“对任意 $k$,若 $k\in I$,则 $J$ 中每个 $x j$ 都属于 $C k$;由凸性,$y\in C k$。若 $k\in J$ 同理使用 $I$。所以 $y$ 属于全部 $d+…”
形式陈述 ​
等价地,任意有限凸组合
仍属于
直觉
凸集允许对两个方案做连续混合而不离开可行范围;它把“折中仍合法”编码成线段闭包。定义只涉及有限凸组合,但反复应用即可得到任意有限多个点的凸组合。凸性是一种仿射性质:平移和可逆仿射变换不会改变它,却与长度、角度无关。
例子与边界
仿射子空间、半空间、范数球和概率单纯形都是凸集;圆周本身、两个相离球的并通常不凸。凸性不要求集合开、闭、有界或含原点。凸集的并一般不凸,除非额外结构保证。在线性映射下的像和原像保持凸性。整数点集即使其凸包很简单也通常不凸,故整数规划不是普通凸优化。
概率单纯形
是凸集,因为混合两组概率仍是概率。单位圆盘凸,而圆周不凸:
推论与应用
取一个集合的所有有限凸组合得到凸包,它是包含原集合的最小凸集;Carathéodory 定理在有限维中控制每个点所需的生成点数。仿射超平面与半空间给出最基本的凸约束,有限个闭半空间之交形成多面体。Helly 定理进一步把有限凸集族的全局相交性压缩为低阶子族证书;这些结论各自需要有限维或有限族假设,不属于凸集定义本身。
分离与支撑超平面定理说明何时能用线性泛函识别外点或贴住边界;闭性、紧性与分离强度的区别由该定理页统一处理。在博弈中,混合策略组成概率单纯形;在组合优化中,离散可行点的凸包把难以直接搜索的选择问题放松为连续几何问题,但放松后的解未必仍是原来的离散方案。
在线凸优化把同一个凸集
参考资料
- Stephen Boyd and Lieven Vandenberghe, Convex Optimization, Cambridge University Press, 2004,Ch. 2, convex sets, cones and affine geometry。
- R. Tyrrell Rockafellar, Convex Analysis, Princeton University Press, 1970,§§1–2, convex sets and convex hulls。