首页 > 其他分享> 文章详细

凸优化第三章凸函数作业题

2020-12-17 09:58:43 阅读：369 来源： 互联网

标签：function 第三章函数凸集凸函数水平作业题境图

水平集

1)Some level sets of a function f are shown below. The curve labeled 1 shows $\left \{ x|f(x)=1 \right \}$ ,etc

Which of the following properties could f have?

由图像可看出f(x)的下水平集是凸集，故函数是拟凸函数，但不能由下水平集是凸集而判断函数是凸函数还是凹函数。而函数上水平集不是凸集，故函数f(x)不是拟凹函数。

2)Now consider the following function:

Which of the following properties could f have?

从图像函数下水平集不是凸集，已知凸函数的下水平集一定是凸集，所以函数f(x)不是凸函数，故其为凹函数。而上水平集是凸集，故函数f(x)是拟凹函数。

函数和上境图

1)The epigraph of a function f is a halfspace if and only if

函数的上境图是半空间，即下图，所以函数f(x)是一个仿射函数。

2)The epigraph of a function f is a convex cone if and only if

函数f(x)的上境图是一个凸锥，所以f(x)一定是凸函数，根据凸锥的定义： $\forall z,y\in C,\forall \theta_1 ,\theta _2\geq 0,\theta_1 z+\theta_2 y\in C$ ，

如上图，令 $\theta_2=0$ ，此时只看z的那条射线，可知 $\forall \theta_1\geqslant 0,\theta_1 z\in C$ ，因为上图是f(x)的上境图，故z的射线其实就是f(x)函数在那段区间的取值，这里假设z的射线对应的x区间为 $[x_1,+\infty ]$ ，所以 $\forall x \in[x_1,+\infty ],(x,f(x))$ 都在射线z上， $\forall \theta_1\geq 0,(\theta_1 x,f(\theta_1 x))$ 在射线z上，由锥的定义 $\forall \theta_1\geqslant 0,\theta_1 z\in C$ ，可知 $\forall \theta_1\geq 0,x\in [x_1,+\infty ],(\theta_1 x,\theta_1 f(x))\in z\Rightarrow \forall \theta_1\geq 0,x\in [x_1,+\infty ],(\theta_1 x,\theta_1 f(x))=(\theta_1 x,\theta_1 f(x))$

同理可证在射线y上 $\forall \theta_1\geq 0,x\in [-\infty ,x_1 ],(\theta_1 x,\theta_1 f(x))=(\theta_1 x,\theta_1 f(x))$

综上可知 $\forall x,\forall a\geq 0,f(ax)=af(x)$

3)The epigraph of a function f is a polyhedron if and only if

因为多面体是凸集，所以f(x)的上境图是凸集，所以f(x)是凸函数。根据定义多面体是多个不等式和等式解集，几何上是有限个半空间和超平面的交集，半空间是仿射函数的上境图，多个半空间的交集，即可以是分段仿射函数的上境图。

凸性和拟凸性

For each of the following functions, determine whether it is convex, concave, quasiconvex, or quasiconcave. (Check all that apply.)

1) $f(x)=e^x-1 \, \, on \, R\, \, is$

证明： $\forall x \in R,f^{'}(x)=e^x,f^{''}(x)=e^x> 0$ ，故f(x)是凸函数。

上图是函数f(x)的图像，可看出其上水平集合下水平集均为凸集，故函数f(x)既是拟凸函数又是拟凹函数。

2) $f(x_1,x_2)=x_1x_2\, \, on \, \, R^2_{++}\, \, is$

证明：根据海瑟矩阵

$\bigtriangledown ^2f(x)=\begin{bmatrix} 0 &1 \\ 1 & 0 \end{bmatrix}$ 可判断函数集不是凸函数也不是凹函数。

看其下水平集： $S_a=\left \{ x \in R^2_{++}|x_1x_2\leq a \right \}$

$\forall y,x\in R^2_{++},\forall \theta \in[0,1],\theta x+(1-\theta)y=(\theta x_1+(1-\theta)y_1,\theta x_2+(1-\theta)y_2)$

