Upload
amanda-ortega
View
1
Download
0
Embed Size (px)
Citation preview
PAVF
c
1999 19
Fundamentos matem�aticos
� Conjuntos
� Conjuntos convexos
� Cones, hiperplanos, poliedros, politopos
� Fun�c~oes convexas
� M��nimos locais e globais
� Condi�c~oes de Kuhn-Tucker
PAVF
c
1999 20
Conjuntos
De�ni�c~ao - Conjunto
Agrega�c~ao de objetos
Caracteriza�c~oes
� enumerando-se os seus elementos:
Bandeira := fverde;amarelo;azul;brancog
� evidenciando-se propriedades:
C��rculo := f(x
1
; x
2
) : x
2
1
+ x
2
2
� r
2
g (r=raio)
Estados l�ogicos
Dados um elemento x e um conjunto C quaisquer
x 2 C : x pertence a C
x 62 C : x n~ao pertence a C
Fun�c~ao caracter��stica: �
C
: X ! f0; 1g
�
C
(x) =
8
<
:
1; se x 2 C
0; se x 62 C
X : conjunto onde x est�a de�nido
PAVF
c
1999 21
Conjuntos
Opera�c~oes alg�ebricas
Dados dois conjuntos A;B quaisquer,
Uni~ao
A [ B := fx : x 2 A ou x 2 Ag
Interse�c~ao
A \ B := fx : x 2 A e x 2 Ag
Complemento
A := fx : x 62 Ag
Subconjunto
S �e um subconjunto de C se
x 2 S ) x 2 C
Nota�c~ao: S � C
PAVF
c
1999 22
Conjuntos
Produto carteziano
X � Y := f(x; y) : x 2 X ; y 2 Yg
� adi�c~ao e multiplica�c~ao por escalar em X � Y de�nidas
como
(x
1
; y
1
) + (x
2
; y
2
) := (x
1
+ x
2
; y
1
+ y
2
)
�(x; y) := (�x; �y); � escalar
R
n
= R�R� � � � �R (n vezes)
� conjunto dos vetores de n componentes reais. No-
ta�c~ao: x := (x
1
; x
2
; : : : ; x
n
); x
i
2 R
� soma e multiplica�c~ao: se x; y 2 R
n
ent~ao
x+ y := (x
1
+ y
1
; x
2
+ y
2
; : : : ; x
n
+ y
n
)
�x := (�x
1
; �x
2
; : : : ; �x
n
); � 2 R
� vetor nulo: 0 := (0; 0; : : : ; 0)
� forma matricial: vetor-coluna
x =
2
6
6
6
6
6
6
4
x
1
x
2
.
.
.
x
n
3
7
7
7
7
7
7
5
PAVF
c
1999 23
Conjuntos
Compara�c~oes ordinais
� se x; y 2 R
n
s~ao vetores quaisquer, ent~ao
x = y se e somente se x
i
= y
i
; i = 1; 2; : : : ; n
x � y se e somente se x
i
� y
i
; i = 1; 2; : : : ; n
x < y se e somente se x
i
< y
i
; i = 1; 2; : : : ; n
� se x � y e x 6= y, ent~ao x
j
< y
j
para pelo menos
uma componente j 2 f1; 2; : : : ; ng
� nem todos os vetores do R
n
s~ao compar�aveis no sen-
tido ' � '
� R
n
�e um conjunto parcialmente ordenado, de acordo
com a rela�c~ao de ordem ' � '
Opera�c~oes matriciais
x+ y =
2
6
6
6
6
6
6
4
x
1
+ y
1
x
2
+ y
2
.
.
.
x
n
+ y
n
3
7
7
7
7
7
7
5
; �x =
2
6
6
6
6
6
6
4
�x
1
�x
2
.
.
.
