1.Pojęcie zbioru wypukłego, otoczki wypukłej zbioru. Działania na zbiorach wypukłych (przecięcie dowolnej rodziny zbiorów wypukłych jest zbiorem wypukłym).
Definicja:
X rzeczywista przestrzeń liniowa. Mówimy, że zbiór C
X jest zbiorem wypukłym
x,y
C odcinek [x,y]
C
[x,y] odcinek domknięty o końcach x i y
[x,y] : = {z
X ׀ z =
x + (1-
y) }
0
<1
Zbiór pusty z definicji jest zbiorem wypukłym.
Stwierdzenie:
(At) t€T dowolna indeksowana rodzina zbiorów wypukłych przestrzeni X,Ť dowolny zbiór skończony lub nieskończony
At wypukły podzbiór X
wtedy
At jest wypukłym zbiorem w X
x€At
ω (X)rodzina wszystkich wypukłych podzbiorów przestrzeni X
C
X, coC lub conrC czytamy: otoczka wypukła zbioru C.
coC:=
A A€ ω (X)
coC- otoczka wypukła zbioru C jest to przecięcie (część wspólna, iloczyn) wszystkich zbiorów wypukłych zawierających zbiór C. Jest to najmniejszy zbiór wypukły zawierający zbiór C.
PRZYKŁAD:
X=
coC = [x,y]
C={x=(
,
), y=(
,
)}
x
y
2.Pojęcie funkcji wypukłej, efektywny zbiór funcji f (domf), epifgrat f (epif), nierówność Jensena, (działania na funkcjach wypukłych).
X - rzeczywista przestrzeń liniowa
f: X →¯R= R
{
,
}
z funkcją f są związane dwa zbiory:
dom f - efektywny zbiór funkcji f
dom f:= {x € X | f(x) <
}
epi f - epigraf funkcji f (nadwykres funkcji f)
epi f:= {(x,
) € X
R|
Niech f: X → ¯R
Mówimy, że funkcja f jest funkcją wypukłą, jeżeli epif jest zbiorem wypukłym
Mówimy, że funkcja f: X → ¯R jest funkcją właściwą, jeżeli Vx € X f(x)>-∞ oraz domf ≠Ø (to oznacza że f
+∞ (nie jest tożsamościowo równa +∞)
TWIERDZENIE:
Niech f: X → ¯R właściwa funkcja, gdzie X rzeczywista przestrzeń liniowa wtedy są równoważne następujące warunki:
1)
n € N
,
…
€ domf
,
,……
zachodzi nierówność Jensena
f (
)≤
f(xi)
2)
,
€ domf
zachodzi nierówność Jensena
f(
)≤
-warunek 2 geometrycznie oznacza że wykres funkcji y = f(x) leżące pomiędzy prostymi pionowymi o równaniach x =
i x =
leży poniżej odcinka łączącego punkty (
,f(
) i (
,f(
)
3) epif jest zbiorem wypukłym
STWIERDZENIE
a) (f t ) t€T dowolna indeksowana rodzina właściwych funkcji wypukłych określonych na przestrzeni liniowej X o wartościach w ¯R, T - dowolny zbiór skończony lub nieskończony wtedy funkcja f =
jest funkcją wypukłą
f =
(x) jest funkcją wypukłą (f =
(x)
x€X)
b)
,..,
wypukłe właściwe funkcje określone na X o wartościach w ¯R wtedy funkcja
jest właściwą funkcją wypukłą tzn. suma skończonej liczby funkcji wypukłych jest funkcją wypukłą.
: X → ¯R wypukłe właściwe funkcji
f = max{
}
x € X f(x) = max {
(x),
(x)} wtedy f jest właściwą wypukłą funkcją
epif = epi
∩ epi
epif = ∩ epift
WYKRES
3. Pojęcie subróżniczki funkcji wypukłej , twierdzenie Rockafellara - Moreau, twierdzenie Dubowickiego - Miliutina , uogólnione twierdzenie Fermata?
Subróżniczka różniczkowalnej funkcji wypukłej pokrywa się z jej pochodną. Dla funkcji jednej zmiennej subróżniczka
jest zbiorem współczynników kierunkowych, a dla których proste y = ax + b przechodzące przez punkt
leżą poniżej wykresu funkcji y=f(x).
Przykład: f: R → R,
x € R ,
f (x) = ׀x׀ = {
Twierdzenie Rockafellara - Moreau
Niech f1, f2:X→¯R wypukłe właściwe funkcje, gdzie X=Rn wtedy
1.∂(f1+f2) (x) > ∂f1(x) + ∂f2 (x)
2.jeśli istnieje punkt x0 taki, że x0 € domf1 tzn.│ f1 (x0)<∞, a funkcja f2 jest ciągła w punkcie x0, to ∂(f1+f2) (x) > ∂f1(x) + ∂f2 (x)
x € X
Twierdzenie Rockafellara - Moreau jest naturalnym uogólnieniem twierdzenia z klasycznej analizy o pochodnej sumy funkcji: pochodna sumy funkcji jest równa sumie pochodnych.
