Будем рассматривать отрезок [math][a; b][/math], [math]x_1, x_2, x_3, \ldots x_n \in [a; b][/math] и коэффициенты [math]\alpha_1, \alpha_2, \ldots, \alpha_n \gt 0[/math]
такие, что [math]\sum\limits_{i = 1}^n \alpha_i = 1[/math].
| Определение: |
| Выпуклая комбинация чисел [math]x_k[/math] — [math]\bar x = \sum\limits_{i = 1}^n \alpha_kx_k[/math] |
Частный случай — [math]\alpha_k = \frac1n[/math]. В этом случае [math]\bar x[/math] — среднее арифметическое.
Обозначим за [math]x_* = \min \{x_1; x_2; \ldots x_n \}[/math], а [math]x^* = \max \{x_1; x_2; \ldots x_n \}[/math]. Тогда [math]x_* \leq \bar x \leq x^*[/math], а так как
[math]x_* \in [a; b][/math] и [math]x^* \in [a; b]$, то $\bar x \in [a; b][/math].
В этом смысле отрезок — выпуклое множество, так как он содержит выпуклую комбинацию любых своих чисел.
(типа определение) Выпуклое множество вместе с парой своих точек содержит отрезок, их соединяющий.
| Определение: |
| Пусть [math]f(x)[/math] задана на [math][a; b][/math]. Тогда она выпукла вверх на этом отрезке, если
[math]\forall x_1, x_2 \in [a; b] \forall \alpha \in [0; 1] \quad \alpha f(x_1) + (1 - \alpha) f(x_2) \leq f(\alpha x_1 + (1 - \alpha)x_2)[/math].
Если же всё время неравенство противоположно, то функция называется выпуклой вниз. |
В силу того, что было сказано о выпуклой комбинации, определение корректно: [math]\alpha x_1 + (1 - \alpha)x_2 \in [a; b][/math].
Легко понять, что с геометрической точки это значит, что для выпуклой вверх функции её график будет лежать выше хорды.
Замечание: если [math]f(x)[/math] выпукла вниз, то [math]-f(x)[/math] выпукла вверх.
Неравенство Йенсена
Пусть [math]f(x)[/math] выпукла вверх на [math][a; b][/math]. Тогда [math]\forall x_1; x_2 \ldots x_n \in [a; b][/math] и их выпуклой комбинации выполнено неравенство
[math]\sum\limits_{k = 1}^n \alpha_k f(x_k) \leq f\left(\sum\limits_{k = 1}^n \alpha_k x_k\right)[/math].
Докажем по индукции.
База: [math]n = 2[/math]. Неравенство превращается в определение выпуклой вверх функции, для которой это, очевидно, выполняется.
Переход. Пусть это верно для [math]n[/math]. Докажем, что это верно для [math]n + 1[/math]:
[math]\sum\limits_{k = 1}^{n + 1} \alpha_k = 1[/math], обозначим за [math]s_n = \sum\limits_{k = 1}^n \alpha_k[/math]
Пусть [math]\beta_k = \frac{\alpha_k}{s_n}[/math]. Тогда [math]\sum\limits_{k = 1}^{n + 1} = 1[/math]. Тогда получаем: ????
[math]
\sum\limits_{k = 1}^{n + 1} \alpha_k f(x_k) =
s_n \sum\limits_{k = 1}^n \beta_k f(x_k) + \alpha_{n + 1}f(x_{n + 1}) \leq
s_n f(\sum\limits_{k = 1}^n \beta_k x_k + \alpha_{n + 1}x_{n + 1}) \leq [/math] (так как [math]s_n + \alpha_{n + 1} = 1[/math])
[math] f(\sum\limits_{k = 1}^{n + 1} \alpha_k x_k)[/math]
Значит, шаг индукции проделан, нерваенство доказано для произвольного [math]n[/math].
Применим линейную интерполяцию (в случае [math]2[/math] узлов) чтобы выяснить связь между выпуклостью и дифферинцируемостью функции [math]f[/math].
Будем считать, что [math]f[/math] дифференцируема столько раз, сколько нам нужно. Имея [math]2[/math] узла на [math]\langle a; b\rangle[/math] и [math]y_0 = f(x_0)[/math], [math]y_1 = f(x_1)[/math],
составим [math]L_n(x)[/math]:
[math]L_n(x) = y_0 \frac{x - x_1}{x_0 - x_1} + y_1\frac{x - x_0}{x_1 - x_0}[/math] — прямая, проходящая через точки [math](x_0, y_0)[/math] и [math](x_1, y_1)[/math].
Значит, между [math]x_0[/math] и [math]x_1[/math] получаем хорду, соединяющую две точки графика.
В вопросе о выпуклости надо проверять знак такой разности:
[math]f(x) - L_n(x) = \frac{f^{(2)}(c_x)}{2!}(x - x_0)(x - x_1)[/math], [math]x_0 \leq x \leq x_1[/math].
Если [math]f^{(2)} = 0[/math] на [math]\langle a; b\rangle[/math] то правая часть будет неотрицательная, так как [math]x \in [x_0; x_1][/math], поэтому
[math]f(x) - L_n(x) \leq 0[/math], так как [math]x_0[/math] и [math]x_1[/math] произвольны, то [math]f[/math] выпукла вверх.
Итак, [math]f^{(2)} = 0 \Rightarrow f [/math] — выпукла вверх.
2) Пусть [math]f[/math] выпукла вверх. Будем считать, что [math]f^{(2)}[/math] — непрерывна. [math]x \in \langle a; b\rangle[/math].
[math]x_0 = x - \Delta x[/math], [math]x_1 = x + \Delta x[/math], где [math]\Delta x[/math] — малое положительное число.
[math]f(t) - L_n(t) = \frac{f^{(2)}(c_t)}{2!} (t - x_0)(t - x_1), \, (t - x_0)(t - x_1) \lt 0 \Rightarrow f^{(2)}(c_t) \leq 0[/math]
[math]c_t \in \langle x - \Delta x; x + \Delta x \rangle[/math]
[math]\Delta x \to 0 : x_0 \to x : f^{(2)}(x) \leq 0[/math]
Если [math]f[/math] выпукла вверх, то [math]f^{(2)} \leq 0[/math].
В качестве примера рассмотрим [math]y = \ln x[/math], [math]y^{(2)} = \frac{-1}{x^2} \leq 0 \Rightarrow \ln x[/math] выпукла вверх.
Это мы применим в следующем параграфе.
