- 凸最佳化教程
- 首頁
- 介紹
- 線性規劃
- 範數
- 內積
- 極小值和極大值
- 凸集
- 仿射集
- 凸包
- Caratheodory定理
- Weierstrass定理
- 最近點定理
- 基本分離定理
- 凸錐
- 極錐
- 錐組合
- 多面體集
- 凸集的極點
- 方向
- 凸函式與凹函式
- Jensen不等式
- 可微凸函式
- 全域性最優的充分條件與必要條件
- 擬凸函式與擬凹函式
- 可微擬凸函式
- 嚴格擬凸函式
- 強擬凸函式
- 偽凸函式
- 凸規劃問題
- Fritz-John條件
- Karush-Kuhn-Tucker最優性必要條件
- 凸問題的演算法
- 凸最佳化資源
- 凸最佳化 - 快速指南
- 凸最佳化 - 資源
- 凸最佳化 - 討論
凸最佳化 - 最近點定理
設S是$\mathbb{R}^n$中的一個非空閉凸集,且y∉S,則存在一個點$\bar{x}\in S$,其到y的距離最小,即$\left \| y-\bar{x} \right \| \leq \left \| y-x \right \| \forall x \in S.$
此外,$\bar{x}$是極小點當且僅當$\left ( y-\hat{x} \right )^{T}\left ( x-\hat{x} \right )\leq 0$ 或 $\left ( y-\hat{x}, x-\hat{x} \right )\leq 0$
證明
最近點的存在性
由於$S\ne \phi$,存在一個點$\hat{x}\in S$,使得S到y的最小距離小於等於$\left \| y-\hat{x} \right \|。
定義$\hat{S}=S \cap \left \{ x:\left \| y-x \right \|\leq \left \| y-\hat{x} \right \| \right \}$
由於$\hat{S}$是閉集且有界,並且由於範數是連續函式,則根據Weierstrass定理,存在一個極小點$\hat{x} \in S$,使得$\left \| y-\hat{x} \right \|=\inf\left \{ \left \| y-x \right \|,x \in S \right \}$
唯一性
假設$\bar{x} \in S$,使得$\left \| y-\hat{x} \right \|=\left \| y-\bar{x} \right \|= \alpha$
由於S是凸集,$\frac{\hat{x}+\bar{x}}{2} \in S$
但是,$\left \| y-\frac{\hat{x}+\bar{x}}{2} \right \|\leq \frac{1}{2}\left \| y-\hat{x} \right \|+\frac{1}{2}\left \| y-\bar{x} \right \|=\alpha$
它不可能是嚴格不等式,因為$\hat{x}$是距離y最近的點。
因此,$\left \| y-\frac{\hat{x}+\bar{x}}{2} \right \|=\mu \left \| y-\hat{x} \right \|$,對於某個μ
現在$\left \| \mu \right \|=1$。如果μ=-1,則$\left ( y-\hat{x} \right )=-\left ( y-\bar{x} \right )\Rightarrow y=\frac{\hat{x}+\bar{x}}{2} \in S$
但是y∈S。因此矛盾。因此μ=1 ⇒ $\hat{x}=\bar{x}$
因此,極小點是唯一的。
對於證明的第二部分,假設$\left ( y-\hat{x} \right )^{\tau }\left ( x-\bar{x} \right )\leq 0$ 對所有x∈S成立
現在,
$\left \| y-x \right \|^{2}=\left \| y-\hat{x}+ \hat{x}-x\right \|^{2}=\left \| y-\hat{x} \right \|^{2}+\left \|\hat{x}-x \right \|^{2}+2\left (\hat{x}-x \right )^{\tau }\left ( y-\hat{x} \right )$
$\Rightarrow \left \| y-x \right \|^{2}\geq \left \| y-\hat{x} \right \|^{2}$,因為$\left \| \hat{x}-x \right \|^{2}\geq 0$且$\left ( \hat{x}- x\right )^{T}\left ( y-\hat{x} \right )\geq 0$
因此,$\hat{x}$是極小點。
反之,假設$\hat{x}$是極小點。
$\Rightarrow \left \| y-x \right \|^{2}\geq \left \| y-\hat{x} \right \|^2 \forall x \in S$
由於S是凸集。
$\Rightarrow \lambda x+\left ( 1-\lambda \right )\hat{x}=\hat{x}+\lambda\left ( x-\hat{x} \right ) \in S$,對於x∈S和$\lambda \in \left ( 0,1 \right )$
現在,$\left \| y-\hat{x}-\lambda\left ( x-\hat{x} \right ) \right \|^{2}\geq \left \| y-\hat{x} \right \|^2$
並且
$\left \| y-\hat{x}-\lambda\left ( x-\hat{x} \right ) \right \|^{2}=\left \| y-\hat{x} \right \|^{2}+\lambda^2\left \| x-\hat{x} \right \|^{2}-2\lambda\left ( y-\hat{x} \right )^{T}\left ( x-\hat{x} \right )$
$\Rightarrow \left \| y-\hat{x} \right \|^{2}+\lambda^{2}\left \| x-\hat{x} \right \|^2-2 \lambda\left ( y-\hat{x} \right )^{T}\left ( x-\hat{x} \right )\geq \left \| y-\hat{x} \right \|^{2}$
$\Rightarrow 2 \lambda\left ( y-\hat{x} \right )^{T}\left ( x-\hat{x} \right )\leq \lambda^2\left \| x-\hat{x} \right \|^2$
$\Rightarrow \left ( y-\hat{x} \right )^{T}\left ( x-\hat{x} \right )\leq 0$
證畢。