Convexidad

(Redirigido desde «Convexa»)

La convexidad (del latín convexĭtas, -ātis) de una curva o una superficie, es la zona que se asemeja al exterior de una circunferencia o una superficie esférica, es decir, que tiene su parte sobresaliente dirigida al observador. Es el concepto opuesto a la 'concavidad'.

Definición de convexidad.

Una parte C de un espacio vectorial real es convexa si para cada par de puntos de C, el segmento que los une está totalmente incluido en C; es decir, un conjunto es convexo si se puede ir de cualquier punto a cualquier otro en línea recta, sin salir del mismo.

Definición

editar

Un conjunto es convexo si para todo :

el segmento .

Con otra expresión, :

Nótese que en esta fórmula, la suma de los coeficientes y es , por lo tanto el punto así definido no depende del origen del sistema de coordenadas.

En un conjunto no convexo cada segmento que muestra la no convexidad tiene forzosamente que atravesar por lo menos dos veces (en E´y F´) el borde o la frontera del conjunto , , definida como

donde es definido como el interior de . Por tanto la convexidad depende esencialmente de la forma del borde del conjunto, y la definición equivale a

donde denota el producto escalar usual en entre y . Intuitivamente, esto dice que, por cada punto en el borde del conjunto (ósea, cada punto ) existe un vector que divide el plano entero, y que cada punto existe solamente en el hiperplano con ángulo que subtiende a ese vector trasladado por .

Convexidad por tangentes.

En el caso de una frontera diferenciable (sin puntos angulosos) se pueden considerar sus tangentes (ya que existe un único vector normal a la superficie), y resulta bastante intuitivo que los convexos se caracterizan por hallarse enteramente del mismo lado de cada tangente; es decir que las tangentes nunca atraviesan C (como en el punto A de la figura). Esta propiedad sigue cierta en presencia de puntos angulosos, como en el caso de los polígonos convexos.

Se establece la equivalencia de estas dos caracterizaciones considerando que una tangente (en A por ejemplo) es la posición límite de las cuerdas [AA'] con A' acercándose indefinidamente de A, en el borde de C. El segmento [AA´] está en C mientras que el esto de la recta (AA') está fuera (por el absurdo: si se encuentra un punto B de C en la recta (AA´), fuera de [AA'], entonces el segmento [AB], exterior a C, contradice su convexidad).

Envoltura convexa de un conjunto

editar
 
Envolturas convexas de dos conjuntos.

Se llama envolvente convexa de un conjunto dado C al menor (por inclusión) conjunto convexo que contiene a C (es fácil ver que siempre existe). En la figura, la envoltura convexa de la forma azul oscuro es todo el dominio azul (es decir la unión del conjunto original azul oscuro con el dominio azul claro), y la envoltura convexa de los cinco puntos verde oscuro es el polígono verde claro (incluyendo los puntos, por supuesto). En particular, se define

 

y, como previamente dicho, se nota que, si  , y   es un conjunto convexo, entonces  .

Se establece con facilidad que la envoltura convexa es el conjunto de todos los baricentros positivos (es decir con coeficientes todos positivos) de los puntos del conjunto inicial.

En la figura, C es un baricentro positivo de A y B porque está en el segmento [AB], y G es otro tanto de D,E y F, porque se encuentra en el triángulo DEF.

Función convexa

editar
 
Función convexa cualquiera.

Se dice que una función real, definida sobre un intervalo es convexa si el dominio del plano situado por encima de su curva (en gris en la figura) lo es. Sin sorpresa, las consideraciones anteriores se aplican: Solo importa la frontera del dominio, es decir la curva de ecuación  . La convexidad se expresa así: Para cualquier par   en el intervalo  , y cualquier

 
 
 
Desigualdad de la convexidad.

Ejemplos: la hipérbola y =   (con x > 0), las parábolas y = ax2 + bx + c, con a > 0 y x real variable, y la función exponencial y = ex. Si la función f es derivable entonces la convexidad equivale a la condición siguiente:

 

que significa que la pendiente de la cuerda entre dos puntos x y x' está contenida entre los valores extremos de la derivada. Esto equivale al que la derivada sea creciente, en todo el dominio de f . Si f es dos veces derivable, lo anterior significa que la derivada segunda es positiva: f"(x) ≥ 0.

Es fácil verificar que los tres ejemplos anteriores son convexos:

 

positivo cuando x > 0; (ax2 + bx + c)" = 2a > 0; y (ex)" = ex, siempre positivo.

Equivalentemente, la convexidad de una función puede ser establecida usando lo previamente establecido. Definimos un conjunto

 

llamado el epigrafo de la función  . En este caso, una función es convexa solamente si su epigrafo es un conjunto convexo.

