摘要:说到凸优化,免不了涉及到一个名词:凸集。顾名思义,凸集就是一个凸的集合。那么,问题来了,什么样的集合能被称为是凸的呢?在解答这个疑问之前,我们先从凸集里一个比较特殊的例子——仿射集讲起。当你理解了什么是仿射集的时候,你其实离知道什么是凸集已经不远了。
仿射集
基本概念
1. 仿射集合
定义:如果通过集合 中任意两个不同点的直线仍在集合
中,那么称集合
是仿射的。
数学表达: 有
【注:为便于指代,将 记为
,
记为
,即有
】
直观理解:
图1 通过 和
的直线可以参数化描述
,其中
在
上变化,
和
之间的线段对应处于0和1之间的
。
【通俗理解】打个比方,一条直线是仿射集合,因为任意两点连成的直线所有点仍在这条直线上。但是,一条线段就不是仿射集合,原因是在任意两点连成的直线上,有些点并不在线段上,不满足仿射集合的条件。将上述概念扩展到二维来说,整个二维空间才算仿射集合,局部的二维空间不算是仿射集合。
2. 仿射组合
原概念:仿射集合包含了
中任意两点的系数
之和为1的线性组合。
定义:若 ,我们称具有
形式的点为
的仿射组合。
归纳:一个仿射集合包含其中任意点的仿射组合,即如果集合 是仿射集合,那么对于
,且
,那么
仍然在集合
中。
【通俗理解】将仿射集合的原概念拓展到多个点的情况而已。
3. 仿射包
定义:集合 里所有点的所有仿射组合组成的集合称为
的仿射包,记为aff C。仿射包是包含集合
的最小仿射集合。
数学表达:
【通俗理解】假设集合C里有k个点,这k个点可以按照仿射组合的概念任意搭配,仿射包能够容纳给出的所有搭配。
参考文献
[美]S. Boyd, L. Vandenberghe. 凸优化[M]. 王书宁, 许鋆, 黄晓霖. 北京: 清华大学出版社, 2013.