Introdução

Neste post, exploramos três conceitos fundamentais da análise matemática:

  • funções unimodais
  • convolução
  • funções log-côncavas

O objetivo é entender como essas ideias se conectam, especialmente no estudo da preservação da unimodalidade sob convolução.

Funções Unimodais

Uma função é chamada de unimodal quando possui um único ponto de máximo (modo). Formalmente, existe um ponto $a$ tal que:

  • a função é não-decrescente em $(-\infty, a]$
  • a função é não-crescente em $[a, \infty)$

Ou seja, a função cresce até $a$ e depois decresce.

Intuição

Uma função unimodal tem o formato de uma única “montanha”, como uma distribuição normal.

Propriedades

  • Para todo $x$, vale $f(x) \le f(a)$
  • O conjunto de modos pode ser um intervalo
  • A unimodalidade pode ser caracterizada via convexidade da integral da função

Convolução

A convolução entre duas funções $f$ e $g$ é definida por:

$$ (f * g)(x) = \int_{-\infty}^{\infty} f(y), g(x - y), dy $$

Interpretação

A convolução pode ser vista como:

  • uma média ponderada
  • um processo de mistura entre funções
  • um operador de suavização

Ela aparece em várias áreas da matemática aplicada.

Propriedades

  • Comutativa: $f * g = g * f$
  • Associativa
  • Distributiva

Suavização

A convolução tende a suavizar funções. Em particular:

Se $g$ é contínua, então $f * g$ também é contínua.

Além disso, quando derivadas existem:

$$ (f * g)’ = f’ * g $$

Nem toda convolução preserva unimodalidade

Embora seja comum esperar que a convolução preserve a forma de “um único pico”, isso não é verdadeiro em geral.

Existem funções unimodais cuja convolução produz múltiplos picos.

Funções Log-Côncavas

Uma função $f$ é log-côncava se $\log f(x)$ é côncava.

Forma equivalente

Uma caracterização importante é:

$$ f(\theta a + (1-\theta)b) \ge f(a)^\theta f(b)^{1-\theta} $$

para todo $0 \le \theta \le 1$.

Intuição

Funções log-côncavas têm formato controlado, sem oscilações ou múltiplos picos.

Exemplos

  • distribuição normal
  • função exponencial
  • distribuição uniforme em intervalos

Resultado principal

Se $f$ é unimodal e $g$ é log-côncava, então:

$$ f * g \text{ é unimodal} $$

Interpretação

A log-concavidade atua como condição estrutural que preserva a unimodalidade sob convolução.

Resultado inverso

Se $f * g$ é unimodal para toda função unimodal $f$, então $g$ é log-côncava.

Isso mostra que a log-concavidade caracteriza exatamente quando a unimodalidade é preservada pela convolução.

Conclusão

Nem toda função com formato de “pico” se comporta bem sob convolução, mas funções log-côncavas garantem estabilidade estrutural.