---
title: "Uygulamalı Özet"
url: https://acik-matematik.com/dersler/konveks-analiz/uygulamali-ozet
course: "Konveks Analiz"
language: tr
license: CC BY-NC-SA 4.0 (https://creativecommons.org/licenses/by-nc-sa/4.0/deed.tr)
format: acik-matematik-md/2
source: b42734d4add8dbe6c61dbbca3b8df5590f3fcab1
---
# 14  Uygulamalı Özet

Bu sayfa kitabın sonuçlarını ispatsız, soru çözmeye dönük bir kopya kâğıdı olarak toplar. Konveks analiz sorularının çoğu iki kalıba girer: “şu küme ya da fonksiyon konveks midir, kapalı mıdır, koni midir?” diye soran **denetim soruları** ve “afin örtüyü, dual koniyi, ayıran hiperdüzlemi, subdiferansiyeli bulunuz” diyen **hesap soruları**. Bir de iddianın yanlış olduğu, beklenen cevabın bir **ters örnek** olduğu sorular vardır. Sayfa her tip için hangi aracın seçileceğini, adım adım bir reçeteyi, tabloları ve kısa ama tam çözülmüş örnekleri verir. En ayrıntılı reçeteler en sık karşılaşılan üç tipe ayrıldı: kümenin konveksliği, Hessian ile fonksiyonun konveksliği ve subdiferansiyel. Her kural, gerekçesinin bulunduğu tanıma ya da teoreme bağlanır.

## 14.1 Soru Tipine Göre Yöntem

Soruyu okuyunca ilk iş, hangi kalıba girdiğini ve en kısa yolun hangisi olduğunu belirlemektir.

| Soruda istenen | Yöntem | Bu sayfada |
|:---|:---|:---|
| “Şunu gösteriniz” türünden bir ispat | Tanımı açıp denetlenecek koşulu yaz | [Bölüm 14.2](#sec-ozt-kaliplar) |
| Dönüşüm lineer mi, matrisi nedir | $L(0) = 0$ testi, sütunlar $L(e_i)$ | [Bölüm 14.3](#sec-ozt-lineer) |
| Küme kapalı mı, kompakt mı | Dizisel ölçüt, sürekli fonksiyonun seviye kümesi, Heine-Borel | [Bölüm 14.4](#sec-ozt-kompakt) |
| Afin örtü, boyut, hiperdüzlem denklemi | Fark vektörleri, normal vektör sistemi | [Bölüm 14.5](#sec-ozt-afin) |
| Küme konveks mi | Konveks kümelerin kesişimi olarak yaz; değilse orta nokta | [Bölüm 14.6](#sec-ozt-konveks-kume) |
| İç, göreli iç, konveks örtü | Önce $\operatorname{aff}(C)$ ve boyut; örtüde aday küme | [Bölüm 14.7](#sec-ozt-ri-conv) |
| Daha az noktalı kombinasyon, Radon parçalanışı | $\sum \alpha_i x_i = 0$, $\sum \alpha_i = 0$ sistemi | [Bölüm 14.8](#sec-ozt-sayilar) |
| Koni mi, dual koni nedir | $\lambda > 0$ ile çarpım; dualde üreteçleri denetle | [Bölüm 14.9](#sec-ozt-koni) |
| Ayrılabilir mi, ayıran hiperdüzlem | Teorem tablosu; en yakın nokta ile normal | [Bölüm 14.10](#sec-ozt-ayirma) |
| Fonksiyon konveks mi | İşlemler, tek değişkende $f''$, standart tablo | [Bölüm 14.11](#sec-ozt-konveks-fonksiyon) |
| İki kez türevlenebilir fonksiyonda (kesin) konvekslik | Hessian ve esas minörler | [Bölüm 14.12](#sec-ozt-hessian) |
| Yönlü türev, subgradient, subdiferansiyel | Limit tanımı; tek değişkende tek yanlı türevler | [Bölüm 14.13](#sec-ozt-subdiferansiyel) |
| Bir iddianın yanlış olduğunu göstermek | Standart ters örnekler | [Bölüm 14.14](#sec-ozt-ters-ornek) |

Tablo 14.1: Soru kalıpları ve yöntemler

## 14.2 İspat Kalıpları

Bu derste “gösteriniz” diye başlayan soruların neredeyse hepsi tek bir tanımın açılmasıyla biter. Aşağıdaki tablo, neyi göstermek için neyi denetlemek gerektiğini toplar.

| Göstermek istenen | Gösterilecek şey | Dayanak |
|:---|:---|:---|
| $A$ afin | $x, y \in A$, $\lambda \in \mathbb{R}$ için $(1 - \lambda)x + \lambda y \in A$; ya da $A = \{x : Ax = b\}$ | [Tanım 4.2](afin-kumeler.md#def-afin-kume), [Teorem 5.2](hiperduzlemler-afin-bagimsizlik.md#thm-afin-denklem-sistemi) |
| $A$ lineer alt uzay | $A$ afin ve $0 \in A$ | [Sonuç 4.2](afin-kumeler.md#cor-alt-uzay-orijin) |
| $C$ konveks | $x, y \in C$, $0 \le \lambda \le 1$ için $(1 - \lambda)x + \lambda y \in C$; ya da konveks kümelerin kesişimi | [Tanım 6.4](lineer-donusumler-konveks-kumeler.md#def-konveks-kume), [Teorem 6.2](lineer-donusumler-konveks-kumeler.md#thm-kesisim-konveks) |
| $C$ konveks değil | İki nokta ve kümenin dışında kalan bir ara noktası | [Tanım 6.4](lineer-donusumler-konveks-kumeler.md#def-konveks-kume) |
| $P$ polihedral | Sonlu çok $\langle a_i, x \rangle \le b_i$ eşitsizliği | [Tanım 6.6](lineer-donusumler-konveks-kumeler.md#def-polihedral) |
| $K$ koni | $\lambda > 0$, $x \in K$ için $\lambda x \in K$ | [Tanım 11.1](koniler-ve-konveks-fonksiyonlar.md#def-koni) |
| $K$ konveks koni | $\lambda_1, \lambda_2 > 0$ için $\lambda_1 x_1 + \lambda_2 x_2 \in K$ | [Teorem 11.1](koniler-ve-konveks-fonksiyonlar.md#thm-konveks-koni) |
| $A$ kapalı | $A$’dan alınan yakınsak dizinin limiti $A$’da | [Tanım 2.3](acik-kapali-kumeler-diziler.md#def-kapali-kume), [Alıştırma 2.1](acik-kapali-kumeler-diziler.md#exr-kapanis-ozellikleri) |
| $A$ kapalı değil | $A$’da olup limiti $A$’nın dışında kalan bir dizi | [Tanım 2.6](acik-kapali-kumeler-diziler.md#def-kapanis) |
| $A$ kompakt | Kapalı ve sınırlı | [Teorem 3.2](sinirlilik-kompaktlik-sureklilik.md#thm-heine-borel) |
| $f$ konveks | Kiriş eşitsizliği, konveks epigraf, Hessian ya da işlemler | [Teorem 11.2](koniler-ve-konveks-fonksiyonlar.md#thm-kiris), [Teorem 12.1](hessian-ve-subdiferansiyel.md#thm-hessian) |
| $f$ kesin konveks değil | $f$’nin doğrusal olduğu bir doğru parçası | [Tanım 11.8](koniler-ve-konveks-fonksiyonlar.md#def-kesin-konveks) |
| $x^{*} \in \partial f(x_0)$ | Her $x$ için $f(x) - f(x_0) \ge \langle x^{*}, x - x_0 \rangle$ | [Tanım 12.6](hessian-ve-subdiferansiyel.md#def-subgradient) |
| $H$, $M$ ile $N$’yi ayırır | $\langle a, m \rangle \le b \le \langle a, n \rangle$ | [Tanım 10.3](ayrilabilme-teoremleri.md#def-ayirma) |
| $M$ ile $N$ kesin ayrılamaz | Uzaklığı sıfıra giden nokta çiftleri | [Tanım 10.4](ayrilabilme-teoremleri.md#def-kesin-ayirma), [Alıştırma 13.30](alistirmalar.md#exr-ayirma-ornekleri) |

Tablo 14.2: Neyi göstermek için ne gösterilir

**Kısa yollar.**

- “Herhangi sayıda” kümenin kesişimi istendiğinde indis kümesinin sonsuz olması sorun değildir; kesişim teoremi her indis kümesi için geçerlidir ([Teorem 6.2](lineer-donusumler-konveks-kumeler.md#thm-kesisim-konveks)).
- Bir eşitlik $\langle a, x \rangle = b$, iki eşitsizliğe ayrılır: $\langle a, x \rangle \le b$ ve $\langle -a, x \rangle \le -b$ ([Alıştırma 13.11](alistirmalar.md#exr-hiperduzlem-polihedral)).
- Koni olmak yalnız skalerle çarpmayla ilgilidir; koni sorularında konvekslik kullanılmaz ([Alıştırma 13.22](alistirmalar.md#exr-koni-korunum)).

## 14.3 Lineer ve Afin Dönüşümler

Bir dönüşümün lineer olup olmadığı çoğu zaman bileşenlere bakarak anlaşılır; matris de taban vektörlerinin görüntülerinden okunur ([Teorem 6.1](lineer-donusumler-konveks-kumeler.md#thm-lineer-matris)).

