Matem aticas Empresariales Tema 3: Optimizaci on sin restricciones.

Convexidad

Lecci on 3.2: Extremos absolutos en programas sin restricciones

Philippe Bechouche
Departamento de Matem atica Aplicada Universidad de Granada phbe@ugr.es

Doble Grado en Administraci on y Direcci on de Empresas y Derecho Curso 2011-2012

Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 1 / 27

Objetivos Conjuntos convexos Funciones convexas y c oncavas Extremos absolutos de funciones convexas y c oncavas Qu e hemos aprendido hoy?

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

2 / 27

Objetivos

Objetivos Conjuntos convexos Funciones convexas y c oncavas Extremos absolutos de funciones convexas y c oncavas Qu e hemos aprendido hoy?

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

3 / 27

Objetivos

Objetivos de esta lecci on

1 2

Saber reconocer los conjuntos convexos. Determinar cu ando una funci on de varias variables es convexa o c oncava. Determinar cu ando una funci on convexa o c oncava tiene m nimos o m aximos absolutos.

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

4 / 27

Conjuntos convexos

Objetivos Conjuntos convexos Funciones convexas y c oncavas Extremos absolutos de funciones convexas y c oncavas Qu e hemos aprendido hoy?

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

5 / 27

Conjuntos convexos

Conjuntos convexos

Denici on Un conjunto A de Rn se dice convexo si para todo x , y de A se tiene que x + (1 )y A , [0, 1]

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

6 / 27

Conjuntos convexos

Conjuntos convexos

Denici on Un conjunto A de Rn se dice convexo si para todo x , y de A se tiene que x + (1 )y A , [0, 1]

Interpretaci on: Los puntos x + (1 )y cuando recorre el intervalo [0, 1] forman el segmento que une x con y . Por tanto estamos diciendo que A es convexo si para todo par de puntos de A, el segmento que los une est a incluido en A

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

6 / 27

Conjuntos convexos

Conjuntos convexos

Conjunto convexo

Conjunto no convexo

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

7 / 27

Conjuntos convexos

Conjuntos convexos
Ejemplo: En R2 (y tambi en en Rn ) cualquier producto de intervalos (por ejemplo [2, 3) (1, 2]) es convexo. Ejemplo: Las bolas abiertas o cerradas son convexas. Ejemplo: Los semiplanos abiertos o cerrados son convexos. Ejemplo: El conjunto {(x , y ) R2 : 1 x 2 + y 2 4} no es convexo.
Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 8 / 27

Conjuntos convexos

Conjuntos convexos
Ejemplo: El conjunto {(x , y ) : y x 2 } es convexo
5 4

2 1

Su interior es convexo? Es {(x , y ) : y x 2 } convexo?

Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 9 / 27

Conjuntos convexos

Conjuntos convexos
Ejemplo: El conjunto {(x , y ) : y = x 2 } no es convexo
5 4

2 1

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

10 / 27

Conjuntos convexos

Conjuntos convexos

Propiedad La intersecci on de conjuntos convexos es convexa

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

11 / 27

Conjuntos convexos

Conjuntos convexos

Propiedad La intersecci on de conjuntos convexos es convexa Aplicaci on: Podemos usar este resultado para garantizar que el conjunto {x , y ) R2 : x + y < 3, 2x 5y > 2, x 2 + y 2 < 91} es convexo.

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

11 / 27

Funciones convexas y c oncavas

Objetivos Conjuntos convexos Funciones convexas y c oncavas Extremos absolutos de funciones convexas y c oncavas Qu e hemos aprendido hoy?

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

12 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Denici on Una funci on f : D Rn R siendo D convexo se dice convexa si f (x 0 + (1 )x 1 ) f (x 0 ) + (1 )f (x 1 ) , x 0 , x 1 D

Denici on Una funci on f : D Rn R siendo D convexo se dice c oncava si f (x 0 + (1 )x 1 ) f (x 0 ) + (1 )f (x 1 ) , x 0 , x 1 D

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

13 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Denici on Una funci on f : D Rn R siendo D convexo se dice convexa si f (x 0 + (1 )x 1 ) f (x 0 ) + (1 )f (x 1 ) , x 0 , x 1 D Convexa: f evaluada en el segmento que une x 0 con x 1 es segmento que une f (x 0 ) con f (x 1 ) Denici on Una funci on f : D Rn R siendo D convexo se dice c oncava si f (x 0 + (1 )x 1 ) f (x 0 ) + (1 )f (x 1 ) , x 0 , x 1 D C oncava: f evaluada en el segmento que une x 0 con x 1 es segmento que une f (x 0 ) con f (x 1 )
Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 13 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Ejemplo visual de funci on convexa

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

14 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Ejemplo visual de funci on c oncava

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

15 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Sea una funci on de varias variables f : D Rn R siendo D un abierto convexo. Entonces f es convexa en D Hessf (x ) es semidenida positiva o denida positiva x D .

f es c oncava en D Hessf (x ) es semidenida negativa o denida negativa x D .

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

16 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Ejemplo 1 f : R2 R, f (x , y ) = x 2 + y 2 2xy 2 2 D =2>0 Hf (x , y ) = 1 2 2 D2 = 0

La matriz Hessiana es semidenida positiva en todo R2 . Por tanto f (x , y ) es convexa en todo R2 .

