最优化方法在图像处理中的应用【2】

今天要讨论的内容是我们要开始学习的基础，我想将这些基本概念好好描述下，以便于将来使用啊。

本次讨论的主题是Convex Sets（凸集）

1 affine and convex sets （仿射集和凸集）

1.1 Affine set

先看看line through x1 x2: all points x = θ•x1+(1-θ)x2 (θ belongs to R)

这里x1和x2都是n维空间中的点，如果用向量表示他们的坐标，他们就是n维向量了。用公式表示出的新的点x就是通过x1和x2这两个点的直线上的点。

what is affine set? affine set is a set of point. Any points on certain given line that through two distinct points in the set belongs to the set. 

例如，整个n维空间便是一个affine set. Also, solution set of linear equations {x| Ax = b}. 为什么呢？

证明一下第二个：

如果方程组没有解，那么解集合是空集，我找不到两个向量啊？一个向量都没有啊，怎么来验证满足条件呢？好吧，我只能说规定空集是仿射集。

如果方程组只有一个解，同样不能在它的解集合中找到两个不同的向量，嘿嘿，既然没有就把唯一一个解看成两个不同的向量吧，所以显然它也就属于仿射集了。

如果方程组有无限个解，那么所有解肯定可以被一组线性无关的基础解线性表出，带一遍定义就可以证明出确实解空间是仿射集！！

这时，牛说“conversely, every affine set can be expressed as solution set of linear equations.”

1.2 Convex Set 

what is line segment?

Line segment between x1 and x2 : all points x = θ•x1+(1-θ)x2 (θ belongs to [0,1])

What is convex set?

convex set: contains line segment between any two points in the set. 

包含边界的圆饼的所有点就是一个凸集。

1.3 Convex combination and convex hull

Convex combination of x1, ..., xk: any point x of the form x = θ1•x1 + θ2•x2 + ... + θk•xk

θ1+θ2+...+θk = 1,