Você está na página 1de 26

c PAVF 1

Convexidade

Conjuntos e func~oes convexas


Hiperplanos e semi-espacos
Hiperplanos suportes e separadores
Teorema da separac~ao
Func~oes convexas diferenciaveis
c PAVF 2

Conjuntos e func~oes convexas

Conjunto convexo
 Rn e um conjunto convexo se para quaisquer x y2
e qualquer  2 0 1],

x + (1 ; )y 2

convexo n~ao-convexo

Exemplos
Rn, subespacos, variedades
, conjunto vazio

Teorema
Sejam ; conjuntos convexos do Rn. Ent~ao tambem s~ao
conjuntos convexos
1.  := fy : y = x x 2 g  2 R
2. + ;
3. \ ;
c PAVF 3

Conjuntos e func~oes convexas

Casca convexa
Seja Rn. A casca convexa de , representada como

conv ( ), e o menor conjunto convexo que contem

conv

Combinac~ao convexa
Sejam x1 x2 : : : xp elementos de  Rn. Elementos da
forma
p
X
x= ixi = 1x1 + 2x2 +    + pxp
i=1
n
X
com i 0 i = 1 2 : : : n e i = 1, s~ao combinac~oes

i=1
convexas dos elementos x x : : : xp 2
1 2

x2
x1
x3
c PAVF 4

Conjuntos e func~oes convexas

Ponto extremo
Diz-se que z 2  Rn e um ponto extremo de se n~ao
existem x y 2 x 6= y tais que z = x +(1 ; )y para algum
 2 (0 1)

Teorema
Qualquer conjunto  Rn convexo e compacto e a casca
convexa dos seus pontos extremos

Exemplo (Casca convexa)


Seja  R2 de nido como

:= f(;1 0)g f(x1 x2) : x21 + x22 = 1 x1  0g

x2
conv ( )

;1 0 x1
c PAVF 5

Conjuntos e func~oes convexas

Cone
Diz-se que  Rn e um cone (com vertice na origem) se
x 2 implica que x 2 para todo   0

Exemplos
a) := f(x1 x2) 2 R2 : x1x2  0g
b) Subespacos e variedades do Rn
c) Conjunto dos vetores n~ao-negativos:
:= fx 2 Rn : xi  0 i = 1 2 : : : ng

Cone gerado
O cone gerado por vetores x y 2 Rn e de nido como

:= fz 2 Rn : z = x + y   0   0g
c PAVF 6

Conjuntos e func~oes convexas

z
y

x y : raios extremos do cone

Cone polar
O cone polar associado a qualquer conjunto  Rn e
:= fy 2 Rn : yT x  0 x 2 g

Interpretac~ao:

y
c PAVF 7

Conjuntos e func~oes convexas

Func~ao convexa
Seja  Rn um conjunto convexo e f : ! R. Diz-se
que f e uma func~ao convexa se para todos x y 2 e todo
 2 0 1],

f (x + (1 ; )y)) f (x) + (1 ; )f (y)

f (a) + (1 ; )f (b)


f (a) f
f (b)

0 a b x

Se a desigualdade for estrita para todos x 6= y e  2 (0 1),


ent~ao f e estritamente convexa f e c^oncava se ;f e con-
vexa

Exemplo
Normas: para todos x y 2 Rn e  2 0 1],

kx + (1 ; )y k kxk + (1 ; )ky k


c PAVF 8

Conjuntos e func~oes convexas

Teorema
Seja 2 Rn um conjunto convexo e f : ! Rn uma func~ao
convexa. Ent~ao
:= fx 2 : f (x) g

e um conjunto convexo para todo  2 R

f
2
f n~ao-convexa,
convexo
1

0 x
1

Convexidade de f e uma condic~ao su ciente p/ convexo

Func~ao quasi-convexa
Seja  Rn um conjunto convexo e f : ! R . Diz-se que
f e quasi-convexa se para todos x y 2 e todo  2 0 1]

f (x + (1 ; )y) maxff (x) f (y)g


c PAVF 9

Conjuntos e func~oes convexas

Teorema
Seja  Rn um conjunto convexo e f : ! R. Ent~ao f e
quasi-convexa se e somente se e um conjunto convexo para
todo  2 R