即

$(\theta x_1+(1-\theta)y_1)(\theta x_2+(1-\theta)y_2)$

$=\theta ^2x_1x_2+(1-\theta)^2y_1y_2+\theta(1-\theta)y_1x_2+\theta(1-\theta)x_1y_2$

$=\theta ^2x_1x_2+(1-\theta)^2y_1y_2+\theta(1-\theta)y_1x_2+\theta(1-\theta)x_1y_2-\theta x_1x_2+\theta x_1x_2+(1-\theta)y_1y_2-(1-\theta)y_1y_2$

$=\theta x_1x_2+(1-\theta)y_1y_2+(\theta ^2-\theta)x_1x_2+((1-\theta)^2-(1-\theta))y_1y_2+\theta(1-\theta)(x_1y_2+x_2y_1)$

$=\theta x_1x_2+(1-\theta)y_1y_2-\theta (1-\theta)x_1x_2-(1-\theta)\theta y_1y_2+\theta(1-\theta)(x_1y_2+x_2y_1)$

$=\theta x_1x_2+(1-\theta)y_1y_2+\theta (1-\theta)\left\{-x_1x_2- y_1y_2+x_1y_2+x_2y_1\right\}$

$=\theta x_1x_2+(1-\theta)y_1y_2+\theta (1-\theta)\left\{x_2(y_1-x_1) +y_2(x_1-y_1)\right\}$

$=\theta x_1x_2+(1-\theta)y_1y_2+\theta (1-\theta)\left\{(y_1-x_1) (x_2-y_2)\right\}$

当 $y_1> x_1,x_2>y_2$ 时，上式 $> a$ ，所以下水平集不是凸集

而上水平集 $S_a=\left \{ x \in R^2_{++}|x_1x_2\geq a \right \}$ 是凸集，故函数是拟凹函数。

3) $f(x_1,x_2)=1/(x_1x_2)\, \, on \, \, R^2_{++}\, \, is$

证明： $\bigtriangledown f(x)=( \frac{-1}{x_1^2x_2},\ \frac{-1}{x_2^2x_1})^T,\bigtriangledown^2 f(x)=\begin{pmatrix} \frac{2}{x_1^3x_2} &\frac{1}{x_1^2x_2^2} \\ \frac{1}{x_1^2x_2^2}& \frac{2}{x_2^3x_1} \end{pmatrix}$ 正定，所以函数f(x)是凸函数，所以函数f(x)也是拟凸函数。

4) $f(x_1,x_2)=x_1/x_2\, \, on \, \, R^2_{++}\, \, is$

证明：

$\bigtriangledown f(x)=\begin{pmatrix} \frac{1}{x_2}, & \frac{-x_1}{x_2^2} \end{pmatrix},\bigtriangledown ^2f(x)=\begin{pmatrix} 0 & \frac{-1}{x_2^2}\\ \frac{-1}{x_2^2} & \frac{2x_1}{x_2^3} \end{pmatrix}$ ，既不是半正定也不是半负定，所以既不是凸函数也不是凹函数。

看其下水平集 $S_a=\left \{ x \in R^2_{++}|x_1/x_2\leq a \right \}$

$\forall x,y \in S_a,x=(x_1,x_2),y=(y_1,y_2),\forall \theta \in [0,1],(\theta x+(1-\theta) y)$

$\frac{\theta x_1 +(1-\theta) y_1}{\theta x_2+(1-\theta) y_2}=\frac{\theta \bar{x}}{\theta x_2+(1-\theta) y_2}*\frac{x_2}{x_2}+\frac{(1-\theta)y_1}{\theta x_2+(1-\theta) y_2}*\frac{y_2}{y_2}$

$=\frac{\theta x_2}{\theta x_2+(1-\theta) y_2}*\frac{x_1}{x_2}+\frac{(1-\theta) y_2}{\theta x_2+(1-\theta) y_2}*\frac{y_1}{y_2}=\mu \frac{x_1}{x_2}+(1- \mu)\frac{y_1}{y_2}\leq a$

