Captulo 4

Convexidad

1.

Conjuntos convexos

Recordemos que un conjunto K Rn es convexo si para todo x, y K

y t [0, 1]
(1 t)x + ty K.

Ejemplo 4.1. Un semiespacio

H = {x Rn : x x0 c}
es convexo: Si x, y H, t [0, 1],
((1 t)x + ty) x0 = (1 t)x x0 + ty x0 (1 t)c + tc = c,
as que (1 t)x + ty H.
Proposici
on 4.2. La intersecci
on de conjuntos convexos es convexo.
T
Demostraci
on. Sean K convexos, y x, y K . Entonces x, y K
para todo y, si
T 0 t 1, (1 t)x + ty K para todo . Por lo tanto
(1 t)x + ty K .

Definici
on 4.3. Decimos que Rn es un politopo convexo, si es la interseccion de un n
umero finito de semiespacios cerrados. Es decir,
=

m
\

i=1

Hi ,

Hi = {x xi ci }.

La proposicion 4.2 justifica el adjetivo convexo en la definicion anterior.

47

48

4. Convexidad

Definici
on 4.4. Sea K un conjunto convexo cerrado. Un hiperplano de
apoyo para K es un hiperplano
P = {x Rn : x x0 = c}
tal que P K 6= y

K HP = {x Rn : x x0 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 K. Entonces
existe un hiperplano de apoyo P para K tal que x 0 P .
Demostraci
on. Sea (yk ) una sucesion en Rn \ K tal que yk x0 . Para
cada k, sea zk K un punto mas cercano a yk en K, es decir
|zk yk | |x yk |

x K.

Tal punto existe por la proposicion 1.40. Sea

zk y k
uk =
.
|zk yk |

Como (uk ) es acotada, entonces existe una subsucesion que converge por el
Teorema de Bolzano-Weierstrass. Para simplificar, supongamos que u k u.
Sea

P = {x Rn : (x x0 ) u = 0}.

Vamos a demostrar que P es un hiperplano de apoyo para K. Es decir,

tenemos que mostrar que
K {x Rn : (x x0 ) u 0}.
Sea x K y > 0. Vamos a mostrar que (x x 0 ) u

Demostraremos primero que (x zk ) uk 0 para todo k. Si t [0, 1] y

y = (1 t)zk + tx,

entonces y K y
En otras palabras, |y yk

|2

|y yk | |zk yk |.

|zk yk |2 . Ademas

|y yk |2 = |(1 t)zk + tx yk |2 = |t(x zk ) + (zk yk )|2

= t2 |x zk |2 + 2t(x zk ) (zk yk ) + |zk yk |2 ,

por lo que, si t 6= 0,

t|x zk |2 + 2(x zk ) (zk yk ) 0.

49

1. Conjuntos convexos

Si hacemos t 0 obtenemos 2(x zk ) (zk yk ) 0. Por lo tanto

(x zk ) uk 0.
Dado > 0, tomamos k tal que

|uk u| <
2(|x x0 | + 1)

|yk x0 | < .
4

Entonces, como |uk | = 1,

|(x x0 ) u (x zk ) uk |

|(x x0 ) u (x x0 ) uk | + |(x x0 ) uk (x zk ) uk |

|x x0 ||u uk | + |uk ||zk x0 |

< + |zk yk | + |yk x0 |

2

+ 2|x0 yk | < + 2 = ,
2
2
4
donde tambien hemos usado el hecho que |z k yk | |x yk |. Por lo tanto,
como (x zk ) uk 0,
(x x0 ) u (x x0 ) u (x zk ) uk .

Corolario 4.6. Sea K un conjunto convexo cerrado, K 6= R n . Entonces K
es la intersecci
on de semiespacios cerrados.
Demostraci
Ton. Para cada x K, tomamos un hiperplano de apoyo P x
con x Px K. Entonces
\
K=
H Px .
xK

Definici
on 4.7. Una combinaci
on convexa de x 1 , . . . , xm Rn es una combinacion lineal
m
X
ti xi
i=1

tal que

ti 0,

i = 1, . . . , m,

m
X

ti = 1.

i=1

Ejemplo 4.8. El vector (1 t)x + ty, t [0, 1], es una combinacion convexa
de x y y: t, 1 t 0 y (1 t) + t = 1.
Proposici
on 4.9. K Rn es convexo si, y s
olo si, es cerrado bajo combinaciones convexas.