Diferencias entre convexidad y concavidad

editar

La concavidad y la convexidad son definiciones arbitrarias y opuestas. En particular, una función   es cóncava solamente si su inverso aditivo es convexo; es decir,   es cóncava solamente si   es convexa.

Usando esta definición, solamente funciones afines son tanto cóncavas como convexas. En particular, no es difícil comprobar que si se tiene una función   que satisface

 

cuando  , entonces ambas   y   son funciones convexas. El caso contrario también es cierto: si una función es tanto cóncava como convexa, entonces es afín; esta observación se desprende directamente de la definición de convexidad.

Envolventes convexas y sumas de Minkowski

editar

Envolventes convexas

editar

Cada subconjunto A del espacio vectorial está contenido dentro de un conjunto convexo más pequeño (llamado envolvente convexa de A), es decir, la intersección de todos los conjuntos convexos que contienen A. El operador de la cápsula convexa Conv() tiene las propiedades características de un operador de cápsula:

  • extenso: S ⊆ Conv(S),
  • no decreciente: S ⊆ T implica que Conv(S) ⊆ Conv(T), y
  • idempotente: Conv(Conv(S)) = Conv(S).

La operación de casco convexo es necesaria para que el conjunto de conjuntos convexos forme un retículo, en el que la operación de "unir" es la envolvente convexa de la unión de dos conjuntos convexos   La intersección de cualquier colección de conjuntos convexos es en sí misma convexa, por lo que los subconjuntos convexos de un espacio vectorial (real o complejo) forman un retículo completo.

Suma de Minkowski

editar
 
Suma de Minkowski de conjuntos. La suma de los cuadrados Q1=[0,1]2 and Q2=[1,2]2 es el cuadrado Q1+Q2=[1,3]2.

En un espacio vectorial real, la suma Minkowski de dos conjuntos (no vacíos), S1 y S2, se define como la suma S1 + S2 formado por la suma de vectores elemento de los conjuntos sumadores   De manera más general, la suma de Minkowski de una familia finita de conjuntos (no vacíos) Sn es el conjunto formado por la suma de elementos de vectores  

Para la suma de Minkowski además, el conjunto cero {0} que contiene solo el vector nulo 0 tiene importancia especial: Para cada subconjunto no vacío S de un espacio vectorial   en terminología algebraica, {0} es el elemento de identidad de la suma de Minkowski (en la colección de conjuntos no vacíos).[1]

Cápsulas convexas de sumas de Minkowski

editar

La suma de Minkowski se comporta bien con respecto a la operación de tomar cápsulas convexas, como lo muestra la siguiente proposición:

Dejar S1, S2 ser subconjuntos de un espacio vectorial real, la cápsula convexa de su suma de Minkowski es la suma de Minkowski de sus cápsulas convexas  

Este resultado es más general para cada colección finita de conjuntos no vacíos:  

En terminología matemática, las operaciones de la suma de Minkowski y de formar cápsulas convexas son operaciones de conmutación.[2][3]

Sumas de Minkowski de conjuntos convexos

editar

La suma de Minkowski de dos conjuntos convexos compactos es compacta. La suma de un conjunto convexo compacto y un conjunto convexo cerrado es cerrada.[4]

El siguiente teorema famoso, probado por Dieudonné en 1966, da una condición suficiente para que la diferencia de dos subconjuntos convexos cerrados sea cerrada.[5]​ Utiliza el concepto de cono de recesión de un subconjunto convexo no vacío S, definido como:   donde este conjunto es un cono convexo que contiene   y satisface  . Tenga en cuenta que si S está cerrado y convexo, entonces   está cerrado y para todos  ,  

Theorema (Dieudonné). Sean A y B subconjuntos no vacíos, cerrados y convexos de un espacio vectorial topológico localmente convexo tal que   es un subespacio lineal. Si A o B es localmente compacto entonces A − B está cerrado.

Generalizaciones y extensiones para convexidad

editar

La noción de convexidad en el espacio euclidiano puede generalizarse modificando la definición en unos u otros aspectos. Se utiliza el nombre común de "convexidad generalizada", porque los objetos resultantes conservan ciertas propiedades de los conjuntos convexos.

Conjuntos estrella-convexos (en forma de estrella)

editar

Sea C un conjunto en un espacio vectorial real o complejo. C es una estrella convexa si existe una x0 en C tal que el segmento de línea de x0 a cualquier punto y perteneciente a C está contenido en C. Por lo tanto, un conjunto convexo no vacío siempre es convexo en estrella, pero un conjunto convexo en estrella no siempre es convexo.

