
【计】 convex function
protruding
【医】 convexity; cyrto-; prominence; prominentia
function
【计】 F; FUNC; function
凸函数(Convex Function)是数学优化和经济学中的核心概念,其汉英定义及性质可综合表述如下:
1. 定义与数学表达式
在中文语境中,凸函数指定义域为凸集且满足以下条件的实值函数:对于任意两点(x_1, x_2)和(lambda in ),有
$$ f(lambda x_1 + (1-lambda)x_2) leq lambda f(x_1) + (1-lambda)f(x_2) $$
英文对应术语为Convex Function,其定义强调函数图像上任意两点间的线段位于图像上方(来源:Wolfram MathWorld)。
2. 几何意义
凸函数的图像呈“碗状”向上弯曲,例如二次函数(f(x) = x)。其局部最小值即全局最小值,这一性质在优化问题中具有重要应用(来源:Springer Mathematics)。
3. 判定条件
4. 应用领域
凸函数广泛应用于机器学习、金融风险分析和工程设计中。例如,支持向量机(SVM)的目标函数即为凸函数,保障了优化过程的全局收敛性(来源:MIT OpenCourseWare)。
参考文献
Wolfram MathWorld. Convex Function. https://mathworld.wolfram.com/ConvexFunction.html
Springer. Encyclopedia of Mathematics: Convex Functions. https://link.springer.com/referenceworkentry/10.1007/978-3-642-27737-5_130-3
Boyd, S. & Vandenberghe, L. Convex Optimization. Stanford University. https://web.stanford.edu/~boyd/cvxbook/
MIT. Convex Functions in Machine Learning. https://ocw.mit.edu/courses/6-252j-nonlinear-programming-spring-2003/
凸函数是数学分析中一个重要的概念,尤其在优化理论和经济学领域有广泛应用。其核心特征可以通过几何和代数两种方式理解:
一、代数定义 对于定义在凸集上的函数$f$,若对任意$x_1,x_2$和$lambda in $都满足: $$ f(lambda x_1 + (1-lambda)x_2) leq lambda f(x_1) + (1-lambda)f(x_2) $$ 则称$f$为凸函数。当不等式严格成立(除端点外)时,称为严格凸函数。
二、几何解释 函数图像上任意两点的连线(弦)始终位于函数图像上方。例如抛物线$f(x)=x$就是典型的凸函数,连接其图像上任意两点的线段都在抛物线上方。
三、判定性质
四、典型示例
五、应用价值 在优化问题中,凸函数保证局部极小值即全局极小值,这一特性使凸优化问题具有可解性。机器学习中的损失函数、经济学中的效用函数常设计为凸函数以保证求解效率。
板烟财源财政法案超越函数掉调权力对象分类方式独立旁发射机发报非整倍的高含硫原油诰命工匠化工单位操作黄色书刊回忆火成岩检验过程机动三轮车静脉中层警务总监卷叶黄精面心地方晶格平衡法的强化式学习算法氢转移酶全神贯注的三十酸书面申请同化剂完全服务