证明过程中用到了h也是严格凸的引论,在课后习题的5.4是有介绍的:
所以这么一来就牵扯出了有关凸函数和严格凸的内容:
凸函数的内容大概都知道,这个严格凸指的则是当x!=y时,一定是不等号,
对于,我们把x换成,可以得出:
所以如果没推导错的话,可以看到,由于A的正定的性质,在开区间(0,1)里,只有x=y会满足等号成立,其余全是>大于号。所以\phi是严格凸。
然后是对也是严格凸的证明,也就是课后题5.4的解答:
其实也就是按着定义来:
最后一步把x_0拆成了两部分,我们就可以提出公共项\alpha和(1-\alpha)
然后就变成了:,进而就可以利用\phi本身的严格凸推导出h的严格凸了。
主要思想还是拆x那里。
然后我们才可以去看定理5.3的具体证明:
当然还要涉及一点,如果是凸函数的话,那么梯度为0的点,一定是全局最优解:
书上定理2.5有说这个事。
然后开始证明定理5.2
定理说了两件事:
第一,用共轭方向算法5.6,5.7生成的那一组x_k会保证5.11成立,也就是r_k总是和之前所有的p_k正交;
第二,每次生成的x_k都会保证,这时的\phi(x_k)是 5.12式张成空间的最小值;
书上是先证得第二个,我们还是按先第一个再第二个吧,
首先,由于5.6,5.7的计算\alpha_k的方法其实是通过计算出来的,因此有:
这个r_1p_0=0就是我们将要使用数学归纳法的其实条件,
然后数学归纳法的常规流程,先假设k-1成立,再证明k成立,这里就不多复述了:
然后是对第二个的证明,逻辑上还是挺难理解的。
首先是书上说了一句,通过链式法则可以得到,在那里就想了很久:
然后是逻辑理解上,最后的体会就是
1 \phi在那个张成的空间上有极小值,
2 h 在\sigma上有极小值,
3 r^Tp=0
这仨个等式就是彼此的充要条件,书上那一段文字说的大概就是这件事。