Convexidad ortogonal

editar

Un ejemplo de convexidad generalizada es convexidad ortogonal.[6]

Un conjunto S en el espacio euclidiano se llama ortogonalmente convexo u ortoconvexo, si cualquier segmento paralelo a cualquiera de los ejes de coordenadas que conectan dos puntos de S se encuentra totalmente dentro S. Es fácil demostrar que una intersección de cualquier colección de conjuntos ortoconvexos es ortoconvexa. Algunas otras propiedades de los conjuntos convexos también son válidas.

Geometría no euclidiana

editar

La definición de un conjunto convexo y una cápsula convexa se extiende naturalmente a las geometrías que no son euclidianas al definir un conjunto geodésicamente convexo como uno que contiene las geodésicas que unen dos puntos cualesquiera del conjunto.

Topología de orden

editar

La convexidad se puede extender para un conjunto totalmente ordenado X dotado de la topología de orden.[7]

Dejar YX. El subespacio Y es un conjunto convexo si para cada par de puntos a, b en Y tal que ab, el intervalo [a, b] = {xX | axb} está contenido en Y. Es decir, Y es convexo si y solo si para todos a, b en Y, ab implica [a, b] ⊆ Y.

Un conjunto convexo no es conexo en general: el subespacio da un contraejemplo {1,2,3} in Z, que es a la vez convexa y no conexa.

Espacios de convexidad

editar

La noción de convexidad puede generalizarse a otros objetos, si se seleccionan ciertas propiedades de convexidad como axioma.

Dado un conjunto X, una convexidad sobre X es una colección 𝒞 de subconjuntos de X satisfaciendo los siguientes axiomas:[8][9][10]

  1. El conjunto vacío y X están en 𝒞
  2. La intersección de cualquier colección de 𝒞 es en 𝒞.
  3. La unión de una de orden total (con respecto a la relación de inclusión) de elementos de 𝒞 es en 𝒞.

Los elementos de 𝒞 se llaman conjuntos convexos y el par (X, 𝒞) se llama espacio de convexidad. Para la convexidad ordinaria, se cumplen los dos primeros axiomas y el tercero es trivial.

Para una definición alternativa de convexidad abstracta, más adecuada para la geometría discreta, consulte las geometrías convexas asociadas con las antimatroides.

Véase también

editar

Referencias

editar
  1. El conjunto vacío es importante en la suma de Minkowski, porque el conjunto vacío aniquila todos los demás subconjuntos: Para cada subconjunto S de un espacio vectorial, su suma con el conjunto vacío es vacía:  .
  2. Theorem 3 (pages 562–563): Krein, M.; Šmulian, V. (1940). «On regularly convex sets in the space conjugate to a Banach space». Annals of Mathematics. Second Series 41 (3): 556-583. JSTOR 1968735. doi:10.2307/1968735. 
  3. Para conocer la conmutatividad de la suma de Minkowski y la convexificación, consulte el Teorema 1.1.2 (pages 2–3) en Schneider; esta referencia analiza gran parte de la literatura sobre las cápsulas convexas de sumas Minkowski en su "Chapter 3 Minkowski addition" (pages 126–196): Schneider, Rolf (1993). Convex bodies: The Brunn–Minkowski theory. Encyclopedia of mathematics and its applications 44. Cambridge: Cambridge University Press. pp. xiv+490. ISBN 0-521-35220-7. MR 1216521. 
  4. Lemma 5.3: Aliprantis, C.D.; Border, K.C. (2006). Infinite Dimensional Analysis, A Hitchhiker's Guide. Berlin: Springer. ISBN 978-3-540-29587-7. 
  5. Zălinescu, C. (2002). Convex analysis in general vector spaces. River Edge, NJ: World Scientific Publishing Co., Inc. p. 7. ISBN 981-238-067-1. MR 1921556. 
  6. Rawlins G.J.E. and Wood D, "Ortho-convexity and its generalizations", in: Computational Morphology, 137-152. Elsevier, 1988.
  7. Munkres, James; Topology, Prentice Hall; 2nd edition (December 28, 1999). ISBN 0-13-181629-2.
  8. Soltan, Valeriu, Introduction to the Axiomatic Theory of Convexity, Ştiinţa, Chişinău, 1984 (in Russian).
  9. Singer, Ivan (1997). Abstract convex analysis. Canadian Mathematical Society series of monographs and advanced texts. New York: John Wiley & Sons, Inc. pp. xxii+491. ISBN 0-471-16015-6. MR 1461544. 
  10. van De Vel, Marcel L. J. (1993). Theory of convex structures. North-Holland Mathematical Library. Amsterdam: North-Holland Publishing Co. pp. xvi+540. ISBN 0-444-81505-8. MR 1234493.