lec1: 仿射与凸性
仿射 (Affine Transformation)
仿射集(空间) (Affine Space)
Note
\[
\forall x_1, x_2\in C, \{\theta x_1 + (1 - \theta)x_2, \forall \theta \in R\} \subseteq C
\]
如何理解?
设想一个没有原点的向量空间,其中向量只有方向和大小。假设有甲乙两人,其中甲知道一个空间中真正的原点,但是乙认为另一个点 \(p\) 才是真正的原点。
现在求两个向量之和 \(a + b\)。乙画出 \(p\to a\) 和 \(p\to b\),再用平行四边形找出二者之和 \(p + (a - p) + (b - p)\)
仿射组合
Note
\[
x_1, \dots, x_k \in C \\
\theta_1, \dots, \theta_k \in C \\
\sum\theta_i=1\\
\sum \theta_i x_i
\]
仿射包
Note
包含某集合的最小仿射集
\[
{\rm aff \ } C \triangleq \{ \sum \theta_i x_i | \forall x_i \in C, \forall \theta_i \ge 0, \sum \theta_i = 1 \}
\]
凸集
Note
\[
\forall x_1, x_2 \in C, \{ \theta x_1 + (1 - \theta)x_2, \forall \theta\in [0, 1]\} \subseteq C
\]
凸组合
Note
\[
x_1, \dots, x_n \in C \\
\theta_1, \dots, \theta_k \in R \\
\sum \theta_i = 1, \theta_i \ge 0 \\
\sum \theta_i x_i
\]
凸包
Note
\[
{\rm Conv\ } C = \{\theta_1x_1 + , \dots, + \theta_n x_n\}
\]
Example
- 凸多边形是凸集。可以任取凸多边形内两点连线,证明其为凸集。
- 超平面:\(\{x | a^Tx = b, a\neq 0\}, a, b, x\in R^n\),可见,超平面将 \(R^n\) 空间分为了 2 部分。超平面显然是一个凸集,因为在该平面上任取 2 点连成的线段仍然在该平面内。
- 半空间:\(\{x | a^Tx \ge b, a\neq 0\}\) 或 \(\{x | a^Tx \le b, a\neq 0\}\),这就是上述超平面将 \(R^n\) 分为的两个空间。
凸锥
Note
\[
\forall x_1, x_2 \in C, \forall \theta_1, \theta_2 \ge 0 \\
\{ \theta_1 x_1 + \theta_2 x_2 \} \subseteq C
\]
凸锥组合
Note
\[
x_1, \dots, x_n \in C \\
\theta_1, \dots, \theta_n \in R, \forall \theta_i\ge 0\\
\sum \theta_i x_i
\]