仿射 ,仿射集,子空间
学习凸优化的过程中,首先要接触到仿射集与凸集的定义,非常有必要完全理解。
文章目录
- 一、仿射集(Affine set),凸集(Convex set)定义
- 二、子空间(Subspace)
- 三、仿射包(affine hull)
关于锥、凸锥参看另一篇博文:https://blog.csdn.net/robert_chen1988/article/details/78828727
一、仿射集(Affine set),凸集(Convex set)定义
设 x1x_1x1 与 x2x_2x2 是定义在集合 CCC 中任意两个不同的点,即 x1≠x2x_1\neq x_2x1=x2, 并且 x1,x2∈C,C⊆Rnx_1, x_2\in C, C\subseteq \bf{R}^nx1,x2∈C,C⊆Rn,对任意一个实数 θ\thetaθ,都有
θx1+(1−θ)x2∈Corx2+θ(x1−x2)∈C\theta x_1+(1-\theta)x_2\in C\quad or\quad x_2+\theta(x_1-x_2)\in Cθx1+(1−θ)x2∈Corx2+θ(x1−x2)∈C
则称 CCC 为一个仿射集。若要求 0≤θ≤10\leq\theta\leq 10≤θ≤1,则 CCC 为一个凸集,可见一个仿射集必属于凸集(锥跟仿射集并没有隶属关系)。
仿射集的几何意义是:一个集合中任意两点的连线上的点仍然属于这个集合,则该集合为仿射集。个人感觉在三维空间内,整个坐标系才属于仿射集。
注:每一个线性方程组 Ax=bAx=bAx=b 的解为一个仿射集。
为什么称作仿射呢? 定义 y=θx1+(1−θ)x2y=\theta x_1+(1-\theta) x_2y=θx1+(1−θ)x2,该表达式可以化为
y=x2+θ(x1−x2)y=x_2+\theta(x_1-x_2)y=x2+θ(x1−x2)
yyy 可以表示为通过基点 x2x_2x2,方向为 x1−x2x_1-x_2x1−x2,大小为 θ(x1−x2)\theta(x_1-x_2)θ(x1−x2) 的一个箭头的末端,如下图所示:
import matplotlib.pyplot as plt
import numpy as npplt.arrow(2, 3, 4, 8, width = 0.08, color = 'c', length_includes_head = True)plt.plot(2, 3, 'ro')
plt.annotate('$x_2$', xy = (2.2, 2.8))
plt.plot(5, 9, 'ro')
plt.annotate('$x_1$', xy = (5.2, 8.8))
plt.plot(6, 11, 'ro')
plt.annotate('$y=x_2+\\theta (x_1-x_2), \\theta = 2$', xy = (6.2, 10.8))
plt.xlim((0, 10))
plt.ylim((0, 16))
plt.show()
若 CCC 是一个仿射集,x1x_1x1, …\dots…, xk∈Cx_k\in Cxk∈C,并且 θ1+⋯+θk=1\theta_1+\dots+\theta_k=1θ1+⋯+θk=1, 则
θ1x1+⋯+θkxk∈C\theta_1x_1+\dots+\theta_k x_k\in Cθ1x1+⋯+θkxk∈C
其中,θ1x1+⋯+θkxk\theta_1x_1+\dots+\theta_k x_kθ1x1+⋯+θkxk 称作点 x1,…,xkx_1, \dots, x_kx1,…,xk 的仿射组合。
若要求 θi≥0,i=1,…,k\theta_i\geq 0, i = 1, \dots, kθi≥0,i=1,…,k, 则 θ1x1+⋯+θkxk\theta_1x_1+\dots+\theta_k x_kθ1x1+⋯+θkxk 称作点 x1,…,xkx_1, \dots, x_kx1,…,xk 的凸组合。
二、子空间(Subspace)
对于一个仿射集 CCC,及其内部任意一点 x0x_0x0,集合
V=C−x0={x−x0∣x∈C}V=C-x_0=\{x-x_0\mid x\in C\}V=C−x0={x−x0∣x∈C}
属于子空间(满足性质:零向量属于子空间,子空间内任意两个向量的加和,单向量与标量的乘积也在子空间里)。
子空间一般默认的是线性子空间,另外一个等价的定义为:
对于任意两个实数 aaa,bbb 及非空集合 SSS 中的任意两个向量 x\bm xx, y\bm yy,都有 ax+by∈Sa\bm x+b\bm y\in Sax+by∈S,则集合 SSS 可以称作线性子空间。
还有一个仿射子空间,仿射子空间可以视作将线性子空间移动。例如:在一个 n 维向量空间里,经过原点的一条线为一个线性子空间,而其他不经过原点的直线为仿射子空间。
下面的性质都是针对子空间:
性质1:一个子空间 VVV 为仿射集。
性质2:一个子空间 VVV 为凸锥。
性质3:一个子空间 VVV 为凸集。
证明:对于 VVV 中任意两点 v1v_1v1 与 v2v_2v2,它们的线性组合 αv1+βv2\alpha v_1+\beta v_2αv1+βv2,因为
αv1+βv2+x0=α(v1+x0)+β(v2+x0)+(1−α−β)x0∈C\alpha v_1+\beta v_2 + x_0= \alpha(v_1+x_0)+\beta(v_2+x_0)+(1-\alpha-\beta)x_0\in Cαv1+βv2+x0=α(v1+x0)+β(v2+x0)+(1−α−β)x0∈C
(因为 v1+x0∈Cv_1+x_0\in Cv1+x0∈C, v2+x0∈Cv_2+x_0\in Cv2+x0∈C, 仿射集定义)
