Schwarz导数与凹凸性
命题 1: 定义区间$I$上的Schwarz导数
$$D^{2}f(x)=\lim_{h\to 0}\frac{f(x+h)+f(x-h)-2f(x)}{h^{2}}$$
若$D^{2}f(x)\geq 0$则$f(x)$为$I$上的下凸函数,若$D^{2}f(x)\leq 0$,则$f(x)$为$I$上的上凸函数.
证明: 任意$\varepsilon >0$,构造辅助函数
$$F(x)=f(x)-\left[f(a)+\frac{f(b)-f(a)}{b-a}(x-a)\right]+\varepsilon (x-a)(x-b)$$
经计算有
\begin{align*}
D^{2}F(x)&=\lim_{h\to 0}\frac{F(x+h)+F(x-h)-2F(x)}{h^{2}}\\
&=\lim_{h\to 0}\frac{f(x+h)+f(x-h)-2f(x)}{h^{2}}+2\varepsilon\\
&\geq 2\varepsilon
\end{align*}
构造的辅助函数满足$F(a)=F(b)=0$且为$[a,b]$上的连续函数, 我们证明其最大值必然在端点处取到, 否则设$x_{0}\in (a,b)$且$F(x_{0})=\max_{x\in [a,b]}\{F(x)\}$
$$\frac{F(x_{0}+h)+F(x_{0}-h)-2F(x_{0})}{h^{2}}\leq 0$$
取$h\to 0$得$D^{2}F(x_{0})\leq 0$与$D^{2}F(x)\geq 2\varepsilon$矛盾. 故$F(x)\leq F(a)=0$即
$$f(x)\leq f(a)+\frac{f(b)-f(a)}{b-a}(x-a)-\varepsilon (x-a)(x-b)$$
令$\varepsilon \to 0$,有
$$f(x)\leq f(a)+\frac{f(b)-f(a)}{b-a}(x-a)$$
取$x=\frac{a+b}{2}$, 便得
$$f\left(\frac{a+b}{2}\right)\leq \frac{1}{2}f(a)+\frac{1}{2}f(b)$$
$f(x)$为$I$上下凸函数, 反之证明方法类似只需把$\varepsilon$改为负的即可.
命题 2: 若$f(x)$既为$I$上的下凸函数又为上凸函数,则$f(x)$为$I$上的线性函数.
证明: 设$x=\lambda_{1}a+\lambda_{2}b$,其中$\lambda_{1}+\lambda_{2}=1$.那么
$$f(x)=f(\lambda_{1}a+\lambda_{2}b)=\lambda_{1}f(a)+\lambda_{2}(b)$$
经简单计算
$$\frac{f(x)-f(a)}{x-a}=\frac{(\lambda_{1}-1)f(a)+\lambda_{2} f(b)}{(\lambda_{1}-1)a+\lambda_{2}b}=\frac{f(b)-f(a)}{b-a}$$
故
$$f(x)=f(a)+\frac{f(b)-f(a)}{b-a}(x-a)$$
Schwarz导数与凹凸性的更多相关文章
- matlab练习程序(多边形顶点凹凸性)
生成简单多边形后,有时还需要对多边形各顶点的凹凸性做判断. 先计算待处理点与相邻点的两个向量,再计算两向量的叉乘,根据求得结果的正负可以判断凹凸性. 结果为负则为凹顶点,为正则为凸顶点. 凹顶点用o表 ...
- PCL—低层次视觉—点云分割(基于凹凸性)
1.图像分割的两条思路 场景分割时机器视觉中的重要任务,尤其对家庭机器人而言,优秀的场景分割算法是实现复杂功能的基础.但是大家搞了几十年也还没搞定——不是我说的,是接下来要介绍的这篇论文说的.图像分割 ...
- 装载:关于拉格朗日乘子法与KKT条件
作者:@wzyer 拉格朗日乘子法无疑是最优化理论中最重要的一个方法.但是现在网上并没有很好的完整介绍整个方法的文章.我这里尝试详细介绍一下这方面的有关问题,插入自己的一些理解,希望能够对大家有帮助. ...
- 关于拉格朗日乘子法与KKT条件
关于拉格朗日乘子法与KKT条件 关于拉格朗日乘子法与KKT条件 目录 拉格朗日乘子法的数学基础 共轭函数 拉格朗日函数 拉格朗日对偶函数 目标函数最优值的下界 拉格朗日对偶函数与共轭函数的联系 拉 ...
