- 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
- 魏尔斯特拉斯定理
- 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 - 凸包
一组点S的凸包是包含S中所有点在其内部或边界上的最小凸区域的边界。
或
设$S\subseteq \mathbb{R}^n$,S的凸包,记为$Co\left ( S \right )$,是S的所有凸组合的集合,即$x \in Co\left ( S \right )$当且仅当$x \in \displaystyle\sum\limits_{i=1}^n \lambda_ix_i$,其中$\displaystyle\sum\limits_{1}^n \lambda_i=1$且$\lambda_i \geq 0 \forall x_i \in S$
备注 - 平面上的一组点S的凸包定义了一个凸多边形,S中位于多边形边界上的点定义了多边形的顶点。
定理 $Co\left ( S \right )= \left \{ x:x=\displaystyle\sum\limits_{i=1}^n \lambda_ix_i,x_i \in S, \displaystyle\sum\limits_{i=1}^n \lambda_i=1,\lambda_i \geq 0 \right \}$ 证明凸包是一个凸集。
证明
设$x_1,x_2 \in Co\left ( S \right )$,则$x_1=\displaystyle\sum\limits_{i=1}^n \lambda_ix_i$且$x_2=\displaystyle\sum\limits_{i=1}^n \lambda_\gamma x_i$,其中$\displaystyle\sum\limits_{i=1}^n \lambda_i=1, \lambda_i\geq 0$且$\displaystyle\sum\limits_{i=1}^n \gamma_i=1,\gamma_i\geq0$
对于$\theta \in \left ( 0,1 \right ),\theta x_1+\left ( 1-\theta \right )x_2=\theta \displaystyle\sum\limits_{i=1}^n \lambda_ix_i+\left ( 1-\theta \right )\displaystyle\sum\limits_{i=1}^n \gamma_ix_i$
$\theta x_1+\left ( 1-\theta \right )x_2=\displaystyle\sum\limits_{i=1}^n \lambda_i \theta x_i+\displaystyle\sum\limits_{i=1}^n \gamma_i\left ( 1-\theta \right )x_i$
$\theta x_1+\left ( 1-\theta \right )x_2=\displaystyle\sum\limits_{i=1}^n\left [ \lambda_i\theta +\gamma_i\left ( 1-\theta \right ) \right ]x_i$
考虑系数,
$\displaystyle\sum\limits_{i=1}^n\left [ \lambda_i\theta +\gamma_i\left ( 1-\theta \right ) \right ]=\theta \displaystyle\sum\limits_{i=1}^n \lambda_i+\left ( 1-\theta \right )\displaystyle\sum\limits_{i=1}^n\gamma_i=\theta +\left ( 1-\theta \right )=1$
因此,$\theta x_1+\left ( 1-\theta \right )x_2 \in Co\left ( S \right )$
因此,凸包是一个凸集。