
【計】 convex set
protruding
【醫】 convexity; cyrto-; prominence; prominentia
collect; collection; gather; volume
【電】 set
在數學優化和幾何理論中,凸集(Convex Set) 是一個基礎且重要的概念,其漢英對應關系及核心定義如下:
設 ( S ) 是實數域上的向量空間(如 (mathbb{R}^n))的子集。若對任意兩點 ( x, y in S ) 和任意标量 ( lambda in),均滿足:
$$ lambda x + (1-lambda)y in S $$
則稱 ( S ) 為凸集。換言之,集合内任意兩點的連線仍完全包含于該集合。
凸集的幾何特征可概括為:
圖示:左側為凸集(圓、多邊形),右側為非凸集(星形、月牙形)
常見凸集:
優化理論中的作用:
凸集是凸優化問題的可行域基礎。若目标函數為凸函數且約束集為凸集,則局部最優解即全局最優解,算法效率顯著提升。
教材定義:
“凸集要求集合包含其中任意兩點的凸組合。”
——Stephen Boyd & Lieven Vandenberghe, Convex Optimization(劍橋大學出版社)鍊接
數學百科:
MathWorld對凸集的幾何特性及代數條件有詳細闡釋鍊接
中文權威來源:
《數學辭海》(高等教育出版社)強調凸集在泛函分析中的推廣形式鍊接
本定義綜合了幾何直觀、代數條件及優化應用,并引用國際權威教材與學術資源,确保概念表述的準确性與專業性。
凸集是數學中的一個重要概念,主要應用于幾何、優化和線性代數領域。其核心定義和性質如下:
一個集合 ( C subseteq mathbb{R}^n ) 是凸集,當且僅當對于任意兩點 ( mathbf{x}, mathbf{y} in C ) 和任意标量 ( lambda in),它們的凸組合 ( lambda mathbf{x} + (1-lambda) mathbf{y} ) 仍然屬于 ( C )。這意味着連接兩點的線段完全位于集合内部。
凸集是凸優化的基礎。在凸優化問題中,目标函數和約束條件均為凸,此時局部最優解即全局最優解,且存在高效算法求解。
若 ( C ) 是凸集,則滿足: $$ forall mathbf{x}, mathbf{y} in C, forall lambda in :quad lambda mathbf{x} + (1-lambda) mathbf{y} in C. $$
通過理解凸集,可以進一步學習凸函數、凸優化等更複雜的數學工具。
【别人正在浏覽】