学习了一下中科大 凌青 老师的凸优化视频.做一点笔记.

例:线性矩阵不等式LMI.

A(X)=∑i=1kXiAi⪯B,A(X)=∑i=1kXiAi⪯B,

A(X)=\sum_{i=1}^{k}{X_iA_i}\preceq B,其中,对所有的 i∈[1,k]i∈[1,k]i\in {[1,k]}有 B,Ai,Xi∈SmB,Ai,Xi∈SmB,A_i,X_i\in S^m. SmSmS^m指的是一切长宽都为 mmm的对称矩阵的集合.

A(X)⪯B" role="presentation">A(X)⪯BA(X)⪯B

A(X)\preceq B意味着 B−A(X)⪰0B−A(X)⪰0B-A(X)\succeq 0,就是说 B−A(X)B−A(X)B-A(X)是个半正定矩阵.

求证: {X|A(X)⪯B}{X|A(X)⪯B}\{X|A(X)\preceq B\}是凸集.
为了证明这个性质,我们需要先证明:1.对凸集进行仿射变换(就是线性变换),得到集合的仍然是凸集。2.所有半正定矩阵的集合Sm+S+mS^m_+是个凸集.
这两个证明比较简单,这里不说了。

先说明一下函数的”广播”. 有一个简单的函数:g(x)=x2g(x)=x2g(x)=x^2. 设CCC是一个集合. 约定: g(C)={g(x)|x∈C}" role="presentation">g(C)={g(x)|x∈C}g(C)={g(x)|x∈C}g(C)=\{g(x)|x\in C\}.

接下来开始证明.
定义仿射变换f(x)=B−A(X)f(x)=B−A(X)f(x)=B-A(X).

f({X|B−A(X)⪰0})=f(X|f(X)⪰0)={f(P)|P∈{X|f(X)⪰0}}={f(P)|f(P)⪰0}={X|X⪰0}=Sm+(使用f)(广播)(消解)(消解)(332)(使用f)f({X|B−A(X)⪰0})=f(X|f(X)⪰0)(广播)={f(P)|P∈{X|f(X)⪰0}}(消解)={f(P)|f(P)⪰0}(消解)={X|X⪰0}(332)=S+m

\begin{align} f(\{X|B-A(X)\succeq 0\})&=f({X|f(X)\succeq 0}) \tag{使用$f$} \\ &=\{f(P)|P\in\{X|f(X)\succeq 0\}\} \tag{广播}\\ &=\{f(P)|f(P)\succeq 0\} \tag{消解}\\ &=\{X|X\succeq 0\}\tag{消解}\\ &=S^m_+ \end{align}

那么,fff的逆变换f−1" role="presentation">f−1f−1f^{-1}就满足:

f−1(Sm+)={X|B−A(X)⪰0}.(333)(333)f−1(S+m)={X|B−A(X)⪰0}.

\begin{align} f^{-1}(S^m_+)=\{X|B-A(X)\succeq 0\}. \end{align}
因为 fff是个仿射变换,f−1" role="presentation">f−1f−1f^{-1}也应是个仿射变换.对凸集 Sm+S+mS^m_+进行的仿射变换得到了 {X|B−A(X)⪰0}{X|B−A(X)⪰0}\{X|B-A(X)\succeq 0\},它也是个凸集.

《凸优化》7 学习笔记相关推荐

  1. Linux性能优化实战学习笔记:第四十六讲=====实战分析

    Linux性能优化实战学习笔记:第四十六讲 一.上节回顾 不知不觉,我们已经学完了整个专栏的四大基础模块,即 CPU.内存.文件系统和磁盘 I/O.以及网络的性能分析和优化.相信你已经掌握了这些基础模 ...

  2. Linux性能优化实战学习笔记:第十讲==中断

    Linux性能优化实战学习笔记:第十讲 一.坏境准备 1.拓扑图 2.安装包 在第9节的基础上 在VM2上安装hping3依奈包 ? 1 2 3 4 5 6 7 wget http://www.tcp ...

  3. 凸优化教程学习与理解(mark)

    凸优化教程学习与理解(mark) 1. 什么是凸优化 1.1 优化问题的一般形式 1.2 优化问题的几种分类 1.2.1. 早期划分为线性规划和非线性规划: 1.2.2 凸规划和非凸规划; 1.2.3 ...

