t, 1 t 0.
Para f : K R, denimos el conjunto K
+
R
n+1
como
K
+
= {(x, z) K R : z f(x)}.
K
+
es entonces el conjunto de puntos en R
n+1
que est an arriba de la gr aca
de f.
Proposici on 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 (x
1
, z
1
), (x
2
, z
2
)
K
+
. Entonces z
1
f(x
1
) y z
2
f(x
2
), y queremos mostrar que, para
t [0, 1],
t(x
1
, z
1
) + (1 t)(x
2
, z
2
) = (tx
1
+ (1 t)x
2
, tz
1
+ (1 t)z
2
) K
+
,
es decir,
tz
1
+ (1 t)z
2
f(tx
1
+ (1 t)x
2
).
Pero, como f es convexa,
f(tx
1
+ (1 t)x
2
) tf(x
1
) + (1 t)f(x
2
) tz
1
+ (1 t)z
2
.
Entonces K
+
es convexo.
Supongamos ahora que K
+
es convexo. Tomamos x
1
, x
2
K. Entonces
(x
1
, f(x
1
)) K
+
y (x
2
, f(x
2
)) K
+
. Como K
+
es convexo, para t [0, 1]
t(x
1
, f(x
1
))+(1t)(x
2
, f(x
2
)) = (tx
1
+(1t)x
2
, tf(x
1
)+(1t)f(x
2
)) K
+
.
Pero esto quiere decir
tf(x
1
) + (1 t)f(x
2
) f(tx
1
+ (1 t)x
2
).
Por lo tanto f es convexa.
La siguiente proposici on nos ser a de utilidad m as adelante. Primero de-
nimos, para c R, el conjunto
K
c
= {x K : f(x) c},
el corte de f a la altura c. Vease la gura 2.
c
x
y
Kc
c
Figura 2. El conjunto de las x tal que f(x) queda por debajo de c es Kc.
Proposici on 4.15. Si f es convexa en K, entonces cada K
c
es convexo.
Demostracion. Sean x
1
, x
2
K
c
. Entonces f(x
1
) c, f(x
2
) c. Como f
es convexa, para t [0, 1],
f(tx
1
+ (1 t)x
2
) tf(x
1
) + (1 t)f(x
2
) tc + (1 t)c = c,
por lo que entonces tx
1
+ (1 t)x
2
K
c
.
72 4. Convexidad
La inversa de la proposici on 4.15 es falsa.
Ejemplo 4.16. Consideremos f : R R dada por f(x) = x
3
. Entonces
K = R y cada K
c
es el intervalo (,
3

