- 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 - 錐
如果$\mathbb{R}^n$中的一個非空集合C滿足:$x \in C \Rightarrow \lambda x \in C, \forall \lambda \geq 0$,則稱C是以0為頂點的錐。
如果集合C既是凸集又是錐,則稱C為凸錐。
例如,$y=\left | x \right |$ 不是凸錐,因為它不是凸集。
但是,$y \geq \left | x \right |$ 是凸錐,因為它既是凸集又是錐。
注意 - 錐C是凸集當且僅當對於任意$x,y \in C$, $x+y \in C$。
證明
由於C是錐,對於$x,y \in C \Rightarrow \lambda x \in C$ 和 $\mu y \in C \:\forall \:\lambda, \mu \geq 0$
如果$\lambda x + \left ( 1-\lambda \right )y \in C \: \forall \:\lambda \in \left ( 0, 1 \right )$,則C是凸集
由於C是錐,$\lambda x \in C$ 和 $\left ( 1-\lambda \right )y \in C \Leftrightarrow x,y \in C$
因此,如果$x+y \in C$,則C是凸集
一般來說,如果$x_1,x_2 \in C$,則$\lambda_1x_1+\lambda_2x_2 \in C, \forall \lambda_1,\lambda_2 \geq 0$
例子
$\mathbb{R}^n$中無限多個向量的錐組合是一個凸錐。
任何空集都是凸錐。
任何線性函式都是凸錐。
由於超平面是線性的,它也是凸錐。
閉半空間也是凸錐。
注意 - 兩個凸錐的交集是一個凸錐,但它們的並集可能不是凸錐。