50

4. Convexidad

Demostraci
on. Si K es cerrado bajo combinaciones convexas, entonces es
convexo simplemente por la definicion de convexidad y el ejemplo 4.8.
P
Sea K convexo, x1 , . . P
. , xm K, y t1 , . . . , tm 0 tales que
ti = 1.
Queremos demostrar que m
t
x

K.
Esto
lo
haremos
por
inducci
on en
i=1 i i
m: si m = 2, (1 t)x1 + tx2 K por la definicion de convexo.

PmSea m > 2 y suponemos que el resultado es cierto para m 1. Si t m = 1,

i=1 ti xi = xm K. Supongamos entonces que t m 6= 1. Sabemos que
t1 + t2 + . . . + tm1 = 1 tm .

Entonces
y, por induccion,

t1
t2
tm1
+
+ ... +
=1
1 tm 1 tm
1 tm

t1
t2
tm1
x1 +
x2 + . . . +
xm1 K.
1 tm
1 tm
1 tm
Entonces, como K es convexo,
x
=

t1 x1 + . . . + tm1 xm1 + tm xm = (1 tm )
x + tm xm K.

La siguiente proposicion implica que, en toda combinacion convexa, solo
n + 1 puntos son suficientes.
Proposici
on 4.10. Sea S Rn , y sea x la combinaci
on convexa de puntos
en S. Entonces x es la combinaci
on convexa de a lo m
as n + 1 puntos de S
Demostraci
on. Supongamos que
x=

m
X
i=1

ti xi ,

ti 0,

m
X

ti = 1,

i=1

y m > n + 1. Vamos a demostar que x es la combinacion convexa de a lo

mas m 1 de las xi . Claramente podemos asumir que todo t i > 0.
Como m 1 > n,

x1 xm , x2 xm , . . . , xm1 xm
son linealmente dependientes, as que existen c 1 , c2 , . . . , cm1 , no todos cero,
tales que
c1 (x1 xm ) + c2 (x2 xm ) + . . . + cm1 (xm1 xm ) = 0.
Sea cm = (c1 + c2 + . . . + cm1 ). Entonces
c1 x1 + c2 x2 + . . . + cm1 xm1 + cm xm = 0

m
X
i=1

ci = 0.

51

1. Conjuntos convexos

Sea tal que

1
c1
cm
= max{ , . . . ,
},

t1
tm
y si = ti ci . Como ti /ci para todo ci 6= 0, si 0 y
m
X

si =

m
X
i=1

i=1

ti

Ademas, si0 = 0 para alg

un i0 . Entonces
m
X

si xi =

i=1
i0 6=0

(ti ci )xi =

m
X

ci = 1.

i=1

ti xi

ci xi = x,

por lo que x es combinacion convexa de los m 1 i, i 6= i 0 .

El hecho de que n 1 puntos es el n

umero mnimo necesario para combinaciones convexas lo muestra el siguiente ejemplo.
Definici
on 4.11. Sean x0 , x1 , ..., xr Rn tales que
x1 x 0 , x 2 x 0 , . . . , x r x 0
son linealmente independientes. El r-simplejo generado por x 0 , x1 , . . . , xr es
el conjunto de todas las combinaciones convexas de x 0 , x1 , . . . , xn . Vease la
figura 1.

x0

x0

0simplejo

x1
1simplejo
x2

x2

x3
x0

x1
2simplejo

x0

x1
3simplejo

Figura 1. r-Simplejos con r = 0, 1, 2, 3.

Si K es el r-simplejo generado por P

x0 , x1 , . . . , xr y x K, entonces
existen u
nicos t0 , t1 , . . . , tr tales que x = ri=0 ti xi . (Ejericio 3.) A las coordenadas del vector (t0 , t1 , ..., tr ) se les llama coordenadas baricentricas de
K.
El simplejo est
andar en Rn es el n-simplejo generado por 0, e1 , e2 , . . . , en .

52

2.

4. Convexidad

Funciones Convexas

Definici
on 4.12. Sea K Rn convexo y f : K R. Decimos que f es
convexa si, para x1 , x2 K y t [0, 1],

f (tx1 + (1 t)x2 ) tf (x1 ) + (1 t)f (x2 ).

