
- 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 - 极锥
设S是Rn中的一个非空集,则S的极锥,记为S∗,由S∗={p∈Rn,pTx≤0∀x∈S}给出。
备注
即使S不是凸集,极锥也总是凸的。
如果S为空集,则S∗=Rn。
极性可以被视为正交性的推广。
设C⊆Rn,则C的正交空间,记为C⊥={y∈Rn:⟨x,y⟩=0∀x∈C}。
引理
设S,S1和S2是Rn中的非空集,则以下陈述为真:
S∗是一个闭凸锥。
S⊆S∗∗,其中S∗∗是S∗的极锥。
S1⊆S2⇒S∗2⊆S∗1。
证明
步骤1 − S∗={p∈Rn,pTx≤0∀x∈S}
设x1,x2∈S∗⇒xT1x≤0 且 xT2x≤0,∀x∈S
对于λ∈(0,1),[λx1+(1−λ)x2]Tx=[(λx1)T+{(1−λ)x2}T]x,∀x∈S
=[λxT1+(1−λ)xT2]x=λxT1x+(1−λ)xT2≤0
因此 λx1+(1−λ)x2∈S∗
因此 S∗是一个凸集。
对于λ≥0,pTx≤0,∀x∈S
因此,λpTx≤0,
⇒(λp)Tx≤0
⇒λp∈S∗
因此,S∗是一个锥。
要证明S∗是闭的,即要证明如果pn→p 当n→∞时,则p∈S∗。
∀x∈S,pTnx−pTx=(pn−p)Tx
当pn→p 当n→∞⇒(pn→p)→0
因此 pTnx→pTx。但pTnx≤0,∀x∈S
因此,pTx≤0,∀x∈S
⇒p∈S∗
因此,S∗是闭的。
步骤2 − S∗∗={q∈Rn:qTp≤0,∀p∈S∗}
设x∈S,则∀p∈S∗,pTx≤0⇒xTp≤0⇒x∈S∗∗
因此,S⊆S∗∗
步骤3 − S∗2={p∈Rn:pTx≤0,∀x∈S2}
由于S1⊆S2⇒∀x∈S2⇒∀x∈S1
因此,如果ˆp∈S∗2,则ˆpTx≤0,∀x∈S2
⇒ˆpTx≤0,∀x∈S1
⇒ˆpT∈S∗1
⇒S∗2⊆S∗1
定理
设C是非空闭凸锥,则C=C∗∗
Explore our latest online courses and learn new skills at your own pace. Enroll and become a certified expert to boost your career.
证明
C=C∗∗根据前面的引理。
要证明:x∈C∗∗⊆C
设x∈C∗∗且x∉C
然后根据基本分离定理,存在一个向量p≠0和一个标量α,使得pTy≤α,∀y∈C
因此,pTx>α
但由于(y=0)∈C且pTy≤α,∀y∈C⇒α≥0且pTx>0
如果p∉C∗,则存在某个ˉy∈C使得pTˉy>0,并且可以通过取λ足够大使得pT(λˉy)任意大。
这与pTy≤α,∀y∈C的事实相矛盾。
因此,p∈C∗
由于x∈C∗={q:qTp≤0,∀p∈C∗}
因此,xTp≤0⇒pTx≤0
但pTx>α
这是矛盾的。
因此,x∈C
因此 C=C∗∗。