凸优化笔记3-仿射集、仿射组合、仿射包

直线

x_1 \neq x_2 \in R^n,\theta \in R
y = \theta x_1 + (1-\theta )x_2 = x_2 + \theta (x_1 - x_2)

线段

x_1 \neq x_2 \in R^n,\theta \in [0,1]
y = \theta x_1 + (1-\theta )x_2 = x_2 + \theta (x_1 - x_2)

仿射集（affine sets）

定义：一个集合C是仿射集，若\forall x_1,x_2 \in C，则连接x_1,x_2的直线也在集合内。
\forall x_1,x_2 \in C ,\theta \in R
y = \theta x_1 + (1-\theta )x_2 \in C

仿射组合

设x_1,...x_k \in C , \theta _1,...,\theta _k \in R,\theta _1 + ...+\theta _k =1
\theta _1x_1+...+\theta _kx_k

如果一个集合C是仿射集，则它的任意仿射组合都属于C。

跟C相关的子空间

V = \left \{ x - x_0 | x \in C\right \},\forall x_0

\forall x_1,x_2 \in V, \alpha ,\beta \in R \Rightarrow \alpha x_1 + \beta x_2 \in V

(仿射集要求\alpha + \beta = 1,跟C相关的子空间V：\alpha \in R, \beta \in R)

仿射包

aff C = \left \{ \theta _1 x_1 + ... \theta _kx_k | \forall x_1,...,x_k \in C, \forall \theta _1+...+ \theta _k = 1 \right \}

(即对任意集合C，构造尽可能小的仿射集)

例:

线性方程组的解集是仿射集

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容

  • 凸优化（一）凸集和仿射集
    1. 概述 从这里开始，为了复习所学知识，也是为了更加深刻地探讨优化理论中的相关知识，所以将凸优化中的基础概念做一...
    SaySei阅读 6,760评论 0赞 13
  • UIBizerPath官方API翻译
    18- UIBezierPath官方API中文翻译(待校对) ----------------- 华丽的分割线 -...
    醉卧栏杆听雨声阅读 1,091评论 1赞 1
  • 一步一步走向锥规划 - LP
    ​一般来说凸优化(Convex Optimization, CO)中最一般的是锥规划 (Cone Programm...
    史春奇阅读 5,235评论 1赞 6
  • 你的阅读里藏着你的未来
    读书的好处，古人很早就向我们讲明了，譬如： “书中自有黄金屋，书中自有颜如玉”； “胸藏文墨怀若谷,腹有诗书气自华...
    苏云伊阅读 371评论 0赞 9
  • 白居易买房记
    历史上境遇不错的诗人，能想到的莫过于白居易。 生于官僚家庭，从小有书读有地位，无需宋濂那般卖命求学；二十九岁高中，...
    JUNS231阅读 300评论 0赞 0