2

30

20

10

0 0 2

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

17 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Ejemplo 2 f : R2 R, f (x , y ) = x 4 + y 2 12x 2 0 D = 12x 2 0 Hf (x , y ) = 1 0 2 D2 = 24x 2 0

Si x = 0, la matriz es denida positiva en todo R2 . Si x = 0, la matriz es semidenida positiva. (Comprobarlo). Por tanto, la funci on es convexa en todo R2 .
2 20 15 10 5 0 1 0 1 2

1 0 1

Philippe Bechouche

2 Lecci on 3.2: Extremos absolutos en programas sin restricciones

18 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Ejemplo 3 f : R2 R, f (x , y ) = x 4 + y 2 4xy 12x 2 4 D = 12x 2 0 Hf (x , y ) = 1 4 2 D2 = 24x 2 16

El signo de D2 depende de x . Luego la matriz no es semidenida positiva ni negativa en todo R2 . Por tanto, la funci on no es ni convexa ni c oncava 2 en todo R . Puede ser convexa o c oncava en algunos subconjuntos de R2 .
2 20 15 10 5 0 2 1 0 1 2

1 0 1

Philippe Bechouche

2 Lecci on 3.2: Extremos absolutos en programas sin restricciones

19 / 27

Funciones convexas y c oncavas

Funciones de varias variables convexas y c oncavas

Ejemplo 4 f : (0, ) (0, ) R, Hf (x , y ) = f (x , y ) = ln(x ) + ln(y ) x12 0 0 y12 D1 = x12 < 0 D2 =
1 x 2y 2

>0

Luego la matriz es denida negativa en todo el dominio (0, ) (0, ). Por tanto, la funci on es c oncava en todo el dominio (0, ) (0, ).
3 2 1 0 2

2 4 3 2 1 0

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

20 / 27

Extremos absolutos de funciones convexas y c oncavas

Objetivos Conjuntos convexos Funciones convexas y c oncavas Extremos absolutos de funciones convexas y c oncavas Qu e hemos aprendido hoy?

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

21 / 27

Extremos absolutos de funciones convexas y c oncavas

M nimos absolutos de funciones convexas

M nimos absolutos de funciones convexas Sea D un conjunto abierto y convexo y f una funci on convexa f : D Rn R denida en D . Entonces se verica alguna de las tres posibilidades siguientes: f no tiene puntos cr ticos f no tiene extremos en D . f tiene un u nico punto cr tico en D f tiene un u nico m nimo absoluto en ese punto cr tico. f tiene innitos puntos cr ticos en D todos ellos son m nimos absolutos de f .

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

22 / 27

Extremos absolutos de funciones convexas y c oncavas

M aximos absolutos de funciones c oncavas

M aximos absolutos de funciones c oncavas Sea D un conjunto abierto y convexo y f una funci on c oncava f : D Rn R denida en D . Entonces se verica alguna de las tres posibilidades siguientes: f no tiene puntos cr ticos f no tiene extremos en D . f tiene un u nico punto cr tico en D f tiene un u nico m aximo absoluto en ese punto cr tico. f tiene innitos puntos cr ticos en D todos ellos son m aximos absolutos de f .

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

23 / 27

Extremos absolutos de funciones convexas y c oncavas

M nimos absolutos de funciones convexas

Ejemplo 1 f : R2 R, f (x , y ) = x 4 + x 2 + y 2 + 2xy 12x 2 + 2 2 D = 12x 2 + 2 > 0 Hf (x , y ) = 1 2 2 D2 = 24x 2 0

La matriz Hessiana es denida o semidenida positiva en R2 , luego la funci on es convexa en R2 . Busquemos los puntos cr ticos: f (x , y ) = 4x 3 + 2x + 2y = 0, x f (x , y ) = 2y + 2x = 0 y

La u nica soluci on del sistema es x = 0, y = 0. Por lo tanto, esta funci on tiene un u nico punto cr tico en (0, 0). La funci on es convexa, por tanto (0, 0) es un m nimo absoluto de la funci on f .
Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 24 / 27

Extremos absolutos de funciones convexas y c oncavas

M aximos absolutos de funciones c oncavas

Ejemplo 2 f : (0, ) (0, ) R, f (x , y ) = ln(x ) + ln(y ) 1 x2 0 D1 = x12 < 0 Hf (x , y ) = 0 y12 D2 = x 21y 2 > 0

La matriz Hessiana es denida negativa en (0, ) (0, ), luego la funci on es c oncava en (0, ) (0, ). Busquemos los puntos cr ticos: f 1 (x , y ) = = 0, x x f 1 (x , y ) = = 0 y y

Este sistema no tiene soluci on. Por lo tanto, esta funci on no tiene ning un punto cr tico. La funci on es c oncava, por tanto no tiene ning un extremo absoluto.
Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 25 / 27

Qu e hemos aprendido hoy?

Objetivos Conjuntos convexos Funciones convexas y c oncavas Extremos absolutos de funciones convexas y c oncavas Qu e hemos aprendido hoy?

Philippe Bechouche

Lecci on 3.2: Extremos absolutos en programas sin restricciones

26 / 27

Qu e hemos aprendido hoy?

Resumiendo
Hemos aprendido lo que es un conjunto convexo. Hemos aprendido que la concavidad o convexidad de una funci on viene determinada por la matriz hessiana:
denida o semidenida positiva convexa. denida o semidenida negativa c oncava.

Hemos aprendido que las funciones convexas y c oncavas solo tienen ning un, uno o innitos puntos cr ticos. Hemos aprendido que: funci on convexa (c oncava) los m nimos (m aximos) relativos + son de hecho absolutos. dominio convexo
Philippe Bechouche Lecci on 3.2: Extremos absolutos en programas sin restricciones 27 / 27