Você está na página 1de 22

FAERPI - Faculdade Entre Rios do Piauí

Funções convexas e algumas aplicações da desigualdade de Jensen.

Autores:
Wallace Sales Cardoso Gomes
Email: wallace_sales1@hotmail.com
José Francisco Barbosa Filho
Email: josefranciscobarbosafilho@gmail.com

PARNAÍBA - PI
ANO 2017
Dedico este trabalho primeiramente á Deus,
e segundo aos meus pais.
Agradecimentos

Primeiramente agradecemos ao nosso senhor que sempre iluminou nossos passos, a todos
os nossos familiares que nos apoiaram nos momentos mais difíceis e também aos colegas de
curso que muito nos ajudaram na preparação deste trabalho. Àqueles que tinham muita
habilidade com o látex, suas dicas foram valiosas pra finalização do mesmo. Aos amigos
que dedicaram grande parte do seu tempo colaborando com este trabalho, nossos sinceros
agradecimentos.
Sempre que te perguntarem se podes fazer um trabalho,
respondas que sim e te ponhas em seguida a aprender como se faz.
F. Roosevelt
Resumo

Neste trabalho apresentamos conceitos e definições relacionados à análise convexa. Nossa


monografia trata de uma revisão bibliográfica e esperamos que seja útil para aqueles que
desejam aprofundar-se no assunto. Introduzimos conceitos e propriedades de Análise Real
e Álgebra Linear que são importantes para o entendimento do trabalho. Consideramos
propriedades de funções convexas com ênfase nas funções convexas diferenciáveis. O
principal resultado apresentado é a Desigualdade de Jensen que caracteriza a convexidade
de uma função e seu uso para resolver problemas matemáticos de diferentes níveis de
ensino. Além disso, destacamos a importância do estudo das propriedades de funções
convexas para a Otimização, um ramo da Matemática que tem se expandido muito
nos últimos anos, principalmente com o avanço da tecnologia. Na Otimização, estamos
interessados em encontrar máximos e mínimos de funções, o que se reduz a procurar pontos
de máximo ou mínimo local quando a função considerada é convexa. Incluímos exemplos de
aplicações da Desigualdade de Jensen para resolver problemas de olimpíadas internacionais
de Matemática e problemas clássicos de desigualdades, como a Desigualdades das Médias.
Palavras-chave: Conjuntos Convexos. Funções convexas. Desigualdade de Jensen.
Abstract

In this work we present concepts and definitions related to convex analysis. Our monograph
deals with a bibliographical review and we hope it will be useful for those who wish to
delve deeper into the subject. We introduce concepts and properties of Real Analysis
and Linear Algebra that are important for the understanding of the work. We consider
properties of convex functions with an emphasis on the convex functions. The main result
presented is the Jensen Inequality that characterizes the convexity of a function and
its use to solve mathematical problems of different levels of education. In addition, we
highlight the importance of studying the properties of convex functions for Optimization,
a branch of Mathematics that has expanded greatly in recent years, especially with the
advancement of technology. In Optimization, we are interested in finding maximum and
minimum functions, which reduces to looking for local maximum or minimum points
when the function considered is convex. We have included examples of applications of
Jensen Inequality to solve problems of international Mathematical Olympiads and classical
problems of inequalities such as Inequalities of Averages.
Keywords: Convex Sets. Convex functions. Inequality of Jensen.
Introdução

Neste estudo iremos ter contato com análise convexa, mais precisamente com as
suas aplicações este,assunto no qual já despertava o interesse de muitos, como por exemplo
Euclides que em sua obra prima Os Elementos(300 a.C), oferece algumas contribuições
ao assunto, contribuições essas mais relacionadas aos assuntos do Ensino Médio, as pro-
priedades referentes a poliedros e polígonos, posteriormente mostrou-se de fato que só
existem 13 tipos diferentes de poliedros regulares conhecidos como sólidos arquimedianos.
Com o decorrer do tempo as aplicações de convexidade foram crescendo bastante, princi-
palmente relacionadas ao campo da otimização, em nosso projeto mais especificamente
iremos nos focar na aplicação da Desigualdade de Jensen para a resolução de problemas
de matemática de diferentes níveis, não deixando também de mencionar um pouco sobre
conjuntos convexos e também funções convexas, abordando suas principais definições e
propriedades.

Também iremos especificar as aplicações de tipos de funções convexas, entre elas


uma consequência direta das funções convexas: A desigualdade de Jensen. Sabemos que
as funções convexas são de grande utilidade em áreas como teoria das probabilidades,
mecânica estatística, equações diferenciais, cálculos variacionais e em diversos outros ramos
das ciências aplicadas.

