- 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$\mathbb{R}^n$中的一个非空闭凸集,且$y \notin S$。则存在一个非零向量p和标量β,使得$p^T y>\beta$,并且对于每个$x \in S$,都有$p^T x < \beta$
证明
由于S是非空闭凸集,且$y \notin S$,因此根据最近点定理,存在唯一的最小化点$\hat{x} \in S$,使得
$\left ( x-\hat{x} \right )^T\left ( y-\hat{x} \right )\leq 0 \forall x \in S$
令$p=\left ( y-\hat{x} \right )\neq 0$,且$\beta=\hat{x}^T\left ( y-\hat{x} \right )=p^T\hat{x}$.
则 $\left ( x-\hat{x} \right )^T\left ( y-\hat{x} \right )\leq 0$
$\Rightarrow \left ( y-\hat{x} \right )^T\left ( x-\hat{x} \right )\leq 0$
$\Rightarrow \left ( y-\hat{x} \right )^Tx\leq \left ( y-\hat{x} \right )^T \hat{x}=\hat{x}^T\left ( y-\hat{x} \right )$ 即,$p^Tx \leq \beta$
此外,$p^Ty-\beta=\left ( y-\hat{x} \right )^Ty-\hat{x}^T \left ( y-\hat{x} \right )$
$=\left ( y-\hat{x} \right )^T \left ( y-x \right )=\left \| y-\hat{x} \right \|^{2}>0$
$\Rightarrow p^Ty> \beta$
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$S_2$。