İpucuÜç adımda lineerlik ve matris

1.  **Hızlı ret.** $L(0) \ne 0$ ise $L$ lineer değildir ([Alıştırma 13.4](alistirmalar.md#exr-lineer-sifir)). Bileşenlerde $xy$, $x^2$ gibi ikinci dereceden bir terim varsa $L(2u) \ne 2L(u)$ olan bir $u$ ara.
2.  **Lineerlik.** Bileşenler birinci dereceden ve sabit terimsizse $L(\alpha u + \beta v) = \alpha L(u) + \beta L(v)$ eşitliğini yaz ([Tanım 6.1](lineer-donusumler-konveks-kumeler.md#def-lineer-donusum)).
3.  **Matris.** $j$. sütun $L(e_j)$’dir.

**Kısa yollar.** Sabit terim içeren bir dönüşüm afindir: $F(x) = L(x) + F(0)$ ([Teorem 7.5](konveksligin-korunmasi.md#thm-afin-yapisi)). Her lineer fonksiyonel bir iç çarpımdır, $L(x) = \langle a, x \rangle$ ve $a = \big( L(e_1), \dots, L(e_n) \big)$’dir; her lineer dönüşüm süreklidir ([Lemma 6.1](lineer-donusumler-konveks-kumeler.md#lem-lineer-surekli)).

**Örnek 14.1 (Üç Değişkenli Bir Dönüşümün Matrisi)** $L : \mathbb{R}^3 \to \mathbb{R}^2$, $L(x, y, z) = (x + 2z,\ y - z)$ dönüşümünün lineer olduğunu gösterip matrisini bulunuz.

Çözüm

**Lineerlik.** $u = (x_1, y_1, z_1)$, $v = (x_2, y_2, z_2)$ ve $\alpha, \beta \in \mathbb{R}$ olsun. Birinci bileşen $$(\alpha x_1 + \beta x_2) + 2(\alpha z_1 + \beta z_2) = \alpha(x_1 + 2z_1) + \beta(x_2 + 2z_2)$$ olur; ikinci bileşen için de aynı düzenleme yapılır. Dolayısıyla $L(\alpha u + \beta v) = \alpha L(u) + \beta L(v)$’dir.

**Matris.** Taban vektörlerinin görüntüleri $L(e_1) = (1, 0)$, $L(e_2) = (0, 1)$, $L(e_3) = (2, -1)$’dir. Bunlar sütun olarak yazılır: $$A = \begin{pmatrix} 1 & 0 & 2 \\ 0 & 1 & -1 \end{pmatrix}.$$

$\blacksquare$

## 14.4 Kapalılık ve Kompaktlık

Kapalılık için en kısa yol, kümeyi sürekli fonksiyonların $\{g \le 0\}$ ya da $\{g = 0\}$ biçimindeki kümelerinin kesişimi olarak yazmaktır; kompaktlık için buna sınırlılık eklenir ([Teorem 3.2](sinirlilik-kompaktlik-sureklilik.md#thm-heine-borel)).

İpucuÜç adımda kompaktlık

1.  **Kapalılık.** Her koşulu $g(x) \le 0$ biçiminde yaz; $g$ sürekliyse bu küme kapalıdır ve kapalı kümelerin kesişimi kapalıdır ([Önerme 2.2](acik-kapali-kumeler-diziler.md#prp-acik-kapali-islem)). Bir koşul kesin eşitsizlikse ($<$) kapalılık bozulabilir; o zaman sınırda bir limit noktası ara.
2.  **Sınırlılık.** Her bileşeni bir sabitle sınırla ve $\|x\| \le M$ yaz ([Tanım 3.1](sinirlilik-kompaktlik-sureklilik.md#def-sinirlilik)). Sınırsızlık için normu sonsuza giden bir dizi göster.
3.  **Karar.** Kapalı ve sınırlıysa kompakttır; biri eksikse değildir.

| İşlem | Sonuç | Dayanak |
|:---|:---|:---|
| Herhangi sayıda kapalı kümenin kesişimi | kapalı | [Önerme 2.2](acik-kapali-kumeler-diziler.md#prp-acik-kapali-islem) |
| Sonlu sayıda kapalı kümenin birleşimi | kapalı | [Önerme 2.2](acik-kapali-kumeler-diziler.md#prp-acik-kapali-islem) |
| $A$ ya da $B$ açık ise $A + B$ | açık | [Önerme 3.1](sinirlilik-kompaktlik-sureklilik.md#prp-toplam-topoloji) |
| $A$ kapalı, $B$ kompakt ise $A + B$ | kapalı | [Önerme 3.1](sinirlilik-kompaktlik-sureklilik.md#prp-toplam-topoloji) |
| $A$, $B$ yalnız kapalı ise $A + B$ | kapalı olmayabilir | [Alıştırma 13.6](alistirmalar.md#exr-kapali-toplam) |
| $C$ kompakt ise $\operatorname{conv}(C)$ | kompakt | [Teorem 8.4](konveks-ortu-caratheodory.md#thm-conv-kompakt) |
| Kompakt küme üzerinde sürekli $f$ | minimum ve maksimuma ulaşır | [Teorem 3.3](sinirlilik-kompaktlik-sureklilik.md#thm-weierstrass) |

Tablo 14.3: Kapalılık ve kompaktlık işlemleri

**Örnek 14.2 (Elips ile Yarı Düzlemin Kesişimi)** $$K = \{(x, y) \in \mathbb{R}^2 : x^2 + 4y^2 \le 4,\ y \ge x\}$$ kümesinin kompakt olduğunu gösteriniz.

Çözüm

**Kapalılık.** $g_1(x, y) = x^2 + 4y^2 - 4$ ve $g_2(x, y) = x - y$ süreklidir ve $K = \{g_1 \le 0\} \cap \{g_2 \le 0\}$’dır. İki kapalı kümenin kesişimi olduğundan $K$ kapalıdır.

**Sınırlılık.** $K$’da $x^2 \le 4$ ve $4y^2 \le 4$, yani $y^2 \le 1$’dir. Dolayısıyla $$\|(x, y)\|^2 = x^2 + y^2 \le 4 + 1 = 5$$ olur ve $K \subset \overline{B(0, \sqrt{5})}$’tir.

Kapalı ve sınırlı olduğundan [Teorem 3.2](sinirlilik-kompaktlik-sureklilik.md#thm-heine-borel) gereği $K$ kompakttır.

$\blacksquare$

## 14.5 Afin Kümeler, Boyut ve Hiperdüzlemler

Sonlu bir nokta kümesinin afin örtüsü, noktaların bütün afin kombinasyonlarıdır ([Teorem 4.2](afin-kumeler.md#thm-afin-ortu-kombinasyon)). Boyut ve denklem ise fark vektörlerinden okunur.

İpucuDört adımda afin örtü ve boyut

1.  **Fark vektörleri.** $v_1 - v_0, \dots, v_m - v_0$ vektörlerini yaz. Bunların gerdiği alt uzay $\operatorname{aff}\{v_0, \dots, v_m\}$’ye paraleldir ([Lemma 5.1](hiperduzlemler-afin-bagimsizlik.md#lem-paralel-span)).
2.  **Bağımsızlık.** Fark vektörleri lineer bağımsızsa noktalar afin bağımsızdır ([Teorem 5.3](hiperduzlemler-afin-bagimsizlik.md#thm-afin-bagimsizlik)) ve afin örtünün boyutu $m$’dir ([Sonuç 5.1](hiperduzlemler-afin-bagimsizlik.md#cor-afin-bagimsiz-boyut)).
3.  **Normal.** Boyut $n - 1$ ise afin örtü bir hiperdüzlemdir. Normal $a$, her fark vektörüne dik olan sıfırdan farklı vektördür: $\langle a, v_i - v_0 \rangle = 0$ sistemini çöz.
4.  **Sağ taraf.** $b = \langle a, v_0 \rangle$; sonuç $\{x : \langle a, x \rangle = b\}$ ([Teorem 5.1](hiperduzlemler-afin-bagimsizlik.md#thm-hiperduzlem-denklem)).

**Kısa yollar.**

- Bir afin kümeden bir noktası çıkarılırsa paralel alt uzay kalır: $L = A - x_0$ ([Teorem 4.3](afin-kumeler.md#thm-afin-oteleme)). Hiperdüzlemde bu, sağ tarafı $0$ yapmaktır.
- Normal vektör tek değildir; sıfırdan farklı her katı da normaldir, yeter ki $b$ de aynı sayıyla çarpılsın ([Tanım 5.5](hiperduzlemler-afin-bagimsizlik.md#def-normal-vektor)).
- $b = 0$ ise hiperdüzlem orijinden geçer ve bir lineer alt uzaydır ([Sonuç 4.2](afin-kumeler.md#cor-alt-uzay-orijin)).
- $\mathbb{R}$’de hiperdüzlemler noktalar, $\mathbb{R}^2$’de doğrular, $\mathbb{R}^3$’te düzlemlerdir ([Alıştırma 5.2](hiperduzlemler-afin-bagimsizlik.md#exr-hiperduzlemler)).

**Örnek 14.3 (Üç Noktanın Afin Örtüsü)** $v_0 = (1, 0, 1)$, $v_1 = (2, 1, 1)$, $v_2 = (0, 1, 3)$ noktalarının afin örtüsünü bir hiperdüzlem denklemiyle yazınız ve boyutunu belirleyiniz.