Teorema
Se f : ! R e g : ; ! R s~ao func~oes convexas nos
conjuntos convexos e ;, ent~ao

1. f e convexa em para todo   0


2. f + g e convexa em \ ;

Teorema (Desigualdade de Jensen)


Seja  Rn um conjunto convexo e f : ! R uma func~ao
convexa. Ent~ao
0p 1 p
X X
f @ k xk A k f (xk)
k=1 k=1

quaisquer que sejam x1 x2 : : : xpp 2 e quaisquer que sejam


X
k  0 k = 1 2 : : : p tais que k = 1
k=1
c PAVF 10

Conjuntos e func~oes convexas

Epgrafo
O epgrafo de uma func~ao f :  Rn ! R e de nido como

epi (f ) := f(x ) x 2 Rn  2 R : f (x)  x 2 g

f (x)

epi (f )

0 x

Notas
Conjunto de pontos acima do gra co de f
Subconjunto do Rn+1

Teorema
Seja  Rn um conjunto convexo e f : ! R. Ent~ao f e
convexa se e somente se epi (f ) e um conjunto convexo
c PAVF 11

Hiperplanos e semi-espacos

Hiperplano
Um hiperplano H do Rn e um conjunto de pontos da forma

H := fx 2 Rn : cT x = kg

onde c 2 Rn c 6= 0 e o vetor normal de H e k 2 R

Notas
H e uma variedade linear: se x y 2 H ent~ao de nindo-se
z := x + (1 ; )y  2 R,

cT z = cT x + (1 ; )cT y
= k + (1 ; )k
= k para todo  2 R

ou seja x + (1 ; )y 2 H para todo  2 R

H e a translac~ao do subespaco
S = fx 2 Rn : cT x = 0g

S e o conjunto dos pontos x 2 Rn ortogonais a c. Portanto,


dim (S ) = dim (H) = n ; 1 H e a maior variedade
propria contida no Rn
c PAVF 12

Hiperplanos e semi-espacos

Semi-espacos abertos
H> := fx 2 Rn : cT x > kg
H< := fx 2 Rn : cT x < kg

Semi-espacos fechados
H := fx 2 Rn : cT x  kg
H := fx 2 Rn : cT x kg

Conjunto poliedral
Um conjunto poliedral  Rn e a intersec~ao de um
numero nito de semi-espacos fechados

:= fx 2 Rn : (ci)T x ki i = 1 2 : : : mg

onde ci 6= 0 i = 1 2 : : : m. Conjuntos poliedrais s~ao fe-


chados e convexos, mas podem ser ilimitados. Exemplo: Para
A 2 Rmn e b 2 Rm,
:= fx 2 Rn : Ax bg

Politopo
Um conjunto poliedral limitado e chamado de politopo
c PAVF 13

Hiperplanos suportes e separadores

Hiperplano suporte
H e um hiperplano suporte de um conjunto convexo se
 H ou  H e H contem um ponto de

x
x2

Teorema
o o
Seja  Rn um conjunto convexo. Se x0 62 e 6= ,
ent~ao existe um hiperplano H tal que x0 2 H e  H ou
 H

H
x0 x

cT (x ; x0) 0 para todo x 2 (  H )


c PAVF 14

Teorema da separac~ao

Hiperplano separador
Sejam ;  Rn conjuntos quaisquer. Diz-se que H :=
fx 2 Rn : cT x = k g e um hiperplano separador de e;
se  H e ;  H
H
H
Impropria
; Propria
;

Teorema (Separac~ao ponto-conjunto)


Seja  Rn um conjunto convexo fechado e x0 62 . Ent~ao
existe um vetor c 2 Rn c 6= 0 e um escalar k tais que cT x0 > k
e cT x k para todo x 2

Corolario
Seja  Rn um conjunto convexo fechado. Ent~ao e a
intersec~ao de todos os semi-espacos que cont^em

