Convexidad Generalizada

Problema escalar
Vectorial
El Problema de Optimizacion
Relaciones entre invexidad y pseudoinvexidad
Vectorial con Restricciones
Problema de Optimizacion
Conclusiones
bibliografa
Convexidad Generalizada
Lizana (Universidad de Sevilla)
Antonio Rufian
El autor esta financiado por el proyecto MTM2010-15383.

Puerto Maldonado 2011

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
de Funciones Convexas
Generalizacion
Invexidad y pseudoinvexidad
Problemas escalares restringidos diferenciables
Indice
1
Problema escalar
Funciones convexas
Generalizacion
Vectorial
POV no diferenciable
POV diferenciable. Invexidad y pseudoinvexidad

Puntos debilmente
eficientes
Puntos eficientes
Ejemplos de aplicacion
Conclusiones
bibliografa
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Definicion
Sea definida en un conjunto S no vaco y consideremos el Problema de
Matematica
Programacion
Escalar:
Min
s.a.
(x)
x S
(P)
Funciones convexas
es convexa
Sea definida en un conjunto C convexo no vaco. La funcion
x, y C se verifica
(x + (1 )y ) (x) + (1 )(y ), [0, 1].
Definicion
factible de (P).
Un punto x S se dice solucion

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Definicion
optima
Si x S verifica que (x ) (x) x S, entonces x es la solucion

es llamada solucion
global o simplemente solucion.
de (P). Tambien
Definicion
local de (P), si existe
x S es una solucion
B(x , r ) t.q. (x ) (x) x B(x , r ).
Teorema (1.1.1)
Sea : C Rn R convexa definida en un conjunto C convexo no vaco.
local
Consideremos el problema (P) y supongamos que x es una solucion
global.
del problema. Entonces x es una solucion

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Definicion
Sea : S Rn R diferenciable definida en un conjunto S no vaco.
Llamaremos vector gradiente de en x int(S), notado por (x ),

(x ) (x )
(x )
(x ) =
,
, ...,
x
y
xn
Teorema
Sea : C Rn R diferenciable definida en un conjunto C convexo no
si
vaco, entonces es convexa si y solo
(x) (y ) (y )(x y )
.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Teorema (1.1.2)
Sea : C Rn R convexa diferenciable definida en un conjunto C
convexo no vaco, entonces
x es mnimo global de (P) (x ) = 0
.
Comentario
En esas condiciones, se dice que x es un punto crtico o un punto
estacionario

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Comentario
En este apartado presentaremos algunos tipos de funciones que comparten
propiedades deseables de las funciones convexas, pero que son mas

generales, ya que en algunos de los resultados vistos anteriormente la
suficiente, pero no necesaria.
convexidad es una condicion
(Bruno de Finetti, 1954)
Definicion
Sea : C Rn R definida en un conjunto C convexo no vaco. La
se dice cuasiconvexa si x, y C, se verifica
funcion
(x + (1 )y ) max{(x), (y )}, [0, 1].

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Definicion
Sea : C Rn R definida en un conjunto C convexo no vaco. La
se dice estrctamente cuasiconvexa si x, y C, con (x) 6= (y ),
funcion
se verifica
(x + (1 )y ) < max{(x), (y )}, [0, 1].
Comentario
Las funciones estrctamente cuasiconvexas no tienen que ser
es convexa y estrictamente cuasiconvexa,
cuasiconvexas. Si la funcion
entonces se dice explcitamente cuasiconvexa.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Teorema
Sea : C Rn R definida en un conjunto C convexo no vaco. Si es
convexa, entonces es explcitamente cuasiconvexa.
Teorema (1.2.1)
Sea explcitamente cuasiconvexa definida en un conjunto C convexo no
vaco. Si x es un mnimo local, entonces x es un mnimo global.
Comentario
del teorema 1.1.1.
El teorema 1.2.1 es una generalizacion

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Definicion
se
Sea : S Rn R diferenciable definida en S no vaco. La funcion
dice pseudoconvexa
(x) (y ) < 0 (y )(x y ) < 0
Comentario
convexa diferenciable es pseudoconvexa.
Obviamente toda funcion
Teorema (1.2.2)
Sea : S Rn R pseudoconvexa definida en un conjunto S no vaco,
entonces
x es mnimo global de (P) (x ) = 0.
Comentario
del Teorema 1.1.1. Se puede hacer
El Teorema 1.2.2 es una generalizacion
general? La respuesta ya veremos que es s.
aun mas
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
(HANSON (1981) - CRAVEN (1981))