Çözüm

**Fark vektörleri.** $v_1 - v_0 = (1, 1, 0)$ ve $v_2 - v_0 = (-1, 1, 2)$’dir. Biri ötekinin katı olmadığından lineer bağımsızdırlar; noktalar afin bağımsızdır ve afin örtünün boyutu $2$’dir. $\mathbb{R}^3$’te boyutu $2$ olan afin küme bir hiperdüzlemdir.

**Normal.** $a = (a_1, a_2, a_3)$ için $$a_1 + a_2 = 0, \qquad -a_1 + a_2 + 2a_3 = 0$$ sistemi $a_2 = -a_1$ ve $a_3 = a_1$ verir. $a_1 = 1$ ile $a = (1, -1, 1)$ olur.

**Sağ taraf.** $b = \langle a, v_0 \rangle = 1 - 0 + 1 = 2$. Böylece $$\operatorname{aff}\{v_0, v_1, v_2\} = \{(x, y, z) : x - y + z = 2\}.$$ Denetim: $v_1$ için $2 - 1 + 1 = 2$, $v_2$ için $0 - 1 + 3 = 2$.

$\blacksquare$

## 14.6 Bir Kümenin Konveksliği

Konvekslik sorusunun en kısa çözümü, kümeyi konveks olduğu bilinen kümelerin kesişimi ya da onlardan konveksliği koruyan bir işlemle elde edilen küme olarak yazmaktır. Tanıma ancak bu yol tıkanırsa gidilir.

İpucuDört adımda kümenin konveksliği

1.  **Koşulları ayır.** Kümeyi tek tek koşulların kesişimi olarak yaz.
2.  **Her koşulu tanı.** Lineer koşul yarı uzay ya da hiperdüzlemdir ([Örnek 6.1](lineer-donusumler-konveks-kumeler.md#exm-konveks-ornekler)). $g(x) \le \alpha$ biçimindeki koşulda $g$ konveksse küme konvekstir ([Lemma 12.2](hessian-ve-subdiferansiyel.md#lem-seviye-konveks)).
3.  **Birleştir.** Konveks kümelerin kesişimi konvekstir ([Teorem 6.2](lineer-donusumler-konveks-kumeler.md#thm-kesisim-konveks)); işlemler için aşağıdaki tabloya bak.
4.  **Konveks değilse** kümede iki nokta seç ve orta noktalarının dışarıda kaldığını göster. Adaylar: simetrik iki nokta, iki ayrı parçadan birer nokta, sınırın “içe göçük” tarafındaki iki nokta.

| İşlem | Konveksliği korur mu | Dayanak |
|:---|:---|:---|
| Kesişim (herhangi sayıda) | evet | [Teorem 6.2](lineer-donusumler-konveks-kumeler.md#thm-kesisim-konveks) |
| Toplam $C_1 + C_2$, skaler kat $\alpha C$ | evet | [Teorem 7.1](konveksligin-korunmasi.md#thm-toplam-konveks), [Teorem 7.2](konveksligin-korunmasi.md#thm-skaler-konveks) |
| $\lambda_1 C_1 + \lambda_2 C_2$, özel olarak $C_1 - C_2$ | evet | [Sonuç 7.1](konveksligin-korunmasi.md#cor-lineer-birlesim) |
| Kartezyen çarpım | evet | [Teorem 7.3](konveksligin-korunmasi.md#thm-kartezyen-konveks) |
| Lineer ya da afin görüntü, ters görüntü | evet | [Teorem 7.4](konveksligin-korunmasi.md#thm-lineer-goruntu), [Alıştırma 7.1](konveksligin-korunmasi.md#exr-ters-goruntu), [Teorem 7.5](konveksligin-korunmasi.md#thm-afin-yapisi) |
| Kapanış ve iç | evet | [Teorem 7.6](konveksligin-korunmasi.md#thm-kapanis-konveks), [Teorem 7.7](konveksligin-korunmasi.md#thm-ic-konveks) |
| Birleşim | hayır | [Alıştırma 13.16](alistirmalar.md#exr-konveks-islemler) |
| Küme farkı $C_1 \setminus C_2$ | hayır | [Alıştırma 13.16](alistirmalar.md#exr-konveks-islemler) |

Tablo 14.4: Kümeler için konveksliği koruyan işlemler

| Küme                               | Konveks | Kapalı |      Koni      |
|:-----------------------------------|:-------:|:------:|:--------------:|
| Hiperdüzlem, kapalı yarı uzay      |  evet   |  evet  | $b = 0$ ise |
| Açık yarı uzay                     |  evet   | hayır  | $b = 0$ ise |
| Polihedral küme $\{Ax \le b\}$         |  evet   |  evet  | $b = 0$ ise |
| Kapalı yuvar $\overline{B(a, r)}$            |  evet   |  evet  |     hayır      |
| Negatif olmayan orthant $\{x \ge 0\}$ |  evet   |  evet  |      evet      |
| Pozitif orthant $\{x > 0\}$         |  evet   | hayır  |      evet      |
| $\{(x, t) : \|x\| \le t\}$                         |  evet   |  evet  |      evet      |
| $\{(x, y) : xy \ge 0\}$                         |  hayır  |  evet  |      evet      |
| $\{(x, y) : xy \ge 1\}$                         |  hayır  |  evet  |     hayır      |
| $\{(x, y) : x > 0,\ y \ge 1/x\}$                         |  evet   |  evet  |     hayır      |

Tablo 14.5: Standart kümelerin özellikleri

Tablodaki satırların gerekçeleri: [Örnek 6.1](lineer-donusumler-konveks-kumeler.md#exm-konveks-ornekler), [Tanım 11.1](koniler-ve-konveks-fonksiyonlar.md#def-koni), [Alıştırma 13.25](alistirmalar.md#exr-norm-konisi), [Örnek 11.1](koniler-ve-konveks-fonksiyonlar.md#exm-koni-mi), [Alıştırma 13.17](alistirmalar.md#exr-konveks-mi) ve [Alıştırma 13.5](alistirmalar.md#exr-hiperbol-bolgesi).

UyarıSık yapılan hatalar

- Seviye kümesinin yönü önemlidir: $g$ konveksse $\{g \le \alpha\}$ konvekstir, $\{g \ge \alpha\}$ genellikle değildir.
- Konvekslik ile kapalılık bağımsızdır. Açık bir yarı uzayla kesişen küme konveks kalır ama kapalı olmayabilir ([Alıştırma 13.15](alistirmalar.md#exr-kesisim-konveks-ornekler)).
- $C_1 - C_2$ yazılışı küme farkı değil, $C_1 + (-1)C_2$ toplamıdır.
- Boş küme ve tek nokta kümesi konvekstir.

**Örnek 14.4 (Disk ile Yarı Düzlemin Kesişimi)** $$C = \{(x, y) \in \mathbb{R}^2 : x^2 + y^2 \le 4,\ x + 2y \ge 1\}$$ kümesinin konveks olduğunu gösteriniz.

Çözüm

**Koşulları ayır.** $C = E \cap Y$ yazalım; burada $E = \{x^2 + y^2 \le 4\}$ ve $Y = \{x + 2y \ge 1\}$’dir.

**Her koşulu tanı.** $g(x, y) = x^2 + y^2$ konvekstir: Hessian’ı $\operatorname{diag}(2, 2)$ pozitif tanımlıdır. $E = L_g(4)$ olduğundan [Lemma 12.2](hessian-ve-subdiferansiyel.md#lem-seviye-konveks) gereği $E$ konvekstir. $Y$ ise $$Y = \{(x, y) : \langle (-1, -2), (x, y) \rangle \le -1\}$$ biçiminde bir kapalı yarı uzaydır.

**Birleştir.** İki konveks kümenin kesişimi olduğundan $C$ konvekstir ([Teorem 6.2](lineer-donusumler-konveks-kumeler.md#thm-kesisim-konveks)). İki küme de kapalı olduğundan $C$ ayrıca kapalıdır.

$\blacksquare$

**Örnek 14.5 (Parabolün Altındaki Bölge)** $D = \{(x, y) \in \mathbb{R}^2 : y \le x^2\}$ kümesinin konveks olmadığını gösteriniz.

Çözüm

$(-1, 1)$ ve $(1, 1)$ noktaları $D$’dedir, çünkü $1 \le (\mp 1)^2 = 1$’dir. Orta noktaları $(0, 1)$ için $1 \le 0^2$ yanlıştır; yani $(0, 1) \notin D$’dir. Bir doğru parçası kümeden çıktığından $D$ konveks değildir.

Karşılaştırma için $\{y \ge x^2\}$ kümesi $x^2$’nin grafiküstü kümesidir ve konvekstir ([Tanım 11.6](koniler-ve-konveks-fonksiyonlar.md#def-konveks-fonksiyon)); fark eşitsizliğin yönündedir.

$\blacksquare$

## 14.7 Göreli İç ve Konveks Örtü

İç ve göreli iç sorularında her şey $\operatorname{aff}(C)$’nin boyutuna bağlıdır; konveks örtü sorularında ise bir aday küme tahmin edilip iki kapsama gösterilir.

