下载文档原格式
凸函数,是数学函数的一类特征。
凸函数就是一个定义在某个向量空间的凸子集C（区间）上的实值函数。
凸函数是一个定义在某个向量空间的凸子集C（区间）上的实值函数f，而且对于凸子集C中任意两个向量, f((x1+x2)/2)>=(f(x1)+f(x2))/2,则f(x)是定义在凸子集c中的凸函数（该定义与凸规划中凸函数的定义是一致的，下凸）。
凸函数的主要性质有：1.若f为定义在凸集S上的凸函数，则对任意实数β≥0，函数βf 也是定义在S上的凸函数;2.若f1和f2为定义在凸集S上的两个凸函数，则其和f=f1+f2仍为定义在S上的凸函数;3.若fi(i=1，2，…，m)为定义在凸集S上的凸函数，则对任意实数βi≥0，函数βifi也是定义在S上的凸函数;4.若f为定义在凸集S上的凸函数，则对每一实数c，水平集Sc={x|x∈S，f(x)≤c}是凸集微积分如果f和g是凸函数，那么m(x) = max{f(x),g(x)}和h(x) = f(x) + g(x）也是凸函数。
如果f和g是凸函数，且g递增，那么h(x) = g(f(x））是凸函数。
凸性在仿射映射下不变：也就是说，如果f(x）是凸函数，那么g(y) = f(Ay + b）也是凸函数。
初等运算1、如果f和g是凸函数，那么m(x)=max{f(x)，g(x)}和h(x)=f(x)+g(x)也是凸函数。
2、如果f和g是凸函数，且g递增，那么h(x)=f(g(x))是凸函数。
3、凸性在仿射映射下不变：也就是说，如果f（x）是凸函数，那么g(y)=f(Ay+b)也是凸函数举例函数f(x) = x²；处处有，因此f是一个（严格的）凸函数。
绝对值函数f(x) = | x | 是凸函数，虽然它在点x = 0没有导数。
当1 ≤p时，函数f(x) = | x | p是凸函数。
定义域为[0,1]的函数f，定义为f(0)=f(1)=1，当0函数x3的二阶导数为6x，因此它在x ≥0的集合上是凸函数，在x ≤0的集合上是凹函数。
数学中的凸优化与凸分析凸优化和凸分析是数学中重要的分支领域，它们在诸多应用领域都有着广泛的应用。
本文将介绍凸优化和凸分析的基本概念、性质以及它们在实际问题中的应用。
一、凸集与凸函数在进一步探讨凸优化和凸分析之前，我们先来了解一些基本概念。
首先是凸集和凸函数。
1. 凸集凸集是指集合中任意两点的连线上的点都属于该集合。
具体地，对于任意$x, y$属于集合$C$和$0\leq\lambda\leq 1$，满足$\lambda x+(1-\lambda)y$也属于$C$，则$C$是一个凸集。
2. 凸函数凸函数是定义在凸集上的实值函数，满足对于集合内的任意$x,y$和$0\leq\lambda\leq 1$，有$f(\lambda x+(1-\lambda)y)\leq \lambdaf(x)+(1-\lambda)f(y)$。
简单来说，凸函数的任意两点的连线上的函数值都不超过连线两端的函数值。
二、凸优化凸优化是指优化问题的目标函数是凸函数，约束条件是凸集的优化问题。
凸优化问题有着许多重要的性质和算法。
1. 凸优化问题的一般形式凸优化问题的一般形式可以表示为：$$\begin{align*}\text{minimize}\quad &f(x)\\\text{subject to}\quad &x\in C\end{align*}$$其中，$f(x)$是凸函数，$C$是凸集。
2. 凸优化问题的性质凸优化问题具有以下性质：（1）全局最优解是局部最优解。
这意味着在凸优化问题中，存在一个全局最优解，同时该最优解也是局部最优解。
（2）凸优化问题无局部最优解和全局最优解之间的鞍点。
凸优化问题不存在鞍点，因此可以通过寻找局部最优解来获得全局最优解。
3. 典型凸优化问题凸优化问题在实践中有着广泛的应用，以下是一些典型的凸优化问题：（1）线性规划问题（Linear Programming，简称LP）$$\begin{align*}\text{minimize}\quad &c^Tx\\\text{subject to}\quad &Ax\leq b\\&x\geq 0\end{align*}$$（2）二次规划问题（Quadratic Programming，简称QP）$$\begin{align*}\text{minimize}\quad &\frac{1}{2}x^TPx+q^Tx+r\\\text{subject to}\quad &Gx\leq h\\&Ax=b\end{align*}$$（3）半正定规划问题（Semidefinite Programming，简称SDP）$$\begin{align*}\text{minimize}\quad &\langle C,X\rangle\\\text{subject to}\quad &\langle A_i,X\rangle=b_i,\quad i=1,\ldots,m\\&X\succeq 0\end{align*}$$三、凸分析凸分析是研究凸集和凸函数性质的数学分支，它主要研究凸集的性质以及凸函数的导数和二阶导数。
§4.2 凸函数和凸规划1、凸函数及其性质定义 4.2.1 设n R S ⊂是非空凸集，R S f α:，如果对任意的)1,0(∈α有)()1()())1((2121x f x f x x f αααα-+≤-+，S x x ∈∀21, 则称f 是 S 上的凸函数，或 f 在 S 上是凸的。
如果对于任意的)1,0(∈α有)()1()())1((2121x f x f x x f αααα-+<-+，21x x ≠ 则称f 是S 上的严格凸函数，或f 在S 上是严格凸的。
若 f -是S 上的（严格）凸函数，则称f 是S 上的（严格）凹函数，或f 在S 上是（严格）凹的。
例 4.2.1 线性函数既是凸函数，又是凹函数定理 4.2.1 设n R S ⊂是非空凸集。
（1）若R R f n α:是S 上的凸函数，0≥α，则f α是S 上的凸函数；（2）若R R f f n α:,21都是S 上的凸函数，则21f f +是S 上的凸函数。
定理 4.2.2 设n R S ⊂是非空凸集，R R f n α:是凸函数，R c ∈，则集合}{c x f S x c f H S ≤∈=)(),(是凸集。
（称集合),(c f H S 为函数 f 在集合 S 上关于数 c 的水平集）证：任取),,(,21c f H x x S ∈ 则有S x S x ∈∈21,以及c x f c x f ≤≤)(,)(21因为S 是凸集，所以对于任意的)1,0(∈α有S x x ∈-+21)1(αα又因为f 是S 上的凸函数，因此有c c c x f x f x x f =-+≤-+≤-+)1()()1()())1((2121αααααα所以 ),()1(21c f H x x S ∈-+αα。
因此 ),(c f H S 是凸集。
定理 4.2.3 设n R S ⊂是非空开凸集，R S f α:可微，则（1）f 是S 上的凸函数的充要条件是)()()()(12121x f x f x x x f T -≤-∇， S x x ∈∀21, 其中T n x x f x x f x f ))(,....,)(()(1111∂∂∂∂=∇是函数f 在点1x 处的一阶导数或梯度。
