最优化之凸集凸函数上确界Jensen不等式共轭函数Fenchel不等式拉格朗日乘子法KKT条件

Posted dqhl1990

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了最优化之凸集凸函数上确界Jensen不等式共轭函数Fenchel不等式拉格朗日乘子法KKT条件相关的知识,希望对你有一定的参考价值。

最优化之凸集、凸函数、上确界、Jensen不等式、共轭函数、Fenchel不等式、拉格朗日乘子法、KKT条件、拉格朗日对偶


1.直线的向量表达

1.1 共线定理

对于任意两个向量 a ⃗ , b ⃗ \\veca, \\vecb a ,b b ⃗ ≠ 0 \\vecb \\neq 0 b ̸=0,当 a ⃗ ∣ ∣ b ⃗ \\veca||\\vecb a b 时,存在唯一实数 λ \\lambda λ,使得 a ⃗ = λ b ⃗ \\veca=\\lambda \\vecb a =λb

1.2 共面定理

如果两个向量 a ⃗ , b ⃗ \\veca,\\vecb a ,b 不共线,则向量 p ⃗ \\vecp p 与向量 a ⃗ , b ⃗ \\veca,\\vecb a ,b 共面的充要条件是存在唯一的实数对 x , y x,y x,y,使得
p ⃗ = x a ⃗ + y b ⃗ \\vecp=x\\veca + y\\vecb p =xa +yb

1.3 直线的向量参数方程

使用上图作为参考,我们得到:
对于直线上任意第一点 P P P,我们有
A P ⃗ = θ A B ⃗ \\vecAP = \\theta\\vecAB AP =θAB
(1) O P ⃗ = O A ⃗ + A P ⃗ = O A ⃗ + θ A B ⃗ = O A ⃗ + θ ( A O ⃗ + O B ⃗ ) = O A ⃗ + θ A O ⃗ + θ O B ⃗ = O A ⃗ − θ O A ⃗ + θ O B ⃗ = ( 1 − θ ) O A ⃗ + θ O B ⃗ \\beginaligned \\vecOP &= \\vecOA + \\vecAP \\\\ &= \\vecOA + \\theta\\vecAB\\\\ &= \\vecOA + \\theta(\\vecAO + \\vecOB) \\\\ &= \\vecOA +\\theta \\vecAO + \\theta \\vecOB\\\\ &=\\vecOA - \\theta \\vecOA + \\theta \\vecOB\\\\ &= (1 - \\theta) \\vecOA + \\theta \\vecOB\\\\ \\tag1 \\endaligned OP =OA +AP =OA +θAB =OA +θ(AO +OB )=OA +θAO +θOB =OA θOA +θOB =(1θ)OA +θOB (1)
O O O为原点 ( 0 , 0 ) (0,0) (0,0),假设 A A A点坐标为 ( 5 , 1 ) (5,1) (5,1) B B B点坐标为 ( 2

以上是关于最优化之凸集凸函数上确界Jensen不等式共轭函数Fenchel不等式拉格朗日乘子法KKT条件的主要内容,如果未能解决你的问题,请参考以下文章

深度学习/机器学习入门基础数学知识整理:Jensen不等式简单理解,共轭函数

机器学习凸集凸函数凸优化凸优化问题非凸优化问题概念详解

机器学习凸集凸函数凸优化凸优化问题非凸优化问题概念详解

机器学习与优化关系凸集凸函数简介

优化理论02----凸函数共轭函数拟凸函数对数凹/对数凸函数关于广义不等关系的凸性

01-凸集