凸集和凸函数

定义与基本性质

若$E\subseteq R^m$满足,$\forall x,y\in E,\forall t\in [0,1]$,有$(1-t)x+ty\in E$,则称$E$是$R^m$上的凸集.
若$E$是$R^m$上的凸集,称$f:E\mapsto R$是凸（凹）函数如果$f((1-t)x+ty)\le(\ge)(1-t)f(x)+tf(y),\forall x,y\in E,\forall t\in [0,1]$.

$E$是$R^m$上凸集,则$f$是凸函数$\Leftrightarrow \{(x,y)|y\ge f(x),x\in E\}$是$R^{m+1}$上的凸集.

由凸函数的定义,$\forall \{t_k\}^{n}_{k=1}$满足$t_k\ge 0,\sum_{k=1}^{n}t_k=1$,则$\sum_{k=1}^{n}t_kx_k\in E$且$f(\sum_{k=1}^{n}t_kx_k)\le \sum_{k=1}^{n}t_kf(x_k)$

若$E$是凸集,$\overline{E}$也是凸集

若$\vec{a_1},\vec{a_2}\dots \vec{a_n}\in R^m$,称$\sum_{i=1}^{n}t_i\vec{a_i},\forall 1\le i \le n,t_i\ge 0,\sum_{i=1}^{n}t_i=1$为$\vec{a_1},\vec{a_2}\dots \vec{a_n}$的一个凸组合,由此可以引出凸包（Convex Hull）的概念.

若$E\subseteq R^m$,称$Conv(E)$为$E$的凸包$$Conv(E):={\sum_{i=1}^{n}t_ix_i|\forall 1\le i\le n,x_i\in E,\sum_{i=1}^{n}t_i=1,n\in N}$$.不难验证，$Conv(E)$是包含$E$的最小凸集.

若$\vec{a_1},\vec{a_2}\dots \vec{a_n}\in R^m$,则$Conv(\{\vec{a_1},\vec{a_2}\dots \vec{a_n}\})$是紧凸集.

事实上,$T=\{\vec{t}=(t_1,t_2\dots t_m)|\sum_{i=1}^{m}t_i=1\}$是紧凸集.同时定义$\Phi(\vec{t})=\sum_{i=1}^{m}t_i\vec{a_i}$,则$\Phi:T\mapsto Conv(\{\vec{a_1},\vec{a_2}\dots \vec{a_n}\})$是连续的一一映射.

若$E$是凸集,称$x\in E$是$E$的极点当且仅当$x$不能表示为$E$中其他点的凸组合.即$\forall t\in ]0,1[,\forall a,b\in E,x\ne ta+(1-t)b$.

由定义可知,若$x\in \mathring{E}$,$x$不可能是$E$的极点.因此，极点只能在$\partial E$上.

若$K\subseteq R^m$是紧凸集,则$K$一定有极点,若$K$不是单点集,$K$至少有两个极点.

若$K$的全部极点是$\vec{a_1},\vec{a_2}\dots \vec{a_n}$,则$K=Conv(\{\vec{a_1},\vec{a_2}\dots \vec{a_n}\})$.

$\prod_{i=1}^{m}[a_i,b_i]$的全体极点是全体顶点.

凸函数的上确界

交点引理

设$E\subseteq R^m$是紧集,$x\in K,y\in R^m,x\ne y$,则从$y$出发经过$x$的射线必与$\partial K$有不同于$y$的交点.即$\rho:=\max\{t\ge 1|y+t(x-y)\in K\}$是良定义的且$y+\rho(x-y)\in \partial K$.特别地,如果$x\in \mathring K$,则$\rho\ge \frac{r}{1+2|x-y|}>1$,其中$r$满足$B(x,r)\subseteq K$.

\[\begin{array}{l} ◂\ 定义I=\{t\ge 1|y+t(x-y)\in K\}\\ 同时不难发现(t-1)|x-y|=|y+t(x-y)-x|\le diam(K)\Rightarrow t\le 1+\frac{diam(K)}{|x-y|}\\ I有上界\Rightarrow I有上确界,又K是闭集\Rightarrow maxI存在\\ 显然如果y+\rho(x-y)\in \mathring{K},\rho可以更大\\ 由此也可以发现当x\in \mathring{K}时,\rho>1. \ ▸ \end{array} \]

极值问题

$K \subseteq R^m$是紧凸集,$f:K\mapsto R$是凸函数.则:

$\sup_{x\in K} f(x)=\sup_{x\in \partial K}f(x)$.
特别地，若$f$在$K$上连续,则有$\max_{x\in K} f(x)=\max_{x\in \partial K}f(x)$.即最值可以在边界上达到.
若$\exists x_0\in \mathring{K},f(x_0)=\max_{x\in K}f(x)$.则$f(x)\equiv c$.

