- 凸优化教程
- 首页
- 介绍
- 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 - 魏尔斯特拉斯定理
设 S 是 $\mathbb{R}^n$ 中一个非空、闭合且有界的集合(也称为紧集),且 $f:S\rightarrow \mathbb{R} $ 是 S 上的一个连续函数,则问题 min $\left \{ f\left ( x \right ):x \in S \right \}$ 取得其最小值。
证明
由于 S 非空且有界,因此存在下界。
$\alpha =Inf\left \{ f\left ( x \right ):x \in S \right \}$
现在设 $S_j=\left \{ x \in S:\alpha \leq f\left ( x \right ) \leq \alpha +\delta ^j\right \} \forall j=1,2,...$ 且 $\delta \in \left ( 0,1 \right )$
根据下确界的定义,对于每个 j,$S_j$ 都是非空的。
选择一些 $x_j \in S_j$ 以获得一个序列 $\left \{ x_j \right \}$,其中 j=1,2,...。
由于 S 有界,因此该序列也有界,并且存在一个收敛子序列 $\left \{ y_j \right \}$,该子序列收敛于 $\hat{x}$。因此,$\hat{x}$ 是一个极限点,并且 S 是闭合的,因此,$\hat{x} \in S$。由于 f 是连续的,因此 $f\left ( y_i \right )\rightarrow f\left ( \hat{x} \right )$。
由于 $\alpha \leq f\left ( y_i \right )\leq \alpha+\delta^k, \alpha=\displaystyle\lim_{k\rightarrow \infty}f\left ( y_i \right )=f\left ( \hat{x} \right )$
因此,$\hat{x}$ 是最小化解。
备注
魏尔斯特拉斯定理成立有两个重要的必要条件。如下所示:
步骤 1 - 集合 S 应该是一个有界集合。
考虑函数 f\left ( x \right )=x。
它是一个无界集,并且在其定义域的任何点都没有最小值。
因此,为了获得最小值,S 应该是有界的。
步骤 2 - 集合 S 应该是一个闭合集合。
考虑定义域为 \left ( 0,1 \right ) 的函数 $f\left ( x \right )=\frac{1}{x}$。
此函数在给定定义域中不是闭合的,并且其最小值也不存在。
因此,为了获得最小值,S 应该是一个闭合集合。