凸优化学习笔记3(中科大)凸函数

3. 凸函数

3.1 基本性质和例子

3.1.1 定义(凸、凹、严格凸、严格凹)

(1)定义1
在这里插入图片描述
凸优化学习笔记3(中科大)凸函数_第1张图片
  若函数-f是(严格)凸的,则函数f是(严格)凹的。
在这里插入图片描述
(2)定义2(将高维限制在一维来判断)
在这里插入图片描述

3.1.2 拓展值延伸

(1)定义
凸优化学习笔记3(中科大)凸函数_第2张图片
(2)凸函数的拓展值延伸也是凸函数。(因为满足定义域和式3.1两个条件)

(3)凸集的示性函数

  • 定义
    凸优化学习笔记3(中科大)凸函数_第3张图片
  • 凸集的示性函数是凸函数

3.1.3 一阶条件(凸、凹、严格凸、严格凹)

(1)凸函数一阶条件定义(定义3):
在这里插入图片描述
凸优化学习笔记3(中科大)凸函数_第4张图片
  所以,对于一个凸函数,其一阶Taylor近似是原函数的一个全局下估计

(2)一阶条件证明:
  一维情况:用定义1证明充分性、必要性;
  高维情况:用定义2证明充分性、必要性。

3.1.4 二阶条件(凸、凹)

(1)凸函数二阶条件定义(定义4):
凸优化学习笔记3(中科大)凸函数_第5张图片
 注:严格凸、严格凹只满足必要性,即不是等价的。

凸优化学习笔记3(中科大)凸函数_第6张图片

3.1.5 例子

(1)

  • 仿射函数f(x)=Ax+b是凸函数

(2)一维函数(用二阶条件证明比较方便)
凸优化学习笔记3(中科大)凸函数_第7张图片
(3)n维函数(用定义1证明比较方便)
凸优化学习笔记3(中科大)凸函数_第8张图片
凸优化学习笔记3(中科大)凸函数_第9张图片

3.2 保凸运算

3.2.1 非负加权求和

凸优化学习笔记3(中科大)凸函数_第10张图片
拓展至无限项或积分的情况:
凸优化学习笔记3(中科大)凸函数_第11张图片

3.2.2 复合仿射映射

凸优化学习笔记3(中科大)凸函数_第12张图片

3.2.3 逐点最大和逐点上确界(两个函数的极大值函数)

在这里插入图片描述在这里插入图片描述
凸优化学习笔记3(中科大)凸函数_第13张图片
凸优化学习笔记3(中科大)凸函数_第14张图片
凸优化学习笔记3(中科大)凸函数_第15张图片

3.2.4 复合(函数的组合)

凸优化学习笔记3(中科大)凸函数_第16张图片
(1)标量复合

  • 一维: k=n=1;dom g =dom h =dom f =R;h,g均为二阶可微
    凸优化学习笔记3(中科大)凸函数_第17张图片
  • 高维: k,n>=1;dom g ,dom h ,dom f != R^n;h,g均不二阶可微
    凸优化学习笔记3(中科大)凸函数_第18张图片
    凸优化学习笔记3(中科大)凸函数_第19张图片
    (2)矢量复合

3.2.5 最小化

3.2.6 函数的透视

(1)透视函数
在这里插入图片描述
(2)函数的透视
凸优化学习笔记3(中科大)凸函数_第20张图片
凸优化学习笔记3(中科大)凸函数_第21张图片
凸优化学习笔记3(中科大)凸函数_第22张图片

3.3 函数的共轭

3.3.1 定义及例子

(1)定义
凸优化学习笔记3(中科大)凸函数_第23张图片
(2)性质

  • f(x)若可微,则f*(y)对应的x必是满足f’(x)=y的一点;
  • 不论f(x)为什么函数,f*(y)一定是凸函数;

(3)例子
凸优化学习笔记3(中科大)凸函数_第24张图片
凸优化学习笔记3(中科大)凸函数_第25张图片

3.3.2 基本性质

  • 共轭的共轭
    在这里插入图片描述

3.4拟凸函数(Quasi convex function)

(凸集与凸函数的关系——alpha-sublevel set)

3.4.1定义及例子

(1)定义
凸优化学习笔记3(中科大)凸函数_第26张图片
  拟凹函数:
  拟线性函数:
(2)性质
 凸函数的下水平集是凸集。
在这里插入图片描述
(3)例子
凸优化学习笔记3(中科大)凸函数_第27张图片
  所以,拟凸函数可能是凹的,也可能是不连续的。
注:单模态函数(unimodal function) = 拟凸函数

3.4.2基本性质

(1)性质
凸优化学习笔记3(中科大)凸函数_第28张图片
凸优化学习笔记3(中科大)凸函数_第29张图片
凸优化学习笔记3(中科大)凸函数_第30张图片
(2)拟凸函数第二定义
凸优化学习笔记3(中科大)凸函数_第31张图片

3.4.3可微拟凸函数

(1)一阶条件
在这里插入图片描述
证明:

  • 一维情况:充分性、必要性
  • 高维情况:充分性、必要性
    凸优化学习笔记3(中科大)凸函数_第32张图片
    (2)二阶条件

凸优化学习笔记3(中科大)凸函数_第33张图片

3.4.4保拟凸运算

3.5对数-凹函数(log-concave)和对数-凸函数(log-convex)

3.5.1定义

在这里插入图片描述
所以:若f(x)为对数凸,则f(x)一定为凸函数;
   若f(x)为凹,则f(x)一定为对数凹。

3.5.2相关性质

你可能感兴趣的:(凸优化,机器学习,人工智能)