共轭函数

共轭函数

共轭函数的定义:

设函数 f:RnR ,定义函数 f:RnR 为: 

f(y)=supxdomf(yTxf(x))

此函数称为函数 f 的共轭函数。即函数 yx 和函数 f(x) 之间差值的上确界。 
如下图,两条虚线平行,函数 f1(x)=yx 是通过原点的一条直线,y是常数。下面的虚线交点 
(0,f(y)) ,即是两条平行线之间的y方向上的距离,即差值。 
共轭函数_第1张图片

对偶范数

范数的对偶还是范数。 
定义: 
|||| Rn 上 的范数。对应的对偶范数,用 |||| 表示,定义为: 

||z||=sup{zTx|||x||1}

也可以写成: 
maxxzTxs.t.||x||1

因为范数具有非负性,因此我们也可以写成: 
||z||=sup{zTx|||x||1}

共轭函数_第2张图片  
左图表示 l2 范数对偶的示意图,很容易理解,当向量 z z 同方向时,两个向量的内积最大,即 
zTx=<z,x>=|z||x|cosθ=|z|=||z||2

右图表示 l1 范数对偶的示意图,当向量 z 在实线位置,两个向量的内积最大时,向量 x (1,0) (对于二维情况).则: 
zTx=<z,x>=|z||x|cosθ=|z|cosθ=z1  
当向量 z 在虚线位置时: 
zTx=<z,x>=|z||x|cosθ=|z|cosθ=z2  
故: 
zTx=max(z1,z2)=||z||

范数的共轭函数

|||| 表示 Rn 上的范数,其对偶范数为 |||| ,那么函数 f(x)=||x|| 的共轭函数为: 

f(y)={0||y||1

即范数的共轭函数是对偶范数的单位球的示性函数,即范数定义的单位球内值为0,在单位球外值为无穷大。对于损失函数来说,在单位球内损失函数为0,相当于一个ball约束,而在单位球外会导致损失函数无穷大,是不可取的。

证明:对于上左图,即对于 l2 范数的对偶,如果 ||y||>1 ,根据对偶范数的定义,存在 zRn||z||1 ,使得 yTz>1 。(这里的 y 对应上图的 z ,而 z 对应 x ,从图中可以看淡 ||z||1 即表示单位球形区域,要使得 ||y||>1 ,则一定满足 ||y||>1 ,一个大于1一个小于1,很自然存在 y,z ,满足 yTz>1 )。取 x=tz ,并令 t ,可得: 

yTx||x||=t(yTz||z||)

f(y)= ,没有上界。反之,若 ||y||1 ,对于任意的 x ,有 yT||x||y|| ,即对任意 x ,即对任意的 xyTx||x||0 。因此, x=0 处,函数 yTx||x|| 达到最大值0. 
可以通过下面的图进行一维情况的简单描述: 
共轭函数_第3张图片  
y>1 时,即直线的斜率大于1时,则两个函数的差值为 ,两个函数都延伸到无穷远。当 y1 ,函数 f1(x) 在函数 f2(x) 的下面,并且相交,因此最大y方向上的距离为0. 对于 y<1 y1 具有类似的结论。

范数的平方的共轭函数: 
函数: 

f(x)=12||x||2

其共轭函数为: 
f(y)=12||y||2

参考文献: 
1 Convex Optimization_Stephen Boyd.pdf

你可能感兴趣的:(机器学习&算法分析)