Twierdzenie Dubowickiego Miliutina
Niech f1, f2:X→¯R wypukłe właściwe funkcje
x0 € domf1∩ domf2
f1, f2 ciągłe w punkcie x0 i f1(x0) = f2(x0), wtedy ∂ max { f1, f2 }(x0) = conv( ∂ f1(x0) u ∂ f2(x0))
Uogólnione Twierdzenie Fermata
f:X→¯R wypukłe właściwe funkcje, X=Rn
€ absminf
0 € ∂ f (
)
€ absminf
x € X f(x)≥ f (
)
x € X f(x)- f (
) ≥ 0
0 € ∂ f (
)
Uogólnione Twierdzenie Fermata sformułowane powyżej jest warunkiem koniecznym i dostatecznym, aby punkt x ( z daszkiem) był absolutnym minimum wypukłej właściwej funkcji. Tw. Fermata w klasycznej analizie jest tylko warunkiem koniecznym lokalnego ekstremum gładkiej funkcji (różniczkowalnej).
4.Zadanie programowania wypukłego i sformułuj twierdzenie KUNATUCKERA.
Zadanie programowania wypukłego
X- rzeczywista przestrzeń liniowa
A- nie pusty zbiór wypukły w X
fi: X → ¯R i = 0,1,…..m
Zadaniem programowania wypukłego nazywamy następujące ekstremalne zadania:
(P) fo (x)
min,
fi (x)
0, i=1,2,…,m x
A
Dp - zbiór elementów dopuszczalnych z zadania P
Dp: {x
X │fi (x)
0, i=1,2,…,m }
x
А}
Punkt
- punkt
jest absolutnym minimum z zadania P
α
gdzie
R m+1
Funkcja α (x,
) nazywamy funkcją Lagrange'a zadania (P).
Liczby
i = 0,1,…,m nazywamy mnożnikami Lagrange'a.
Wektor
= (
o,
1,….,
m) nazywamy wektorem mnożników Lagrange'a.
Uwaga - ograniczenie x
А nie wchodzi do funkcji Lagrange'a.
Twierdzenie KUHNA-TUCKERA
1.Niech
będzie absolutnym minimum w zadaniu (P), gdzie P to zadanie programowania wypukłego wtedy istnieje
m+1
taki, że dla funkcji Lagrange'а zadania (P) zachodzą następujące warunki:
а) min α(x,
) = α
x
А
Zasada minimum funkcji Lagrange'а
b) warunki komplementarności
c) warunki nieujemności
2. Jeżeli
(jest elementem dopuszczalnym zadania(P))i są spełnione warunki а) - c) z
3. Jeżeli
i są spełnione warunki а) - c) oraz zachodzi warunek SLATERA
to
Uwaga. Dla zadania wypukłego programowania idea Lagrange'а uzyskała najbardziej doskonałą postać. Punkt
będący rozwiązaniem wypukłego zadania jest punktem minimum funkcji Lagrange'а (dotyczy warunku а)). Warunki b) i c) są charakterystyczne dla zadań z ograniczeniami nierównościowymi. Warunek konieczny na absolutne minimum w zadaniu programowania wypukłego jest bliski warunkowi dostatecznemu. Warunek konieczny pokrywa się z warunkiem dostatecznym, jeśli
jest różna od 0(
).
5. Pojęcie miary ryzyka, pojęcie wypukłej miary ryzyka i pojęcie koherentnej miary ryzyka.
Definicja.
Odwzorowanie ℓ :
R nazywamy miarą ryzyka jeżeli są spełnione następujące warunki:
1.
X, Y
, X
Y
ℓ (X)
ℓ(Y) monotoniczność+
2.
X
m
R
ℓ (X+m) = ℓ(X) - m niezmienność względem przesunięcia z której wynika, że ℓ( X+ ℓ (X)) = 0 i ℓ(m) = ℓ (0) - m
m
R.
W większości przypadków zakłada się, że miara ryzyka spełnia warunek unormowania czyli
ℓ (0) = 0
Definicja
Mówimy, że miara ryzyka ℓ :
R jest wypukła jeżeli dla
X, Y
0
1
zachodzi nierówność
ℓ (
X + (1-
)Y)
ℓ(X) + (1-
) ℓ (Y)
Definicja
Wypukłą miarą ryzyka ℓ nazywamy koherentną miarą ryzyka jeżeli spełnia ona następujący warunek
0 ℓ (
X) =
ℓ(X) to się nazywa dodatnia jednorodność.
Z dodatniej jednorodności miary wynika, że spełnia ona warunek unormowania tzn., że
ℓ(0) = 0.
Jeżeli spełniony jest warunek dodatniej jednorodności to wypukłość miary ryzyka jest równoważna jej subaddytywności ℓ (X+Y)
ℓ(X) + ℓ (Y)
X,Y
6. Sformułuj skończenie wymiarowe gładkie zadanie z ograniczeniami równościowymi oraz zasadę Lagrang'ea dla tego zadania?
