日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

UA SIE545 优化理论基础1 凸分析3 凸集与凸包

發布時間:2025/4/14 编程问答 32 豆豆
生活随笔 收集整理的這篇文章主要介紹了 UA SIE545 优化理论基础1 凸分析3 凸集与凸包 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

UA SIE545 優化理論基礎1 凸分析3 凸集與凸包

  • 基本概念與性質
    • 凸集
    • 凸組合
    • 凸包

基本概念與性質

凸集

考慮數域FFF上的線性空間VVV

定義一 凸集(convex set)。S?VS \subset VS?V為凸集,如果?x1,x2∈S\forall x_1,x_2 \in S?x1?,x2?S, ?λ∈[0,1]\forall \lambda \in [0,1]?λ[0,1], λx1+(1?λ)x2∈S\lambda x_1+(1-\lambda)x_2 \in Sλx1?+(1?λ)x2?S

定理一 任意個凸集的交是凸集。
證明
考慮指標集III以及一列凸集Si,i∈IS_{i},i \in ISi?,iI
S=?i∈ISiS = \bigcap_{i \in I}S_iS=iI??Si?

?x1,x2∈S\forall x_1,x_2 \in S?x1?,x2?S, x1,x2∈Si,?i∈Ix_1,x_2 \in S_i,\forall i \in Ix1?,x2?Si?,?iI, 給定i∈Ii \in IiISiS_iSi?是凸集,?λ∈[0,1]\forall \lambda \in [0,1]?λ[0,1]λx1+(1?λ)x2∈Si\lambda x_1 +(1-\lambda)x_2 \in S_iλx1?+(1?λ)x2?Si?,因此
λx1+(1?λ)x2∈S\lambda x_1 +(1-\lambda)x_2 \in Sλx1?+(1?λ)x2?S

例1 歐式空間中的常見凸集:

  • 線性流形;
  • 開半空間(open half space);
    H={x∈V:(x,b)>β}H =\{x \in V:(x,b)>\beta\}H={xV:(x,b)>β}
  • 閉半空間(closed half space);
    H={x∈V:(x,b)≥β}H =\{x \in V:(x,b)\ge\beta\}H={xV:(x,b)β}
  • 多面體集合(polyhedral set):任意個半空間的交,通常可以用矩陣AAA表示為 H={x∈V:Ax≥β}H =\{x \in V:Ax\ge\beta\}H={xV:Axβ}
  • 例二 關于凸集封閉的集合運算

  • S1⊕S2={x1+x2:x1∈S1,x2∈S2}S_1 \oplus S_2=\{x_1+x_2:x_1 \in S_1,x_2 \in S_2\}S1?S2?={x1?+x2?:x1?S1?,x2?S2?}
  • S1?S2={x1?x2:x1∈S1,x2∈S2}S_1 \ominus S_2=\{x_1-x_2:x_1 \in S_1,x_2 \in S_2\}S1??S2?={x1??x2?:x1?S1?,x2?S2?}
  • 凸組合

    定義二 凸組合(convex combination)。考慮?x1,?,xm∈V,?λ1,?,λm≥0\forall x_1,\cdots,x_m \in V,\forall \lambda_1,\cdots,\lambda_m \ge 0?x1?,?,xm?V,?λ1?,?,λm?0, λ1+?+λm=1\lambda_1+\cdots+\lambda_m=1λ1?+?+λm?=1,稱x=λ1x1+?+λmxmx=\lambda_1x_1+\cdots+\lambda_mx_mx=λ1?x1?+?+λm?xm?

    為一個凸組合。凸組合與上一講定義的仿射組合非常相似,它們的本質都是一些特殊的線性組合,但凸組合對線性組合系數的要求比仿射組合更嚴格。

    定理二 S?VS \subset VS?V是凸集的充要條件為SSS包含SSS中任何向量的所有凸組合。

    凸包

    定義三 S?VS \subset VS?V,稱凸包(convex hull) convSconvSconvS是包含MMM的最小凸集。
    convS={∑i=1mλixi:xi∈S,λi∈F,∑i=1mλi=1,λi≥0,m∈N}=?{Mconvex:M?S}convS=\{\sum_{i=1}^m \lambda_ix_i:x_i \in S,\lambda_i \in F,\sum_{i=1}^m \lambda_i=1,\lambda_i \ge 0,m \in \mathbb{N}\} \\ = \bigcap \{M\ convex:M \supset S\}convS={i=1m?λi?xi?:xi?S,λi?F,i=1m?λi?=1,λi?0,mN}=?{M?convex:M?S}
    定理二續 定理二的條件可以敘述為S=conv(S)S = conv(S)S=conv(S)

    定義四 VVV中一個有限點集為{y0,?,ym}\{y_0,\cdots,y_m\}{y0?,?,ym?},稱它的凸包為凸多面體(polytope);如果y0,?,ymy_0,\cdots,y_my0?,?,ym?仿射無關(affinely independent),就稱它的凸包conv{y0,?,ym}conv\{y_0,\cdots,y_m\}conv{y0?,?,ym?}為單純形(simplex)。

    總結

    以上是生活随笔為你收集整理的UA SIE545 优化理论基础1 凸分析3 凸集与凸包的全部內容,希望文章能夠幫你解決所遇到的問題。

    如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。