Convex Optimization Note 3
1. Generalized Inequality
1) proper cone: a. convex b. closed c. solid d. pointed
2) 满足相关性质,与 ≤< ≤< 相同
3) Minimal 与 Minimum
在generalized inequality下,有些点是不能比较大小的。
x⪯Ky
x
⪯
K
y
对所有
y∈S
y
∈
S
成立,则
x
x
是minimum,可以看做
{z|z⪯Kx}⋂S={x}
{
z
|
z
⪯
K
x
}
⋂
S
=
{
x
}
则
x
x
是minimal,也可以看做
2. Dual Cone
1) K∗={y|xTy≥0 ∀x∈K} K ∗ = { y | x T y ≥ 0 ∀ x ∈ K }
2) examples:
subspace的dual cone是它的正交空间
{x⪰0}
{
x
⪰
0
}
的dual cone是它本身
Sn+
S
+
n
的dual cone也是它本身
{|x|<t}
{
|
x
|
<
t
}
(norm cone)的dual cone是
{|u|∗<v}
{
|
u
|
∗
<
v
}
其dual norm
3)性质
a. convex and closed
b.
K1⊆K2⟹K∗2⊆K∗1
K
1
⊆
K
2
⟹
K
2
∗
⊆
K
1
∗
c.
K
K
non-empty interior
K∗
K
∗
pointed
closure
K
K
pointed
K∗
K
∗
non-empty interior
d.
K∗∗
K
∗
∗
is closure convex hull of
K
K
3. Dual cone and generalized inequality
1) dual cone of proper cone is a proper cone(由上面性质可知)
2)
x≺Ky⟺∀λ⪰K∗0 and λ≠0, λTx<λTy
x
≺
K
y
⟺
∀
λ
⪰
K
∗
0
a
n
d
λ
≠
0
,
λ
T
x
<
λ
T
y
将generalized inequality与普通inequality联系在一起
3)
Ax≺Kb
A
x
≺
K
b
无解的等价条件是:
∃λ,λ≠0,λ⪰K∗0,ATλ=0,λTb≤0
∃
λ
,
λ
≠
0
,
λ
⪰
K
∗
0
,
A
T
λ
=
0
,
λ
T
b
≤
0
可以由separating plane推导出来。
4) minimum
x是所有
λ≻K∗0
λ
≻
K
∗
0
的
λTx
λ
T
x
在集合
S
S
中的唯一的minimizer
x
x
是 的minimum
也就是在x处所有的
λ
λ
都是过该点
S
S
的supporting plane,且只过x这一点
5) minimal
is minimal of
S
S
converse中的convex条件不可缺少,并且两个式子均不能把等号去掉或者加上(圆、正方体)。