  4. 从零开始带你成为MySQL实战优化高手学习笔记(一)

    重复是有必要的. 很多新入职的小朋友可能和现在的我一样,对数据库的了解仅仅停留在建库建表增删改查这些操作,日常工作也都是用封装好的代码,别说底层原理了,数据库和系统之间是如何工作都不是很懂. 长此以往 ...

  5. 白鲸优化算法学习笔记

    白鲸优化算法学习笔记 1. 引言 白鲸优化算法(Whale Optimization Algorithm,简称WOA)是一种基于自然界中的白鲸行为而发展起来的启发式优化算法.该算法模拟了白鲸群体的寻食 ...

  6. 凸优化基础知识笔记-凸集、凸函数、凸优化问题

    文章目录 1. 凸集 2. 凸函数 2.1. 凸函数的一阶条件 2.1. 凸函数例子 3. 凸优化问题 4. 对偶 4.1. Lagrange函数与Lagrange对偶 4.2. 共轭函数 4.3. ...

  7. 凸优化基础学习:凸集、凸函数、凸规划理论概念学习

    凸优化基础概念学习 1.计算几何是研究什么的? 2.计算几何理论中(或凸集中)过两点的一条直线的表达式,是如何描述的?与初中数学中那些直线方程有什么差异?有什么好处? 3.凸集是什么? 直线是凸集吗? ...

  8. 斜率优化dp学习笔记

    本文为原创??? 作者写这篇文章的时候刚刚初一毕业-- 如有错误请各位大佬指正 从例题入手 洛谷P3915[HNOI2008]玩具装箱toy Step0:读题 Q:暴力? 如果您学习过dp 不难推出d ...

  9. 数据库优化(学习笔记)

    前言: 数据库优化确实是比较重要的板块,也是面试数据开发岗位几乎必考的面试题. 本菜鸡这学期学了一门数据库相关课<Data Storing and Retrieving>,字面意思理解也就 ...

  10. python运输问题_叶片运输优化问题学习笔记

    在之前负责的风电项目叶片发运过程中,涉及到一些运输问题.恰好最近学习了一点优化方面的知识,这里对叶片的发运问题做一个优化. 问题背景: 当前项目为一个100MW的风电电站,场地位于B国境内. 设计拟选 ...

最新文章

  1. 【原】YUI压缩与CSS media queries下的bug
  2. C++笔试、面试题总结
  3. Android 轮询最佳实践 Service + AlarmManager+Thread
  4. 课工场java新手基础教程_Java新手学习路线,学Java不走弯路
  5. eclipse没有server选项解决方法
  6. shell实例第6讲:检查主机存活状态
  7. java怎么xml文件解析_Java对Xml文件解析
  8. 07_创建tensor,从numpy创建,从List创建,设置默认类型,rand/rand_like,randint,full,arange,linspace/logspace,linspace等等
  9. php计算时间顺延3分,PHP关于strtotime函数的大坑
  10. windows系统-程序加载时生成栈和堆的过程
  11. 邮箱用户名登录php,让WordPress支持用户名或邮箱登录
  12. Verify_Execute 验证SQL语句执行结果
  13. 【SylixOS】Qt 基于FrameBuffer渲染界面
  14. 2015Mac版飞秋无法接受文件夹!!!
  15. 【1】Matlab深度学习环境配置-入门
  16. ESP32使用PCF8563时钟模块进行网络校时
  17. lisp线段两端同时缩短的命令_cad中有没有办法同时对多条线段偏移?
  18. python画钢铁侠标志图片_python可视化之matplotlib绘图--蜘蛛侠钢铁侠(组合分区绘图)...
  19. Intellij IDEA优化配置(1)------Darcula主题的选择以及字体和颜色配置(基于Intellij IDEA 2019.1)
  20. [svn] TortoisSVN的Blam功能

热门文章

  1. 使用IDAPython dump 内存
  2. 音视频基础知识——素材理解
  3. 教你免费下载和安装office办公软件,超级简单
  4. 人人都会设计模式:07-建造者模式--Builder
  5. 精心整理的MYSQL面试题
  6. 外边距 - margin
  7. Android高德地图试用
  8. 谷歌 Android 13 曝光
  9. shopee引流方式有哪些,商家如何为自己店铺做引流?
  10. 五招教你做好企业年终绩效考核,太实用了!