Definicion
se dice invex si existe una funcion
: S S Rn tal que
Una funcion
x, y S,
(x) (y) (y )(x, y ),
(HANSON (1981) - CRAVEN (1981))
Definicion
se dice pseudoinvex si existe una funcion
: S S Rn tal
Una funcion
que x, y S,
(x) (y ) < 0 = (y )(x, y ) < 0
Comentario
de las
Las funciones invex y pseudoconvexas son una generalizacion
que tomar (x, y ) = x y
funciones convexas y pseudoconvexas, sin mas

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Teorema (ISRAEL-MOND (1986))

INVEX PSEUDOINVEX
Comentario
El anterior resultado no se verifica con las funciones convexas y
pseudoconvexas.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Teorema (1.3.1 CRAVEN-GLOVER 1985)

de (P) si y solo
si es invex.
Todo punto estacionario o crtico es una solucion
INVEX
Optima
x Punto Estacionario x Solucion

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Problema Escalar con Restricciones
(PR)
Minimizar (x)
sujeto a:
g(x) 5 0
x S Rn
donde : S Rn R y g = (g1 , . . . , gm ) : S Rn R m , con , g1 , . . . , gm

funciones diferenciables.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
necesaria)
Teorema (Condicion
optima
Si x es una solucion
de (PR), entonces x es un punto de Fritz-John,
i.e., existe R, R m tal que
(x ) + T g(x ) = 0
T g(x ) = 0
(, ) 0
de restricciones en x , entonces x es un punto
Si una se verifica cualificacion
crtico de Kuhn-Tucker, i.e., existe R m tal que
(x ) + T g(x ) = 0
T g(x ) = 0
0

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
(MARTIN (1985))
Definicion
El problema (PR) se dice KT-invex si existe una function : S S Rn tal
que x, y S, con gi (x) 0, gi (y ) 0, i = 1, . . . , m,
(x) (y) (y )(x, y ),
gj (y )(x, y ) 0,
j I(y ),
donde
I(y ) = {j : j = 1, . . . , m tal que gj (y ) = 0}.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Funciones convexas
Generalizacion
Teorema (1.4.1 (MARTIN,1985))

optima
si
Todo punto crtico de Kuhn-Tucker es una solucion
de (PR) si y solo
(PR) es KT-invex.
(PR) KT-INVEX
m
optima
x punto crtico de Kuhn-Tucker x Solucion

Comentario
El teorema 1.4.1 es el equivalente al 1.3.1, cuando el problema tiene
restricciones.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Indice
1
Problema escalar
Funciones convexas
Generalizacion
Vectorial

Puntos debilmente
eficientes
Puntos eficientes
Conclusiones
bibliografa
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Vectorial: Notacion
Sea x, y Rn :
x
x
x
x
=y
<y
5y
y
xi
xi
xi
xi
= yi ,
< yi ,
yi ,
yi ,

Antonio Rufian
i
i
i
i
= 1, . . . , n.
= 1, . . . , n.
= 1, . . . , n.
= 1, . . . , n,
x 6= y .
Problema escalar
Vectorial
Conclusiones
bibliografa
Vectorial
(POV )
Minimizar f (x) = (f1 (x), . . . , fp (x))

sujeto a:
x S Rn
donde f = (f1 , . . . , fp ) : S Rn Rp son funciones definidas en el conjunto

abierto S.
(Solucion
eficiente)
Definicion
eficiente del (POV) si no
Un punto factible, x , se dice que es una solucion
existe otro punto factible, x, tal que f (x) f (x ).
general que se denomino
Posteriormente aparecio un concepto mas
debilmente
solucion
eficiente.
(Solucion
debilmente
Definicion
eficiente)
Un punto factible, x , se dice un punto debilmente

eficiente del (POV) si no
existe otro punto factible, x, tal que f (x) < f (x ).
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
(Solucion
localmente eficiente)
Definicion
localmente eficiente de (POV), si
Un punto factible x S es una solucion
existe B(x , r ), tal que no existe y B(x , r ) de forma que f (y ) f (x ).
y RUIZ 1995)
Teorema (2.1.1 RUFIAN
Sea f explcitamente cuasiconvexa definida en un conjunto C convexo no
vaco. Si x es un localmente eficiente para POV, entonces x es eficiente.
Comentario
al caso vectorial del teorema 1.2.1
El teorema 2.1.1 es la generalizacion