P
Es facil verificar que si f : K R es convexa y m
i=1 ti xi es una combinacion convexa de x1 , . . . , xm K, entonces
m
m
 X
X
ti f (xi ).
f
ti xi
i=1

i=1

Vease el ejercicio 7.

Ejemplo 4.13. f : Rn R, f (x) = |x| es una funcion convexa:

|tx1 + (1 t)x2 | t|x1 | + (1 t)|x2 |.

Para f : K R, definimos el conjunto K + Rn+1 como

K + = {(x, z) K R : z f (x)}.

Proposici
on 4.14. f : K R es convexa si, y s
olo si, K + es convexo.
Demostraci
on. Supongamos que F es convexa y sean (x 1 , z1 ), (x2 , z2 )
+
K . Entonces z1 f (x1 ) y z2 f (x2 ), y queremos, para t [0, 1],
t(x1 , z1 ) + (1 t)(x2 , z2 ) = (tx1 + (1 t)x2 , tz1 + (1 t)z2 )K + ,

es decir,

tz1 + (1 t)z2 f (tx1 + (1 t)x2 ).

Pero, como f es convexa,
f (tx1 + (1 t)x2 ) tf (x1 ) + (1 t)f (x2 ) tz1 + (1 t)z2 .

Entonces K + es convexo.

Supongamos ahora que K + es convexo. Tomamos x1 , x2 K. Entonces

(x1 , f (x1 )) K + y (x2 , f (x2 )) K + . Como K + es convexo, para t [0, 1]

t(x1 , f (x1 ))+(1t)(x2 , f (x2 )) = (tx1 +(1t)x2 , tf (x1 )+(1t)f (x2 )) K + .

Pero esto quiere decir

tf (x1 ) + (1 t)f (x2 ) f (tx1 + (1 t)x2 ).

Por lo tanto f es convexa.

La siguiente proposicion nos sera de utilidad mas adelante. Primero definimos, para c R, el conjunto
Kc = {x K : f (x) c},

el corte de f a la altura c. Vease la figura 2.

53

2. Funciones Convexas

c
x

Kc

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.
Demostraci
on. Sean x1 , x2 Kc . Entonces f (x1 ) c, f (x2 ) c. Como f
es convexa, para t [0, 1],
f (tx1 + (1 t)x2 ) tf (x1 ) + (1 t)f (x2 ) tc + (1 t)c = c,
por lo que entonces tx1 + (1 t)x2 Kc .

La inversa de la proposicion 4.15 es falsa.

Ejemplo 4.16. Consideremos f : R R dada por f (x) = x 3 . Entonces

K = R y cada Kc es el intervalo (, 3 c), as que es convexo. Sin embargo,

f no es convexa.
Ejemplo 4.17. Sea A Rn un conjunto cerrado tal que A 6= . Definimos
f : Rn R como
f (x) = mn{|x y| : y A}.
Tal mnimo existe por la proposicion 1.40. Demostraremos que f es convexa
si, y solo si, A es convexo.

Si f es convexa, entonces, como A = K0 , A es convexo, por la proposicion

4.15.
Supongamos ahora que A es convexo. Sean x 1 , x2 Rn y t [0, 1].
Tomamos y1 , y2 A tales que f (x1 ) = |x1 y1 |, f (x2 ) = |x2 y2 |. Como A
es convexo, ty1 + (1 t)y2 A, as que
f (tx1 + (1 t)x2 ) |tx1 + (1 t)x2 (ty1 + (1 t)y2 )|

t|x1 y1 | + (1 t)|x2 y2 | = tf (x1 ) + (1 t)f (x2 ).

Entonces f es convexa.
Ahora estudiaremos la continuidad de las funciones convexas. Primero,
observemos que no todas las funciones convexas son continuas.

54

4. Convexidad

Ejemplo 4.18. Sea f : [0, 1] R dada por

(
1, x = 0, 1
f (x) =
0, 0 < x < 1
Entonces f es convexa, pro 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 Rn 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.
Es decir, si R = [a1 , b1 ] [an , bn ], el conjunto V de sus vertices es
el conjunto
V = {(c1 , c2 , ..., cn ) : ci = ai o bi }.
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 6).
Demostraci
on. Sea x0 K y R K un rectangulo con centro en x 0 y
de lado r > 0, como en la figura 3. Sea B la bola cerrada B r (x0 ) y x B.
xo+u
x
xo
r

xou
2r

Figura 3. El rect
angulo de la demostraci
on del teorema 4.19.