c), as que es convexo. Sin embargo,

f no es convexa.
Ejemplo 4.17. Sea A R
n
un conjunto cerrado tal que A = . Denimos
f : R
n
R como
f(x) = mn{|x y| : y A}.
Tal mnimo existe por la proposici on 1.34. Demostraremos que f es convexa
si, y solo si, A es convexo.
Si f es convexa, entonces, como A = K
0
, A es convexo, por la proposici on
4.15.
Supongamos ahora que A es convexo. Sean x
1
, x
2
R
n
y t [0, 1].
Tomamos y
1
, y
2
A tales que f(x
1
) = |x
1
y
1
|, f(x
2
) = |x
2
y
2
|. Como A
es convexo, ty
1
+ (1 t)y
2
A, as que
f(tx
1
+ (1 t)x
2
) |tx
1
+ (1 t)x
2
(ty
1
+ (1 t)y
2
)|
t|x
1
y
1
| + (1 t)|x
2
y
2
| = tf(x
1
) + (1 t)f(x
2
).
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
f(x) =
_
1, x = 0, 1
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 R
n
convexo y abierto, y f : K R convexa.
Entonces f es continua.
Lema 4.20. Sea R un rect angulo cerrado. Entonces R es el conjunto de
todas las combinaciones convexas de sus vertices.
En otras palabras, si R = [a
1
, b
1
] [a
n
, b
n
], el conjunto V de sus
vertices es el conjunto
V = {(c
1
, c
2
, ..., c
n
) : c
i
= a
i
o b
i
}.
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 x
0
K y R K un rect angulo con centro en x
0
y
de lado 2r, como se muestra en la gura 3. Sea B la bola cerrada B
r
(x
0
) y
r
2r
x + u
x u
x
x
0
0
0
Figura 3. El rectangulo de la demostraci on del teorema 4.19.
x B. Entonces la recta que pasa por x
0
y x corta a fr B en dos vectores,
digamos x
0
+ u y x
0
u, con |u| = r. Entonces, si t =
|x x
0
|
r
, x y x
0
satisfacen las siguientes relaciones convexas:
x = (1 t)x
0
+ t(x
0
+ u),
x
0
=
1
t + 1
x +
t
t + 1
(x
0
u).
Sea V el conjunto de vertices de R, y
M = m ax{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(x
0
) + tf(x
0
+ u)
y
(4.2) f(x
0
)
1
t + 1
f(x) +
t
t + 1
f(x
0
u).
De (4.1) obtenemos
f(x) (1 t)f(x
0
) + tM,
por lo que
f(x) f(x
0
) t(M f(x
0
)).
De (4.2),
f(x
0
)
1
t + 1
f(x) +
t
t + 1
M,
as que
t(f(x
0
) M) f(x) f(x
0
).
Entonces
|f(x) f(x
0
)| t|M f(x
0
)| =
|M f(x
0
)|
r
|x x
0
|.
74 4. Convexidad
Dado > 0, escogemos
= mn
_
r,
r
|M f(x
0
)| + 1
_
.
Entonces |x x
0
| < implica que |f(x) f(x
0
)| < .
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(x
0
) + Df(x
0
)(x x
0
)
para todo x, x
0
K.
Demostracion. Supongamos que f es convexa, y sea h = x x
0
. Como f
es convexa, para t (0, 1]
f(x
0
+ th) (1 t)f(x
0
) + tf(x
0
+ h),
por lo que
f(x
0
+ th) f(x
0
) t(f(x
0
+ h) f(x
0
)).
Restamos Df(x
0
)(th) = tDf(x
0
)(h)) de la desigualdad, dividimos entre t y
obtenemos
f(x
0
+ th) f(x
0
) Df(x
0
)(th)
t
f(x
0
+ h) f(x
0
) Df(x
0
)(h).
Como f es diferenciable, el lado izquierdo de la desigualdad va a 0 cuando
t 0. Entonces
f(x
0
+ h) f(x
0
) Df(x
0
)(h) 0,
es decir
f(x) f(x
0
) + Df(x
0
)(x x
0
).
Supongamos ahora que la desigualdad (4.3) es cierta para todo x
0
, x
K. Sean x
1
, x
2
K, x
1
= x
2
, t (0, 1) y x = (1t)x
1
+tx
2
. Demostraremos
que
f(x) (1 t)f(x
1
) + tf(x
2
).
Tenemos
f(x
1
) f(x) + Df(x)(x
1
x)
y
f(x
2
) f(x) + Df(x)(x
2
x),
4. Puntos y valores extremos 75
as que
(1 t)f(x
1
) + tf(x
2
)
(1 t)
_
f(x) + Df(x)(x
1
x)
_
+ t
_
f(x) + Df(x)(x
2
x)
_
= f(x) + Df(x)
_
(1 t)x
1
+ tx
2
x
_
= f(x).

Como f(x
0
) +Df(x
0
)(x x
0
) es la aproximacion lineal de f en el pun-
to x
0
, entonces el teorema 4.21 establece que una funcion diferenciable es
convexa si, y solo si, su gr aca se encuentra arriba de la gr aca de su apro-
ximacion lineal en cada punto.
4. Puntos y valores extremos
En esta secci on estudiaremos los puntos extremos de conjuntos convexos,
y su relaci on con los valores extremos (m aximos y mnimos) de las funciones
convexas.
Denicion 4.22. Sea K R
n
convexo. Decimos que x K es un punto
extremo de K si no existen x
1
, x
2
K, t (0, 1) tales que x = (1t)x
1
tx
2
.
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).
Proposici on 4.23. Sea K R
n
convexo y compacto. Entonces todo punto
de K es combinaci on convexa de puntos extremos de K.
Demostracion. Demostraremos esta proposici on por induccion en n. Cuan-
do n = 1, K es un intervalo cerrado, y la proposici on es cierta porque, si
x [a, b], entonces
x =
b x
b a
a +
x a
b a
b.
Suponemos entonces que el resultado es cierto para n 1. Sea K R
n
convexo y compacto. Primero, tomemos x
0
fr K. Sea P un hiperplano
de apoyo a K tal que x
0
K P. Pero K

