凸优化读书笔记04(范数球、范数锥、多面体，半正定锥)

最新推荐文章于 2024-05-18 10:12:00 发布

克夏

最新推荐文章于 2024-05-18 10:12:00 发布

阅读量5.2k

点赞数 2

分类专栏：凸优化文章标签：机器学习

本文链接：https://blog.csdn.net/Bryant_cqc/article/details/120640939

版权

凸优化专栏收录该内容

4 篇文章 7 订阅

订阅专栏

范数球和范数锥

范数球

数学形式： $\begin{Bmatrix} x|\left \| x-x_c \right \| \leq r \end{Bmatrix}$ ， $r$ 为半径， $x_c$ 为球心。

特点：范数球是凸集。

通俗理解：常见的球是由Euclid范数定义的 $(x-x_c)^2=r^2$ ，这里将定义规则一般化，不局限于Euclid范数。

范数锥

数学形式： $C = \begin{Bmatrix} (x,t) | \left \| x \right \| \leq t \end{Bmatrix} \subseteq R^{n+1}$

特点：范数锥是凸锥。

例子：二阶锥，由Euclid范数定义的范数锥，即

$C = \begin{Bmatrix} (x,t) \in R^{n+1} | \left \| x \right \|_2 \leq t \end{Bmatrix}=\begin{Bmatrix} \begin{bmatrix} x\\ t \end{bmatrix}| \begin{bmatrix} x\\ t \end{bmatrix}^T \begin{bmatrix} I & 0\\ 0 & -1 \end{bmatrix} \begin{bmatrix} x\\ t \end{bmatrix} \leq 0,t \geq 0 \end{Bmatrix}$

下图显示了 $R^3$ 上的一个二阶锥。

多面体

定义：有限个线性等式和不等式的解集。或理解为有限个半空间或超平面的解集。

表示式： $\rho = \begin{Bmatrix} x | a_j^Tx \leq b_j, j=1,...,m,c_j^Tx = d_j,j=1,...,p \end{Bmatrix}$

例子：仿射集合（例如子空间、超平面、直线）、射线、线段以及半空间。

特点：多面体是凸集。

直观理解：下图显示一个由五个半空间的交集定义的多面体。

单纯形 — 一类重要多面体

定义：设 $k+1$ 个点 $v_0,...,v_k \in R^n$ 仿射独立，即 $v_1-v_0,...,v_k-v_0$ 线性独立，那么这些点决定了一个单纯形。

形式： $C = conv\begin{Bmatrix} v_o,...v_k \end{Bmatrix} = \begin{Bmatrix} \theta_0v_0 + ...+ \theta_kv_k | \theta \succ 0, \mathbf{1}^T\theta = 1 \end{Bmatrix}$

其中 $\mathbf{1}$ 表示所有分量均为一的向量。此单纯形仿射维数为K，故也称为 $R^n$ 空间中的k维单纯形。

例子：

a. 单位单纯形

由零向量和单位向量 $0,e_1,...,e_n \in R^n$ 决定的 $n$ 维单纯形。它可表示为下列向量的集合,

$x \succ 0, \mathbf{1}^Tx \leq 1$

b. 概率单纯形

由单位向量 $e_1,...,e_n \in R^n$ 决定的 $n-1$ 维单纯形。它可表示为下列向量的集合,

$x \succ 0, \mathbf{1}^Tx = 1$

这里的 $x_i$ 可理解为第 $i$ 个元素的概率。

与多面体的关系：可用多面体来描述单纯形。

多面体的凸包描述

这里使用凸包表达式的扩展表示： $\begin{Bmatrix} \theta_1v_1+...+\theta_kv_k|\theta_1+...+\theta_m =1, \theta_i \geq 0, i=1,...,k \end{Bmatrix}$

其中 $m \leq k$ 。上式可解释为点 $v_1,...,v_m$ 的凸包加上点 $v_{m+1},...,v_k$ 的锥包。多面体即可表示为上述形式。

半正定锥

定义：若用 $S^n$ 表示对称 $n \times n$ 矩阵的集合，即 $S^n = \begin{Bmatrix} X \in R^{n \times n}|X=X^T \end{Bmatrix}$ ，则对称半正定矩阵集合表示为 $S^n_+ = \begin{Bmatrix} X \in S^n | X \succeq 0 \end{Bmatrix}$ ，半正定锥集合即为 $S^n_+$ 。

特点：集合 $S^n_+$ 是一个凸锥。

术语解释

仿射独立：以下列举的例子均为仿射独立：1）二维空间里任意三点不共线 2）三维空间任意四点不共面 3）k维空间任意k+1点不在同一个k维空间里

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.

克夏

关注

2
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
凸优化读书笔记04(范数球、范数锥、多面体，半正定锥)

范数球和范数锥范数球数学形式：，为半径，为球心。特点：范数球是凸集。通俗理解：常见的球是由Euclid范数定义的，这里将定义规则一般化，不局限于Euclid范数。范数锥数学形式：特点：范数锥是凸锥。例子：二阶锥，由Euclid范数定义的范数锥，即下图显示了上的一个二阶锥。多面体定义：有限个线性等式和不等式的解集。或理解为有限个半空间或超平面的解集。表示式：例子：仿射集合（例如子空间、超平面、直线）、射线、线段以及半空间。...
复制链接

扫一扫