凸优化中多面体的定义

P={x|aTix≤bi,i=1,2,⋯,m,cTjx=dj,j=1,2,⋯,p}

\begin{align} \mathcal{P}=\left\{{\boldsymbol{x}|\boldsymbol{a}_i^T\boldsymbol{x}\leq b_i, i=1,2,\cdots, m, \boldsymbol{c}_j^T\boldsymbol{x}=d_j, j=1,2,\cdots,p}\right\} \end{align}
以下分为三个步骤进行证明:
(a) 证明:若 {Ωα}(α∈I) \left\{{\Omega_{\alpha}}\right\} (\alpha \in I) 是 Rn \mathbb{R}^n空间中的凸集的集合. 则 ⋂α∈IΩα \bigcap_{\alpha \in I}\Omega_{\alpha} 也是凸集.

证: 设任意 x1,x2∈⋂α∈IΩα x_1,x_2\in \bigcap_{\alpha\in I}\Omega_{\alpha}. 那么对于任意 α∈I \alpha\in I,都有 x1,x2∈Ωα x_1,x_2\in \Omega_{\alpha} . 由于 Ωα \Omega_{\alpha}是凸集,因此 θx1+(1−θ)x2∈Ωα (α∈I) \theta x_1+(1-\theta)x_2\in \Omega_{\alpha} \ (\alpha\in \boldsymbol{I}) 对于任意的 θ∈(0,1) \theta\in (0,1) 都成立,即, θx1+(1−θ)x2∈⋂α∈IΩα \theta x_1+(1-\theta)x_2\in \bigcap_{\alpha\in I}{\Omega_{\alpha}},即 ⋂α∈IΩα \bigcap_{\alpha \in I}\Omega_{\alpha} 是凸集.

(b) 证明:超平面和半空间是凸集
超平面和半空间的定义如下:

Hyperplanes:{x|aTx=b}Halfspaces:{x|aTx≤b}

\begin{equation} \text{Hyperplanes}: \left\{{x|a^Tx=b}\right\} \quad \text{Halfspaces}: \left\{{x|a^Tx\leq b}\right\} \end{equation}
证: 假设 x1,x2∈Ω x_1,x_2\in \Omega, 并且 aTx1=b,aTx2=b a^Tx_1=b, a^Tx_2=b. 我们可以得到

aT(θx1+(1−θ)x2)=θaTx1+(1−θ)aTx2=b

\begin{equation} a^T(\theta x_1+(1-\theta)x_2)=\theta a^T x_1+(1-\theta)a^Tx_2=b \end{equation}
即, (θx1+(1−θ)x2)∈Ω (\theta x_1+(1-\theta)x_2)\in \Omega. 类似的,我们也可以得到半空间也是凸集。

(c) 从多面体的定义,我们知道一个多面体是由多个超平面和半空间的交集合,如步骤(b)中证明,超平面和半空间都是凸集,如步骤(a)中证明,凸集的交集合也是凸的。根据(a)和(b)的结论,因此多面体是凸集。

所有的多面体都是凸集相关推荐

  1. [最优化]凸集的定义与常见凸集

    凸集的定义与常见凸集 通常认为,如果某个实际问题可以表述为凸优化问题,那么事实上已经解决了这个问题,然而凸优化问题的识别还比较困难,本文将先介绍凸集的定义与常见凸集. 仿射集 如果集合 C⊆Rn C ...

  2. 凸优化学习(二)——凸集

    注意,本文内容来自于吴恩达老师cs229课堂笔记的中文翻译项目:https://github.com/Kivy-CN/Stanford-CS-229-CN 中的凸优化部分的内容进行翻译学习. 2. 凸 ...

  3. 超平面,半空间,多面体,单纯形定义与解析

    深入理解仿射集,凸集,锥等定义及相关证明,这里列出一些常用的凸集,和一些球,空间,多面体,单纯形之类的正式定义,并讨论他们和凸集的关系. Rn空间与子空间\color{red}\mathbf{R^n空 ...

