2.9 KiB
1.导数(Derivative)的定义
在说次梯度之前，需要先简单介绍一下导数的概念与定义。导数（英语：Derivative）是微积分学中重要的基础概念。一个函数在某一点的导数描述了这个函数在这一点附近的变化率。导数的本质是通过极限的概念对函数进行局部的线性逼近。
对于一般的函数f(x)，其导数为：
f'(x) = \lim_{\Delta x \rightarrow 0} \frac{\Delta y}{\Delta x} = \lim_{\Delta x \rightarrow 0} \frac{f(x_0+\Delta x) - f(x_0)}{\Delta x}
如果不使用增量，f(x)在 x_0处的导数 也可以定义为：当定义域内的变量 x趋近于 x_0时，
f'(x) = \frac{f(x) - f(x_0)}{x - x_0}
2.次导数(subderivative)
次导数（subderivative）、次微分（subdifferential）、次切线（subtangent lines）和次梯度（subgradient）的概念出现在凸分析，也就是凸函数的研究中。
设f:I→R是一个实变量凸函数，定义在实数轴上的开区间内。这种函数不一定是处处可导的，例如最经典的例子就是f(x) = |x|，在x=0处不可导。但是，从下图的可以看出，对于定义域内的任何x_0，我们总可以作出一条直线，它通过点(x_0, f(x_0))，并且要么接触f的图像，要么在它的下方。这条直线的斜率称为函数的次导数。
3.次导数与次微分(subdifferential)计算方式
凸函数f:I→R在点x0的次导数，是实数c使得：
f(x) - f(x_0) \geq c(x - x_0)
对于所有I内的x。我们可以证明，在点x0的次导数的集合是一个非空闭区间[a, b]，其中a和b是单侧极限
a = \lim_{ x \rightarrow x_0^-} \frac{f(x)-f(x_0)}{x - x_0}
b = \lim_{ x \rightarrow x_0^+} \frac{f(x)-f(x_0)}{x - x_0}
它们一定存在，且满足a ≤ b。
所有次导数的集合[a, b]称为函数f在x_0的次微分。
例如：考虑凸函数f(x)=|x|。在原点的次微分是区间[−1, 1]。x_0<0时，次微分是单元素集合{-1}，而x_0>0，则是单元素集合{1}。
4.性质及推广
1.凸函数f:I→R在x0可导，当且仅当次微分只由一个点组成，这个点就是函数在x_0的导数。
2.点x_0是凸函数f的最小值，当且仅当次微分中包含零，也就是说，在上面的图中，我们可以作一条水平的“次切线”。这个性质是“可导函数在极小值的导数是零”的事实的推广。
5.次梯度
次导数和次微分的概念可以推广到多元函数。如果f:U→ R是一个实变量凸函数，定义在欧几里得空间Rn内的凸集，则该空间内的向量v称为函数在点x0的次梯度，如果对于所有U内的x，都有：
f(x) - f(x_0) \geq v \cdot(x - x_0)
所有次梯度的集合称为次微分，记为∂f(x_0)。次微分总是非空的凸紧集。