Teorema (Teorema da separac~ao)


o
Sejam
o
;  Rn conjuntos convexos tais que 6=  e
; \ = . Ent~ao existe um hiperplano separando e ;
c PAVF 15

Func~oes convexas diferenciaveis

Teorema
Seja  Rn um conjunto convexo e f : ! R uma func~ao
convexa. Ent~ao f e contnua no interior de

Nota
Uma func~ao f : ! R convexa pode ser descontnua na
fronteira de . Exemplo: = ;1 1] e
8 2
>
<x
> se j x j < 1
f (x) := >
>2
: se j x j = 1

Teorema
Seja  Rn um conjunto convexo e f : ! R uma func~ao
convexa. Ent~ao
a) O conjunto ;  no qual f atinge seu mnimo e convexo
b) Qualquer mnimo local e tambem um mnimo global de f

Prova: Seja  := min


x2
f (x)
a) O conjunto ; := fx 2 : f (x) g e convexo, pois
f e convexa
c PAVF 16

Func~oes convexas diferenciaveis

b) Suponha que x 2 e um mnimo local de f e que existe


x 2 tal que f (x) < f (x ). Ent~ao para 0 <  < 1,
f (x + (x ; x )) f (x ) + (f (x) ; f (x )) < f (x )

o que contradiz (para  ! 0+) que x e um mnimo local 2

Teorema
Seja  Rn um conjunto convexo e f 2 C 1 de nida em .
Ent~ao f e convexa em se e somente se para todos x y 2 ,

f (x)  f (y) + rf (y)T (x ; y)


f

f (y) f (y) + rf (y)T (x ; y)

0 y x

Teorema
Seja  Rn um conjunto convexo com interior n~ao-vazio e
f 2 C 2 de nida em . Ent~ao f e convexa em se e somente
se F (x) for semi-de nida positiva em
c PAVF 17

Func~oes convexas diferenciaveis

Teorema
Seja  Rn um conjunto convexo e f 2 C 1 convexa em .
Se existe um ponto x 2 tal que para todo x 2

rf (x )T (x ; x )0

ent~ao x e um mnimo global de f em


Prova: Como f e convexa e diferenciavel, para todo x 2 ,

f (x)  f (x ) + rf (x )T (x ; x )  f (x )

e portanto x e um mnimo global de f em 2

Teorema
Seja  Rn um conjunto convexo e f 2 C 1 de nida em .
Ent~ao f e estritamente convexa em se e somente se para
todos x y 2 x 6= y,

f (x) > f (y) + rf (y)T (x ; y)

Note que se rf (y)T (x ; y)  0 para todo x 2 , ent~ao y


e um mnimo global estrito de f em
c PAVF 18

Func~oes convexas diferenciaveis

Teorema
Seja  Rn um conjunto convexo com interior n~ao-vazio e
e f 2 C 2 de nida em . Se F (x) > 0 para todo x 2 , ent~ao
f e estritamente convexa em

Notas
A 2a. derivada de uma func~ao estritamente convexa pode
ser apenas n~ao-negativa em . Exemplo: f (x) := x4 e
estritamente convexa em R, mas f 00(0) = 0

Se f (x) = (1=2)xT Qx + cT x, ent~ao F (x) = Q e f e


estritamente convexa em se e somente se Q > 0

Teorema
Seja f : Rn ! R e quaisquer x d 2 Rn d 6= 0. De na
g() := f (x + d)  2 R. Ent~ao f e (estritamente) convexa
se e somente se g e (estritamente) convexa para todos x d 2
Rn d 6= 0

Se f e convexa, ent~ao f e convexa em qualquer direc~ao


d 2 Rn a partir de qualquer ponto x 2 Rn
c PAVF 19

Exemplos

Exemplo 1: f (x) = 100(x2 ; x21)2 + (1 ; x1)2 = R2

rf (x )=0 ) x = (1 1) e F (x ) > 0

Interpretac~ao: Se f for estritamente convexa numa vi-


zinhanca de x , ent~ao x satisfaz a condic~ao su ciente para
mnimo local estrito. Note que F (x) > 0 para todo x 2 R2 tal
que x2 ; x21 < 0:005

Exemplo 2: f (x) = x21 + x22 + x23 ; x1x2 + x2x3 ; x1x3 = R3.


