凸优化:Jensen不等式-共轭函数-Fenchel不等式

凸函数

凸函数的定义:$f(\theta x+(1-\theta)y) \leq \theta f(x)+(1-\theta)f(y)$
其含义就是:函数图像在直线下边。

Jensen不等式

凸函数定义推广到一般形式,即可得到Jensen不等式,即
$\theta_1,…\theta_k\geq0, \theta_1+…+\theta_k=1$时,
$f(\theta_1x_1+…+\theta_kx_k) \leq \theta_1f(x_1)+…+\theta_kf(x_k)$

扩展理解:对于$\theta_1,…\theta_k\geq0, \theta_1+…+\theta_k=1$,如果把$\theta_k$看出$x_k$的概率的话,那$\theta_1x_1+…+\theta_kx_k$就表示x的期望,右边式子就表示$f(x)$的期望,于是上式就可以写成$f(E(x))\leq E(f(x))$,这就是Jensen不等式,注意函数f要满足凸函数。

共轭函数

定义

原函数$f:R^n\to R$共轭函数定义:

这个式子的意思是:求$xt-f(x)$关于x和y函数在定义域内的上界,将这个上界形成的函数定义为共轭函数。下图红色部分就是上界

  1. 定义式中$f(x)$不一定是凸函数

  2. 共轭函数一定是凸函数(由图可知)

  3. 凸函数的共轭函数的共轭函数是其本身

如何求共轭函数

Fenchel不等式

由共轭函数定义可知,$f^(t) \geq xt-f(x)$ 移项可得 $f(x)+f^(t) \geq xt$ 这就是Fenchel不等式。

----------------------------- 我是有底线 ~..~ ------------------------------