对于凹函数，将上面的$sup$换成$inf$,$max$换成$min$.

\[\begin{array}{l} ◂\ 主要思路：\forall x\in \mathring{K},y\in \partial K,\exist z\in \partial K,y\ne z,f(x)的值可以由f(y)与f(z)控制\\ 具体地,记z=\rho(x-y)+y,\rho>1\Rightarrow f(x)\le \frac{\rho-1}{\rho}f(y)+\frac{1}{\rho}z \Rightarrow f(x)\le \sup_{x\in \partial K}f(x)\\ 由紧集和f的连续性，容易推出第二三条. \ ▸ \end{array} \]

紧集条件不能去除,一个反例是$K=\{(x_1,x_2\dots x_m)\in R^m|x_i\ge 0,\forall 1\le i\le m,\sum_{i=1}^{m}x_i<1\}$,$f(x)=\frac{1}{1-\sum_{i=1}^{m}x_i}$.

紧凸多面体的极值

若$K=conv(\vec{a_1},\vec{a_2}\dots \vec{a_n})\subseteq R^m$,$f:K\mapsto R$是凸函数,则$f$在$K$上有界.即$\max_{1\le i\le n}f(\vec{a_i})+n\min_{1\le i\le n}[f(\vec{c})-f(\vec{a_i})]\le f(x)\le \max_{1\le i\le n}f(\vec{a_i})$.其中$c=\frac{1}{n}\sum_{i=1}^{n}\vec{a_i}$.特别地,$\max_{x\in K}f(x)=\max_{1\le i\le n}f(\vec{a_i})$.

凸函数的下界

设$f:E\mapsto R$为凸函数,$E$是有界凸集且$\mathring{E}\ne \emptyset$,则$\inf_{x\in E}f(x)>-\infty$.

\[\begin{array}{l} ◂\ 取\vec{c}=(c_1,c_2\dots c_m)\in \mathring{E}\Rightarrow \exist \delta>0,K:=\prod_{i=1}^{m}[c_i-\delta,c_i+\delta]\subseteq E\\ K是凸多面体\Rightarrow \exist M>0,\forall y\in K,-M\le f(y)\le M\\ 取x\in E,x\notin K,\exist \rho>1,\rho(\vec{c}-x)+x\in \partial K,记z=\rho(\vec{c}-x)+x.\\ \Rightarrow f(\vec{c})\le \frac{\rho-1}{\rho}f(x)+\frac{1}{\rho}f(z)\Rightarrow f(x)\ge -\frac{\rho+1}{\rho-1}M.\\ 而\rho-1有上界因为\vec{c}=\frac{\rho-1}{\rho}x+\frac{1}{\rho}z\Rightarrow\frac{\rho-1}{\rho}|x-z|=\frac{1}{\rho}|\vec{c}-z|\Rightarrow \rho-1=\frac{|\vec{c}-z|}{x-z}\ge \frac{\delta}{2diam(E)}\\ \Rightarrow f(x)有界. \ ▸ \end{array} \]

以上$\mathring{E}\ne \emptyset$的条件可以去除.

考虑$\mathring{E}= \emptyset$的情形:

$E$为单点集,命题成立.
$E$不是单点集,$\exist x\in E$及$1\le k<m$维线性空间$W$,$E\subseteq x+W$且$E-x$对于$W$而言内部不为空.

\[\begin{array}{l} ◂\ 令k=\max\{p|\exist x_0,x_1\dots x_p\in E使得x_1-x_0,x_2-x_0\dots x_p-x_0线性无关\}\\ 显然k\le m,而如果k=m,即\exist x_0,x_1\dots x_m\in E使得x_1-x_0,x_2-x_0\dots x_m-x_0线性无关.\\ 考虑集合S=x_0+Conv(\{x_1-x_0,x_2-x_0\dots x_m-x_0\}).\\ 将x_1-x_0,x_2-x_0\dots x_m-x_0作为R^m的一组基.有坐标映射\phi:R^m\mapsto R^m.\\ \forall x\in R^m,x=c_1(x_1-x_0)+c_2(x_2-x_0)\dots+c_m(x_m-x_0),\phi(x)=(c_1,c_2\dots c_m).\\ 不难发现S有内点等价于\phi(S)有内点\Rightarrow \mathring{S}\ne \emptyset,矛盾\Rightarrow k<m.\\ 现在有x_0,x_1\dots x_p\in E使得x_1-x_0,x_2-x_0\dots x_p-x_0线性无关.\\ 由k的定义,\forall x\in E,x\in Span(x_1-x_0,x_2-x_0\dots x_p-x_0).\\ 由上面的证明不难看出E-x_0对于W而言内部不为空.\\ 同时，定义\hat{E}=\{\phi(x)|x\in E\},g(\phi(x))=f(x)\Rightarrow g是定义在\hat{E}上的凸函数\Rightarrow g有下界\Rightarrow f有下界. \ ▸ \end{array} \]

凸函数在局部是Lipschitz函数

若$f:E\mapsto R^m$是凸函数,对$x_0\in E$,定义$I(x_0,\delta)=\prod_{i=1}^{m}[x+i-\delta,x_i+\delta]$.

