Teorema 4.9 Sejam µ a medida de Lebesgue em IR
n, D um conjunto limitado tal que
ψ
D(δ) > 0, para todo δ > 0, x
∗um minimizador global de f sobre DV, p uma constante
estritamente positiva, e suponha que as Hip´oteses H1 - H3 sejam satisfeitas. Se (X
k∗) ´e
uma sequˆencia gerada pelo Algoritmo FDDS com P
k∈ (0,1] e P
k≥ p, ent˜ao a sequˆencia
f(X
k∗) tem um ponto de acumula¸c˜ao que ´e m´ınimo global def sobre D
Vquase certamente.
Al´em disso, se Ka ´e finito, ent˜ao f(X
k∗)→f
∗quase certamente. Neste ´ultimo caso, se x
∗´
e o ´unico minimizador global, ent˜ao X
k∗→x
∗quase certamente.
Demonstra¸c˜ao. Pelo Lema 4.8 existe uma subsequˆencia
X
k∗jonde todas as coordenadas
de cada termo de tal subsequˆencia possuem perturba¸c˜ao aleat´oria com distribui¸c˜ao normal.
Assim, da constru¸c˜ao da sequˆencia no Algoritmo FDDS, temos que X
k∗j´e dada por (3.32),
onde cada componente (ξ
kj)
i∼N(0,(λ
kj)
2i) segue uma distribui¸c˜ao normal de m´edia zero
e desvio padr˜ao dado pela raiz quadrada dos autovalores da matriz de covariˆancia. Deste
modo, ξ
kj∼ N(0, V
j) ´e um vetor aleat´orio cuja distribui¸c˜ao condicional, dado σ(O
(kj)−1),
´
e a distribui¸c˜ao normal multivariada com vetor de m´edia nula e matriz de covariˆancia V
jdada por
V
j=Cov(ξ
kj) =diag (λ
kj)
21, . . . , (λ
kj)
2n.
Neste caso, temos que os autovalores de V
js˜ao as variˆancias (λ
kj)
21, . . ., (λ
kj)
2ndas
per-turba¸c˜oes aleat´orias normais adicionadas `a cada componente de X
(∗kj)−1. Assim, o menor
autovalor deV
j´e dado por
¯
λ
j:= min
1≤i≤n