Niech fi:Rn→R, i=0,1,2…m Funkcja n zmiennych rzeczywistych o wartościach rzeczywistych. Zakładam, że funkcja fi; i=0,1,2…n1 spełnia pewien warunek gładkości tzn. są różniczkowane w określonym sensie. Gładkie skończenie wymiarowe zadanie ekstremalne z ograniczeniami równościowymi nazywamy następujące zadanie(P):
f0(x)→extr fi(x)=0 , i=1,2…m
Przez rozwiązanie pełne zadania P nazywamy: znalezienie lokalnych ekstremum zadania tj. lokalnych minimów i lokalnych maksimów, znalezienie absolutnego min. i maks., oraz określenie wartości minimalnej i maksymalnej zadania. Dp- zbiór elementów dopuszczalnych zadania P
Dp=
n
fi(x)=
i=1,2…m
x=(x1,x2...x3)
Rn
||x||- norma wektora X
||x||= ∑ni=1 xi2
Norma określa odległość (metryka)
x=(x1,x2…xn)
y=(y1,y2…yn)
d(x,y)=||x-y||= ∑ni=1(x1-y1)2
є locmin(P) - punkt
jest lokalnym minimum w zadaniu (P)
єDp
f0(x)
0(
)
K(
,
- kula otwarta o środku
i promieniu
K(
,
nI||x-
||
locmax (P)
^
f0(x)
f0 (
)
Lokalne minima i lokalne maksima z zadnia (P) nazywamy lokalnymi ekstremalnymi zadaniami (P)
absmin (P)
f0(0)
f0(
)
absmax(P)
f0(x)
f0(
)
Funkcja Lagrang'ea z zadania (P)
Funkcja
0,λ1,…λm)
m+1
ni=oλifi(x)
Funkcje
(x,λ) określoną powyżej nazywamy funkcją Lagrang'ea zadania (P)
wektor λ=(λ0,λ1…λm)
m+1nazywamy wektorem wskaźników Lagrang'ea liczbę λi, i=0,1…m nazywamy mnożnikami Lagrang'ea.
Warunek konieczny pierwszego rzędu na lokalne ekstremum dla gładkiego zadania z ograniczeniami równościowymi - zasada Lagrang'ea.
Niech
locextr(P) a funkcje fi, i=0,1…m są ciągle różniczkowane w pewnym otwartym otoczeniu punktu
(warunek gładkości) wtedy istnieje niezerowy wektor nośników Lagrang'ea. Λ=(λ0,λ1…λn)
Rm+1 , λ
0 taki że dla funkcji Lagrang'ea z zadania (P)
(x,λ) = ∑mi=0 λifi(x) zachodzi warunek stacjonarności tzn.
1≤ j ≤ n
xj(
,λ)=0
xj (
,λ)- pochodna cząstkowa funkcji Lagrang'ea po xj w punkcie (
,λ)
7. Sformułuj gładkie, skończenie wymiarowe zadanie ekstremalne z ograniczeniami równościowymi i nierównościowymi oraz zasadę Lagrangea dla tego zadania.
Niech f1:Rn→R , i=0,1,2....m funkcji n zmienny rzeczywistych o wartościach rzeczywistych. Założenie że funkcje fi, i=0,1,2…n spełniają pewien warunek gładkości tzn. są różniczkowalne w określonym sensie. Gładkim skończenie wymiarowym zadaniem ekstremalnym z ograniczeniami równościowymi i nierównościowymi nazywamy następujące zadanie (P): f0(x)→min
fi(x)≤0 , i =1,2…m'
fi(x)=0 , i = m'+1,…m
Warunek konieczny I rzędu na lokalne ekstremum w gładkim skończenie wymiarowym zadaniu ekstremalnym z ograniczeniami równościowymi i nierównościowymi - zasada Lagrangea.
Niech
loc min (P) - punkt lokalnego minimum w zadaniu (P), a funkcje fi, i= 0,1,...,m są ciągle różniczkowalne w pewnym otoczeniu punktu
(warunek gładkości).Wtedy istnieje niezerowy wektor mnożników Lagrangea
λ= λ0, λ1, ...,λm
R m+1 λ ≠ 0 taki, że dla funkcji lagrangea zad. (P)
λ= λ0, λ1, ...,λm
R m+1 λ ≠ 0 taki, że dla funkcji lagrangea zad. (P)
(x, λ) = ^ (x1,...,xn), (λ0,...,λn) = ∑mi=0 λi fi (x) = ∑mi=0 λi fi (x1, x2,...,xm)
zachodzą następujące warunki
a)warunki stacjonarności
xj (
, λ) = 0
1≤ j ≤ n
b)warunki komplementarności
λi fi (
)= 0 i= 1,2...,m'
c) warunki nieujemności
λi ≥ 0 i= 0,1,...,m'