凸优化
ps: 个人笔记 根据视频和PDF学习
思考凸集和凸函数
y=x 2 是凸函数,函数图像上位于y=x 2 上方的区域构成凸集。凸函数图像的上方区域,一定是凸集;
一个函数图像的上方区域为凸集,则该函数是凸函数。
稍后给出上述表述的形式化定义。
因此,学习凸优化,考察凸函数,先从凸集及其性质开始。
(超)几何体的向量表达
给定二维平面上两个定点:a(x 1 ,y 1 ),b(x 2 ,y 2 ),则:直线:x=θa + (1-θ)b, θ∈R
线段:x=θa + (1-θ)b, θ∈[0,1]
一般的,f(x,y)=0表示定义域在R 2 的曲线
特殊的,y=g(x)表示定义域在R的曲线,f(x,y)=y-g(x)
一般的,f(x,y,z)=0表示定义域在R 3 的曲面
特殊的,z=h(x,y)表示定义域在R 2 的曲面,f(x,y,z)=z-h(x,y)
上述表达方式可以方便的推广到高维
记x=(u 1 ,u 2 ,…u n ),则f(x)=0表示定义域在R n 的超曲面。
不特殊说明,后面将使用x1表示向量,如:定义两个点x1,x2,则x=θx1 + (1-θ)x2, θ∈R表示经过这两点的直线
仿射集(Affine set)
定义:通过集合C中任意两个不同点的直线仍然在集合C内,则称集合C为仿射集。
超平面:Ax=b
f(x)=0表示定义域在R n 的超曲面:令f(x)=Ax-b,则f(x)=0表示“截距”为-b的超平面。
三维空间的平面是二维的;四维空间的平面是几维的?
n维空间的n-1维仿射集为n-1维超平面。
后面将继续考察超平面的定义。
仿射包
仿射包:包含集合C的最小仿射集。
三角形的仿射维数为2
线段的仿射维数为1
球的仿射维数为3
内点和相对内点
给定一个集合C,如何定义哪些点在“边界”上,哪些点在内部?直观的想法:对于集合C中的某个点x,以x为中心做半径为r的球(r>0,且非常小),若球和C的交集完全落在C的内部(即:是C的子集),则x为C的内点。
将该概念用在C的仿射集aff C上,则为相对内点。一般用relint C表示C的相对内点。
B(x,r)表示以x为球心,r为半径做一个球。affC是仿射包
举例
PS:这里C的内点是空的,理解为X3=0,相当于一个瓶是空的,或者说没有厚度,所以说是空的
凸集
集合C内任意两点间的线段均在集合C内,则称集合C为凸集。
仿射集和凸集的关系
因为仿射集的条件比凸集的条件强,所以,仿射集必然是凸集。
凸集
ps:上面正方形有些边界没有,不是凸集
凸包
集合C的所有点的凸组合形成的集合,叫做集合C的凸包。
集合C的凸包是能够包含C的最小的凸集。