优化的几何学不仅仅是关于形状；它关乎集合在插值下的结构完整性。我们从空间中最基本的路径开始： 直线。
代数基础：直线与仿射集
为了在多维优化空间中导航，我们必须定义如何在两点 $x_1$ 和 $x_2$ 之间移动。数学上的直线是所有满足以下条件的点 $y$ 的集合：
$$y = \theta x_1 + (1 - \theta)x_2$$
等价地，我们可以将其视为从 $x_2$ 出发，沿着方向 $(x_1 - x_2)$ 以 $\theta$ 缩放后移动：$y = x_2 + \theta(x_1 - x_2)$。当 $\theta$ 取遍所有实数 $\mathbb{R}$ 时，我们生成一个 仿射集。一个关键性质需要牢记： 任何直线都是仿射的。如果它经过原点，则是一个子空间，因此也是一个凸锥。
线段（桥梁）
线段是限制在 $0 \le \theta \le 1$ 范围内的结果。与无限直线不同，线段是 凸的，但不是仿射的 （除非退化为一个点）。它代表了两个端点之间所有“加权平均”或混合形式的集合。
射线（方向）
射线的形式为 $\{x_0 + \theta v \mid \theta \ge 0\}$，其中 $v \neq 0$，也是 凸的，但不是仿射的。射线是优化理论中锥体的基础构建块。
凸性检验标准
我们将一个集合 $C$ 定义为 凸的 如果集合中任意两点之间的线段完全位于该集合内部，则称该集合为凸集。这一简单要求——包含“桥梁”——正是使优化问题可解或不可解的关键。
示例：投资组合优化
在金融领域，假设 $x_1$ 代表 100% 股票的投资组合，$x_2$ 代表 100% 债券的投资组合。线段表示所有可能的加权混合。例如，60/40 的分配发生在 $\theta = 0.6$ 处。如果“允许的投资组合”集合是凸的，那么任意两个有效投资组合的混合都保证是有效的——这一性质极大地简化了风险评估。
🎯 核心原则
凸性并非由集合的边界定义，而是由其内部连通性决定。只要你可以始终在任意两点之间沿直线行进而不离开集合，你就拥有一个凸几何结构。