所以上水平集是凸集，所以函数是拟凸函数。同理可证下水平集也是凸集，函数是拟凹函数。

一般向量组成规则

$Suppose\, f(x)=h(g_1(x),g_2(x),\cdots ,g_k(x)),where\, h:R^k\rightarrow R \, is\, convex,and\, g_i:R^n\rightarrow R.Suppose\, that\, for\, each\, i,one\, of\, the\, following\, holds:$

h is nondecreasing in the ith argument, and $g_i$ is convex

h is nonincreasing in the ith argument, and $g_i$ is concave

$g_i$ is affine.

Fill in the blanks in the proof below to show that f is convex. (This composition rule subsumes all the ones given in the book and is the one used in software systems such as CVX.) Assume that $dom(h)=R^k$ ; the result also holds in the general case when the monotonicity conditions above are imposed on $\bar{h}$ , the extended-valued extension of h.

proof:

$Fix\, x,y,and\, \theta \in[0,1],and\, let\, z=\theta x+(1-\theta)y.Let's\, re-arrange\, the\, indexes\, so\, that\, g_i\, is\, affine\, for\, i=1,\cdots p,g_i\, is\, convex\, for\, i=p+1,\cdots ,q,and\, g_i\, is\, concave\, for\, i=q+1,\cdots ,k.Therefore\, we\, have$

$g_i(z)(\, \, \, )\theta g_i(x)+(1-\theta)g_i(y),i=1,\cdots p$

$g_i(z)(\, \, \, )\theta g_i(x)+(1-\theta)g_i(y),i=p+1,\cdots q$

$g_i(z)(\, \, \, )\theta g_i(x)+(1-\theta)g_i(y),i=q+1,\cdots k$

The correct inequalities in the above equations are

根据仿射函数，凸函数和凹函数的定义，上述答案是显然的。

$\begin{eqnarray*} f(z) &=& h(g_1(z), g_2(z), \ldots, g_k(z))\\[0.2em] &\leq & h(\theta g_1(x)+ (1-\theta) g_1(y), \ldots, \theta g_k(x)+ (1-\theta) g_k(y)) \\[0.2em] &\leq & \theta h(g_1(x), \ldots, g_k(x)) + (1-\theta ) h(g_1(y), \ldots, g_k(y)) \\[0.2em] &=& \theta f(x) + (1-\theta) f(y). \end{eqnarray*}$

The second line holds since, for i=p+1,…,q, we have _ the ith argument of h, which is (by assumption) nondecreasing in the ith argument, and for i=q+1,…,k, we have _ the ith argument, and h is nonincreasing in these arguments. The third line follows from _.

The correct phrases that fill the blank spots are

共轭函数

What is the conjugate function of $f(x) = \mathrm{max}_{i=1,\dots,n}\ x_i$ on $\mathbf{R}^n$ ？

根据共轭函数的定义： $f^*(y)=\underset{x\in dom(f)}{sup}(y^Tx-f(x))$ ，因为 $f(x) = \mathrm{max}_{i=1,\dots,n}\ x_i$ ，这里对 $x_i$ 求偏导，当 $x_i=max\, x_i$ 时，得到

$\frac{\partial f^*(y)}{\partial x_i}=y_i-1$ ，令其为0，得到 $y_i=1$ ，当 $x_i\neq max\, x_i$ 时， $\frac{\partial f^*(y)}{\partial x_i}=y_i$ ，令其为0得到 $y_i=0$ ，所以y是一个向量只在 $x_i=max\, x_i$ 的i分量为1，其他分量为0，所以选A。

标签：function,第三章,函数,凸集,凸函数,水平,作业题,境图
来源： https://blog.csdn.net/hyl1181/article/details/111304230

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

凸优化第三章凸函数 作业题

水平集

函数和上境图

凸性和拟凸性

一般向量组成规则

共轭函数

凸优化第三章凸函数作业题