最優化幾何學不僅僅關於形狀；它更關注集合在插值下的結構完整性。我們從空間中最基本的路徑開始： 直線。
代數基礎：直線與仿射集
要導航多維度的最優化場景，我們必須定義如何在兩點 $x_1$ 與 $x_2$ 之間移動。數學上的直線是所有滿足以下條件的點 $y$ 的集合：
$$y = \theta x_1 + (1 - \theta)x_2$$
等價地，我們可以將其視為從 $x_2$ 出發，沿方向 $(x_1 - x_2)$ 按 $\theta$ 縮放後移動：$y = x_2 + \theta(x_1 - x_2)$。當 $\theta$ 取遍所有實數 $\mathbb{R}$ 時，我們生成一個 仿射集。一個關鍵性質需要記住： 任何直線都是仿射集。若它經過原點，則為子空間，因此也是一個凸錐。
線段（橋樑）
線段是限制於 $0 \le \theta \le 1$ 時的情形。與無限延長的直線不同，線段是 凸集，但不是仿射集 （除非退化為一點）。它代表了兩個端點間所有「加權平均」或混合結果的集合。
射線（方向）
射線的形式為 $\{x_0 + \theta v \mid \theta \ge 0\}$，其中 $v \neq 0$，也是 凸集，但不是仿射集。射線是優化理論中錐體的基本構建單元。
凸性檢驗
我們將集合 $C$ 定義為 凸集 如果集合內任意兩點之間的線段完全位於該集合內部，則稱此集合為凸集。這個簡單的要求——包含『橋樑』（即線段）——正是使最優化問題可解或不可解的關鍵。
範例：投資組合最優化
在金融領域，假設 $x_1$ 代表 100% 股票的投資組合，$x_2$ 則為 100% 債券的投資組合。線段代表所有可能的加權混合組合。例如，60/40 的分配發生在 $\theta = 0.6$ 時。若『允許的投資組合』集合是凸集，則任意兩個有效組合的混合結果也必然有效——這項性質極大簡化了風險評估。
🎯 核心原則
凸性並非由集合的邊界定義，而是由其內部連通性決定。只要在任意兩點之間都能沿直線行進而不離開集合，就表示具有凸幾何結構。