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Vectorial Diferenciable
(POV )
Minimizar f (x) = (f1 (x), . . . , fp (x))

sujeto a:
x S Rn
donde f = (f1 , . . . , fp ) : S Rn Rp son unas funciones diferenciables en el

conjunto abierto S.
necesaria de optimalidad)
Teorema (Condicion
eficiente o debilmente
eficiente de (POV), entonces x es
un punto crtico vectorial, i.e., existe Rp , tal que
T f (x ) = 0,
0,
donde f (x ) M
pn
vectorial f .
es la matriz gradiente de la funcion

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Definicion
diferenciable definida en el
Sea f = (f1 , . . . , fp ) : S Rn Rp una funcion
vectorial f se dice invex si existe una
conjunto abierto S. Entonces, la funcion
vectorial : Rn Rn Rn tal que x, y S
funcion
f (x) f (y) = f (y )(x, y ).
Comentario
de funcion
invex vectorial es una generalizacion
del caso
La definicion
escalar ya visto

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
OSUNA Y BEATO 1998)

(RUFIAN,
Definicion
Sea f = (f1 , . . . , fp ) : S Rn Rp una funcion
vectorial f se dice pseudoinvex-I si
existe una funcion
f (x) f (y ) < 0 f (y )(x, y ) < 0.
(ARANA Y RUFIAN 2008)
Definicion
Se f = (f1 , . . . , fp ) : S Rn Rp una funcion
vectorial f se dice pseudoinvex-II si
existe una funcion
f (x) f (y ) 0 f (y )(x, y) < 0.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Comentario
Las dos definiciones vectoriales de pseudoinvexidad coinciden con la
pseudoinvexidad definida en el caso escalar, que a su vez era equivalente a
la invexidad. Esta equivalencia no se tiene en el caso vectorial.
OSUNA y BEATO 1998)
Teorema (RUFIAN
si f
Todo punto crtico vectorial es debilmente
eficiente para el (POV) si y solo
es pseudoinvex-I.
f PSEUDOINVEX-I
m
debilmente
x Punto crtico vectorial x Solucion

eficiente

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Teorema (ARANA, RUIZ Y RUFIAN 2008)

si f es
Todo punto crtico vectorial es eficiente para el (POV) si y solo
pseudoinvex-II.
f PSEUDOINVEX-II
m
eficiente
x Punto crtico vectorial x Solucion
Comentario
vista
Los dos teoremas anteriores son generalizaciones de la caracterizacion
en el caso escalar en el Teorema 1.3.1.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Indice
1
Problema escalar
Funciones convexas
Generalizacion
Vectorial

