标签：子空间   ora   str   限制   src   span   基础   math   总结   

前言

本文主要记录在凸优化中几个比较基础的概念：凸集、仿射集、凸包、锥、锥包。

仿射集（affine sets）

回顾一下直线与线段的定义。
对于

\[x_1 \not = x_2 \in R^n, \theta \in R\]

则直线可以表示为：
\[y = \theta x_1 + (1-\theta)x_2\]
类似的，对\(\theta\)加一点限制，就可以导出线段的定义：
\[y = \theta x_1 + (1-\theta)x_2, \theta \in R, \theta \in [0,1]\]

有了直线的概念后，下面定义仿射集：

• 仿射集：一个集合\(C\)是仿射集，若\(\forall x_1,x_2 \in C\)，则连接\(x_1\)与\(x_2\)的直线也在集合内。

用数学的语言来描述的话就是：

• 仿射集：设\(x_1, ..., x_k \in C, \theta_1, ..., \theta_k \in R, \theta_1 + ... + \theta_k = 1\)，如果集合\(C\)是仿射集，当且仅当\(\theta_1 x_1 + ... + \theta_k x_k \in C\)

我们把 \(\theta_1 x_1 + ... + \theta_k x_k\)叫做仿射组合。

与C相关的子空间

下面讲一下仿射集的一些性质。根据上面的定义，若\(x_1, x_2 \in C\), \(C\)是仿射集，则\(\theta x_1 + (1-\theta) x_2 \in C\)，其中\(\theta \in R\)。那么问，\(\alpha x_1 + \beta x_2\)是否属于\(C\)呢？

如下图所示，当直线不经过原点时，显然\(\alpha x_1 + \beta x_2 \not \in C\)，当直线经过原点时，就有\(\alpha x_1 + \beta x_2 \in C\)。

我们定义：\(V = C - v_0 = \{x-x_0|x \in C\}, \forall x_0 \in C\)
称\(V\)为与\(C\)相关的子空间。我们可以理解成\(V\)是\(C\)平移\(v_0\)得到的一个字空间。

证：
\[\forall v_1, v_2 \in C, \forall \alpha, \beta \in R\]
因为\(v_1 + v_0 \in C, v_2 + x_0 \in C, x_0 \in C\)， 所以：
\[\alpha (v_1+x_0) + \beta (v_2+x_0) + (1-\alpha - \beta) x_0 \in C\]
即
\[\alpha v_1 + \beta v_2 + x_0 \in C\]
此时就有：
\[\alpha v_1 + \beta v_2 \in V\]

一个例子

• 线性方程组的解集是仿射集
  \[C = \{x|AX=b\}, A \in R^{m \times n}, b \in R^m, x \in R^n\]

与\(C\)相关的子空间\(V=\{x - x_0| x \in C\}, \forall x_0 \in C\) 恰好也是矩阵\(A\)的零空间。

仿射包

对于任意一个集合\(C\)，是否可以构造出其最小的仿射集。如果可以，这个最小的仿射集就叫做仿射包。

• 仿射包：\(aff\ C = \{\theta_1 x_1 + ... + \theta_k x_k | \forall x_1,...,x_k \in C, \theta_1+\theta_2+...+\theta_k = 1\}\)

• 仿射集的仿射包就是它本身。

凸集 Convex Set

• 一个集合是凸集，即当任意两点之间的线段任然在\(C\)内
• 用数学表达的话就是：\(\forall x_1, x_2 \in C, \forall \theta, \theta \in [0,1], \theta x_1 + (1-\theta) x_2 \in C\)

\(x_1, ..., x_k\)的凸组合

\(x_1, ..., x_k\)的凸组合表示为：

\[\theta_1 x_1 + \theta_2 x_2 + ... + \theta_k x_k \in C\]
\[\theta_1, ... ,\theta_k \in R, \theta_1+...+\theta_k = 1\]
\[ \theta_1,...,\theta_k \in [0,1]\]

• \(C\)为凸集等价于任意\(C\)的凸组合也在\(C\)内。

凸包

对任意集合\(C \in R^n\)，它的凸包记作：
\[Cov C = \{\theta_1 x_1 + ..., + \theta_k x_k | \forall x1, ..., x_k \in C, \forall \theta_1,...\theta_k \in [0,1], \theta_1+...+\theta_k=1\}\]

锥 Cone 和 凸锥 Convex Cone

• \(C\)是锥等价于 \(\forall x \in C, \theta > 0\)，有\(\theta x \in C\)
• \(C\)是凸锥等价于 \(\forall x_1, x_2 \in C, \theta_1, \theta_2 \geq 0\)，有\(\theta_1 x_1 + \theta_2 x_2 \in C\)

凸锥的组合

\[\theta_1 x_1 + ... + \theta_k x_k, \theta_1,...,\theta_k \geq 0\]

凸锥包

\[x_1,...,x_k \in C, \{\theta_1 x_1 + ... + \theta_k x_k | x_1,...,x_k \in C, \theta_1,...,\theta_k \geq 0\}\]

总结

• 仿射组合
  \[\forall \theta_1, ..., \theta_k, \theta_1+...+\theta_k = 1\]

• 凸组合
  \[\theta_1,...,\theta_k, \theta_1 + ...+\theta_k = 1, \theta_1,...,\theta_k \in [0,1]\]

• 凸锥组合
  \[\forall \theta_1,...\theta_k, \theta_1,...,\theta_k \geq 0\]

• 任意一个仿射集，它一定是凸的。
• 凸锥也一定是凸的。
• 如果集合只有一个元素：\(C={x}\)，该集合也是一个仿射集。若这个点是原点，即\(x=0\)，那么它还是凸锥。

• 空集也是仿射集，同时还是凸集和凸锥。

凸优化【1 基本概念】

标签：子空间   ora   str   限制   src   span   基础   math   总结   

原文地址：https://www.cnblogs.com/shenhaojing/p/11414762.html