若$I(x_0,2\delta)\subseteq E$,则$f$在$I(x_0,\delta)$上有界且满足Lipschitz条件.

考虑$I(x_0,\delta)$中两点$x,y$和$I(x_0,2\delta)$中一点$z$满足$x+\frac{\delta(x-y)}{\sqrt{M}|x-y|}$,其中$M=\sup_{x\in E}|f(x)|$,$f(x)-f(y)$由$f(y)-f(z)$控制,通过使得其只与$|x-y|$相关,再由$xy$的对称性确定$|f(x)-f(y)|$满足Lipschitz条件.
若$E$是开集,$K\subset E$是紧集,则$f$在$K$上满足Lipschitz条件.

结合上一条,对$x\in K,\exist \delta_x>0,I(x,\delta_x)\subseteq E$,取所有$\mathring{I(x,\delta_x)}$得到$K$的有限开覆盖.
$f$在$\mathring{E}$上连续.

凸投影定理和凸函数的支撑平面

凸投影定理

设$K\subseteq R^m$为非空的闭凸集,则有:

$\forall x\in R^m,\exist x^*\in K,dist(x,K)=dist(x-x^*)$,且$\forall y\in K,(x-x^*,y-x^*)\le 0$,即$x-x^*$与$y-x^*$的夹角大于$\frac{\pi}{2}$.
引入垂足映射$P:R^m\mapsto K,P(x)=x^*,\forall x\in R^m$.则有$\forall x,y\in R^m,|P(x)-P(y)|\le |x-y|.$

不妨先假定$x\notin K$,则有$dist(x,x^*)\ne 0$.

先证明$P$是良定义的,假设$\exist x\in R^m,x_1^*,x_2^*\in K$满足$dist(x,K)=dist(x,x^*_1)=dist(x,x^*_2)$.

取$z=\frac{1}{2}(x^*_1+x^*_2)\in K$,有$|x-z|\le |x-x^*_1|\Rightarrow |x-z|=|x-x^*_1|$.

由平行四边形法则,$2(|x-x^*_1|^2+|x-x^*_2|^2)=|x^*_1-x^*_2|^2+4|x-z|^2$.

$\Rightarrow|x^*_1-x^*_2|^2=0 \Rightarrow x^*_1=x^*_2$.

固定$x\in R^m,y\in K$,定义$f:[0,1]\mapsto R,f(t)=|x-x^*-t(y-x^*)|^2,\forall t\in[0,1]$.

$\forall t\in ]0,1]$,$x^*+t(y-x^*)\in K$,由$x^*$的唯一性,可知$f(t)>f(0)$.

$\Rightarrow f'_+(0)\ge 0 \Rightarrow -2t(x-x^*,y-x^*)\ge 0 \Rightarrow (x-x^*,y-x^*)\le 0$.

$\forall x,y\in R^m,|P(x)-P(y)|^2=(P(x)-P(y),P(x)-P(y))=(P(x)-x,P(x)-P(y))+(x-y,P(x)-P(y))+(y-P(y),P(x)-P(y))$且有$(P(x)-x,P(x)-P(y))\le 0,(y-P(y),P(x)-P(y))\le 0$.

$\Rightarrow |P(x)-P(y)|^2\le (x-y,P(x)-P(y))$.

$\Rightarrow |P(x)-P(y)|\le |x-y|$.

设$E\subseteq R^m$是闭凸集,$f\in C(E;R^n)$,记$F=f\circ P$则有$F|_E=f,F\in C(r^m;R^n)$.
分离性

设$K\subseteq R^m$是闭凸集,$x\notin K$,则$\exist s\in R^m,s\ne 0,(s,x)>\sup_{y\in K}(s,y)$.即在$s$的方向上,$x$在$K$的上方.

令$s=x-P(x)\Rightarrow \forall y\in K,(s,y-P(x))\le 0 \Rightarrow (s,y-x+s)\le 0 \Rightarrow (s,x)\ge |s|^2+(s,y) $.
分离性的推论

若$K$是凸集,$x\in \partial K$,则$\exist s\in R^m,s \ne 0$满足$(s,x)\ge (s,y),\forall y\in K$.

$\partial K=\partial \overline{K} \Rightarrow \exist \{x_n\}\subseteq \overline{K}^c,x_n\to x$.