Puntos debilmente
eficientes
Puntos eficientes
Conclusiones
bibliografa
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Comentario
De las definiciones anteriores se deduce que si f es invex entonces f es
pseudoinvex-I. El recproco no es cierto como podemos ver en el siguiente
ejemplo.
Ejemplo
Ejemplo 1.(f pseudoinvex-I 6 f invex)
Consideremos f = (f1 , f2 ) : R R2 , con f (x) = (f1 (x), f2 (x)) = (x 2 , x 2 ).
x, y R tenemos que x 2 y 2 < 0 x 2 + y 2 > 0, i.e.,
f1 (x) f1 (y ) < 0 f2 (x) f2 (y ) > 0.
As pues, 6 x, y R tal que fi (x) fi (y ) < 0, i = 1, 2, lo que implica que
f (x) f (y ) < 0 no se verifica, y por tanto f is pseudoinvex-I con respecto a
.
cualquier funcion
Por otro lado,, f2 no es invex porque f2 (0) = 0, pero y = 0 no es un mnimo
As, deducimos que f no es invex.
para esta funcion.
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Ejemplo
Ejemplo 2.(f invex 6 f pseudoinvex-II)
Consideremos f = (f1 , f2 ) : R R2 , con f (x) = (f1 (x), f2 (x)) = (x 2 , 5).
Tenemos que f (x) = (2x, 0). x, y R, probaremos primero que f es invex
para el vector
2
2
x y
si y 6= 0,
2y
(x, y ) =
1
si y = 0.
De lo que se deduce que
2
2
( x y 2y , 0)
2
2
2y
f (x)f (y ) = (x y , 0)
(x 2 , 0)
si
si
y 6= 0
= f (y )(x, y ).
y =0
Como consecuencia, f es invex.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Ejemplo
Por otro lado, f no es pseudoinvex-II. Eligiendo x = 1, y = 2, tenemos
f (x) f (y) = (3, 0) 0. Ya que f (y ) = (4, 0), se deduce que
tal
f (y)u = (4, 0)u = (4u, 0) 6< 0, u R. Por tanto, no existe una funcion
que f (y )(x, y ) < 0, y en consecuencia f no es psedoinvex-II.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Ejemplo
Ejemplo 3. (f pseudoinvex-II 6 f invex)
Consideremos f = (f1 , f2 ) : R R2 , con f (x) = (f1 (x), f2 (x)) = (x 2 , x 2 ).
From Ejemplo 1 sabemos f no es invex.
Probamos ahora que f es pseudoinvex-II. Tenemos que
f (x) f (y) = (x 2 y 2 , y 2 x 2 ) 0
x 2 y 2 < 0, y y 2 x 2 0
(1)
x 2 y 2 0, y y 2 x 2 < 0
(2)
or
Si x 2 y 2 < 0, entonces y 2 x 2 > 0 y (3) no se verifica. Por un argumento

similar, (4) no se verifica. Por tanto, la desigualdad f (x) f (y ) 0 no se
verifica, y concluimos que f es pseudoinvex-II.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Comentario
deducir que la clase de las funciones
De las definiciones anteriores es facil
pseudoinvex-I contiene a la clase de las funciones pseudoinvex-II. El
recproco no es cierto como probamos en el siguiente ejemplo.
Ejemplo
Ejemplo 4.(f pseudoinvex-I 6 f pseudoinvex-II)
Consideremos f = (f1 , f2 ) : R R2 , con f (x) = (f1 (x), f2 (x)) = (x 2 , 5).
Del Ejemplo 2 sabemos que f es invex y no pseudoinvex-II. Por tanto, como f
es invex, se deduce que f es pseudoinvex-I.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Comentario
Como consecuencia de lo anterior, tenemos
Teorema
INV PSII PSI y INV PSII 6= PSI.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
pseudoinvex-I
Para probarlo, el siguiente ejemplo proporciona una funcion
que no es ni invex ni pseudoinvex-II.
Ejemplo
Ejemplo 5.( INV PSII 6= PSI )
f : R R2 , con f (x) = (f1 (x), f2 (x)) = (x 2 , 5).
Consideremos la funcion
Hemos probado en el ejemplo 1 que f1 (x) = x 2 no es invex, y por tanto f no
es invex.
f no es pseudoinvex-II. Para ver esto basta considerar, x = 2 y y = 1.
f (x) f (y) = (3, 0) 0. Por tanto,
f (y)u = f (1)u = (3u, 0) 6< 0, u R. Como consecuencia, no existe
(x, y ) tal que f (y )(x, y) < 0.
f es pseudoinvex-I, porque x, y tenemos f (x) f (y ) = (y 2 x 2 , 0) 6< 0 y
por tanto f es pseudoinvex-I.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Comentario
En consecuencia, las relaciones entre las funciones invex, pseudoinvex-I y
pseudoinvex-II se pueden representar de la siguiente manera:
'
'
PSEUDOINVEX-I
'
$
PSEUDOINVEX-II
$
$
INVEX
&
%
&
&
Grafico
1

Antonio Rufian
%
%
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Indice
1
Problema escalar
Funciones convexas
Generalizacion
Vectorial

Puntos debilmente
eficientes
Puntos eficientes
Conclusiones
bibliografa
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
(Problema de optimizacion
vectorial con restricciones)
Definicion
(POVR)
Minimizar f (x)
sujeto a:
g(x) 5 0
x S Rn
donde f = (f1 , . . . fp ) : S Rn Rp , g = (g1 , . . . , gm ) : S Rn Rm son

funciones diferenciables definidas en el conjunto abierto S Rn .