Na forma f (x) = (1=2) xT Qx Q = QT ,

2 32 3 2 3
66 2 ; 1 ;1 77 66 x1 77 66 0 77
rf (x) = 64 ;1 2 1 75 64 x2 75 = 64 0 75
;1 1 2 x3 0

= Qx = 0

Ponto estacionario: x = 0 (unico, pois det (Q) 6= 0)

Hessiana: F (x ) = Q 1 = 2 2 = 3 3 = 4 f e
estritamente convexa (Q > 0) e x = 0 e um mnimo global
estrito de f
c PAVF 20

Exemplos

Exemplo 3: f (x) = ex ;x + ex ;x + ex + x23


1 2 2 1
2
1 = R3
2 x1 ;x2 x2;x1 3 2 3
6 e ; e + 2 x 1 ex21
77 66 0 77
rf (x) = 664 ;ex1 ;x2 + ex2 ;x1 75 = 64 0 75
2x3 0

Ponto estacionario: x = 0 (unico)


Hessiana:
2 x1 ;x2 x2 ;x1 3
6 e + e + 4 x1 e
2 x21
+ 2 e x21 ;ex1 ;x2 ; ex2 ;x1 0
7
F (x) = 664 ;ex1 ;x2 ; ex2 ;x1 ex1;x2 + ex2;x1 0 775
0 0 2

1 > 0
2 = (ex1;x2 + ex2 ;x1 )(4x21ex21 + 2ex21 ) > 0
3 = 2 2 > 0
F (x) > 0 para todo x 2 R3 f e estritamente convexa e x = 0
e um mnimo global estrito de f

Exemplo 4: f (x) = ex ;x + ex ;x
1 2 2 1 = R2
2 x1 ;x2 x2 ;x1 3 2 3
rf (x) = 4
e ;e 5=405
;e x 1 ;x2
+e x2 ;x1
0

Pontos estacionarios: qquer x 2 R2 tal que x1 = x2


c PAVF 21

Exemplos

Hessiana:
2 x1 ;x2 x2 ;x1 x1 ;x2 ; ex2 ;x1 3
e + e ; e
F (x) = 4 ;ex1;x2 ; ex2;x1 ex1;x2 + ex2;x1 5

Como 1 > 0 e 2 = 0, nada se pode concluir atraves dos


menores principais lderes. Entretanto, para todo y 2 R2,
yT F (x)y = (ex ;x + ex ;x )(y1 ; y2)2  0
1 2 2 1

Portanto, f e convexa e pontos x 2 R2 tais que x1 = x2 s~ao


mnimos locais (globais) de f

Exemplo 5: f (x) = ex ;x + ex +x
1 2 1 2 = R2
2 x1 ;x2 x1 +x2 3 2 3
rf (x) = 4
e +e 5 = 4 05
;ex1 ;x2 + ex1 +x2 0
f n~ao possui pontos estacionarios !

Exemplo 6: f (x) = x31 ; 12x1x2 + 8x32 = R2


2 3 2 3
rf (x) = 4
3x21 ; 12x2 5 = 4 0 5
;12x1 + 24x22 0

Pontos estacionarios: x1 = (0 0) x2 = (2 1)
c PAVF 22

Exemplos

Hessiana:
2 3
F (x) = 4 6 x 1 ; 12 5
;12 48x2

Ponto x1
2 3
F (x1) = 4 0 ;12 5
;12 0

F (x1) e inde nida:


yT F (x1)y = ;24y1y2

O ponto x1 = (0 0) seria um mnimo local se

f (0) = 0 f (x) para todo x 2 B(0)

