UPD on 2021/2/10 :
想到可能因为年代过于久远,2014 年集训队论文中的一个小结论要找的话稍微有点麻烦,这里直接挂出来算了。
前置芝士:
上凸函数⇔∀x1,x2∈定义域,f(x1+x22)≥f(x1)+f(x2)2
注:这个上凸定义不严谨,极端情况下一些直线也会被这个定义定义为上凸的。
应用:
1.极值点左偏⇐1阶导上凸⇐3阶导≤0
右边的等价符号显然,只论证左边的推导符号。
1阶导上凸 →∀x1,x2∈ 定义域,f′(x1+x22)≥f′(x1)+f′(x2)2
假设 x1,x2是关于极值点对称的两个点,就有: 0≥f′(x1)+f′(x2)2
即 f′(x2)<−f′(x1)
从图像的角度理解,就是从极值点往两边,左边的函数值始终比关于极值点对称的右边一点的下降速度更快。
借鉴高中物理微元法(其实就是定性分析)可得,
若该极值为极小值,则 f(x2)<f(x1), 要找一个值 x3满足 f(x3)=f(x2)的话,就有 x2+x3>2x0
其他情况同理分析。
2.2014 集训队论文 余行江《矩阵命题报告》
这篇论文中提到了一个结论:
如果对于一张完全二分图,建立源汇,源向左边的 n 个点连容量为 1−k ,费用为 0 的边;左边的每个点和右边的每个点都连容量为 inf ,费用为 ai,j(随意) 的边;右边的每个点向汇连容量为 1+k ,费用为 0 的边。那么,这张图的最大费用流是关于 k 的上凸函数。
证明:
首先根据上凸函数的性质,我们要证的就是,∀x1,x2∈[−1,1], 若当 k=x1,x2时的最大收益为 f(x1),f(x2)时,则 f(x1+x22)≥f(x1)+f(x2)2, 也就是对于 k=x1+x22, 存在一种方案使得收益不小于 f(x1)+f(x2)2。
这个是可以根据 f(x1)和 f(x2)的方案构造出来的,把两个方案在二分图中间的每条边的流量缩减到一半,再拼起来,收益是 f(x1)+f(x2)2,而且满足二分图两边关于流量的限制。
个人觉得上面的第二个应用开拓了一种新的证明思路,在对一些打表或猜测得出的结论的证明中可能会有一些作用。
0 条评论