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Definicion
Un punto factible x for (POVR) se dice que es un punto crtico vectorial de
Fritz John, PCVFJ, si existe Rp , Rm tal que
T f (x ) + T g(x ) = 0
T
g(x ) = 0
(, ) = 0,

Antonio Rufian
(, ) 6= 0
(3)
(4)
(5)
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Definicion
Un punto factible x for (POVR) se dice que es un punto crtico vectorial de
Kuhn-Tucker , PCVKT, si existe Rp , Rm tal que
T f (x ) + T g(x ) = 0
(6)
T g(x ) = 0
(7)
=0
(8)
(9)

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Comentario
Para las anteriores definiciones tenemos condiciones necesarias para la
eficiencia y la eficiencia debil.

Teorema
eficiente para (POVR), entonces
x is a PCVFJ.
Ademas
Teorema
eficiente para (POVR) y se
de restricciones en x , entonces x is a PCVKT.
verifica una cualificacion

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Comentario
y Ruz
Para conseguir condiciones suficientes de optimalidad, Osuna, Rufian
(1998), introdujeron el concepto de KT-pseudoinvexidad-I y usaron el
concepto de punto estacionario vectorial de Kuhn-Tucker que coinciden con
los conceptos de KT-invexidad y punto estacionario dados por Martin en el
caso escalar.
Definicion
vectorial
El(POVR) se dice KT-pseudoinvex-I si existe una funcion
: S S Rn tal que dados dos puntos factibles x, y
(
f (y )(x, y ) < 0
f (x) f (y ) < 0
gj (y )(x, y ) 5 0, j I(y )
donde I(y ) = {j = 1, . . . , m : gj (y ) = 0}.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Teorema
debilmente
Todo PCVKT es una solucion

eficiente para (POVR) si y solo si el
(POVR) es KT-pseudoinvex-I.
Comentario
del teorema dado por Martin para
El anterior resultado es una generalizacion
problemas KT-invex.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Comentario
es generalizable para puntos eficientes, pero
El resultado de Martin tambien
de Pseudoinvexidad vectorial,
para ello necesitaremos una nueva definicion
que llamaremos funciones pseudoinvex-II.
Y OSUNA (2008)
(ARANA, RUFIAN
Definicion
Problem (POVR) is said to be KT-pseudoinvex-II si existe a vector function
: S S Rn tal que for all punto factibles x, y
(
f (y )(x, y ) < 0
f (x) f (y ) 0
gj (y )(x, y ) 0, j I(y )
donde I(y ) = {j = 1, . . . , m : gj (y ) = 0}.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
obtenemos el siguiente teorema:

Con esa definicion
Teorema
eficiente del (POVR) si y solo si (POVR) es
Cada PCVKT es una solucion
KT-pseudoinvex-II.
Comentario
del de Martin al caso vectorial.
El resultado es una nueva generalizacion
Comentario
La KT-pseudoinvexidad-II implica la KT-pseudoinvexidad-I.
Comentario
Resultados analogos
a los anteriores se pueden encontrar con las
condiciones de Fritz Jhon y definiciones de FJ-pseudoinvexidad, tanto para
puntos eficientes, como puntos debilmente

eficientes.
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Comentario
Como resumen tenemos el siguiente esquema:
KT-Pseudoinvex-I
debilmente
x PCVKT x Solucion
eficiente
KT-Pseudoinvex-II
eficiente
x PCVKT x Solucion
Como resumen de las definiciones anteriores en el caso escalar queda:

KT-pseudoinvex-I
m
KT-pseudoinvex-II
Antonio Rufian
KT-invex
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Ejemplo
Veamos un ejemplo de problema vectorial KT-pseudoinvex-II, en el que los
comprobaremos que las funciones, f y g del
PCVKT son eficientes. Tambien,
problema no son invex.
Minimizar (x 2 + 1, x 2 + 2)
sujeto a:
(POVR1)
3x 0
x R
2
donde f = (f1 , f2 ) : R R , con f (x) = (f1 (x), f2 (x)) = (x 2 + 1, x 2 + 2), y

g : R R, con g(x) = 3 x, son funciones diferenciables en R.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
objetivo se muestra en la figura :

