
- 凸优化教程
- 首页
- 简介
- 线性规划
- 范数
- 内积
- 最小值和最大值
- 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
- 凸函数和凹函数
- Jensen不等式
- 可微凸函数
- 全局最优的充分必要条件
- 拟凸函数和拟凹函数
- 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
- 凸问题算法
- 凸优化资源
- 凸优化 - 快速指南
- 凸优化 - 资源
- 凸优化 - 讨论
基本分离定理
设S是Rn中的一个非空闭凸集,且y∉S。则存在一个非零向量p和标量β,使得pTy>β,并且对于每个x∈S,都有pTx<β
证明
由于S是非空闭凸集,且y∉S,因此根据最近点定理,存在唯一的最小化点ˆx∈S,使得
(x−ˆx)T(y−ˆx)≤0∀x∈S
令p=(y−ˆx)≠0,且β=ˆxT(y−ˆx)=pTˆx.
则 (x−ˆx)T(y−ˆx)≤0
⇒(y−ˆx)T(x−ˆx)≤0
⇒(y−ˆx)Tx≤(y−ˆx)Tˆx=ˆxT(y−ˆx) 即,pTx≤β
此外,pTy−β=(y−ˆx)Ty−ˆxT(y−ˆx)
=(y−ˆx)T(y−x)=‖
\Rightarrow p^Ty> \beta
该定理导致分离超平面。基于上述定理,可以定义超平面如下:
设S_1和S_2是\mathbb{R}的非空子集,且H=\left \{ X:A^TX=b \right \}是一个超平面。
如果对于所有X \in S_1,A^TX \leq b,并且对于所有X \in S_2,A_TX \geq b,则称超平面H分离S_1和S_2。
如果对于所有X \in S_1,A^TX < b,并且对于所有X \in S_2,A_TX > b,则称超平面H严格分离S_1和S_2。
如果对于所有X \in S_1,A^TX \leq b,并且对于所有X \in S_2,A_TX \geq b+ \varepsilon,其中\varepsilon是一个正标量,则称超平面H强分离S_1和S_2。
广告