As funções convexas se tornam muito interessantes para a matemática, no sentido


de que com elas podemos demonstrar algumas desigualdades que são de grande importân-
cia na resolução de problemas. Algumas desigualdades famosas são: Desigualdade do
rearranjo, Desigualdade entre as médias aritméticas e geométricas, desigualdade de Cauchy,
desigualdade de Young e a desigualdade de Jensen.

Em nosso trabalho, iremos enfatizar o estudo da Desigualdade de Jensen e suas


aplicações na resolução de problemas, que vão desde o ensino fundamental maior ao
ensino médio e observar como é interessante sua aplicação na resolução desses problemas.
Tornando mais elegante e mais atraente aos alunos a forma como essas questões serão
trabalhadas e desenvolvidas.

Devemos destacar também que a convexidade é uma das noções mais importantes
no campo da otimização, que visa algumas aplicações e tem como consequência disso como
já citado anteriormente, algumas desigualdades muito importantes na área de matemática.
Os problemas que envolvem otimização possuem uma teoria muito rica e bem desenvolvida.
O desenvolvimento de métodos eficazes para a resolução de problemas de otimização ,
apesar de esse conhecimento ser bem antigo na Matemática ele só foi ganhar uma impulsão
de fato no final do século XX, juntamente com a evolução do computador no qual seria a
máquina ideal para se operar com cálculos envolvendo algoritmo de otimização.
Desigualdade de Jensen e Aplicações

Neste capitulo, enunciaremos e demonstraremos a famosa Desigualdade de Jensen,


bem como algumas aplicações, por exemplo, o uso da mesma para obtenção da desigualdade
entre as médias.

Antes de enunciarmos e demonstrarmos a Desigualdade de Jensen, precisaremos do


seguinte teorema:

Teorema 0.1 (Desigualdade de Jensen). Sejam D ⊂ Rn um conjunto convexo e f : D → R


uma função convexa em D. Então para quaisquer p ∈ N, xi ∈ D e αi ∈ R+ , i = 1, ..., p,
p
X
tais que αi = 1, tem-se que
i=1

p ! p
i
αi f (xi ).
X X
f αi x ≤
i=1 i=1

Demonstração: Pela definição de Epígrafo, (xi , f (xi )) ∈ Ef , i = 1, ..., p. Pela con-


vexidade de f , Ef é um conjunto convexo em Rn × R. Logo pela condição necessária
e suficiente para que a função f (x) seja convexa no conjunto D ⊂ Rn é que, quaisquer
que sejam a, b ∈ D, a função real de variável real, g(α) = f (αa + (1 − α)b) seja convexa
convexa no intervalo [0, 1], obtemos que
p p ! p
i i
αi (xi , f (xi )) ∈ Ef .
X X X
αi x , αi f (x ) =
i=1 i=1 i=1

Usando novamente a definição de epígrafo, obtemos a Desigualdade de Jensen. 

Apresentaremos a versão da Desigualdade de Jensen na reta, como segue-se:

Teorema 0.2 (Jensen). Sejam I ⊂ R um intervalo aberto e f : I → R uma função


n
X n
X
contínua. Se x1 , . . . , xn ∈ I e t1 , . . . , tn ∈ (0, 1), com ti = 1, então ti xi ∈ I.
i=1 i=1
Ademais:

(a) Se f for convexa, então

f (t1 x1 + · · · + tn xn ) ≤ t1 f (x1 ) + · · · + tn f (xn ),


ocorrendo a igualdade no caso em que f é estritamente convexa se, e somente se,
x1 = · · · = xn .

(b) Se f for côncava, então

f (t1 x1 + · · · + tn xn ) ≥ t1 f (x1 ) + · · · + tn f (xn ),

ocorrendo a igualdade no caso em que f é estritamente côncova se, e somente se,


x1 = · · · = xn .

Demonstração: Suponhamos f estritamente convexa (os demais casos são totalmente


análogos) e façamos por indução sobre n > 1. No caso n = 2, temos a própria definição de
função convexa. Suponhamos agora que, para um certo n > 1 e todos x1 , . . . , xn ∈ I e
n
X n
X
t1 , . . . , tn ∈ (0, 1), com ti = 1, tenhamos ti xi ∈ I e
i=1 i=1

f (t1 x1 + · · · + tn xn ) ≤ t1 f (x1 ) + · · · + tn f (xn ),

com igualdade se, e somente se, x1 = · · · = xn . Consideremos elementos x1 , . . . , xn , xn+1 ∈ I


