
【计】 convex set
protruding
【医】 convexity; cyrto-; prominence; prominentia
collect; collection; gather; volume
【电】 set
在数学优化和几何理论中,凸集(Convex Set) 是一个基础且重要的概念,其汉英对应关系及核心定义如下:
设 ( S ) 是实数域上的向量空间(如 (mathbb{R}^n))的子集。若对任意两点 ( x, y in S ) 和任意标量 ( lambda in),均满足:
$$ lambda x + (1-lambda)y in S $$
则称 ( S ) 为凸集。换言之,集合内任意两点的连线仍完全包含于该集合。
凸集的几何特征可概括为:
图示:左侧为凸集(圆、多边形),右侧为非凸集(星形、月牙形)
常见凸集:
优化理论中的作用:
凸集是凸优化问题的可行域基础。若目标函数为凸函数且约束集为凸集,则局部最优解即全局最优解,算法效率显著提升。
教材定义:
“凸集要求集合包含其中任意两点的凸组合。”
——Stephen Boyd & Lieven Vandenberghe, Convex Optimization(剑桥大学出版社)链接
数学百科:
MathWorld对凸集的几何特性及代数条件有详细阐释链接
中文权威来源:
《数学辞海》(高等教育出版社)强调凸集在泛函分析中的推广形式链接
本定义综合了几何直观、代数条件及优化应用,并引用国际权威教材与学术资源,确保概念表述的准确性与专业性。
凸集是数学中的一个重要概念,主要应用于几何、优化和线性代数领域。其核心定义和性质如下:
一个集合 ( C subseteq mathbb{R}^n ) 是凸集,当且仅当对于任意两点 ( mathbf{x}, mathbf{y} in C ) 和任意标量 ( lambda in),它们的凸组合 ( lambda mathbf{x} + (1-lambda) mathbf{y} ) 仍然属于 ( C )。这意味着连接两点的线段完全位于集合内部。
凸集是凸优化的基础。在凸优化问题中,目标函数和约束条件均为凸,此时局部最优解即全局最优解,且存在高效算法求解。
若 ( C ) 是凸集,则满足: $$ forall mathbf{x}, mathbf{y} in C, forall lambda in :quad lambda mathbf{x} + (1-lambda) mathbf{y} in C. $$
通过理解凸集,可以进一步学习凸函数、凸优化等更复杂的数学工具。
贝卡里氏垃圾处理法鼻毛癣菌属补救途径不完全竞争层叠式柱色谱法出口落空萃取了溶剂凋零放弃专利权非法请求敷裹员高阻抗材料工序鼓槌基尔米松氏手术开脱康酿克油赖帐的人裂叶栝楼粒砂埋弧自动焊机模仿的漆酚漆生成驱动轮任意网络煽惑输卵管周炎撕脱骨折统购统销