Entonces la recta que pasa por x0 y x corta a B en dos vectores, digamos

|x x0 |
x0 + u y x0 u, con |u| = r. Entonces, si t =
, x y x0 satisfacen las
r
siguientes relaciones convexas:
x = (1 t)x0 + t(x0 + u),
t
1
x+
(x0 u).
x0 =
t+1
t+1

55

2. Funciones Convexas

Sea V el conjunto de vertices de R, y

M = max{f (y) : y V }.
Como f es convexa, el lema 4.20 implica que, para z R, f (z) M . Ademas
f (x) (1 t)f (x0 ) + tf (x0 + u)

(4.1)
y
(4.2)

f (x0 )

t
1
f (x) +
f (x0 u).
t+1
t+1

De (4.1) obtenemos
f (x) (1 t)f (x0 ) + tM,

por lo que

f (x) f (x0 ) t(M f (x0 )).

De (4.2),

f (x0 )

t
1
f (x) +
M,
t+1
t+1

as que
t(f (x0 ) M ) f (x) f (x0 ).

Entonces

|f (x) f (x0 )| t|M f (x0 )| =

|M f (x0 )|
|x x0 |.
r

Dado > 0, escogemos

n
= mn r,

o
r
.
|M f (x0 )| + 1

Entonces |x x0 | < implica que |f (x) f (x0 )| < .

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 s
olo
si
f (x) f (x0 ) + Df (x0 )(x x0 )

(4.3)
para todo x, x0 K.

Demostraci
on. Supongamos que f es convexa, y sea h = x x 0 . Como f
es convexa, para t (0, 1]
f (x0 + th) (1 t)f (x0 ) + tf (x0 + h),
por lo que
f (x0 + th) f (x0 ) t(f (x0 + h) f (x0 )).

56

4. Convexidad

Restamos Df (x0 )(th) = tDf (x0 )(h)) de la desigualdad, dividimos entre t y

obtenemos
f (x0 + th) f (x0 ) Df (x0 )(th)
f (x0 + h) f (x0 ) Df (x0 )(h).
t
Como f es diferenciable, el lado izquierdo de la desigualdad va a 0 cuando
t 0. Entonces
f (x0 + h) f (x0 ) Df (x0 )(h) 0,
es decir
f (x) f (x0 ) + Df (x0 )(x x0 ).
Supongamos ahora que la desigualdad (4.3) es cierta para todo x 0 , x
K. Sean x1 , x2 K, x1 6= x2 , t (0, 1) y x0 = tx1 +(1t)x2 . Demostraremos
que
f (x0 ) tf (x1 ) + (1 t)x2 .
Tenemos
f (x1 ) f (x0 ) + Df (x0 )(x1 x0 )

y
as que

f (x2 ) f (x0 ) + Df (x0 )(x2 x0 ),

tf (x1 ) + (1 t)f (x2 )

t f (x0 ) + Df (x0 )(x1 x0 ) + (1 t) f (x0 ) + Df (x0 )(x2 x0 )


= f (x0 ) + Df (x0 ) tx1 + (1 t)x2 x0 = f (x0 ).

3.

Puntos y Valores Extremos

En esta seccion estudiaremos los puntos extremos de conjuntos convexos,

y su relacion con los valores extremos (maximos y mnimos) de las funciones
convexas.
Definici
on 4.22. Sea K Rn convexo. Decimos que x K es un punto
extremo de K si no existen x1 , x2 K, t (0, 1) tales que x = tx1 (1t)x2 .
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 10).
Proposici
on 4.23. Sea K Rn convexo y compacto. Entonces todo punto
de K es combinaci
on convexa de puntos extremos de K.

57

3. Puntos y Valores Extremos

Demostraci
on. Demostraremos esta proposicion por induccion en n. Cuando n = 1, K es un intervalo cerrado, y la proposicion es cierta porque, si
x [a, b], entonces
bx
xa
x=
a+
b.
ba
ba
Suponemos entonces que el resultado es cierto para n 1. Sea K R n
convexo y compacto. Primero, tomemos x 0 TK. Sea P un hiperplano
de apoyo a K tal que x0 K P . Pero K P puede ser identificado
con un subconjunto convexo en Rn1 (ejercicio 11). Por induccion, x0 es
combinacion convexa de puntos extremos de K P , que a su vez son puntos
extremos de K (ejercicio 12).
Si x0 K 0 , sea L una recta que contiene a x0 . Entonces, como K es
convexo y compacto,
L K = {x1 , x2 },

Entonces x0 es combinacion convexa de x1 y x2 , que a su vez son, cada uno,

una combinacion convexa de extremos de K.