İpucuÜç adımda iç ve göreli iç

1.  **Afin örtü.** $\operatorname{aff}(C)$’yi ve $\dim(C)$’yi bul ([Tanım 6.7](lineer-donusumler-konveks-kumeler.md#def-konveks-boyut)).
2.  **Tam boyut.** $\dim(C) = n$ ise $\operatorname{ri}(C) = \operatorname{int}(C)$’dir ([Alıştırma 13.20](alistirmalar.md#exr-goreli-ic-ozellikler)).
3.  **Düşük boyut.** $\dim(C) < n$ ise $\operatorname{int}(C) = \varnothing$’dur. $\operatorname{ri}(C)$ için $C$’nin içine $\operatorname{aff}(C)$ içinden bak: sınırı at ([Tanım 7.2](konveksligin-korunmasi.md#def-goreli-ic)). Bir simplekste bu, bütün katsayıların kesin pozitif olduğu noktalardır.

İpucuÜç adımda konveks örtü

1.  **Aday.** $A$’yı kapsayan ve konveks olduğunu bildiğin bir $D$ kümesi tahmin et.
2.  **$\operatorname{conv}(A) \subseteq D$.** $D$ konveks ve $A \subseteq D$ ise bu kapsama kendiliğinden doğrudur, çünkü konveks örtü en küçük konveks kümedir ([Tanım 8.1](konveks-ortu-caratheodory.md#def-konveks-ortu)).
3.  **$D \subseteq \operatorname{conv}(A)$.** $D$’nin her noktasını $A$’nın noktalarının bir konveks kombinasyonu olarak yaz ([Teorem 8.2](konveks-ortu-caratheodory.md#thm-conv-esitlik)).

**Kısa yollar.** Daima $\operatorname{int}(C) \subseteq \operatorname{ri}(C) \subseteq C \subseteq \overline{C}$’dir. Konveks örtü eklenen tek bir noktaya bile çok duyarlıdır ([Alıştırma 13.21](alistirmalar.md#exr-hiperbol-konveks-ortu)). $A \subseteq B$ iken $\operatorname{ri}(A) \subseteq \operatorname{ri}(B)$ her zaman doğru değildir; afin örtüler aynıysa doğrudur ([Alıştırma 13.20](alistirmalar.md#exr-goreli-ic-ozellikler)).

**Örnek 14.6 (Uzaydaki Bir Üçgenin Göreli İçi)** $$C = \operatorname{conv}\{(1, 0, 0),\ (0, 1, 0),\ (0, 0, 1)\} \subset \mathbb{R}^3$$ kümesi için $\operatorname{int}(C)$ ve $\operatorname{ri}(C)$ kümelerini belirleyiniz.

Çözüm

**Afin örtü.** [Örnek 4.1](afin-kumeler.md#exm-afin-ortu-hesabi) gereği $\operatorname{aff}(C)$, $x + y + z = 1$ düzlemidir ve $\dim(C) = 2 < 3$’tür.

**İç.** Boyut $3$’ten küçük olduğundan $C$’nin her noktasının her komşuluğu düzlemin dışına taşar: $$\operatorname{int}(C) = \varnothing.$$

**Göreli iç.** Üç nokta afin bağımsızdır, yani $C$ bir $2$-simplekstir ([Tanım 9.3](radon-helly-teoremleri.md#def-simpleks)). Bir noktanın katsayıları tam olarak koordinatlarıdır: $$(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).$$ Göreli iç, katsayıların hepsinin kesin pozitif olduğu noktalardır: $$\operatorname{ri}(C) = \{(x, y, z) : x + y + z = 1,\ x, y, z > 0\}.$$ Kenarlardaki noktalarda bir koordinat sıfırdır ve bu noktalar göreli sınırdadır.

$\blacksquare$

**Örnek 14.7 (Parabolün Konveks Örtüsü)** $P = \{(t, t^2) : t \in \mathbb{R}\}$ parabolünün konveks örtüsünü belirleyiniz.

Çözüm

**Aday.** $D = \{(x, y) : y \ge x^2\}$ alalım. $D$, $x^2$ fonksiyonunun grafiküstü kümesidir; $x^2$ konveks olduğundan $D$ konvekstir ([Tanım 11.6](koniler-ve-konveks-fonksiyonlar.md#def-konveks-fonksiyon)). Ayrıca $P \subseteq D$’dir.

**$\operatorname{conv}(P) \subseteq D$.** Konveks örtü $P$’yi kapsayan en küçük konveks küme olduğundan bu kapsama doğrudur.

**$D \subseteq \operatorname{conv}(P)$.** $(x, y) \in D$ olsun. $y = x^2$ ise nokta zaten $P$’dedir. $y > x^2$ ise $s := \sqrt{y} > |x|$’tir ve $(-s, y)$, $(s, y)$ noktaları $P$’dedir. $\lambda := \dfrac{s + x}{2s} \in (0, 1)$ seçilirse $$(1 - \lambda)(-s, y) + \lambda (s, y) = \big( s(2\lambda - 1),\ y \big) = (x, y)$$ olur. Örneğin $\big( \tfrac{1}{2}, \tfrac{9}{4} \big)$ için $s = \tfrac{3}{2}$ ve $\lambda = \tfrac{2}{3}$’tür.

Sonuç olarak $\operatorname{conv}(P) = \{(x, y) : y \ge x^2\}$’dir.

$\blacksquare$

## 14.8 Carathéodory, Radon ve Helly

Üç teoremin de özü aynıdır: $\mathbb{R}^n$’de çok sayıda nokta afin bağımsız olamaz. Önce sayıları ezberlemek işe yarar.

| Teorem | $\mathbb{R}^n$’deki sayı | Söylediği | Dayanak |
|:---|:--:|:---|:---|
| Carathéodory | $n + 1$ | $\operatorname{conv}(A)$’nın her noktası en çok $n + 1$ noktanın konveks kombinasyonudur | [Teorem 8.3](konveks-ortu-caratheodory.md#thm-caratheodory) |
| Radon | $n + 2$ | $n + 2$ nokta, konveks örtüleri kesişen iki ayrık parçaya bölünür | [Teorem 9.1](radon-helly-teoremleri.md#thm-radon) |
| Helly | $n + 1$ | Her $n + 1$ tanesi kesişen sonlu konveks aile ortak bir noktaya sahiptir | [Teorem 9.2](radon-helly-teoremleri.md#thm-helly) |

Tablo 14.6: Boyuta bağlı üç sayı

İki hesabın ortak ilk adımı, hepsi sıfır olmayan ve $$\sum_{i} \alpha_i x_i = 0, \qquad \sum_{i} \alpha_i = 0$$ koşullarını sağlayan $\alpha_i$ sayılarını bulmaktır. Bu bir homojen lineer sistemdir.

İpucuÜç adımda Carathéodory indirgemesi

1.  $x = \sum \lambda_i x_i$ yazılışındaki noktalar için yukarıdaki $\alpha_i$’leri bul.
2.  $\alpha_i > 0$ olan indislerde $\lambda_i / \alpha_i$ oranlarının en küçüğünü $t_0$ al.
3.  Yeni katsayılar $\lambda_i - t_0 \alpha_i$’dir: hepsi $\ge 0$, toplamları $1$ ve en az biri $0$. Nokta sayısı bir azalır; gerekirse tekrarla.

İpucuÜç adımda Radon parçalanışı

1.  $n + 2$ nokta için yukarıdaki $\alpha_i$’leri bul.
2.  $C_1$: $\alpha_i \ge 0$ olan noktalar, $C_2$: $\alpha_i < 0$ olanlar. $\alpha := \sum_{\alpha_i \ge 0} \alpha_i$ olsun.
3.  Ortak nokta $\sum_{\alpha_i \ge 0} \dfrac{\alpha_i}{\alpha} x_i$’dir; aynı nokta $C_2$ tarafından da elde edilir.

**Örnek 14.8 (Karenin Merkezini İki Köşeyle Yazmak)** Merkez $x = (1, 1)$, karenin köşelerinin eşit ağırlıklı ortalamasıdır: $$x = \tfrac{1}{4}(0, 0) + \tfrac{1}{4}(2, 0) + \tfrac{1}{4}(2, 2) + \tfrac{1}{4}(0, 2).$$ Carathéodory indirgemesiyle $x$’i daha az köşenin konveks kombinasyonu olarak yazınız.

Çözüm

**Sistem.** $$\alpha_1(0, 0) + \alpha_2(2, 0) + \alpha_3(2, 2) + \alpha_4(0, 2) = 0$$ ve $\sum \alpha_i = 0$ olsun. Bileşenler $2\alpha_2 + 2\alpha_3 = 0$ ve $2\alpha_3 + 2\alpha_4 = 0$ verir; buradan $\alpha_2 = \alpha_4 = -\alpha_3$ ve toplam koşulundan $\alpha_1 = \alpha_3$ çıkar. $\alpha_3 = 1$ ile $$(\alpha_1, \alpha_2, \alpha_3, \alpha_4) = (1, -1, 1, -1).$$

**Oran.** Pozitif olanlar $\alpha_1$ ve $\alpha_3$’tür; oranlar $\tfrac{1/4}{1} = \tfrac{1}{4}$ ve $\tfrac{1}{4}$, dolayısıyla $t_0 = \tfrac{1}{4}$.

**Yeni katsayılar.** $\lambda_i - \tfrac{1}{4}\alpha_i$ değerleri $0, \tfrac{1}{2}, 0, \tfrac{1}{2}$’dir: $$x = \tfrac{1}{2}(2, 0) + \tfrac{1}{2}(0, 2) = (1, 1).$$ Teoremin izin verdiği $n + 1 = 3$ yerine iki köşe yetti; teorem yalnız bir üst sınır verir.

