下水平集

下水平集 (Lower Level Set)

下水平集（Lower Level Set）是数学、最优化理论和经济学中分析函数几何特性的基本工具。给定定义在集合 $S$ 上的实值函数 $f: S \to \mathbb{R}$ 和实数 $\alpha$，其 $\alpha$-下水平集定义为：

即定义域中所有函数值不超过 $\alpha$ 的点的集合。相关概念包括严格下水平集（$f(x) < \alpha$）、上水平集（$f(x) \ge \alpha$）和水平集（$f(x) = \alpha$）。

直观理解

以地形图为例：将定义域视为地图平面，函数值 $f(x)$ 视为海拔高度。选择某一海拔 $\alpha$，则 $\alpha$-下水平集对应地图上所有海拔不高于 $\alpha$ 的区域——即水平面上升至 $\alpha$ 时被淹没的陆地。这一类比清晰地揭示了下水平集作为"阈值以下区域"的几何含义。

数学示例

一维抛物线：考虑 $f(x) = x^2$，定义域为 $\mathbb{R}$。取 $\alpha = 4$ 时，$L_4 = \{x \mid x^2 \le 4\} = [-2, 2]$，即闭区间。取 $\alpha = 0$ 时，$L_0 = \{0\}$，仅含原点。取 $\alpha = -1$ 时，由于平方非负，$L_{-1} = \emptyset$。

二维抛物面：$f(x_1, x_2) = x_1^2 + x_2^2$，$\alpha = 1$ 时下水平集为以原点为中心、半径为1的闭圆盘 $\{(x_1, x_2) \mid x_1^2 + x_2^2 \le 1\}$。

与凸性的关系

下水平集是连接凸函数与凸集的桥梁。函数 $f$ 是拟凸函数当且仅当其所有下水平集都是凸集。由于凸函数必然是拟凸函数，因此凸函数的所有下水平集均为凸集。这一性质提供了判断函数凸性的几何方法：若存在某个下水平集非凸，则函数一定不是凸函数——例如具有多个局部极小值的函数。

证明思路：若 $f$ 是凸函数且 $x, y \in L_\alpha$（即 $f(x) \le \alpha$，$f(y) \le \alpha$），则对任意 $\theta \in [0, 1]$，由凸函数定义有 $f(\theta x + (1-\theta)y) \le \theta f(x) + (1-\theta)f(y) \le \theta \alpha + (1-\theta)\alpha = \alpha$，故 $\theta x + (1-\theta)y \in L_\alpha$，即 $L_\alpha$ 为凸集。

在最优化中的应用

定义可行集：在约束优化中，不等式约束 $f_i(x) \le 0$ 定义了函数 $f_i$ 的 $0$-下水平集，各约束对应的可行域正是这些下水平集的交集。若所有 $f_i$ 均为凸函数，则可行域为凸集——这是凸优化问题的标志性特征，保证任何局部最优解即全局最优解，大大简化了求解过程。

保证解的存在性：最小化 $f(x)$ 本质上是寻找使下水平集 $L_\alpha$ 非空的最小 $\alpha$。若 $f$ 是强制函数（即当 $\|x\| \to \infty$ 时 $f(x) \to \infty$），则其所有下水平集有界。又因连续函数的下水平集为闭集，故所有下水平集均为紧集。由魏尔斯特拉斯极值定理，连续函数在紧集上必取得最小值，从而保证最优解的存在。