Corolario 4.24. Si f : K R es continua y convexa en el conjunto convexo
compacto K, entonces su m
aximo ocurre en alg
un punto extremo de K.
Demostraci
on. Si x K, entonces
x=

m
X

ti xi ,

i=1

donde

donde

i ti

= 1 y los xi son puntos extremos de K. Entonces

f (x)

m
X
i=1

ti f (xi )

m
X

ti M = M,

i=1

M = sup{f (y) : y punto extremo de K}.

Como f es continua, f toma su maximo, y entonces lo debe tomar en un
extremo.

La hipotesis de continuidad en el corolario fue utilizada para garanterizar
que f toma su maximo en K, aunque no siempre es necesaria esta hipotesis.
Por ejemplo, si K es un poltopo, entonces tiene solamente un n
umero
finito de puntos extremos (ejercicio 13). As que el maximo de f sobre K
simplemente es
M = max{f (y) : y punto extremo de K},
el cual siempre existe porque {f (y) : y punto extremo de K} es finito.

58

4. Convexidad

Si f es lineal, entonces claramente es convexa. Si K es convexo y compacto, sea M el maximo de f en K y

K 0 = {x K : f (x) = M }.
Corolario 4.25. x K 0 si, y s
olo si, x es combinaci
on convexa de puntos
extremos de K contenidos en K 0 .
P
P
Demostraci
on. Sea x K 0 , y x = i ti xi , ti > 0, i ti = 1, donde los
xi son puntos extremos de K. Si f (xj ) < M para alg
un j, entonces, como
tj > 0,
X
X
M = f (x) =
ti f (xi )
ti M + tj f (xj ) < M,
i

i6j

una contradiccion. Entonces f (xi ) = M para todo i, es decir, xi K 0 para

todo i.
P
Si x = i ti xi , con xi K 0 para todo i,
f (x) =

k
X

ti f (xi ) = M.

i=1

Ejercicios
1. Muestra que si P es un hiperplano de apoyo del conjunto convexo cerrado
K, entonces P K K.

2. Sea K Rn un conjunto convexo cerrado no vaco tal que R n \ K 6=

es convexo. Muestra que K es un semiespacio cerrado.
3. Muestra que si x se puede representar como combinacion convexa de
x0 , x1 , . . . , xr de dos formas distintas, entonces los vectores x 1 x0 , x2
x0 , . . . , xr x0 son linealmente dependientes.

4. Sea x una combinacion convexa de x 1 , . . . , xm , y cada xj una combinacion convexa de yj1 , . . . , yjmj . Muestra que x es una combinacion convexa de de todos los yjk .
5. Sea S Rn . 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.
6. Demuestra el lema 4.20.

59

Ejercicios

P
7. Muestra que si f : K R es convexa y ri=1 ti xi es una combinacion
convexa de x1 , . . . , xr K, entonces
r
r
 X
X
ti f (xi ).
ti xi
f
i=1

i=1

8. Sean f, g : K R convexas y sea h : K R dada por h(x) =

max{f (x), g(x)}. Muestra que h es convexa.
9. Sea f : K R continua tal que
1
 1


f (x1 + x2 ) f (x1 ) + f (x2 )
2
2
para todo x1 , x2 K. Muestra que f es convexa.

10. Muestra que si x es un punto extremo del conjunto convexo K, entonces

x K.

11. Sea P un hiperplano en Rn y x P . Muestra que existe una isometra

: P Rn1 tal que (x0 ) = 0.
12. Muestra que si P es un hiperplano de apoyo del conjunto convexo K y
x es un punto extremo de K P , entonces x es un punto extremo de K.

13. Sea K un poltopo. Muestra que K tiene un n

umero finito de puntos
extremos.

14. Muestra que un poltopo compacto es la union finita de simplejos. Si el

poltopo tiene r vectores linealmente independientes, muestra que es la
union finita de r-simplejos.