$\blacksquare$

**Örnek 14.9 (Dört Noktanın Radon Parçalanışı)** $\mathbb{R}^2$’de $x_1 = (0, 0)$, $x_2 = (2, 0)$, $x_3 = (2, 2)$, $x_4 = (0, 1)$ noktaları için bir Radon parçalanışı ve konveks örtülerin ortak bir noktasını bulunuz.

Çözüm

**Sistem.** Bileşenlerden $2\alpha_2 + 2\alpha_3 = 0$ ve $2\alpha_3 + \alpha_4 = 0$, yani $\alpha_2 = -\alpha_3$ ve $\alpha_4 = -2\alpha_3$ çıkar. Toplam koşulu $\alpha_1 - 2\alpha_3 = 0$ verir. $\alpha_3 = 1$ ile $$(\alpha_1, \alpha_2, \alpha_3, \alpha_4) = (2, -1, 1, -2).$$

**Parçalanış.** $C_1 = \{x_1, x_3\}$, $C_2 = \{x_2, x_4\}$ ve $\alpha = 2 + 1 = 3$’tür.

**Ortak nokta.** $$\tfrac{2}{3}(0, 0) + \tfrac{1}{3}(2, 2) = \big( \tfrac{2}{3}, \tfrac{2}{3} \big) = \tfrac{1}{3}(2, 0) + \tfrac{2}{3}(0, 1).$$ Geometrik olarak bu nokta, dörtgenin iki köşegeninin kesim noktasıdır ([Örnek 9.1](radon-helly-teoremleri.md#exm-radon-dort-nokta)).

$\blacksquare$

## 14.9 Koniler ve Dual Koniler

Koni sorusu tek bir koşulun, dual koni sorusu ise bir eşitsizlik ailesinin denetlenmesidir.

İpucuDört adımda koni ve dual koni

1.  **Koni.** $\lambda > 0$ ve $x \in K$ için $\lambda x \in K$ olduğunu göster ([Tanım 11.1](koniler-ve-konveks-fonksiyonlar.md#def-koni)). Koni orijini içermek zorunda değildir.
2.  **Konveks koni.** $\lambda_1, \lambda_2 > 0$ için $\lambda_1 x_1 + \lambda_2 x_2 \in K$ göster; normlu koşullarda üçgen eşitsizliği işi bitirir ([Teorem 11.1](koniler-ve-konveks-fonksiyonlar.md#thm-konveks-koni)).
3.  **Dual için üreteçler.** $K$’nın her elemanını birkaç $u_j$ vektörünün negatif olmayan katsayılı toplamı olarak yaz. İç çarpım lineer olduğundan $x^{*} \in K^{*}$ olması için her $j$’de $\langle u_j, x^{*} \rangle \ge 0$ olması gerek ve yeter ([Tanım 11.4](koniler-ve-konveks-fonksiyonlar.md#def-dual-koni)).
4.  **Eşitsizlikleri çöz.** Sonuç kapalı ve konveks bir koni çıkmalıdır ([Lemma 11.1](koniler-ve-konveks-fonksiyonlar.md#lem-dual-kapali-konveks)).

| $K$ | $K^{*}$ | Dayanak |
|:---|:---|:---|
| $\{0\}$ | $\mathbb{R}^n$ | [Alıştırma 13.28](alistirmalar.md#exr-dual-hesaplari) |
| $\mathbb{R}^n$ | $\{0\}$ | [Alıştırma 13.28](alistirmalar.md#exr-dual-hesaplari) |
| Negatif olmayan orthant $\{x \ge 0\}$ | kendisi (öz-dual) | [Örnek 11.2](koniler-ve-konveks-fonksiyonlar.md#exm-dual-orthant) |
| Pozitif orthant $\{x > 0\}$ | $\{x \ge 0\}$ | [Alıştırma 13.29](alistirmalar.md#exr-dual-kapsama) |
| Herhangi bir $K$ | $(\overline{K})^{*}$ | [Lemma 11.2](koniler-ve-konveks-fonksiyonlar.md#lem-dual-kapanis) |

Tablo 14.7: Standart dual koniler

**Kısa yollar.** Koni büyüdükçe duali küçülür. Dual her zaman $0$’ı içerir; bu yüzden açık bir koni dualini kapsayamaz ([Alıştırma 13.29](alistirmalar.md#exr-dual-kapsama)). $X$ konveks değilse $\operatorname{cone}(X)$ konveks olmayabilir ([Alıştırma 13.26](alistirmalar.md#exr-konik-ortu-konveks)).

**Örnek 14.10 (Bir Açının Dual Konisi)** $K = \{(x, y) \in \mathbb{R}^2 : 0 \le y \le x\}$ konisinin dual konisini bulunuz.

Çözüm

**Üreteçler.** $(x, y) \in K$ ise $$(x, y) = (x - y)(1, 0) + y(1, 1)$$ yazılır ve iki katsayı da negatif değildir. Ayrıca $(1, 0)$ ile $(1, 1)$ kümededir.

**Koşullar.** $(a, b) \in K^{*}$ için gereken, üreteçlerde iç çarpımın negatif olmamasıdır: $$\langle (1, 0), (a, b) \rangle = a \ge 0, \qquad \langle (1, 1), (a, b) \rangle = a + b \ge 0.$$ Bu iki koşul sağlanırsa her $(x, y) \in K$ için $$ax + by = (x - y)a + y(a + b) \ge 0$$ olur. Dolayısıyla $$K^{*} = \{(a, b) : a \ge 0,\ a + b \ge 0\}.$$ Bu, $(0, 1)$ ve $(1, -1)$ ışınları arasındaki kapalı açıdır; beklendiği gibi kapalı ve konveks bir konidir.

$\blacksquare$

## 14.10 Ayırma

“Ayrılabilir mi?” sorusunda önce aşağıdaki tablodan hangi teoremin varsayımlarının sağlandığına bakılır. “Ayıran hiperdüzlemi bulunuz” sorusunda ise en yakın nokta normal vektörü verir.

| Kümeler | Koşul | Sonuç | Dayanak |
|:---|:---|:---|:---|
| $x_0$ ve konveks $M$ | $x_0 \notin \overline{M}$ | kesin ayırma | [Teorem 10.3](ayrilabilme-teoremleri.md#thm-nokta-kesin-ayirma) |
| $x_0$ ve konveks $M$ | $x_0 \notin M$ | ayırma | [Teorem 10.4](ayrilabilme-teoremleri.md#thm-nokta-ayirma) |
| Konveks $M_1$, $M_2$ | ayrık | ayırma | [Teorem 10.5](ayrilabilme-teoremleri.md#thm-iki-kume-ayirma) |
| Kompakt konveks $M_1$, kapalı konveks $M_2$ | ayrık | kesin ayırma | [Teorem 10.6](ayrilabilme-teoremleri.md#thm-kesin-ayirma) |
| İki kapalı konveks küme, ikisi de sınırsız | ayrık | kesin olmayabilir | [Alıştırma 13.30](alistirmalar.md#exr-ayirma-ornekleri) |

Tablo 14.8: Ayırma teoremleri

İpucuDört adımda bir noktayı kümeden kesin ayırmak

1.  **En yakın nokta.** $\overline{M}$’nin $x_0$’a en yakın $y$ noktasını bul; kapalı konveks kümede vardır ve tektir ([Teorem 10.2](ayrilabilme-teoremleri.md#thm-en-yakin-varlik), [Teorem 10.1](ayrilabilme-teoremleri.md#thm-en-yakin-teklik)).
2.  **Normal.** $a = x_0 - y$; yalnız doğrultusu önemli olduğundan sadeleştirilebilir.
3.  **Sınırlar.** $\beta = \sup_{x \in M} \langle a, x \rangle$ ve $\langle a, x_0 \rangle$ sayılarını hesapla; $\beta < \langle a, x_0 \rangle$ çıkmalıdır.
4.  **Hiperdüzlem.** Aradaki her $b$ için $\{\langle a, x \rangle = b\}$ kesin ayırır; $b = \beta$ ise kümeye değer ve bir destek hiperdüzlemidir ([Tanım 10.2](ayrilabilme-teoremleri.md#def-destek-hiperduzlemi)).

**Örnek 14.11 (Bir Noktayı Üçgenden Ayırmak)** $$C = \{(x, y) : x \ge 0,\ y \ge 0,\ x + y \le 2\}$$ üçgensel bölgesi ile $x_0 = (3, 2)$ noktasını kesin ayıran bir hiperdüzlem bulunuz.

Çözüm

**En yakın nokta.** $x_0$’dan $x + y = 2$ doğrusuna inilen dikmenin ayağı $(3, 2) - t(1, 1)$ biçimindedir ve $5 - 2t = 2$ koşulu $t = \tfrac{3}{2}$ verir: $y = \big( \tfrac{3}{2}, \tfrac{1}{2} \big)$. İki bileşeni de negatif olmadığından $y \in C$’dir.

**Normal.** $a = x_0 - y = \big( \tfrac{3}{2}, \tfrac{3}{2} \big)$; doğrultusu yeterli olduğundan $a = (1, 1)$ alalım.

**Sınırlar.** Her $(x, y) \in C$ için $\langle a, (x, y) \rangle = x + y \le 2$, öte yandan $\langle a, x_0 \rangle = 5$’tir.