n+1
X
e t1 , . . . , tn , tn+1 ∈ (0, 1) tais que ti = 1. Defina
i=1

n
X
ti xi n
i=1
X
y= = s i xi ,
1 − tn+1 i=1

n
ti X
com si = , para 1 ≤ i ≤ n. Como si = 1 e si ∈ (0, 1) para 1 ≤ i ≤ n, segue de
1 − tn+1 i=1
hipótese de indução que y ∈ I. Daí,
n+1
X n
X
ti xi = ti xi + tn+1 xn+1 = (1 − tn+1 )y + tn+1 xn+1 ∈ I
i=1 i=1

e a convexidade estrita de f

f (t1 x1 + · · · + tn+1 xn+1 ) = f ((1 − tn+1 )y + tn+1 xn+1 )


≤ (1 − tn+1 )f (y) + tn+1 f (xn+1 ),

com igualdade se, e somente se, y = xn=1 . Aplicando a outra metade da hipótese de
indução, obtemos

f (y) = f (s1 x1 + · · · + sn xn )
≤ s1 f (x1 ) + · · · + sn f (xn )
1
= (t1 f (x1 ) + · · · + tn f (xn )),
1 − tn+1
com igualdade se, e somente se, x1 = · · · = xn .

Juntando as duas desigualdades acima, cancluímos que

f (t1 x1 + · · · + tn+1 xn+1 ) ≤ (1 − tn+1 )f (y) + tn+1 f (xn+1 )


≤ (t1 f (x1 ) + · · · + tn f (xn )) + tn+1 f (xn+1 ),

ocorrendo igualdade se, e somente se, y = xn=1 e x1 = · · · = xn . Mas é imediato verificar


que tais condições equivalem a x1 = · · · = xn = xn+1 , conforme o desejado. 
Aplicando a Desigualdade de Jensen

Vamos agora, ver alguns resultados em que na sua demonstração se faz uso da
Desigualdade de Jesen.

Exemplo 0.0.1 (BMO). Seja n > 1 e a1 , . . . , an reais positivos com soma igual a 1. Para
cada 1 ≤ i ≤ n, defina bi = a1 + · · · + ai−1 + ai+1 + · · · + an . Prove que
a1 a2 an n
+ + ··· + ≥ ,
1 + b1 1 + b2 1 + bn 2n − 1
1
com igualdade se, e somente se, a1 = a2 = . . . = an = .
n

Prova: Substituindo bi = 1 − ai , para 1 ≤ i ≤ n, basta provar que

a1 a2 an n
+ + ... + ≥
2 − a1 2 − a2 2 − an 2n − 1

Para tanto, afirmamos inicialmente que a função f : (−∞, 2) −→ R dada por


x
f (x) = é estritamente convexa. De fato, como
2−x

2
f (x) = −1 +
2−x

a convexidade estrita de f é uma consequência imediata da convexidade estrita da


função de proporcionalidade inversa.

Portanto, aplicando a desigualdade de Jensen, obtemos

n n
!
1X 1 2
X  
f (ai ) ≥ nf ai = nf = ,
i=1 n i=1 n 2n − 1

ocorrendo a igualdade se, e só se, a1 = a2 = . . . = an e, portanto, se, e só se,


1
a1 = a2 = . . . = an = 
n
Nosso próximo exemplo irá fazer uso da desigualdade de Jensen para resolver um
problema de geometria muito interessante.

Exemplo 0.0.2. Sejam dados, no plano, um semicírculo T de raio R e um diâmetro


A0 A1 de T. Para cada inteiro n > 2, mostre que existe um único n-ágono A0 A1 A2 ...An−1
satisfazendo as seguintes condições:

(a) A2 , ..., An−1 ∈ T

(b) A área de A0 A1 A2 ...An−1 á maior possível.

Prova: Observando a Figura (1) como representativa da situação do problema, e seja

Figura 1 – polígono de área máxima inscrito em um semicírculo.

Ai ÔAi+1 = αi , para 1 ≤ i ≤ n − 1(com An = A0 ). Então α1 + α2 + · · · + αn−1 = π e a


fórmula do seno para a área de um triângulo fornece

n−1 n−1
X X 1 2
A(A0 A1 A2 ...An−1 ) = A(Ai OAi+1 ) = R sin Ai ÔAi+1
i=1 i=1 2
n−1
1 2 X
= R sin αi .
2 i=1

Agora, uma vez que a função seno é estritamente côncava no intervalo [0, π], segue
da desigualdade de Jensen que

n−1
1 n−1
!
X X π
sin αi ≤ (n − 1) sin αi = (n − 1) sin ,
i=1 n − 1 i=1 n−1
π
com igualdade se, e só se, α1 = · = αn−1 = n−1
. Logo, há um único polígono de área
máxima satisfazendo as condições do enunciado. 