�x
n
3
7
7
7
7
7
7
5
; � 2 R
PAVF
c
1999 24
Conjuntos convexos
De�ni�c~ao - Conjunto convexo
C �e um conjunto convexo se para quaisquer x; y 2 C
�x+ (1� �)y 2 C; 8� 2 [0; 1]
PSfrag replacements
x
x
y
y
Convexo N~ao-convexo
Propriedades
Dados dois conjuntos convexos X e Y , s~ao tamb�em
conjuntos convexos
a) X \ Y
b) X + Y := fz : z = x+ y; x 2 X ; y 2 Yg
c) �X := fz : z = �x; x 2 Xg; � 2 R
De�ni�c~ao - Casca convexa
A casca convexa de um conjunto qualquer C, denota-
da como conv (C), �e a interse�c~ao de todos os conjuntos
convexos que contem C
PAVF
c
1999 25
Conjuntos convexos
PSfrag replacements
C
conv (C)
De�ni�c~ao - Cone
C �e um cone (com v�ertice na origem) se x 2 C implica
que �x 2 C; 8� � 0
� Exemplos no plano x
1
� x
2
:
PSfrag replacements
00 x
1
x
1
x
2
x
2
C
1
:= f(x
1
; x
2
) : x
1
x
2
� 0g C
2
:= f(x
1
; x
2
) : x
1
� 0; x
2
� 0g
De�ni�c~ao - Cone gerado
O cone gerado pelos vetores x; y 2 R
n
�e o conjunto
de�nido por
C := fz : z = �x+ �y; � � 0; � � 0g
PAVF
c
1999 26
Cones, hiperplanos, poliedros, politopos
PSfrag replacements
0
x
1
x
2
x
y
z
C
x; y : raios extremos do cone C
De�ni�c~ao - Cone polar
O cone polar associado associado a um conjunto qual-
quer C �e
C
�
:= fy : y
T
x � 0; x 2 Cg
Interpreta�c~ao no plano:
PSfrag replacements
x
y
C
C
�
PAVF
c
1999 27
Cones, hiperplanos, poliedros, politopos
De�ni�c~ao - Hiperplano
Seja c 2 R
n
; c 6= 0 e � 2 R quaisquer. O conjunto
H := fx : c
T
x = �g
representa um hiperplano do R
n
. Cada hiperplano carac-
teriza dois semi-espa�cos fechados
H
�
:= fx : c
T
x � �g; H
�
:= fx : c
T
x � �g
e dois semi-espa�cos abertos
H
>
:= fx : c
T
x > �g; H
<
:= fx : c
T
x < �g
De�ni�c~ao - Poliedro e politopo
A interse�c~ao de um no. �nito de semi-espa�cos fechados
determina um poliedro. Um poliedro limitado �e chamado
de politopo
PSfrag replacements
Poliedro Politopo
PAVF
c
1999 28
Fun�c~oes convexas
De�ni�c~ao - Fun�c~ao convexa
f �e uma fun�c~ao convexa sobre um conjunto convexo C
se para quaisquer x
1
; x
2
2 C e qualquer � 2 [0; 1]
f(�x
1
+ (1� �)x
2
) � �f(x
1
) + (1� �)f(x
2
)
Interpreta�c~ao no plano:
PSfrag replacements
x
�x
1
+ (1� �)x
2
�f(x
1
) + (1� �)f(x
2
)
f(�x
1
+ (1� �)x
2
)
0
x
1
x
2
f(x
1
)
f(x
2
)
f(x)
� Se para quaisquer x
1
; x
2
2 C; x
1
6= x
2
e qualquer
� 2 (0; 1) a desigualdade �e estrita, f �e uma fun�c~ao
estritamente convexa
� f �e uma fun�c~ao (estritamente) concava sobre um con-
junto convexo C se �f for uma fun�c~ao (estritamente)
convexa sobre C
PAVF
c
1999 29
Fun�c~oes convexas
Propriedades
Se f �e uma fun�c~ao convexa sobre C convexo e f possui
primeiras derivadas parciais cont��nuas, ent~ao
f(x
2
) � f(x
1
) +rf(x
1
)
T
(x
2
� x
1
); 8x
1
; x
2
2 C
onde
rf(x
1
) :=
2
6
6
6
6
6
6
4
@f(x
1
)=@x
1
@f(x
1
)=@x
2
.
.
.
@f(x
1
)=@x
n
)
3
7
7
7
7
7
7
5
: gradiente de f em x
1
Se f �e convexa sobre C, possui segundas derivadas par-
ciais cont��nuas e
F (x) := f@
2
f(x)=@x
i
x
j
g
�e a matriz hessiana de f em x, ent~ao
F (x) � 0; 8x 2 C
isto �e, para todo x 2 C,
y
T
F (x)y � 0; 8 y 2 R
n
PAVF
c
1999 30
Fun�c~oes convexas
Propriedades
Sejam f; g fun�c~oes convexas de�nidas sobre conjuntos
convexos C e S, respectivamente. Ent~ao
a) �f �e convexa sobre C, qualquer que seja � � 0
b) f + g �e convexa sobre C \ S
De�ni�c~ao - Combina�c~ao convexa
A combina�c~ao convexa de m vetores fx
1
; x
2
; : : : ; x
m
g �e
de�nida como
�
1
x
1
+ �
2
x
2
+ � � �+ �
m
x
m
com �
i
� 0; i = 1; 2; : : : ;m e
m
X
i=1
�
i
= 1
Desigualdade de Jensen
Seja f uma fun�c~ao convexa sobre C convexo e x
1
; x
2
; : : : ; x
m
elementos quaisquer de C. Ent~ao
f
0
@
m
X
i=1
�
i
x
i
1
A
�
m
X
i=1
�
i
f(x
i
)
para todos �
i
� 0; i = 1; 2; : : : ;m com
m
X
i=1
�
i
= 1
PAVF
c
1999 31
Fun�c~oes convexas
Teorema
Seja f uma fun�c~ao convexa sobre C convexo. Ent~ao o