**Hiperdüzlem.** $b = \tfrac{7}{2}$ ve $\varepsilon_0 = \tfrac{3}{2}$ alınırsa her $(x, y) \in C$ için $$x + y \le 2 = b - \varepsilon_0, \qquad \langle a, x_0 \rangle = 5 \ge b$$ olur. [Tanım 10.4](ayrilabilme-teoremleri.md#def-kesin-ayirma) gereği $H = \{(x, y) : x + y = \tfrac{7}{2}\}$ doğrusu $C$ ile $\{x_0\}$’ı kesin ayırır. $2 < b < 5$ olan her $b$ aynı işi görür; $b = 2$ doğrusu ise $C$’nin bir kenarını içerir ve destek hiperdüzlemidir.

$\blacksquare$

UyarıSık yapılan hatalar

- Kesin ayırma için kapalılık ve ayrıklık yetmez; kümelerden biri kompakt olmalıdır. Uzaklığı sıfıra giden noktalar varsa kesin ayırma yoktur ([Alıştırma 13.30](alistirmalar.md#exr-ayirma-ornekleri)).
- Ayırma tanımında $a \ne 0$ şarttır; $a = 0$ ile her eşitsizlik boş yere sağlanır.
- $\mathbb{R}$’de hiperdüzlem bir noktadır; “ayıran doğru” aranmaz.

## 14.11 Konveks Fonksiyon mu?

Fonksiyonun konveksliği için en kısa yol, onu bilinen konveks fonksiyonlardan konveksliği koruyan işlemlerle kurmaktır. Bu yol tıkanırsa tek değişkende $f''$, çok değişkende Hessian kullanılır ([Bölüm 14.12](#sec-ozt-hessian)).

İpucuDört adımda yöntem seçimi

1.  **Yapıya bak.** Fonksiyon bir maksimum, negatif olmayan katsayılı toplam ya da artan konveks bir fonksiyonla bileşke mi? Öyleyse aşağıdaki işlem tablosunu uygula.
2.  **Tek değişken.** $f''(x) \ge 0$ ise konvekstir; $f'$ azalmayansa da aynı sonuç çıkar ([Alıştırma 13.47](alistirmalar.md#exr-parcali-subdiferansiyel)).
3.  **İki kez türevlenebilir, çok değişken.** Hessian reçetesine geç ([Teorem 12.1](hessian-ve-subdiferansiyel.md#thm-hessian)).
4.  **Konveks değilse** bir doğru seç ve $g(t) = f(x + td)$ için kirişin grafiğin altına düştüğü iki nokta göster ([Teorem 11.2](koniler-ve-konveks-fonksiyonlar.md#thm-kiris)).

| İşlem | Sonuç | Dayanak |
|:---|:---|:---|
| $\alpha_i \ge 0$ ile $\sum \alpha_i f_i$ | konveks | [Teorem 11.5](koniler-ve-konveks-fonksiyonlar.md#thm-pozitif-kombinasyon) |
| $\sup_{i} f_i$, özel olarak $\max\{f_1, f_2\}$ | konveks | [Teorem 11.3](koniler-ve-konveks-fonksiyonlar.md#thm-supremum-konveks) |
| Konkav fonksiyonların infimumu | konkav | [Teorem 11.3](koniler-ve-konveks-fonksiyonlar.md#thm-supremum-konveks) |
| $T$ artan ve konveks, $f$ konveks: $T \circ f$ | konveks | [Alıştırma 13.34](alistirmalar.md#exr-bileske-konveks) |
| $T$ azalan ise $T \circ f$ | konveks olmayabilir | [Alıştırma 13.34](alistirmalar.md#exr-bileske-konveks) |
| Çarpım $f \cdot g$ | konveks olmayabilir | [Alıştırma 13.35](alistirmalar.md#exr-carpim-konveks) |
| $-f$ | konkav | [Tanım 11.6](koniler-ve-konveks-fonksiyonlar.md#def-konveks-fonksiyon) |

Tablo 14.9: Fonksiyonlar için konveksliği koruyan işlemler

| $f$ | Küme | Konveks | Kesin konveks | Dayanak |
|:---|:---|:--:|:--:|:---|
| $\langle a, x \rangle + b$ | $\mathbb{R}^n$ | evet (konkav da) | hayır | [Alıştırma 13.32](alistirmalar.md#exr-afin-fonksiyon) |
| $\|x\|$ | $\mathbb{R}^n$ | evet | hayır | [Örnek 11.3](koniler-ve-konveks-fonksiyonlar.md#exm-norm-konveks) |
| $\|x\|^p$, $p \ge 1$ | $\mathbb{R}^n$ | evet | $p = 2$ için evet | [Alıştırma 13.34](alistirmalar.md#exr-bileske-konveks) |
| $e^{\alpha x}$ | $\mathbb{R}$ | evet | $\alpha \ne 0$ ise | [Alıştırma 13.36](alistirmalar.md#exr-tek-degiskenli-konvekslik) |
| $-\ln x$, $-\sqrt{x}$ | $x > 0$ | evet | evet | [Alıştırma 13.37](alistirmalar.md#exr-konkav-mi) |
| $x^2 / y$ | $y > 0$ | evet | hayır | [Alıştırma 13.41](alistirmalar.md#exr-kuadratik-bolu-lineer) |
| $\ln(e^x + e^y)$ | $\mathbb{R}^2$ | evet | hayır | [Alıştırma 13.42](alistirmalar.md#exr-log-toplam-ustel) |
| $\rho(A, x)$, $A$ konveks | $\mathbb{R}^n$ | evet |  | [Alıştırma 13.38](alistirmalar.md#exr-uzaklik-fonksiyonu) |
| $S(x, A)$, destek fonksiyonu | $\mathbb{R}^n$ | evet |  | [Tanım 12.8](hessian-ve-subdiferansiyel.md#def-destek-fonksiyonu) |
| $\delta(x, A)$, $A$ konveks | $\mathbb{R}^n$ | evet |  | [Tanım 12.9](hessian-ve-subdiferansiyel.md#def-indikator) |
| $x^3$ | $\mathbb{R}$ | hayır (kuazikonveks) |  | [Tanım 12.4](hessian-ve-subdiferansiyel.md#def-kuazikonveks) |
| $x e^y + y e^x$ | $\mathbb{R}^2$ | hayır |  | [Alıştırma 13.43](alistirmalar.md#exr-ustel-carpim) |

Tablo 14.10: Standart fonksiyonlar

**Kısa yollar.**

- Kesin konveks fonksiyonun en fazla bir minimum noktası vardır ([Önerme 11.1](koniler-ve-konveks-fonksiyonlar.md#prp-kesin-minimum)).
- Konveks fonksiyonun seviye kümeleri konvekstir, tersi doğru değildir: $x^3$ ([Lemma 12.2](hessian-ve-subdiferansiyel.md#lem-seviye-konveks), [Tanım 12.4](hessian-ve-subdiferansiyel.md#def-kuazikonveks)).
- $+\infty$ değeri alan fonksiyonda kiriş eşitsizliği yalnız $\operatorname{dom}(f)$ içindeki noktalar için denetlenir; bir uç dışarıdaysa sağ taraf $+\infty$’dur ([Alıştırma 13.36](alistirmalar.md#exr-tek-degiskenli-konvekslik)).

**Örnek 14.12 (Maksimum ve Üstelden Kurulan Bir Fonksiyon)** $f(x) = \max\{x^2,\ 2 - x\} + 3e^{-x}$ fonksiyonunun $\mathbb{R}$ üzerinde konveks olduğunu gösteriniz.

Çözüm

**Parçalar.** $x^2$ konvekstir, çünkü ikinci türevi $2 \ge 0$’dır. $2 - x$ afindir, dolayısıyla konvekstir ([Alıştırma 13.32](alistirmalar.md#exr-afin-fonksiyon)). $e^{-x}$, $\alpha = -1$ için $e^{\alpha x}$ ailesindendir ve konvekstir ([Alıştırma 13.36](alistirmalar.md#exr-tek-degiskenli-konvekslik)).

**Maksimum.** $\max\{x^2, 2 - x\}$, iki konveks fonksiyonun noktasal maksimumudur ve [Teorem 11.3](koniler-ve-konveks-fonksiyonlar.md#thm-supremum-konveks) gereği konvekstir. Kırılma noktalarında türev aramaya gerek yoktur.

**Toplam.** $f = 1 \cdot \max\{x^2, 2 - x\} + 3 \cdot e^{-x}$ katsayıları negatif olmayan bir toplamdır; [Teorem 11.5](koniler-ve-konveks-fonksiyonlar.md#thm-pozitif-kombinasyon) gereği $f$ konvekstir.