  4. 凸优化学习:PART1凸集

    凸优化学习PART1 一.引言:优化问题简介 优化问题的定义 凸优化是优化的一种,是优化中比较容易的问题.在讲解优化问题前,首先说明什么是优化/数学规划(Optimization/Mathematic ...

  5. 超平面,半空间,多面体

    它们都是凸集 超平面(hyperplane)的定义: {x∣aTx=b}\{x\mid a^{T}x=b\}{x∣aTx=b} 其中 aaa 是一个非零向量,bbb 是实数,即 a≠0,b∈Ra\ne ...

  6. 凸优化——凸集与凸函数

    一.数学规划   从一个可行解的集合中,寻找出最优的元素,称为数学规划,又名优化.可以写为 m i n i m i z e f 0 ( x ) s u b j e c t t o f i ( x ) ...

  7. 多面体 (Multipatch)

    多面体要素是一种可存储面集合的 GIS 对象,能够在数据库中将 3D 对象的边界表示为单个行.面可存储表示要素组成部分的纹理.颜色.透明度和几何信息.面中存储的几何信息可以是三角形.三角扇.三角条带或 ...

  8. 泛函分析笔记(八) 凸集和凸函数

    文章目录 1. 凸集 2. 凸函数 1. 凸集 线段: 给定向量空间的两点 a 和 b ,集合 [ a , b ] : = { x ∈ X ; x = λ a + ( 1 − λ ) b , 0 ≤ ...

  9. ArcGIS教程:多面体

    什么是多面体要素? 多面体要素是一种可存储面集合的 GIS 对象,能够在数据库中将 3D 对象的边界表示为单个行.面可存储表示要素组成部分的纹理.颜色.透明度和几何信息.面中存储的几何信息可以是三角形 ...

最新文章

  1. 教程 | 如何在手机上使用TensorFlow
  2. 转、转、转——陀螺的梦话
  3. 自定义dialog弹窗html,自定义H5页面dialog弹窗
  4. 论文排版怕翻车?这个排版神器赶紧用起来!
  5. 《鸿蒙理论知识05》HarmonyOS概述之下载与安装软件
  6. jQuery中live函数的替代-【jQuery】
  7. csuoj 1355: 地雷清除计划
  8. java 接收前台富文本_前后端分离ueditor富文本编辑器的使用-Java版本
  9. 大数据时代背景下智能工厂的能源管理系统
  10. 基于STM32的STM8脱机编程器源码分享
  11. 联想服务器ThinkServer TS80x板载RAID设置教程
  12. vue3.0需要学习的技术栈
  13. 伊利洛伊大学厄巴纳-香槟分校计算机专业,申请伊利诺伊大学香槟分校计算机科学专业需要具备哪些条件?看完文章你就清楚了...
  14. 泛函分析笔记03:完备距离空间及其应用
  15. 2022-2028年全球与中国饲料核苷酸行业市场需求预测分析
  16. 使用A*算法求最短路径
  17. 保姆级 IGV 基因组浏览器使用指南(图文详解)
  18. 中国十大最具影响力***
  19. 关于ArcGIS一运行ArcToolbox就闪退问题的两种可能性和解决方案
  20. 比尔盖茨痛数离婚:我确实出轨犯下大错,爱泼斯坦的事早该听她的

热门文章

  1. 国内有哪些大型的药物筛选中心?
  2. Vm下设置系统显示全屏
  3. UVC摄像头视频流原理解析
  4. Linux/Android perf
  5. Windows server 2012R2 恢复桌面模式
  6. echarts 仪表盘文本下移_echarts仪表盘设置图文实例
  7. Android基础进阶 - 调用拍照、获取图片
  8. 数据向:我到底是谁的歌迷?
  9. CMAB 强化学习中的组合多臂老虎机问题(二)
  10. 基于51单片机十字路交通灯仿真_黄灯闪烁_正常模式+夜间模式+紧急模式