所以 αv1+βv2∈V\alpha v_1+\beta v_2 \in Vαv1+βv2∈V,即一个子空间中任意两点的线性组合仍然属于该子空间。
特别的,我们令 α=1−β\alpha=1-\betaα=1−β,则根据仿射集定义,子空间属于一个仿射集。
特别的,我们令 α>0,β>0\alpha>0,\beta>0α>0,β>0,则根据凸锥的定义,子空间属于一个凸锥。
若我们令 α=1−β,0≤α≤1\alpha=1-\beta, 0\leq\alpha\leq 1α=1−β,0≤α≤1,则估计凸集定义,子空间属于一个凸集。
综合以上,子空间也属于凸锥。 □\Box□
一条直线是一个仿射集合,一个通过原点的直线属于子空间(证明过程类似上面)
注1:子空间为线性方程组 Ax=0 的解。
注2:若 xxx 属于子空间,那么 −x-x−x 也属于子空间。
三、仿射包(affine hull)
一个集合 CCC 内所有点的仿射组合,称作该集合的仿射包, 即 aff CCC:
aff C={θ1x1+⋯+θkxk∣x1,…,xk∈C,θ1+⋯+θk=1}\text{aff}~ C=\{\theta_1x_1+\dots+\theta_kx_k\mid x1,\dots, x_k\in C, \theta_1+\dots+\theta_k=1\}aff C={θ1x1+⋯+θkxk∣x1,…,xk∈C,θ1+⋯+θk=1}
仿射 ,仿射集,子空间相关推荐
- 论文阅读笔记(9):加权稀疏子空间表示——子空间聚类、约束聚类和主动学习的统一框架
论文阅读笔记(9):WEIGHTED SPARSE SUBSPACE REPRESENTATION--A UNIFIED FRAMEWORK FOR SUBSPACE CLUSTERING, CONS ...
- 多元函数第四:欧式几何(2)直线,超平面,半空间,球体,球面
直线 欧式几何中一个最基本的公理是两点确定一条直线.我们都知道,这条公理对于2维和3维空间成立.n维空间中的直线,也可以用两点 x 1 x_1 x1和 x 2 x_2 x2完全确定.一般地,过 x ...
- 漫步凸分析一——仿射集
本文中,用RR表示实数,RnR^n表示实nn元x=(ξ1,-,ξn)x=(\xi_1,\ldots,\xi_n)的向量空间,除非特别指明,否则都是在RnR^n中讨论.在RnR^n中两个向量x,x∗x, ...
- 凸优化理论(一)深入理解仿射集,凸集,锥等定义及相关证明
文章目录 1:仿射集相关定义与证明 2:相关子空间与性质证明 3:线性方程组的解集与化零空间 4:任意集合构建最小仿射集-仿射包 5:凸集相关:凸包-凸组合 6:锥 Cone与凸锥 Convex Co ...
- 线性代数之 向量空间几何学(1)仿射
线性代数之 向量空间几何学(1)仿射 前言 仿射组合 仿射组合与向量空间 仿射无关性 总结 前言 本章是线性代数最后一节内容,向量空间与几何学. 仿射组合 定义仿射组合:对于RnR^nRn中的向量v⃗ ...
- 【凸优化笔记一】仿射集+凸集+锥
[凸优化笔记一]仿射集+凸集+锥 引言 直线&线段 直线的定义 线段的定义 仿射集 Affine Sets 与C相关的子空间 线性方程组的解集是仿射集 零空间 仿射包 Affine Hull ...
- DSML:深度子空间相互学习模型(用于癌症亚型预测)
目录 背景描述 模型架构 数据表示 Single level omics data representation learning model(单级组学数据表示学习模型) Multi-level om ...
- 凸优化笔记(一):仿射集,凸集与锥
一.直线和线段 设为空间中的两个点. 直线: 线段: 二.仿射集(Affine Set)凸集(Convex Set)和锥(Cones) 仿射集 仿射集:通过集合中任意两个不同点的直线仍然在集合C中,则 ...
- 【Convex Optimization (by Boyd) 学习笔记】Chapter 2 - Convex sets(1) 仿射集凸集
I. 仿射凸集(Affine and convex sets) 1. 线与线段 假设\(R^n\)空间内两点\(x_1,x_2\, (x_1≠x_2)\),那么\(y=\theta x_1+(1-\t ...
最新文章
- mysql plsql循环语句吗,Oracle PLSQL 在游标中用while循环实例程序
- 高温保护_连续4天高温预警!高温作业,这些劳动保护知识一定要懂!
- oracle雾化试图_Oracle创建物化视图
- springboot templates读取不到_整合spring mvc + mybatis,其实很简单,spring boot实践(5)
- android 自定义相机,Camera,相机遮罩层
- 浅谈HTTPS以及Fiddler抓取HTTPS协议
- Linux系统常用命令,指令详解及案例
- redhat 6安装mysql5.7_RedHat6.5/CentOS6.5安装Mysql5.7.20的教程详解
- 引用 一个较优雅的GridView隐藏列取值解决方案
- logistic回归分析优点_Logistic回归——回归系数
- oracle优化方法,九大Oracle性能优化基本方法详解
- 2019北邮网安考研经验
- 陈强老师公开课笔记3——中介效应的Stata操作
- P2P分布式搜索引擎YaCy
- 学习CSS3,使用双旋转实现福到了的迎春喜庆特效
- Elasticsearch的查询
- httpd.conf linux,linux上安装apache以及httpd.conf基本配置
- 数量乘以单价的公式计算机,“excel公式大全详解“单价乘以数量 然后累加的公式 EXCEL...
- L3-031 千手观音 拓扑排序+哈希表
- 【游戏开发实战】小岛城堡里的常春藤,听新发剖析Unity案例知识点