- 【ML数学知识】极大似然估计
它是建立在极大似然原理的基础上的一个统计方法,极大似然原理的直观想法是,一个随机试验如有若干个可能的结果A,B,C,... ,若在一次试验中,结果A出现了,那么可以认为实验条件对A的出现有利,也即出现 ...
- Matlab随笔之插值与拟合(上)
原文:Matlab随笔之插值与拟合(上) 1.拉格朗日插值 新建如下函数: function y=lagrange(x0,y0,x) %拉格朗日插值函数 %n 个节点数据以数组 x0, y0 输入(注 ...
- [白话解析] 深入浅出 极大似然估计 & 极大后验概率估计
[白话解析] 深入浅出极大似然估计 & 极大后验概率估计 0x00 摘要 本文在少用数学公式的情况下,尽量仅依靠感性直觉的思考来讲解 极大似然估计 & 极大后验概率估计,并且从名著中找 ...
- Alink漫谈(十一) :线性回归 之 L-BFGS优化
Alink漫谈(十一) :线性回归 之 L-BFGS优化 目录 Alink漫谈(十一) :线性回归 之 L-BFGS优化 0x00 摘要 0x01 回顾 1.1 优化基本思路 1.2 各类优化方法 0 ...
- Ideas and Tricks
1.树上拓扑排序计数 结论$\dfrac{n!}{\prod\limits_{i=1}^n size_i}$ 对于节点$i$,其子树随意排序的结果是$size[i]!$ 但$i$需要排在第一位,只有$ ...
随机推荐
- BZOJ3850: ZCC Loves Codefires
题目:http://www.lydsy.com/JudgeOnline/problem.php?id=3850 题解:类似于国王游戏,推一下相邻两个元素交换的条件然后排个序就可以了. 代码: #inc ...
- ASP.NET中POST提交数据并跳转页面
需求:先Post提交数据,然后跳转到目标页面 找了好久才发现这个神奇的类HttpHelper.原理很简单,利用html的from表单拼接,然后执行 使用方法: NameValueCollection ...
- [.NET WebAPI系列03] WebAPI Controller 中标准CRUD方法
[因] WebAPI的Controller中,一般都是下面四种方法: 对应于数据操作是我们通常所说的CRUD. C对应post,R对应Get,U对应Put,D对应Delete. 直接模仿VS 2012 ...
- Oracle 不同故障的恢复方案
之前在Blog中对RMAN 的备份和恢复做了说明,刚看了下,在恢复这块还有知识点遗漏了. 而且恢复这块很重要,如果DB 真要出了什么问题,就要掌握对应的恢复方法. 所以把DB的恢复这块单独拿出来说明一 ...
- T-SQL查询进阶-10分钟理解游标
转:http://www.cnblogs.com/CareySon/archive/2011/11/01/2231381.html 概述 游标是邪恶的! 在关系数据库中,我们对于查询的思考是面向集合的 ...
- java web 学习一
一.基本概念 1.1.WEB开发的相关知识 WEB,在英语中web即表示网页的意思,它用于表示Internet主机上供外界访问的资源. Internet上供外界访问的Web资源分为: 静态web资源( ...
- 翻译【ElasticSearch Server】第一章:开始使用ElasticSearch集群(3)
运行ElasticSearch(Running ElasticSearch) 让我们运行我们的第一个实例.转到bin目录并从命令行运行以下命令: ./elasticsearch –f (Linux o ...
- 安装centos 7 体验安装过程
1. 下载centos7的iso文件,放入虚拟机的启动光盘中 2. 选择启动,然后可以看到安装的选项 3. 进行安装之后,会自动的进行一个检查 4. 选择安装的语言 5. 进入之后,可以看到所有需要安 ...
- mybatis系列-12-多对多查询
12.1 需求 查询用户及用户购买商品信息. 12.2 sql语句 查询主表是:用户表 关联表:由于用户和商品没有直接关联,通过订单和订单明细进行关联,所以关联表: orders.or ...
- 在Ubuntu6.06 在搭建SVN服务器及在windows建立svn+ssh客户端
部门现在使用的Linux系统是Ubuntu6.06,内核版本为2.6.15-57-386.由于系统比较老,所有用网上介绍的方法搭建SVN服务器经常出错,所以参考文章[1],将自己的搭建过程记录下. 1 ...