Escolhendo pontos da forma x = (x1 0), ent~ao f (x1 0) = x31


e f (x1 0) > 0 se x1 > 0 e f (x1 0) < 0 se x1 < 0. Portanto
x1 = (0 0) n~ao e um mnimo local de f

Ponto x2
2 3
F (x2) = 4 12 ; 12 5 1 > 0 2 > 0
;12 48

F (x2) > 0 e x2 e um mnimo local estrito de f


c PAVF 23

Exemplos

Exemplo 7: f (x) = x41 ; x42 = R2


2 3
66 4x1 77 2 0 3
3

rf (x) = 64 75 = 4 5
;4x2
3 0

Ponto estacionario: x = 0 (unico)


Hessiana:
2 3
F (x) = 4 12x1 0 5
2

0 ;12x22

2 3
F (x ) = 4 0 0 5
0 0

F (x )  0, mas x = 0 n~ao e um mnimo (ou maximo) local


de f

Exemplo 8: f (x) = x41 + x42 = R2


2 3 3
66 4x1 77 2 0 3
rf (x) = 64 75 = 4 5
4x23 0

Ponto estacionario: x = 0 (unico)


c PAVF 24

Exemplos

Hessiana: 2 3 2 3
F (x) = 4 12 x2
1 0 5 F (x ) = 4 0 0 5
0 12x22 0 0

e como F (x)  0 para todo x 2 R2, f e convexa e portanto


x = 0 e um mnimo local (global) de f

Exemplo 9: f (x) = x21 ; x1 + x2 + x1x2 = fx 2 R2 : x1 


0 x2  0g. Analise no ponto x = (1=2 0):
2 3 2 3
2
rf (x ) = 4 1
x ; 1 + x2 5
=4 0 5
1 + x1 3=2

As direc~oes factveis d = (d1 d2) no ponto x s~ao tais que


d2  0. Portanto, para toda direc~ao factvel d,

rf (x )T d = (3=2) d2  0

e x satisfaz as condic~oes necessarias de 1a. ordem para mnimo


local. Se d2 = 0, ent~ao

rf (x )T d = 0
dT F (x )d = 2 d21  0

e x tambem satisfaz as condic~oes de 2a. ordem para mnimo


local de f em
c PAVF 25

Exemplos

MATLAB
Considere f (x) = ex1 ;x2 + ex2 ;x1 + ex21 + x23 = R3

syms x1 x2 x3
f=exp(x1-x2)+exp(x2-x1)+exp(x1^2)+x3^2
g=
diff(f,x1)diff(f,x2)diff(f,x3)] % Gradiente
g =

exp(x1-x2)-exp(x2-x1)+2*x1*exp(x1^2)]

-exp(x1-x2)+exp(x2-x1)]

2*x3]

% Hessiana

H=
diff(g(1),x1) diff(g(1),x2) diff(g(1),x3)
diff(g(2),x1) diff(g(2),x2) diff(g(2),x3)
diff(g(3),x1) diff(g(3),x2) diff(g(3),x3)]
H =

exp(x1-x2)+exp(x2-x1)+2*exp(x1^2)+4*x1^2*exp(x1^2),
-exp(x1-x2)-exp(x2-x1), 0]

-exp(x1-x2)-exp(x2-x1), exp(x1-x2)+exp(x2-x1), 0]

0, 0, 2]

% Ponto estacionario

x1,x2,x3]=solve('exp(x1-x2)-exp(x2-x1)+2*x1
*exp(x1^2)=0','-exp(x1-x2)+exp(x2-x1)=0','2*x3=0')
x1 = 0
x2 = 0
x3 = 0
c PAVF 26

Exemplos

% Hessiana em x=0
F=eval(H)
F =
4 -2 0
-2 2 0
0 0 2

X,E]=eig(F)
X =
-0.8507 -0.5257 0
0.5257 -0.8507 0
0 0 1.0000
E =
5.2361 0 0
0 0.7639 0
0 0 2.0000

Note que F > 0 indica que x = 0 e um mnimo local estrito.


Como na verdade f e estritamente convexa, x = 0 e um mnimo
global estrito de f