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
$$\frac{f(x)-f(a)}{x-a}=\frac{(\lambda_{1}-1)f(a)+\lambda_{2} f(b)}{(\lambda_{1}-1)a+\lambda_{2}b}=\frac{f(b)-f(a)}{b-a}$$

$$f(x)=f(a)+\frac{f(b)-f(a)}{b-a}(x-a)$$

Schwarz导数与凹凸性的更多相关文章

  1. 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 ...

  2. 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 ...

  3. 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. ...

  4. 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 ...

  5. 【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 ...

  6. 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 ...

  7. [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 ...

  8. 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 ...

  9. 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

  1. 【流媒體】live555—VS2010 下live555编译、使用及测试

    Ⅰ live555简介 Live555 是一个为流媒体提供解决方案的跨平台的C++开源项目,它实现了对标准流媒体传输协议如RTP/RTCP.RTSP.SIP等的支持.Live555实现了对多种音视频编 ...

  2. 《C++ Primer 4th》读书笔记 第4章-数组和指针

    原创文章,转载请注明出处: http://www.cnblogs.com/DayByDay/p/3911573.html

  3. 【转】This version of the rendering library is more recent than your version of ADT plug-in. Please update ADT plug-in

    原文网址:http://1982106a.blog.163.com/blog/static/8436495620149239361692/ 预览layout.xml文件时提示: This versio ...

  4. 常用的PL/SQL开发原则

    (1)广泛使用绑定变量,特别是批量绑定,因为这可以有效的避免sql的硬解析和PL/SQL引擎和SQL引擎的上下文切换!(2)广泛使用UROWID来处理DML语句(UROWID是ROWID扩展,ORAC ...

  5. Mysql线程池优化笔记

    Mysql线程池优化我是总结了一个站长的3篇文章了,这里我整理到一起来本文章就分为三个优化段了,下面一起来看看.     Mysql线程池系列一(Thread pool FAQ) 首先介绍什么是mys ...

  6. ECSHOP - 二次开发指南---购物车篇

    第一个问题 保存用户购物车数据ECSHOP的购物车数据,是以Session 方式存储在数据库里,并在Session结束后 ,Distroy 掉,解决方法是: 1.购物车内容读取方式. 更改登陆后购物车 ...

  7. Inxi:获取Linux系统和硬件信息的神器

    导读 在这篇文章里,我们将看到如何使用inxi来获取这些详情信息.在论坛技术支持中,它可以作为调试工具,迅速确定用户的系统配置和硬件信息. Inxi是一个可以获取完整的系统和硬件详情信息的命令行工具, ...

  8. Redis,Memcache,mongoDB的区别

    从以下几个维度,对redis.memcache.mongoDB 做了对比,欢迎拍砖 1.性能 都比较高,性能对我们来说应该都不是瓶颈 总体来讲,TPS方面redis和memcache差不多,要大于mo ...

  9. android Vibrator 使用

    private Vibrator vibrator; 取得震动服务的句柄 vibrator = (Vibrator) getSystemService(VIBRATOR_SERVICE); 或者 vi ...

  10. POJ2976 Dropping tests 01分数规划

    裸题 看分析请戳这里:http://blog.csdn.net/hhaile/article/details/8883652 #include<stdio.h> #include<a ...