El grafo de la funcion
(x,f(x))=(x,x**2+1,-x**2+2)
z=-x**2+2
5
0
-5
-10
-15
-20
-25
-6
-4
-2
x
25

Antonio Rufian
5
10
20
15
y=x**2+1
30
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
y sus proyecciones en los planos XY y XZ planes nos dan una mejor vision
en la siguiente figura:
30
25
20
15
10
5
0
5
0
-5
z -10
-15
-20
-25
-30
-6
-4
-2
0
x

Antonio Rufian
-6
-4
-2
0
x
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Podemos comprobar
(i) (POVR1) es KT-pseudoinvex-II.
(ii) f no es invex.
(iii) Todos los puntos factibles son PCVKT.
(iv) Todos los puntos factibles son solucines eficientes.
En consecuencia, (POVR1) es un problema KT-pseudoinvex-II , donde todos
objetivo f no es
PCVKT son soluciones eficientes, y sin embargo la funcion
invex.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
Ejemplo
Recprocamente, presentamos un nuevo problema (POVR2) con f y g invex,
que no es KT-pseudoinvex-II, y encontraremos un PCVKT que no es solucion

eficiente.
(POVR2)
Minimizar (x 2 3, 10)
sujeto a:
1 x 0
x R
donde f = (f1 , f2 ) : R R , con f (x) = (f1 (x), f2 (x)) = (x 2 3, 10), y

g : R R, con g(x) = 1 x, son funciones diferenciables en R.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
objetivo.
La figura muestra el grafo de una funcion
z
16
14
12
10
8
-4
(x, f(x))=(x, x**2-3, 10

+Y
+
(0, f(0))
-2
x

Antonio Rufian
(1, f(1))
0
2
4 -4
-2
4
y
Problema escalar
Vectorial
Conclusiones
bibliografa
Puntos eficientes
(i) f y g son invex.

(ii) (POVR2) no es KT-pseudoinvex-II.
(iii) Consideremos el punto factible x = 1. El punto x es un PCVKT. Por otro
eficiente para (POVR2), ya que dado el punto
lado, x no es una solucion
factible x = 0, tenemos que f (x) f (x ) = (1, 0) 0. Ambas cosas se
ven en la figura.
eficiente para el
As pues, existe un PCVKT, que no es una solucion
problema (POVR2), y sin embargo f y g son funciones invex.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Indice
1
Problema escalar
Funciones convexas
Generalizacion
Vectorial

Puntos debilmente
eficientes
Puntos eficientes
Conclusiones
bibliografa
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
En el caso escalar las funciones invex, introducidas por Hanson, estan
caracterizadas porque todos los puntos crticos son optimos.

Para el
vectorial, hemos introducido
caso de los problemas de optimizacion
nuevas funciones que generalizan ese resultado al caso multiple.
Estas
nuevas funciones se caracterizan porque todos los puntos crticos
vectoriales son eficientes (o debilmente

eficientes)
En el caso vectorial las nuevas funciones presentadas pseudoinvex-I y
pseudoinvex-II, generalizan a las invex del caso escalar, pero en el caso
multiple
no son equivalentes y se han estudiado, mediante ejemplos,
sus relaciones.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
vectorial con restricciones,

Para el caso de problemas de optimizacion
definimos nuevos problemas que generalizan el resultado de Martin del
caso escalar. Los problemas quedan caracterizados porque todos los
puntos crticos vectoriales de kuhn y Tucker son soluciones eficientes o
debilmente
eficientes. Por ultimo,
damos algunos ejemplos de aplicacion
de los resultados.

Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
Indice
1
Problema escalar
Funciones convexas
Generalizacion
Vectorial

Puntos debilmente
eficientes
Puntos eficientes
Conclusiones
bibliografa
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
R. Osuna and G. Ruiz, A characterization of