$\blacksquare$

## 14.12 Hessian ve Esas Minörler

Açık konveks bir kümede iki kez sürekli türevlenebilir $f$ için konvekslik, Hessian’ın her noktada pozitif yarı-tanımlı olmasına denktir; pozitif tanımlılık ise kesin konveksliği getirir ([Teorem 12.1](hessian-ve-subdiferansiyel.md#thm-hessian)). Hangi minörlere bakılacağı sorunun ne istediğine bağlıdır.

| Aranan | Koşul | Bakılacak minörler | Sayı |
|:---|:---|:---|:--:|
| Kesin konveks (yeter koşul) | hepsi $> 0$ | öncü esas minörler $\Delta_1, \dots, \Delta_n$ | $n$ |
| Konveks (gerek ve yeter) | hepsi $\ge 0$ | bütün esas minörler | $2^n - 1$ |
| Konveks değil | bir esas minör $< 0$ (bir noktada bile) | herhangi biri | $1$ |

Tablo 14.11: Hessian kriterinde minör seçimi

$2 \times 2$ ve $3 \times 3$ simetrik matrislerde bütün esas minörler ([Tanım 12.2](hessian-ve-subdiferansiyel.md#def-esas-minor)):

| Matris | Öncü esas minörler | Bütün esas minörler |
|:--:|:---|:---|
| $\begin{pmatrix} a & b \\ b & c \end{pmatrix}$ | $a$, $ac - b^2$ | $a$, $c$, $ac - b^2$ |
| $\begin{pmatrix} a & b & c \\ b & d & e \\ c & e & f \end{pmatrix}$ | $a$, $ad - b^2$, $\det$ | $a$, $d$, $f$, $ad - b^2$, $af - c^2$, $df - e^2$, $\det$ |

Tablo 14.12: Küçük matrislerde esas minörler

İpucuBeş adımda Hessian ile konvekslik

1.  **Küme.** Tanım kümesinin açık ve konveks olduğunu not et.
2.  **Hessian.** Birinci, sonra ikinci kısmi türevleri hesapla; $H(x)$’i yaz. Kuadratik formda $H$ sabittir.
3.  **Hızlı ret.** Köşegende negatif bir eleman ya da negatif bir $2 \times 2$ esas minör varsa (o noktada) konveks değildir. Tek bir noktada bozulma yeter.
4.  **Kesin konvekslik.** $\Delta_1, \dots, \Delta_n$ her noktada $> 0$ ise kesin konvekstir ([Lemma 12.1](hessian-ve-subdiferansiyel.md#lem-sylvester)); dur.
5.  **Konvekslik.** Öncü minörlerden biri $0$ ise bütün esas minörleri denetle. Hepsi $\ge 0$ ise konvekstir; kesin konveks olmadığını göstermek için $\langle d, Hd \rangle = 0$ olan bir $d \ne 0$ bul ve $f$’nin o doğrultuda doğrusal olduğunu göster.

**Kısa yollar.**

- Doğrusal terimler ve sabitler Hessian’a girmez; afin bir ek konveksliği değiştirmez.
- Hessian bir değişkene bağlıysa sonuç bölgeye bağlıdır: minörlerin işaret koşullarını eşitsizlik olarak çöz ([Alıştırma 13.44](alistirmalar.md#exr-yarim-duzlemde-konveks)).
- Determinantı her yerde $0$ olan Hessian, fonksiyonun bir doğrultuda doğrusal olduğunu sezdirir; pozitif homojen fonksiyonlar böyledir ([Alıştırma 13.41](alistirmalar.md#exr-kuadratik-bolu-lineer)).
- Konkavlık için aynı reçete $-f$’ye uygulanır.

UyarıSık yapılan hatalar

- Konveksliğe öncü minörlerle karar vermek. $\begin{pmatrix} 0 & 0 \\ 0 & -1 \end{pmatrix}$ matrisinde öncü minörler $0, 0$’dır ama $-1$ esas minörü negatiftir.
- “$\Delta_2 = 0$, demek ki konveks değil” demek. Bu yalnız kesin konveksliğin bu yoldan çıkmadığını söyler ([Alıştırma 13.40](alistirmalar.md#exr-konveks-ama-kesin-degil)).
- “Pozitif tanımlı değil, demek ki kesin konveks değil” demek. $x^4$ kesin konvekstir ama $f''(0) = 0$’dır.
- Sonucu kümeyi söylemeden yazmak: konvekslik hangi küme üzerinde sorulduğuna bağlıdır.

**Örnek 14.13 (Kesin Konveks Bir Kuadratik Form)** $$f(x, y, z) = 2x^2 + y^2 + 3z^2 + 2xy - 2yz$$ fonksiyonunun $\mathbb{R}^3$ üzerinde konveksliğini inceleyiniz.

Çözüm

**Hessian.** Birinci türevler $f_x = 4x + 2y$, $f_y = 2x + 2y - 2z$, $f_z = -2y + 6z$’dir. Buradan $$H = \begin{pmatrix} 4 & 2 & 0 \\ 2 & 2 & -2 \\ 0 & -2 & 6 \end{pmatrix}$$ bulunur ve $H$ sabittir.

**Öncü minörler.** $$\Delta_1 = 4, \qquad \Delta_2 = 4 \cdot 2 - 2^2 = 4,$$ $$\Delta_3 = 4(12 - 4) - 2(12 - 0) + 0 = 32 - 24 = 8.$$

Üçü de pozitif olduğundan $H$ pozitif tanımlıdır ([Lemma 12.1](hessian-ve-subdiferansiyel.md#lem-sylvester)) ve [Teorem 12.1](hessian-ve-subdiferansiyel.md#thm-hessian) gereği $f$, $\mathbb{R}^3$ üzerinde kesin konvekstir.

$\blacksquare$

**Örnek 14.14 (Konveksliğin Bir Yarı Düzlemde Kaldığı Fonksiyon)** $f(x, y) = x^3 + 3xy + 3y^2$ fonksiyonunun Hessian’ının pozitif yarı-tanımlı olduğu bölgeyi bulunuz ve $f$’nin $\mathbb{R}^2$ üzerinde konveks olup olmadığını belirleyiniz.

Çözüm

**Hessian.** $f_x = 3x^2 + 3y$ ve $f_y = 3x + 6y$ olduğundan $$H(x, y) = \begin{pmatrix} 6x & 3 \\ 3 & 6 \end{pmatrix}.$$

**Esas minörler.** $6x$, $6$ ve $\det H = 36x - 9$. Hepsinin negatif olmaması için $$6x \ge 0, \qquad 36x - 9 \ge 0 \iff x \ge \tfrac{1}{4}$$ gerekir; ikisi birlikte $x \ge \tfrac{1}{4}$ verir.

**Karar.** $x > \tfrac{1}{4}$ olan açık yarı düzlemde $\Delta_1 = 6x > 0$ ve $\Delta_2 = 36x - 9 > 0$ olduğundan $f$ orada kesin konvekstir; süreklilikle $x \ge \tfrac{1}{4}$ kapalı yarı düzleminde konvekstir. Örneğin orijinde $\det H(0, 0) = -9 < 0$ olduğundan $f$, $\mathbb{R}^2$ üzerinde konveks değildir.

$\blacksquare$

**Örnek 14.15 (Konveks Ama Kesin Konveks Olmayan Bir Kare)** $f(x, y) = (x + 2y)^2$ fonksiyonunun $\mathbb{R}^2$ üzerinde konveks, kesin konveks ya da konveks olmayan bir fonksiyon olduğunu belirleyiniz.

Çözüm

**Hessian.** $f = x^2 + 4xy + 4y^2$, $f_x = 2x + 4y$, $f_y = 4x + 8y$ olduğundan $$H = \begin{pmatrix} 2 & 4 \\ 4 & 8 \end{pmatrix}.$$

**Sylvester denenir.** $\Delta_1 = 2 > 0$ ama $\Delta_2 = 16 - 16 = 0$; [Lemma 12.1](hessian-ve-subdiferansiyel.md#lem-sylvester) uygulanmaz.

**Bütün esas minörler.** $2 \ge 0$, $8 \ge 0$, $\det H = 0 \ge 0$. Hessian pozitif yarı-tanımlıdır ve $f$ konvekstir.

**Kesin değil.** $d = (2, -1)$ için $Hd = (4 - 4,\ 8 - 8) = (0, 0)$, yani $\langle d, Hd \rangle = 0$’dır. Nitekim $f(2t, -t) = (2t - 2t)^2 = 0$; $f$ bu doğru boyunca sabittir ve kiriş grafiğe oturur.

**Sonuç:** $f$ konvekstir, kesin konveks değildir.

$\blacksquare$

## 14.13 Yönlü Türev ve Subdiferansiyel

Türevin olmadığı noktalarda subgradient onun yerini alır ([Tanım 12.6](hessian-ve-subdiferansiyel.md#def-subgradient)). Tek değişkende subdiferansiyel, tek yanlı türevlerin arasındaki kapalı aralıktır: $$\partial f(x_0) = \big[ f'_{-}(x_0),\ f'_{+}(x_0) \big]$$ ([Alıştırma 13.45](alistirmalar.md#exr-tek-yanli-turevler)).

