Affine set 和 convex set 的定义
什么是 affine set
定义:假设有一个集合 C ⊆ R n C \subseteq \mathbb{R}^n C⊆Rn, 如果连接集合 C C C 当中的任何两点构成的直线也在集合 C C C 之中,那么我们就说集合 C C C 是一个 affine set。
如果用数学语言来表述,就是对于任何 x 1 , x 2 ∈ C x_1, x_2 \in C x1,x2∈C,对任意 θ ∈ R \theta \in \mathbb{R} θ∈R,我们有 θ x 1 + ( 1 − θ ) x 2 ∈ C \theta x_1 + (1 - \theta) x_2 \in C θx1+(1−θ)x2∈C。如果一个集合满足这个性质,我们就说这个集合是一个 affine set。
什么是 convex set
Convex set 的定义与 affine set 的定义类似,区别在于 convex set 要求连接集合 C C C 当中的任何两点构成的线段也在集合 C C C 之中。
定义:假设有一个集合 C ∈ R n C \in \mathbb{R}^n C∈Rn, 如果连接集合 C C C 当中的任何两点构成的线段也在集合 C C C 之中,那么我们就说集合 C C C 是一个 convex set。
用数学语言来描述,就是对于任何 x 1 , x 2 ∈ C x_1, x_2 \in C x1,x2∈C,对任意 0 ≤ θ ≤ 1 0 \leq \theta \leq 1 0≤θ≤1,我们有 θ x 1 + ( 1 − θ ) x 2 ∈ C \theta x_1 + (1 - \theta) x_2 \in C θx1+(1−θ)x2∈C。如果一个集合满足这个性质,我们就说这个集合是一个 convex set。
从空间结构上来说,对于一个 convex set,连接其中的两个点,所得到的线段也在这个 convex set 中。所以下图代表的集合就不是 convex set。

关于 convexity 的几个性质
除了定义,我们还有如下的几个关于 convexity 和 affine 的性质。
定理1:如果一个集合 C ∈ R n C \in \mathbb{R}^n C∈Rn 是一个 convex set, x 1 , x 2 , ⋯ , x k x_1, x_2, \, \cdots, x_k x1,x2,⋯,xk 是集合 C C C 里的 k k k 个点,那么对于 θ 1 + θ 2 + ⋯ + θ k = 1 \theta_1 + \theta_2 + \cdots + \theta_k = 1 θ1+θ2+⋯+θk=1, θ i ≥ 0 , 1 ≤ i ≤ k \theta_i \geq 0, \, 1 \leq i \leq k θi≥0,1≤i≤k,我们有 θ 1 x 1 + θ 2 x 2 + ⋯ + θ k x k \displaystyle \theta_1 x_1 + \theta_2 x_2 + \cdots + \theta_k x_k θ1x1+θ2x2+⋯+θkxk 也是集合 C C C 中的一个点。
也就是说,对于 convex set 的定义中的两个点的情况,我们可以推广到任意 k k k 个点的情况。
我们用数学归纳法来证明上面的定理。当 k = 1 k = 1 k=1 时,结论自然成立。当 k = 2 k = 2 k=2 时,就是 convex set 的定义。假设结论对 k k k 成立, k ≥ 2 k \geq 2 k≥2,我们考虑 k + 1 k + 1 k+1 的情况。令 A = θ 1 x 1 + θ 2 x 2 + ⋯ + θ k + 1 x k + 1 A = \theta_1 x_1 + \theta_2 x_2 + \cdots + \theta_{k + 1} x_{k + 1} A=θ1x1+θ2x2+⋯+θk+1xk+1。对于 θ 1 , θ 2 , ⋯ θ k + 1 \theta_1, \, \theta_2, \, \cdots \theta_{k + 1} θ1,θ2,⋯θk+1 这 k + 1 k + 1

本文深入探讨了凸集和仿射集的概念,包括它们的定义、性质以及如何判断一个集合是否为凸集或仿射集。此外,还介绍了凸包、凸锥和锥的概念,以及这些概念在数学优化领域的应用。
最低0.47元/天 解锁文章
1509

被折叠的 条评论
为什么被折叠?



