
- 凸优化教程
- 首页
- 介绍
- 线性规划
- 范数
- 内积
- 极小值和极大值
- 凸集
- 仿射集
- 凸包
- Caratheodory定理
- Weierstrass定理
- 最近点定理
- 基本分离定理
- 凸锥
- 极锥
- 锥组合
- 多面体集
- 凸集的极点
- 方向
- 凸函数与凹函数
- Jensen不等式
- 可微凸函数
- 全局最优的充分条件与必要条件
- 拟凸函数与拟凹函数
- 可微拟凸函数
- 严格拟凸函数
- 强拟凸函数
- 伪凸函数
- 凸规划问题
- Fritz-John条件
- Karush-Kuhn-Tucker最优性必要条件
- 凸问题的算法
- 凸优化资源
- 凸优化 - 快速指南
- 凸优化 - 资源
- 凸优化 - 讨论
凸优化 - 最近点定理
设S是Rn中的一个非空闭凸集,且y∉S,则存在一个点ˉx∈S,其到y的距离最小,即‖
此外,\bar{x}是极小点当且仅当\left ( y-\hat{x} \right )^{T}\left ( x-\hat{x} \right )\leq 0 或 \left ( y-\hat{x}, x-\hat{x} \right )\leq 0
证明
最近点的存在性
由于S\ne \phi,存在一个点\hat{x}\in S,使得S到y的最小距离小于等于$\left \| y-\hat{x} \right \|。
定义\hat{S}=S \cap \left \{ x:\left \| y-x \right \|\leq \left \| y-\hat{x} \right \| \right \}
由于\hat{S}是闭集且有界,并且由于范数是连续函数,则根据Weierstrass定理,存在一个极小点\hat{x} \in S,使得\left \| y-\hat{x} \right \|=\inf\left \{ \left \| y-x \right \|,x \in S \right \}
唯一性
假设\bar{x} \in S,使得\left \| y-\hat{x} \right \|=\left \| y-\bar{x} \right \|= \alpha
由于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
它不可能是严格不等式,因为\hat{x}是距离y最近的点。
因此,\left \| y-\frac{\hat{x}+\bar{x}}{2} \right \|=\mu \left \| y-\hat{x} \right \|,对于某个μ
现在\left \| \mu \right \|=1。如果μ=-1,则\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,极小点是唯一的。
对于证明的第二部分,假设\left ( y-\hat{x} \right )^{\tau }\left ( x-\bar{x} \right )\leq 0 对所有x∈S成立
现在,
\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},因为\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}是极小点。
反之,假设\hat{x}是极小点。
\Rightarrow \left \| y-x \right \|^{2}\geq \left \| y-\hat{x} \right \|^2 \forall x \in S
由于S是凸集。
\Rightarrow \lambda x+\left ( 1-\lambda \right )\hat{x}=\hat{x}+\lambda\left ( x-\hat{x} \right ) \in S,对于x∈S和\lambda \in \left ( 0,1 \right )
现在,\left \| y-\hat{x}-\lambda\left ( x-\hat{x} \right ) \right \|^{2}\geq \left \| y-\hat{x} \right \|^2
并且
\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
证毕。