M. Arana, A. Rufian,
pseudoinvexity in multiobjective programming, Mathematical and
Computer Modelling 48 (2008) 1719-1723.
R. Osuna and G. Ruiz, Pseudoinvexity, optimality
M. Arana, A. Rufian,
conditions and efficiency in multiobjective problems; duality, Nonlinear
Analysis 68 (2008) 24-34.
A. Ben-Israel and B. Mond, What is Invexity, J. Austral. Math. Soc. Ser. B
28 (1986) 1-9.
V. Chankong and Y. Y. Haimes, Multiobjective Decision Making: Theory
and Methodology, North-Holland, New York (1983).
B. D. Craven, Duality for Generalized Convex Fractional Programs, in
Generalized Concavity in Optimization and Economics, Academic Press,
New York (1981).
B. D. Craven and B. M. Glover, Invex Functions and Duality, J. Austral.
Math. Soc. Ser. A 39 (1985) 1-20.
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
T. R. Gulati and N. Talaat, Sufficiency and Duality in Nondifferentiable

Multiobjective Programming, Opsearch 28, 2( 1991) 73-87.
M. A. Hanson, On Sufficiency of Kuhn-Tucker Conditions, J. Math. Anal.
Appl. 80 (1981) 545-557.
necesarias for Optimality of Nondifferentiable
P. Kanniappan, Condicion
Convex Multiobjective Programming, J. Optim. Theory Appl. 40 (1983)
167-174.
L. O. Mangasarian, Nonlinear Programming, McGraw Hill Book
Company, New York (1969).
D. M. Martin , The Essence of Invexity, J. Optim. Theory Appl. 47, 1
(1985) 65-76.
and P. Ruiz, Invex Functions and Generalized
R. Osuna, A. Rufian
Convexity in Multiobjective Programming, J. Optim. Theory Appl. 98
(1998) 651-661 .
Generalized Convexity in
R. Osuna R., A. Beato and A. Rufian,
Multiobjective Programming, J. Math. Anal. Appl. 233 (1999) 205-220.
Antonio Rufian
Problema escalar
Vectorial
Conclusiones
bibliografa
y P. Ruiz, A Characterization of weakly efficient points,

A. Rufian
Mathematical Programming 68 (1995) 205-212.

Antonio Rufian

Convexidad Generalizada

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Convexidad Generalizada

Uploaded by

Copyright:

Available Formats

Problema escalar

El autor esta financiado por el proyecto MTM2010-15383.

Lizana (Universidad de Sevilla)

Relaciones entre invexidad y pseudoinvexidad

Vectorial con Restricciones

Lizana (Universidad de Sevilla)

Si x S verifica que (x ) (x) x S, entonces x es la solucion

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

propiedades deseables de las funciones convexas, pero que son mas

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

(HANSON (1981) - CRAVEN (1981))

Lizana (Universidad de Sevilla)

Teorema (ISRAEL-MOND (1986))

Lizana (Universidad de Sevilla)

Teorema (1.3.1 CRAVEN-GLOVER 1985)

Lizana (Universidad de Sevilla)

Problema Escalar con Restricciones

donde : S Rn R y g = (g1 , . . . , gm ) : S Rn R m , con , g1 , . . . , gm

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Teorema (1.4.1 (MARTIN,1985))

x punto crtico de Kuhn-Tucker x Solucion

Lizana (Universidad de Sevilla)

Relaciones entre invexidad y pseudoinvexidad

Vectorial con Restricciones

Lizana (Universidad de Sevilla)

Minimizar f (x) = (f1 (x), . . . , fp (x))

donde f = (f1 , . . . , fp ) : S Rn Rp son funciones definidas en el conjunto

Un punto factible, x , se dice un punto debilmente

Lizana (Universidad de Sevilla)

Minimizar f (x) = (f1 (x), . . . , fp (x))

donde f = (f1 , . . . , fp ) : S Rn Rp son unas funciones diferenciables en el

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

OSUNA Y BEATO 1998)

Lizana (Universidad de Sevilla)

x Punto crtico vectorial x Solucion

Lizana (Universidad de Sevilla)

Teorema (ARANA, RUIZ Y RUFIAN 2008)

Lizana (Universidad de Sevilla)

Relaciones entre invexidad y pseudoinvexidad

Vectorial con Restricciones

Como consecuencia, f es invex.

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Si x 2 y 2 < 0, entonces y 2 x 2 > 0 y (3) no se verifica. Por un argumento

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Relaciones entre invexidad y pseudoinvexidad

Vectorial con Restricciones

donde f = (f1 , . . . fp ) : S Rn Rp , g = (g1 , . . . , gm ) : S Rn Rm son

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

Lizana (Universidad de Sevilla)

eficiencia y la eficiencia debil.