
【計】 convex function
protruding
【醫】 convexity; cyrto-; prominence; prominentia
function
【計】 F; FUNC; function
凸函數(Convex Function)是數學優化和經濟學中的核心概念,其漢英定義及性質可綜合表述如下:
1. 定義與數學表達式
在中文語境中,凸函數指定義域為凸集且滿足以下條件的實值函數:對于任意兩點(x_1, x_2)和(lambda in ),有
$$ f(lambda x_1 + (1-lambda)x_2) leq lambda f(x_1) + (1-lambda)f(x_2) $$
英文對應術語為Convex Function,其定義強調函數圖像上任意兩點間的線段位于圖像上方(來源:Wolfram MathWorld)。
2. 幾何意義
凸函數的圖像呈“碗狀”向上彎曲,例如二次函數(f(x) = x)。其局部最小值即全局最小值,這一性質在優化問題中具有重要應用(來源:Springer Mathematics)。
3. 判定條件
4. 應用領域
凸函數廣泛應用于機器學習、金融風險分析和工程設計中。例如,支持向量機(SVM)的目标函數即為凸函數,保障了優化過程的全局收斂性(來源:MIT OpenCourseWare)。
參考文獻
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/
凸函數是數學分析中一個重要的概念,尤其在優化理論和經濟學領域有廣泛應用。其核心特征可以通過幾何和代數兩種方式理解:
一、代數定義 對于定義在凸集上的函數$f$,若對任意$x_1,x_2$和$lambda in $都滿足: $$ f(lambda x_1 + (1-lambda)x_2) leq lambda f(x_1) + (1-lambda)f(x_2) $$ 則稱$f$為凸函數。當不等式嚴格成立(除端點外)時,稱為嚴格凸函數。
二、幾何解釋 函數圖像上任意兩點的連線(弦)始終位于函數圖像上方。例如抛物線$f(x)=x$就是典型的凸函數,連接其圖像上任意兩點的線段都在抛物線上方。
三、判定性質
四、典型示例
五、應用價值 在優化問題中,凸函數保證局部極小值即全局極小值,這一特性使凸優化問題具有可解性。機器學習中的損失函數、經濟學中的效用函數常設計為凸函數以保證求解效率。
【别人正在浏覽】