conjunto
C
�
:= fx 2 C : f(x) � �g
�e convexo para todo � 2 R
A convexidade de f sobre C �e uma condi�c~ao su�ciente para
a convexidade de C
�
; 8 � 2 R:
PSfrag replacements
x0
f(x)
C
�
�
[f; C]
Teorema (Condi�c~ao Necess�aria e Su�ciente)
C
�
�e convexo para todo � 2 R se e somente se f �e
quasi-convexa sobre C convexo, isto �e, se para quaisquer
x
1
; x
2
2 C e qualquer � 2 [0; 1],
f(�x
1
+ (1� �)x
2
) � maxff(x
1
); f(x
2
)g
PAVF
c
1999 32
Fun�c~oes convexas
De�ni�c~ao - Ep��grafo
O ep��grafo de uma fun�c~ao �e o conjunto de�nido por
[f; C] := f(x; �) : f(x) � �; x 2 C; � 2 Rg
Teorema
Uma fun�c~ao f de�nida sobre C convexo �e convexa se e
somente se [f; C] �e um conjunto convexo
De�ni�c~ao - Hiperplano suporte
H �e um hiperplano suporte de um conjunto convexo C
se C � H
�
ou C � H
�
e H cont�em um ponto de cls (C)
PSfrag replacements
x 2 cls (C)
H
C
Teorema
Se x
0
62 int (C) e int (C) 6= ;, ent~ao existe um hiperpla-
no H tal que x
0
2 H e C � H
�
ou C � H
�
PAVF
c
1999 33
Fun�c~oes convexas
Teorema
Seja C um conjunto convexo e f uma fun�c~ao convexa
sobre C. Ent~ao para cada x
0
2 int (C) existe um vetor �
tal que
H := f(x; y) : y = f(x
0
) + �
T
(x� x
0
)g
�e um hiperplano suporte de [f; C] no ponto (x
0
; f(x
0
))
� � �e um subgradiente de f no ponto x = x
0
, isto �e,
satisfaz a desigualdade
f(x) � f(x
0
) + �
T
(x� x
0
); 8x 2 C
� se f for diferenci�avel, ent~ao o �unico subgradiente de
f em x = x
0
�e � = r f(x
0
)
PSfrag replacements
0 x
x
0
f(x
0
)
H
[f; C]
c =
"
�
�1
#
PAVF
c
1999 34
M��nimos locais e globais
De�ni�c~ao - M��nimo local
Seja f uma fun�c~ao de�nida sobre um conjunto . Um
ponto x
�
2 �e um m��nimo local de f sobre se existe
� > 0 tal que
f(x
�
) � f(x); 8x 2 \ B(x
�
; �)
onde B(x
�
; �) := fx : kx � x
�
k < �g; x
�
2 �e um
m��nimo local estrito de f sobre se f(x
�
) < f(x); 8x 2
\ B(x
�
; �); x 6= x
�
De�ni�c~ao - M��nimo global
Seja f uma fun�c~ao de�nida sobre um conjunto . Um
ponto x
�
2 �e um m��nimo global de f sobre se
f(x
�
) � f(x); 8x 2
x
�
2 �e um m��nimo global estrito de f sobre se
f(x
�
) < f(x); 8x 2 ; x 6= x
�
� O ordenamento completo de R (imagem de f) de acordo
com '�' viabiliza as de�ni�c~oes acima
PAVF
c
1999 35
M��nimos locais e globais
Teorema
Seja f uma fun�c~ao convexa sobre convexo. Ent~ao o
conjunto � � no qual f atinge seu m��nimo �e convexo e
todo m��nimo local de f �e tamb�em um m��nimo global
Prova:
� Assuma � := fx 2 : f(x) � c
0
g, onde c
0
=
min
x2
f(x). Ent~ao � �e um conjunto convexo, pois f �e
convexa sobre convexo
� Assuma que x
�
2 �e um m��nimo local de f , mas
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 m��nimo
local 2
Teorema
Seja f uma fun�c~ao convexa diferenci�avel sobre con-
vexo. Se existe um ponto x
�
2 tal que
rf(x
�
)
T
(x� x
�
) � 0; 8x 2
ent~ao x
�
�e um m��nimo global de f sobre
PAVF
c
1999 36
Condi�c~oes de Kuhn-Tucker
Teorema
Seja f uma fun�c~ao diferenci�avel. Se x
�
�e um m��nimo
local de f sobre o R
n
, ent~ao
r f(x
�
) = 0
De�ni�c~ao - Ponto regular
Seja := fx : g
i
(x) � 0; i = 1; 2; : : : ; pg um conjun-
to de restri�c~oes. Ent~ao x
�
�e um ponto regular das restri�c~oes
se os gradientes das restri�c~oes ativas em x
�
(g
i
(x
�
) = 0)
s~ao linearmente independentes
Teorema - Condi�c~oes de Kuhn-Tucker
Sejam f; g
1
; g
2
; : : : ; g
p
fun�c~oes diferenci�aveis. Se x
�
�e
um m��nimo local de f restrito a := fx : g(x) � 0g e
um ponto regular das restri�c~oes, ent~ao existem reais �
i
�
0; i = 1; 2; : : : ; p tais que
rf(x
�
) +
p
X
i=1
�
i
rg
i
(x
�
) = 0
g
i
(x
�
) � 0; �
i
g
i
(x
�
) = 0; i = 1; 2; : : : ; p
� Se f �e convexa sobre convexo e x
�
�e um ponto regular,
ent~ao x
�
�e um m��nimo local (global) de f sobre se e
somente se x
�
satisfaz as condi�c~oes de Kuhn-Tucker