O nosso próximo exemplo utiliza a desigualdade de Jensen para dar uma prova da
desigualdade entre as médias aritmética e geométrica.
Exemplo 0.0.3 (Desigualdade das Médias). Ultilizando a função logaritmo natural e a
desigualdade de Jensen, iremos dar uma prova das desigualdades entre as médias aritmética
e geométrica. Então queremos mostra que
√ x1 + x2 + · · · + xn
n
x1 x2 · · · xn ≤ .
n

Prova: Sabemos que a função ln x é côncava, logo −(ln x) é convexa, portanto, usando a
desigualdade de Jensen temos o seguinte resultado.
n
x 1 + x2 + · · · + xn 1
  X
− ln ≤ − ln xi
n i=1 n
1
= − (ln x1 + ln x2 + · · · + ln xn )
n
1
= − ln(x1 x2 · · · xn )
n
pela propriedade de logaritmo temos o seguinte resultado

1 √
− ln(x1 x2 · · · xn ) n = − ln( n x1 x2 · · · xn )
√ x1 + x2 + · · · + x n
 
− ln( x1 x2 · · · xn ) ≥ − ln
n
n

multiplicando ambos os lados da desigualdade por (−1) temos


√ x1 + x2 + · · · + xn
ln( n x1 x2 · · · xn ) ≤ ln( )
n

como a função exponencial é crescente, podemos aplicá-la de ambos os lados da equação.


n x1 +x2 +···+xn
x1 x2 ···xn )
eln( ≤ eln( n
)

Logo,

√ x1 + x2 + · · · + xn
n
x1 x2 · · · xn ≤
n


Como consequência da desigualdade das médias obtemos outro resultado importante.

Exemplo 0.0.4. Temos que (x2 + y 2 )/2 ≥ xy quaisquer que sejam x e y

Demonstração: Pelo resultado da desigualdade entre as médias sabemos que a desigual-


dade é verdadeira
√ x+y
xy ≤ .
2

Elevando ambos os membros ao quadrado obtemos isso

x2 + 2xy + y 2
xy ≤ .
4

No que implica

4xy ≤ x2 + 2xy + y 2 ⇒ 2xy ≤ x2 + y 2 ⇒ (x2 + y 2 )/2 ≥ xy.

Dessa desigualdade tiramos outra importante.

Exemplo 0.0.5. x2 + y 2 + z 2 ≥ xy + yz + zx quaisquer que sejam x, y e z.

Demonstração: Usando a desigualdade anterior três vezes obtemos


1 2 1 1
(x + y 2 ) ≥ xy, (x2 + z 2 ) ≥ xz, (z 2 + y 2 ) ≥ zy.
2 2 2

Agora somando as três obtemos


1
(2x2 + 2y 2 + 2z 2 ) ≥ xy + xz + zy
2

colocando o 2 em evidência teremos o resltado desejado

x2 + y 2 + z 2 ≥ xy + yz + zx

Podemos obter outras desigualdades interessantes refinando o uso da desigualdade


de Jensen em conexão com a função logaritmo natural.
1 1
Exemplo 0.0.6 (Desigualdade de Young). Sejam p e q reais positivos tais que p
+ q
= 1.
Dados a, b > 0, temos
ap b q
ab ≤ + ,
p q
com igualdade se, e só se, ap = bq .

Prova: Já sabemos que a função logaritmo natural é estritamente côncova em (0, + inf).
Portanto, dados reais positivos x1 e x2 , e t1 , t2 > 0 tais que t1 + t2 = 1, temos pela
desigualdade de Jensen que
log(t1 x1 + t2 x2 ) ≥ t1 log x1 + t2 log x2 ,

com igualdade se, e só se, x1 = x2 . Fazendo t1 = p1 , t2 = 1q , x1 = ap , x2 = bq ,


obtemos

ap bq
!
1 1
log + ≥ log ap + log bq = log ab,
p q p q

com igualdade se, e só se, ap = bq . Por fim, como a função logaritmo natural é
crescente, segue da desigualdade acima que
ap b q
ab ≤ + ,
p q
com igualdade se, e só se, ap = bq . 

