Boyd第一章

线性规划是凸优化的一种，故线性规划只是凸优化的一个子集。是线性规划一定属于凸优化，但反之不一定成立。

凸优化与线性规划定义的区别有两点：系数，等号

最小二乘优化没有限制条件。但A行数不小于列数，使得转置再相乘的时候有可能得逆矩阵。

最小二乘法可以通过增加权重或附加项来调整，增加灵活性。

所有从n维实空间到实数的线性映射，都可以用ctx表示。

从对称矩阵到实数的线性映射可用trace(cx)来表示。

 Boyd第一章slide：

三种优化最好求解：线性规划，凸优化，最小二乘。

最小二乘和线性规划都属于凸优化。

给个example，m个灯照亮n个地方，在第k个位置的光强是各个发射点功率加权之和。夹角超过90度照不进来了。目标函数是minmax,使得与预定的值相比偏差小。限制条件是功率限制。

等功率分配，最小二乘，加权最小二乘，线性规划，凸优化5种方法来解。给人一种千变万换，咋说咋有理还不好说哪个是最优的赶脚。想驾驭得看以后了。。。

一群凸函数的最大值所组成的函数还是凸函数。