由分离性,$\exist s_n\ne 0,|s_n|=1$满足$(s_n,x_n)\ge (s,y),\forall y\in K$.

$\{s_n\}$有收敛到$s$的收敛子列$\Rightarrow (s,x)\ge (s,y),\forall y\in K$.

凸函数的支撑平面

若$f:E\subseteq R^m\mapsto R,f$是凸函数,则$\forall x\in \mathring{E},\exist v(x)\in R^m$满足$\forall y\in E,f(y)\ge f(x)+v(x)\cdot (y-x)$.其中$v(x)$称为$x$的支撑平面.

特别地,$m=1$时,$v(x)$介于$f'_-(x)$与$f'_+(x)之间$.$v(x)$唯一$\Leftrightarrow f$是可微的.

记$K=\{(x,z)|z\ge f(x)\}是R^{m+1}$上的凸集$\Rightarrow (x,f(x))\in \partial K$.由分离性的推论,$\exist (s,\alpha)\in R^{m+1},(s,\alpha)\ne 0$且$(s,x)+\alpha f(x)\ge (s,y)+\alpha r,\forall (y,r)\in K$.

若$\alpha >0$,令$r\to +\infty$,矛盾.

若$\alpha =0$,则$s\ne 0$.由$x\in \mathring{E},\exist \delta >0,x+\delta s\in E$.

$\Rightarrow (s,x)+\alpha f(x)\ge (s,x+\delta s)+\alpha f(x+\delta s) \Rightarrow 0<\delta|s|\le \alpha (f(x)-f(x+\delta s)) \Rightarrow \alpha\ne 0$.矛盾.

所以$\alpha<0$.那么$f(y)\ge \frac{1}{|\alpha|}(s,y-x)+f(x)=f(x)+(\frac{s}{|\alpha|},y-x)$.

$(s,\alpha)$依赖于$x\Rightarrow v(x)=\frac{s}{|\alpha|}$.

分离性与支撑平面的几何解读

定义$R^m$上的超平面:若$\xi\in R^m \xi\ne 0,t\in R$,则集合$H:=\{x\in R^m|x\cdot \xi =t\}$称为$R^m$上的超平面.相对该超平面,定义$H^+=\{x\in R^m|x\cdot \xi\ge t\},H^-=\{x\in R^m|x\cdot \xi\le t\}$,称为对应超平面的两个半空间.此时,$\xi$是平面$H$的法向量.

从超平面的角度解释上面的两个结论:
- $K$是闭凸集,$x\notin K$,令$\xi=x-P(x)$.由凸投影定理,$\exist t\in R,(x,\xi)>t>\sup_{y\in K}(y,\xi)\Rightarrow x\in H^+,K\subset H^- $.
- $K$是凸集,$x_0\in \partial K$,则$\exist \xi\in R^m,\xi\ne 0$满足$(\xi,x_0)\ge (\xi,y),\forall y\in K$.
  
  若令$H=\{x\in R^m|(\xi,x)=(\xi,x_0)\}$则有$x_0\in \partial K,x_0\in H$且$K\subseteq H^-$.满足这两个条件的平面$H$称为$K$的支撑平面.
从几何的角度来看凸函数的支撑平面.
- 当$m=1$时,有$f(y)\ge f(x)+v(x)(y-x),\forall y\in E$.此时的支撑平面是一条直线$L$,可以认为$L$是由法向量$(v(x),-1)$和点$(x,f(x))$确定.此时沿着$(v(x),-1)$来看我们有$\{(y,f(y)|y\in E)\}\subseteq L^-$.
- $m\le 2$时有$R^{m+1}=\{(x,z)|x\in R^m,z\in R\}$.
  
  由凸集的支撑平面可知存在$\vec{\xi}$以及超平面$H$满足$\{(y,f(y))|y\in E\}\subseteq H^-$.
  
  由于$E=\{(y,z)|y\in E,z\ge f(y)\}$.有$\vec{\xi}\cdot \vec{e_{m+1}}\le 0$.其中$\vec{e_{m+1}}$是最后一维的单位向量.
  
  由于$\vec{\xi}\ne 0$,我们可以对其最后一维归一化,于是有$\vec{\xi}=(v,-1)$.
  
  从而$H$由$(v,-1)$与点$(x,f(x))$确定.即$\forall (y,z)\in R^{m+1},(y,z)\in H\Rightarrow (y-x,z-f(x))\cdot (v,-1)=0\Rightarrow z=f(x)+v(y-x)$.
  
  因此$\{(y,f(y))|y\in E\}\subseteq H^-\Rightarrow f(y)\ge f(x)+v(y-x)$.

posted @ 2022-05-16 11:17 Disposrestfully 阅读(611) 评论(0) 收藏举报

刷新页面返回顶部

disposrestfully

凸集和凸函数