Exemplo 0.0.7. Sejam αi > 0, i = 1, . . . , n. Prove que


n n
! !
1
≥ n2 .
X X
αi
i=1 i=1 αi

Prova: Sabemos do Exemplo (0.0.3) que


√ α1 + α2 + · · · + αn
n
α1 α2 · · · αn ≤ ,
n
logo
1 n
√ ≥ . (1)
n α1 α2 · · · αn α1 + α2 + · · · + αn

Por outro lado, temos a seguinte igualdade


s
1 n
1 1 1

n α α ···α
= · ··· .
1 2 n α1 α2 αn

Usando novamente o Exemplo (0.0.3), temos


1 1 1
s + + ··· +
1 1 1 α α2 αn
n
· ··· ≤ 1 . (2)
α1 α2 αn n

Segue das desigualdades (1) e (2), que:


1 1 1
+ + ··· +
α1 α2 αn n
≥ ,
n α1 + α2 + · · · + αn
donde vem,
1 1 1
 
(α1 + α2 + · · · + αn ) + + ··· + ≥ n2 ,
α1 α2 αn
isto é,
n n
! !
1
≥ n2 .
X X
αi
i=1 i=1 αi


Metodologia

O trabalho em questão é de caráter revisão bibliográfica, tendo referências na hora


de se pesquisar com relação á livros e autores que já escreveram sobre o assunto abordado,
com um toque de diferenciação no objetivo, que consiste em aplicar uma Desigualdade (de
Jensen) para a resolução de problemas matemáticos dos mais diversos níveis de ensino
seja ele fundamental, médio ou superior, trazendo aí uma abordagem inovadora que esses
problemas não tinham até então no ensino médio.

A escolha de materiais de pesquisa, se dá de maneira criteriosa e prévia pelo


conhecimento que já se tem de um determinado autor ou trabalho desenvolvido pôr ele,
a escolha das aplicações e seu uso também se deu de maneira criteriosa, levando-se em
consideração quais dos problemas propostos são mais abordados no cotidiano dos alunos,
ou seja em sua vida diária ( rotineira ), trazendo assim essa abordagem diferente, esperamos
que o aluno possa começar a enxergar esses assuntos até então temidos por todos ou pela
grande maioria de uma forma agora mais atrativa aos seus olhos.

Acreditamos que os tópicos escolhidos e abordados no trabalho fazem deste, mais


uma fonte de pesquisa no ramo de análise convexa, que possa assim atrair cada vez mais
olhares para este assunto cientifico que ainda tem muitos conteúdos a serem estudados e
desenvolvidos cada vez mais, esta pesquisa muito nos enriqueceu em termos de conhecimento
acadêmico e científico e nos proporcionou ter uma visão de adaptação a realidade da
educação em nosso país, fazendo com que o aluno posso progredir com as ferramentas que
ele possui a sua disposição.
Considerações Finais

Após estudar algumas propriedades da análise convexa, como por exemplo, de


conjuntos e funções convexas, percebemos que a gama de aplicações é muito grande. De
funções convexas conseguimos deduzir um resultado muito importante a Desigualdade de
Jensen, na qual fizemos uso da mesma para solucionar alguns problemas de matemática
dos mais diversos níveis, tornando assim, a resolução dos mesmos muito mais interessantes
e nos dando uma visão bem ampla de como podemos ter diversas formas de se resolver
questões matemáticas.

Além disso no decorrer dos estudos sobre análise convexa, nos deparamos com
resultados muito fortes como por exemplo o teorema da minimização convexa que nos diz
que todo mínimo local de uma função convexa deve ser também mínimo global, que toda
função convexa é contínua, ou seja, é de classe c1 .

Esse conteúdo torna-se indispensável para o estudante que deseja se aprofundar


em assuntos que envolvem pesquisa operacional e otimização. Com o desenvolvimento da
tecnologia ampliou-se de forma significativa o estudo sobre a análise convexa em diversas
áreas, principalmente as relacionadas ao ramo industrial. Os empresários tendem a investir
em profissionais dessa área visando um maior lucro para suas empresas.
Referências

[1] AMORIM, Ronan Gomes. Introdução à análise convexa, conjunto e função convexa.
Dissertação de Mestrado. PPGMAT/UFPI, 2013.

[2] FORMIM, Dmitri; GENKIN, Sergey e INTENBERG, Ilia. Círculos Matemáticos, A


experiência Russa. 3 ed. Rio de Janeiro: IMPA, 2014.

[3] IZMAILOV, Alexey; SOLODOV, Mikhail. Otimização. Vol. I. 3 ed. Rio de Janeiro:
IMPA, 2014.

[4] LIMA, Elon Lages. Álguebra linear. 1 ed. Rio de Janeiro: IMPA, 2014.

[5] LIMA, Elon Lages. Análise real. Vol. I . 8 ed. Rio de Janeiro: IMPA, 2006.

[6] MUNIZ NETO, Antonio Caminha. Introdução à análise. 2.ed. Rio de Janeiro: SBM,
2013.