凸优化学习-（五）常见集合

凸优化学习

今天主要是一些常见的集合。

学习笔记

一、$R^n$空间

是仿射集、凸集、凸锥。

$R^n$空间的子空间

是仿射集、凸集、凸锥。

子空间的定义

设W为数域F上的n维线性空间V的子集合（即W∈V），若W中的元素满足
（1）若任意的α，β∈W，则α+β∈W；（对加法是封闭的）
（2）若任意的α∈W，λ∈F，则λα∈W。（对数乘也是封闭的）
（3）子空间中必须包含“0向量”

二、任意直线

是仿射集、凸集。
直线过原点时也是凸锥（本质上已经变成了空间）。

三、任意线段

是凸集。
线段为点时也是仿射集或凸锥（线段为原点）。

四、射线

{ x 0 + θ v ∣ θ ≥ 0 }      x 0 ∈ R n    θ ∈ R    v ∈ R n \lbrace x_0+\theta v\mid \theta \ge0\rbrace\ \ \ \ x_0 \in R^n \ \ \theta\in R \ \ v\in R^n {x0​+θv∣θ≥0}    x0​∈Rn  θ∈R  v∈Rn
一定是凸集。
$v$为0时也是仿射集。
$x_0$为零时也是凸锥。

五、超平面与半空间

超平面与半空间为两个相互关联的定义。
超平面：
{ x ∣ a T x = b }      x , a ∈ R n    b ∈ R    a ≠ 0 \lbrace x\mid a^Tx=b\rbrace\ \ \ \ x,a\in R^n\ \ b\in R\ \ a\ne0 {x∣aTx=b}    x,a∈Rn  b∈R  a​=0
半空间：
由上述超平面在同一空间内划分出的两个部分称为半空间：$$\begin{gathered} a^{T}x\ge b \\ {a}^{T}x\le b \end{gathered}$$
超平面：
是仿射集、凸集，过原点时也是凸锥。
半空间：
是凸集。$b$为$0$时也是仿射集、凸锥。
例：
二维平面的情况：

六、球和椭球

1、球

形如： B ( x c , r ) = { x ∣ ∥ x − x c ∥ 2 ≤ r = { x ∣ ( x − x c ) T ( x − x c ) ≤ r \begin{aligned} B(x_c,r) &=\lbrace x\mid \left \| x-x_c\right \|_2 \le r\\ &=\lbrace x \mid \sqrt{(x-x_c)^T(x-x_c)}\le r\\ \end{aligned} B(xc​,r)​={x∣∥x−xc​∥2​≤r={x∣(x−xc​)T(x−xc​) ​≤r​
其中$x_c$为球心，$r$为半径，就是一个距离小于半径的定义。
球是凸集，当$r$为$0$时也是仿射集、凸锥。

2、椭球

形如：
ε ( x c , P ) = { x ∣ ( x − x c ) T P − 1 ( x − x c ) ≤ 1 }      x c ∈ R n    P ∈ S + + n \varepsilon(x_c,\textbf{P})=\lbrace x \mid(x-x_c)^T\textbf{P}^{-1}(x-x_c)\le1\rbrace\ \ \ \ x_c \in R^n \ \ \textbf{P}\in\textbf{S}^n_{++} ε(xc​,P)={x∣(x−xc​)TP−1(x−xc​)≤1}    xc​∈Rn  P∈S++n​
$x_c$是球心，矩阵 $\text{P}$是描述椭球半轴长度的矩阵。
椭球是凸集，当$x_c$在原点、$\text{P}$为零矩阵时也为仿射集、凸锥。

个人思考

常见集合的判断建议不要用定义，靠想象比较好，侧重于找反例，看两点线段、直线是否在集合内。

纸质笔记