本文探讨了凸优化中的关键概念，包括共轭函数的性质和强凸函数的定义。通过定理3.3阐述了共轭函数的对偶关系，证明了在一阶条件下，强凸函数的梯度特性，为理解和应用凸优化提供了理论基础。
定理3.3
假设f是闭凸函数，则
y ∈ ∂ f ( x ) ⟺ x ∈ ∂ f ∗ ( y ) ⟺ x T y = f ( x ) + f ∗ ( y ) y\in \partial f(x)\iff x\in \partial f^*(y)\iff x^Ty=f(x)+f^*(y) y∈∂f(x)⟺x∈∂f∗(y)⟺xTy=f(x)+f∗(y)
证明：若 y ∈ ∂ f ( x ) y\in \partial f(x) y∈∂f(x)，则有 f ∗ ( y ) = sup u ( y T u − f ( u ) ) = y T x − f ( x ) f^*(y)=\sup_u(y^Tu-f(u))=y^Tx-f(x) f∗(y)=supu(yTu−f(u))=yTx−f(x)，因此我们有：
f ∗ ( v ) = sup u ( v T u − f ( u ) ) ≥ v T x − f ( x ) = x T ( v − y ) + x T
最低0.47元/天 解锁文章
6520
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
