UA SIE545 优化理论基础1 凸分析2 仿射组合与仿射包
UA SIE545 优化理论基础1 凸分析2 仿射组合与仿射包
对于数域FFF上的线性空间VVV,考虑∀x1,⋯,xm∈V,∀λ1,⋯,λm∈F\forall x_1,\cdots,x_m \in V,\forall \lambda_1,\cdots,\lambda_m \in F∀x1,⋯,xm∈V,∀λ1,⋯,λm∈F, λ1+⋯+λm=1\lambda_1+\cdots+\lambda_m=1λ1+⋯+λm=1,称x=λ1x1+⋯+λmxmx=\lambda_1x_1+\cdots+\lambda_mx_mx=λ1x1+⋯+λmxm
为一个仿射组合。考虑S⊂VS \subset VS⊂V,记affSaffSaffS为线性子空间的SSS仿射包,它是包含SSS的最小线性流形:
affS={∑i=1mλixi:xi∈S,λi∈F,∑i=1mλi=1}affS=\{\sum_{i=1}^m \lambda_ix_i:x_i \in S,\lambda_i \in F,\sum_{i=1}^m \lambda_i=1\}affS={i=1∑mλixi:xi∈S,λi∈F,i=1∑mλi=1}
对于y0,y1,⋯,ym∈Sy_0,y_1,\cdots,y_m \in Sy0,y1,⋯,ym∈S,称它们仿射无关,如果y1−y0,⋯,ym−y0y_1-y_0,\cdots,y_m-y_0y1−y0,⋯,ym−y0线性无关;称它们仿射相关,如果y1−y0,⋯,ym−y0y_1-y_0,\cdots,y_m-y_0y1−y0,⋯,ym−y0线性相关。因此
span{y1−y0,⋯,ym−y0}=aff{0,y1−y0,⋯,ym−y0}span\{y_1-y_0,\cdots,y_m-y_0\}=aff\{0,y_1-y_0,\cdots,y_m-y_0\}span{y1−y0,⋯,ym−y0}=aff{0,y1−y0,⋯,ym−y0}
其中aff{vectors}aff\{vectors\}aff{vectors}表示由这些vectors生成的线性流形。另外,根据平行关系,
aff{0,y1−y0,⋯,ym−y0}=b0+aff{y0,y1,⋯,ym}aff\{0,y_1-y_0,\cdots,y_m-y_0\}=b_0+aff\{y_0,y_1,\cdots,y_m\}aff{0,y1−y0,⋯,ym−y0}=b0+aff{y0,y1,⋯,ym}
基于仿射无关与线性无关的关系,我们可以将判断线性相关性的方法直接用来判断仿射相关性。另外,根据线性流形与线性子空间的关系,仿射变换总是可以表示成一个线性变化和一个平移。
UA SIE545 优化理论基础1 凸分析2 仿射组合与仿射包相关推荐
- UA SIE545 优化理论基础1 凸分析3 凸集与凸包
UA SIE545 优化理论基础1 凸分析3 凸集与凸包 基本概念与性质 凸集 凸组合 凸包 基本概念与性质 凸集 考虑数域FFF上的线性空间VVV. 定义一 凸集(convex set).S⊂VS ...
- UA SIE545 优化理论基础1 凸分析8 极点与极方向
UA SIE545 优化理论基础1 凸分析8 极点与极方向 这一讲我们讨论一种特殊的凸集,多面体集合(polyhedral set),定义 S={x∈Rn:Ax=b,x≥0}S = \{x \in \ ...
- UA SIE545 优化理论基础1 凸分析1 线性流形与超平面
UA SIE545 优化理论基础1 凸分析1 线性流形与超平面 线性流形 超平面 线性流形 假设FFF是一个数域,VVV是FFF上的一个线性空间.称M⊂VM \subset VM⊂V是一个线性流形,如 ...
- UA SIE545 优化理论基础1 例题1 常见的凸集
UA SIE545 优化理论基础1 例题1 常见的凸集 一些例题 在优化理论中,我们主要讨论下面几种凸集: 超平面:{x:pTx=β}\{x:p^Tx=\beta\}{x:pTx=β} 半空间:{x: ...
- UA SIE545 优化理论基础 用Farkas定理证明Farkas类的结论
UA SIE545 优化理论基础 用Farkas定理证明Farkas类的结论 Farkas定理 AAA是一个m×nm\times nm×n的矩阵,下面两个系统有且仅有一个有解: I:Ax≤0,cTx& ...
- UA SIE545 优化理论基础 函数凸性的一些有趣的判断方法
UA SIE545 优化理论基础 函数凸性的一些有趣的判断方法 Convex function f:S→Rf:S \to \mathbb{R}f:S→R where SSS is a nonempty ...
- UA SIE545 优化理论基础 例题 对偶函数的凸性与次梯度计算
UA SIE545 优化理论基础 例题 对偶函数的凸性与次梯度计算 例 考虑对偶函数 θ(u1,u2)=minx12+x22≤4x1(2−u1)+x2(3−u2)\theta(u_1,u_2) = ...
- UA SIE545 优化理论基础2 凸函数 概念 理论 总结
UA SIE545 优化理论基础2 凸函数 概念 理论 总结 凸函数的概念与简单性质 Convex function f:S→Rf:S \to \mathbb{R}f:S→R where SSS is ...
- UA SIE545 优化理论基础3 Fritz-John与Kuhn-Tucker理论总结 带等式约束与不等式约束的极值问题
UA SIE545 优化理论基础3 Fritz-John与Kuhn-Tucker理论总结 带等式约束与不等式约束的极值问题 对于函数f:X→Yf:X \to Yf:X→Y,我们希望XXX是一个凸的度量 ...
最新文章
- python tk text scrollbar_tk.Scrollbar控件的使用
- 上下文保存 中断_Linux内核中断顶半部和底半部的理解
- 运算符的优先级和实际操作
- Element UI——布局容器el-container子元素强制上下排列
- Effective Dart 文档注释在Flutter项目中的实践
- 2017蓝桥杯省赛---java---B---7(日期问题)
- P2:图像分类:KNN与线性分类器
- 为何各家抢滩物联网?
- Python的for循环显示每个元素的下标
- 对c语言课程的收获,c语言课程设计心得体会精选.doc
- 计算机类毕业设计评阅书评语,本科毕业论文评阅人评语_毕业论文评阅人评语模板文库_本科毕业论文评阅老师评语大全...
- 12.8 Font 对象
- 软渲染器(Directx11)三之世界矩阵,相机变换矩阵,透视投影矩阵,透视除法,视口变换矩阵
- 夸克链创始人周期:把区块链的好处带给千家万户
- 头条面试居然跟我扯了半小时的Semaphore
- 2023 华为 Datacom-HCIE 真题题库 08/12--含解析
- SSD6 exercise1 解题思路
- 图解HTTP-思维导图
- 出库发货扫描检测软件(方案)
- css实现线条两边细中间粗