Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Convex Analysis for Optimization Jan Brinkhuis Villalba Salazar, Raul Moises Prof. Alex Armando Cruz Huallpara Seminario I 15 de julio del 2021 Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Contenido 1 Teorema 4.3.20 2 Ejemplo 4.3.21 3 4.4 El cono polar sin coordenadas 4 Proposición 4.4.4 Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Teorema 4.3.20 Sugerencia para la equivalencia del teorema de dualidad 4.2.5. Se debe utilizar la construcción del operador de conjunto polar mediante el método de homogeneización, que se dará más adelante en este capítulo. De hecho, se puede dar además la siguiente reformulación de aspecto débil del teorema de dualidad 4.2.5 en términos de conos convexos. Esta reformulación de aspecto débil representa en cierto sentido la esencia de la dualidad de los conjuntos convexos y, por tanto, la esencia del análisis convexo. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Teorema 4.3.20 Teorema 4.3.20 El cono polar de un cono convexo C ⊆ Rn (con C 6= Rn) que contiene el origen, no es trivial: es decir, C◦ 6= 0n. Sugerencia para la equivalencia al teorema 4.3.19 (y así al teorema de dualidad 4.2.5). Para derivar del Teorema 4.3.20 de apariencia débil, el Teorema 4.3.19 de apariencia más fuerte, se debe usar la idea de separar un punto p fuera de C por un hiperplano de C que es equivalente a separar el origen por un hiperplano del cono convexo. cone(C ,−p) = {c − αp | c ∈ C , α ≥ 0} Esto es lo mismo que producir un elemento distinto de cero de (cone(C ,−p))◦. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Ejemplo 4.3.21 Ejemplo 4.3.21 (Lanzar la pelota en cualquier línea curva para demostrar el teorema 4.3.20) La demostración del Teorema 4.2.5 mediante el lanzamiento de una pelota que se ha dado, se puede simplificar si desea probar el Teorema 4.3.20 de apariencia débil: resulta que no es necesario lanzar la pelota en línea recta . Se puede lanzar a lo largo de cualquier línea curva que eventualmente golpee el cono convexo. La figura 4.10 ilustra esta prueba más simple. La razón por la que tiene que lanzar la pelota en línea recta si quiere probar el teorema 4.2.5, pero puede lanzar la pelota a lo largo de cualquier línea curva si quiere probar el teorema 4.3.20, es la siguiente. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Ejemplo 4.3.21 En el primer caso, debes asegurarte de que el punto p desde donde lanzas la pelota y el conjunto convexo dado A se encuentran en lados diferentes del plano que obtienes en el punto donde la pelota golpea el conjunto convexo; esto solo está garantizado si lanza en línea recta. De lo contrario, aunque A estará completamente en un lado del plano, este punto p podría estar en el mismo lado. En el segundo caso, es suficiente tener cualquier plano para el cual el cono convexo C dado se encuentra completamente a un lado del mismo. Por lo tanto, es posible lanzar la línea a lo largo de cualquier línea curva. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Ejemplo 4.3.21 Figura: Fig. 4.10 Prueba de lanzamiento de pelota para el resultado de dualidad de apariencia más débil Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 4.4 El cono polar sin coordenadas El objetivo de esta sección es proporcionar una construcción sin coordenadas del operador del cono polar. Esto será conveniente para dar una definición equivalente para el operador de conjunto polar, esta vez de manera sistemática (en lugar de mediante una fórmula explícita, como lo hemos hecho antes), por homogeneización. Definición 4.4.1 Sea X , E dos espacios vectoriales de dimensión finita. Un mapeo b : X × E → R es bilineal si es lineal en ambos argumentos, es decir, b(αx + βy , z) = αb(x , z) + βb(y , z) ∀ α,β ∈ R, x , y ∈ X , z ∈ E . b(x , αy + βz) = αb(x , y) + βb(y , z) ∀ α,β ∈ R, x ∈ X , y , z ∈ E . Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 4.4 El cono polar sin coordenadas Definición 4.4.2 Sea X , E dos espacios vectoriales de dimensión finita y b : X × E → R un mapeo bilineal. Entonces b es no degenerada si para cada x diferente de cero ∈ X la función lineal en E dada por la regla y 7→ b(x , y) no es la función cero, y si además para cada y diferente de cero ∈ E la función lineal en X dada por la regla x 7→ b(x , y) no es la función cero. Definición 4.4.3 Se dice que un par de espacios vectoriales X , E de dimensión finita está en dualidad si se da un mapeo bilineal no degenerado es dado por b : X × E → R. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Proposición 4.4.4 Proposición 4.4.4 (Un par estándar de espacios vectoriales en dualidad) Sea X = Rn y E = Rn. El mapeo b : X × E → R dado por la regla (x , y) 7→ x · y , es decir, el producto interno estándar, llamado producto escalar, hace de X y E dos espacios vectoriales en dualidad. Solo trabajamos con espacios vectoriales de dimensión finita y, para ellos, el par estándar de espacios vectoriales en dualidad dado anteriormente es esencialmente el único ejemplo. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Proposición 4.4.4 Observación: Las razones para introducir un segundo espacio E y no solo tomar un producto interno en X son las siguientes. Para espacios vectoriales X de dimensión infinita de interés, a menudo no existe una generalización natural del concepto de producto interno. Entonces, lo mejor que se puede hacer es encontrar un espacio diferente y un mapeo bilineal no degenerado b : X × E → R. Incluso para espacios de dimensión finita, a menudo es más natural introducir un segundo espacio, aunque tiene el mismo dimensión como X , por lo que podría tomarse igual a X . Por ejemplo, si se consideran los vectores de consumo como los vectores columna x , entonces se modelan los vectores de precios como los vectores fila p. Sin embargo, para nuestro propósito, la razón realmente convincente para introducir un mapa bilineal b : X × E → R es que necesitaremos otro b además del producto interno. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Ejemplo 4.4.5 (Mapeos bilineales no estándar útiles) Aquí están los dos pares de espacios no estándar en dualidad que necesitaremos. 1. Sea X = Rn+1 y E = Rn+1. El mapeo b : X × E → R dado por la regla ((x , α), (y , β)) 7→ x · y − αβ hace de X y E dos espacios vectoriales en dualidad. Tenga en cuenta el signo menos. 2. Sea X = Rn+2 y E = Rn+2. El mapeo b : X × E → R dado por la regla ((x , α, α′), (y , β, β′)) 7→ x · y − αβ′ − α′β hace de X y E dos espacios vectoriales en dualidad. Tenga en cuenta el signo menos y la transposición. Ahora estamos listos para dar la definición del cono polar. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.214.4 El cono polar sin coordenadas Proposición 4.4.4 Definición 4.4.6 Sean X y E dos espacios vectoriales de dimensión finita en dualidad con mapeo subyacente b. El cono polar C◦ de un cono convexo C en X con respecto a b es el siguiente cono convexo cerrado en E . C◦ = {y ∈ E | b(x , y) ≤ 0 ∀x ∈ C} Hemos mencionado que para cada mapeo bilineal no degenerado b : X × E → R podemos elegir bases de X y E tal que después de pasar a coordenadas de vectores, este mapeo dé el producto escalar en Rn. Luego obtenemos la definición de coordenadas habitual del cono polar que se dio en la sección anterior. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Ejemplo 4.4.7 (Cono polar) La figura 4.11 ilustra el operador del cono polar con respecto al producto escalar. Ejemplo 4.4.8 (Normas duales y conos polares) La norma dual está relacionada con el operador del cono polar. De hecho, para cada espacio normado de dimensión finita, los epígrafos de la norma N y la norma dual N∗, epi(N) = {(x , ρ) | x ∈ X , ρ ∈ R , ρ ≥ N(x)} y epi(N∗) = {(x , ρ) | x ∈ X , ρ ∈ R , ρ ≥ N∗(x)} son conos convexos, que son el cono polar del otro con respecto al emparejamiento bilineal definido por la regla 〈(x , α), (y , β)〉 = x · y − αβ. Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Figura: Fig. 4.11 Cono polar con respecto al producto escalar Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4 Title Seminario I Prof. Alex Armando Cruz Huallpara Convex Analysis for Optimization Teorema 4.3.20 Ejemplo 4.3.21 4.4 El cono polar sin coordenadas Proposición 4.4.4
Compartir