P puede ser identicado

con un subconjunto convexo en R
n1
(ejercicio 15). Por induccion, x
0
es
combinaci on convexa de puntos extremos de KP, que a su vez son puntos
extremos de K (ejercicio 16).
Si x
0
K
0
, sea L una recta que contiene a x
0
. Entonces, como K es
convexo y compacto,
L fr K = {x
1
, x
2
},
y x
0
es combinaci on convexa de x
1
y x
2
, que a su vez son, cada uno, una
combinaci on 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 alg un punto extremo de K.
Demostracion. Si x K, entonces
x =
m

i=1
t
i
x
i
,
donde

i
t
i
= 1 y los x
i
son puntos extremos de K. Entonces
f(x)
m

i=1
t
i
f(x
i
)
m

i=1
t
i
M = M,
donde
M = sup{f(y) : y es punto extremo de K}.
Como f es continua, f toma su m aximo, y entonces lo debe tomar en un
extremo.
La hip otesis de continuidad en el corolario fue utilizada para garantizar
que f toma su m aximo en K, aunque no siempre es necesaria esta hip otesis.
Por ejemplo, si K es un poltopo convexo compacto, entonces tiene sola-
mente un n umero nito de puntos extremos (ejercicio 17). As que el m aximo
de f sobre K es simplemente
M = m ax{f(y) : y es punto extremo de K},
el cual siempre existe porque {f(y) : y es punto extremo de K} es nito.
Si f : R
n
R es lineal, entonces claramente es convexa. Si K R es
convexo y compacto, sea M el m aximo de f en K y denimos
K

= {x K : f(x) = M}.
Corolario 4.25. x K

si, y solo si, x es combinaci on convexa de puntos

extremos de K contenidos en K

.
Demostracion. Sea x K

, y x =

i
t
i
x
i
, t
i
> 0,

i
t
i
= 1, donde los
x
i
son puntos extremos de K. Si f(x
j
) < M para alg un j, entonces, como
t
j
> 0,
M = f(x) =

i
t
i
f(x
i
)

i=j
t
i
M + t
j
f(x
j
) < M,
una contradicci on. Entonces f(x
i
) = M para todo i, es decir, x
i
K

para
todo i.
Si x =

i
t
i
x
i
, con x
i
K

para todo i,
f(x) =
k

i=1
t
i
f(x
i
) = M,
Ejercicios 77
porque f es lineal y

i
t
i
= 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 R
n
un conjunto convexo cerrado no vaco tal que R
n
\ K =
es convexo. Muestra que K es un semiespacio cerrado.
4. Muestra que si x se puede representar como combinaci on convexa de
x
0
, x
1
, . . . , x
r
de dos formas distintas, entonces los vectores
x
1
x
0
, x
2
x
0
, . . . , x
r
x
0
son linealmente dependientes.
5. Sea x una combinaci on convexa de x
1
, . . . , x
m
, y cada x
j
una combina-
cion convexa de y
j1
, . . . , y
jm
j
. Muestra que x es una combinaci on con-
vexa de de todos los y
jk
.
6. Sea S R
n
. 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.
8. Muestra que si f : K R es convexa y

r
i=1
t
i
x
i
es una combinaci on
convexa de x
1
, . . . , x
r
K, entonces
f
_
r

i=1
t
i
x
i
_

r

i=1
t
i
f(x
i
).
9. Sean f, g : K R convexas y sea h : K R dada por
h(x) = m ax{f(x), g(x)}.
Muestra que h es convexa.
10. Sea f : K R continua tal que
f
_
1
2
(x
1
+ x
2
)
_

1
2
_
f(x
1
) + f(x
2
)
_
para todo x
1
, x
2
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
a
1t
b
t
(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 R
n
, y p, q > 1 son tales que
1
p
+
1
q
= 1, entonces
n

i=1
|x
i
y
i
|
_
n

i=1
|x
i
|
p
_
1/p
_
n

i=1
|y
i
|
q
_
1/q
.
(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 R
n
y x
0
P. Muestra que existe una isometra
: P R
n1
tal que (x
0
) = 0.
16. Muestra que si P es un hiperplano de apoyo del conjunto convexo K y
x es un punto extremo de KP, entonces x es un punto extremo de K.
17. Sea K un poltopo convexo. Muestra que K tiene un n umero nito de
puntos extremos.
18. Muestra que un poltopo compacto es la uni on nita de simplejos. Si el
poltopo tiene r vectores linealmente independientes, muestra que es la
uni on nita de r-simplejos.