İpucuDört adımda tek değişkenli subdiferansiyel

1.  **Parçalı yaz.** Maksimum ya da mutlak değer varsa fonksiyonu parçalı yaz; parçaların eşitlendiği kırılma noktalarını bul ([Alıştırma 13.48](alistirmalar.md#exr-maksimum-subdiferansiyel)).
2.  **Konvekslik.** Fonksiyonun konveks olduğunu işlemlerle ya da türevin azalmayan olmasıyla göster.
3.  **Tek yanlı türevler.** $x_0$’ın solundaki parçanın türevi $f'_{-}(x_0)$, sağındakinin türevi $f'_{+}(x_0)$’dır.
4.  **Sonuç.** $\partial f(x_0) = [f'_{-}(x_0), f'_{+}(x_0)]$. Türevlenebilir noktada bu tek noktalı $\{f'(x_0)\}$ kümesidir.

| $f$ | Nokta | $\partial f$ | Dayanak |
|:---|:--:|:--:|:---|
| $\lvert x \rvert$ | $0$ | $[-1, 1]$ | [Örnek 12.4](hessian-ve-subdiferansiyel.md#exm-subdiferansiyel-mutlak) |
| $\lvert x \rvert$ | $x > 0$ | $\{1\}$ | [Örnek 12.4](hessian-ve-subdiferansiyel.md#exm-subdiferansiyel-mutlak) |
| $\lvert x \rvert$ | $x < 0$ | $\{-1\}$ | [Örnek 12.4](hessian-ve-subdiferansiyel.md#exm-subdiferansiyel-mutlak) |
| $\max\{f_1, f_2\}$, $f_1(x_0) = f_2(x_0)$ | $x_0$ | $\operatorname{conv}\{f_1'(x_0), f_2'(x_0)\}$ | [Alıştırma 13.48](alistirmalar.md#exr-maksimum-subdiferansiyel) |
| Türevlenebilir konveks $f$ | $x_0$ | $\{f'(x_0)\}$ | [Alıştırma 13.45](alistirmalar.md#exr-tek-yanli-turevler) |

Tablo 14.13: Tek değişkende subdiferansiyel

**Yönlü türev.** $f'(x_0; d)$ için $f(x_0 + \lambda d)$ açılır, $f(x_0)$ çıkarılır, $\lambda$’ya bölünür ve $\lambda \downarrow 0$ limiti alınır ([Tanım 12.5](hessian-ve-subdiferansiyel.md#def-yonlu-turev)). Limit yalnız sağdandır. Tek değişkende $f'(x_0; 1) = f'_{+}(x_0)$ ve $f'(x_0; -1) = -f'_{-}(x_0)$’dır.

**Kısa yollar.**

- Her $g \in \partial f(x_0)$ için $f'(x_0; d) \ge \langle g, d \rangle$’dir ([Alıştırma 13.46](alistirmalar.md#exr-subgradient-yonlu-turev)); bu, hesaplanan bir yönlü türevi denetlemenin hızlı yoludur.
- Bir $x^{*}$’ın subgradient olduğunu göstermek için $f(x) - f(x_0) - \langle x^{*}, x - x_0 \rangle$ farkını bir tam kare ya da mutlak değer farkı gibi açıkça negatif olmayan bir ifadeye getirmek çoğu zaman yeter.
- Tanımdan subdiferansiyel hesaplarken negatif sayıya bölünen eşitsizliğin yön değiştirdiği unutulmamalıdır.

**Örnek 14.16 (Bir Maksimum Fonksiyonunun Kırılma Noktası)** $f(x) = \max\{x^2,\ 2x\}$ fonksiyonu için $\partial f(2)$ kümesini belirleyiniz.

Çözüm

**Parçalı yaz.** $x^2 - 2x = x(x - 2)$ farkı $x < 0$ ve $x > 2$ için pozitif, $0 < x < 2$ için negatiftir. Dolayısıyla $$f(x) = \begin{cases} x^2, & x \le 0 \\ 2x, & 0 < x \le 2 \\ x^2, & x > 2. \end{cases}$$

**Konvekslik.** İki konveks fonksiyonun maksimumu olduğundan $f$ konvekstir ([Teorem 11.3](koniler-ve-konveks-fonksiyonlar.md#thm-supremum-konveks)).

**Tek yanlı türevler.** $x_0 = 2$’nin solunda $f = 2x$ olduğundan $f'_{-}(2) = 2$; sağında $f = x^2$ olduğundan $f'_{+}(2) = 2 \cdot 2 = 4$.

**Sonuç.** $$\partial f(2) = [2, 4].$$ Aynı yolla diğer kırılma noktasında $\partial f(0) = [0, 2]$ bulunur.

$\blacksquare$

**Örnek 14.17 (Mutlak Değer İçeren Bir Yönlü Türev)** $f(x, y) = |x| + y^2$ fonksiyonunun $x_0 = (0, 1)$ noktasındaki $d = (-3, 2)$ yönündeki yönlü türevini hesaplayınız.

Çözüm

**Nokta.** $x_0 + \lambda d = (-3\lambda,\ 1 + 2\lambda)$ ve $f(x_0) = 0 + 1 = 1$’dir. $\lambda > 0$ için $$f(x_0 + \lambda d) = 3\lambda + (1 + 2\lambda)^2 = 1 + 7\lambda + 4\lambda^2.$$

**Limit.** $$f'(x_0; d) = \lim_{\lambda \downarrow 0} \frac{7\lambda + 4\lambda^2}{\lambda} = \lim_{\lambda \downarrow 0} (7 + 4\lambda) = 7.$$

**Denetim.** $g = (1, 2)$ bir subgradienttir, çünkü $$f(x, y) - 1 - \big( x + 2(y - 1) \big) = \big( |x| - x \big) + (y - 1)^2 \ge 0.$$ Gerçekten $\langle g, d \rangle = -3 + 4 = 1 \le 7$’dir ([Alıştırma 13.46](alistirmalar.md#exr-subgradient-yonlu-turev)).

$\blacksquare$

## 14.14 Standart Ters Örnekler

“Doğru mudur?” diye soran bir iddia yanlışsa tek bir ters örnek yeter. Aşağıdaki örnekler bu derste en sık işe yarayanlardır.

| Yanlış iddia | Ters örnek | Dayanak |
|:---|:---|:---|
| Konveks kümelerin birleşimi konvekstir | $[0, 1] \cup [2, 3]$ | [Alıştırma 13.16](alistirmalar.md#exr-konveks-islemler) |
| Kapalı iki kümenin toplamı kapalıdır | $x$-ekseni ile $\{(s, 1/s) : s > 0\}$; toplam açık üst yarı düzlem | [Alıştırma 13.6](alistirmalar.md#exr-kapali-toplam) |
| Afin iki kümenin birleşimi afindir | İki koordinat ekseni | [Alıştırma 13.7](alistirmalar.md#exr-afin-islemler) |
| $A \subseteq B \Rightarrow \operatorname{ri}(A) \subseteq \operatorname{ri}(B)$ | $\{(1, 0)\}$ ve kapalı birim yuvar | [Alıştırma 13.20](alistirmalar.md#exr-goreli-ic-ozellikler) |
| Koni konvekstir | $\{(x, y) : xy \ge 0\}$ | [Örnek 11.1](koniler-ve-konveks-fonksiyonlar.md#exm-koni-mi) |
| Bir koni kendi dualini kapsar | $\{x > 0,\ y > 0\}$; dual kapalı orthanttır | [Alıştırma 13.29](alistirmalar.md#exr-dual-kapsama) |
| Ayrık kapalı konveks kümeler kesin ayrılır | $y \ge 1/x$ ($x > 0$) ile $y \le 0$ | [Alıştırma 13.30](alistirmalar.md#exr-ayirma-ornekleri) |
| Konveks iki fonksiyonun çarpımı konvekstir | $x \cdot (-x) = -x^2$ | [Alıştırma 13.35](alistirmalar.md#exr-carpim-konveks) |
| Konveks fonksiyonla her konveks bileşke konvekstir | $T(t) = -t$, $f(x) = x^2$ | [Alıştırma 13.34](alistirmalar.md#exr-bileske-konveks) |
| Seviye kümeleri konveks olan fonksiyon konvekstir | $x^3$ | [Tanım 12.4](hessian-ve-subdiferansiyel.md#def-kuazikonveks) |
| Kesin konveks fonksiyonun Hessian’ı pozitif tanımlıdır | $x^4$, $x = 0$ | [Teorem 12.1](hessian-ve-subdiferansiyel.md#thm-hessian) |
| $\rho(A, \cdot)$ her $A$ için konvekstir | $A = \{-1, 1\}$, $x = 0$ | [Alıştırma 13.38](alistirmalar.md#exr-uzaklik-fonksiyonu) |
| $\operatorname{cone}(X)$ her $X$ için konvekstir | $X = \{(1, 0), (0, 1)\}$ | [Alıştırma 13.26](alistirmalar.md#exr-konik-ortu-konveks) |

Tablo 14.14: Standart ters örnekler

## 14.15 Son Kontrol Listesi

Bir çözümü bitirmeden önce şu soruları sor:

1.  Konveksliği hangi küme üzerinde sorulduğunu yazarak mı söyledin?
2.  Seviye kümesinde eşitsizliğin yönü ($g \le \alpha$) doğru mu, $g$ gerçekten konveks mi?
3.  Kapalılık için kesin eşitsizlikleri ($<$) ayrıca düşündün mü? Kompaktlık için sınırlılığı da gösterdin mi?
4.  Göreli içte önce $\operatorname{aff}(C)$’yi buldun mu? Boyut $n$’den küçükse iç boştur.
5.  Dual konide sonucun kapalı ve konveks bir koni çıktığını, $0$’ı içerdiğini denetledin mi?
6.  Ayırmada $a \ne 0$ mı? Kesin ayırma için kümelerden birinin kompakt olduğuna ya da $\varepsilon_0 > 0$ boşluğunu açıkça gösterdiğine baktın mı?
7.  Hessian’da konveksliğe öncü minörlerle değil, bütün esas minörlerle mi karar verdin? Kesin konveks olmadığını ayrı bir doğrultuyla gösterdin mi?
8.  Subdiferansiyelde fonksiyonun konveks olduğunu önce gösterdin mi? Tek yanlı türevleri doğru parçalardan aldın mı?
9.  Bir iddia yanlışsa ters örneğin varsayımların hepsini sağladığını kontrol ettin mi?

Kuralların gerekçeleri ve daha fazla çözümlü problem için [Alıştırmalar ve Problemler](./alistirmalar.md) bölümüne, ders içeriğinin tamamı için [Müfredat ve Giriş](./index.md) sayfasına dönebilirsin.
