用Python和NumPy玩转凸函数与凸集：从数学定义到动态可视化

记得刚开始学习机器学习时，最让我头疼的就是那些抽象的数学概念。特别是"凸函数"和"凸集"这两个词，在教材里反复出现，但光看定义总觉得隔靴搔痒。直到有一天，我尝试用Python把这些概念画出来，一切突然变得清晰可见。这篇文章就是要把这种"可视化学习法"分享给你，让你也能通过代码亲手触摸这些数学概念的形状。

1. 准备工作：搭建你的Python可视化实验室

在开始之前，我们需要准备好Python环境和必要的库。推荐使用Anaconda创建虚拟环境，这样可以避免库版本冲突的问题：

bash复制conda create -n convex_env python=3.8
conda activate convex_env
pip install numpy matplotlib ipykernel

核心工具包的功能简介：

• NumPy：处理数学运算和数组操作的核心库
• Matplotlib：数据可视化的瑞士军刀
• SciPy（可选）：提供额外的数学工具和优化算法

提示：如果你使用Jupyter Notebook，可以添加%matplotlib inline魔法命令，让图表直接显示在笔记本中。

让我们先定义一个简单的绘图函数，后续可以重复使用：

python复制import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

def plot_function(f, x_range=(-5,5), y_range=(-5,5), step=0.1):
    """绘制二元函数的三维曲面"""
    x = np.arange(x_range[0], x_range[1], step)
    y = np.arange(y_range[0], y_range[1], step)
    X, Y = np.meshgrid(x, y)
    Z = f(X, Y)
    
    fig = plt.figure(figsize=(12,6))
    ax = fig.add_subplot(111, projection='3d')
    surf = ax.plot_surface(X, Y, Z, cmap='viridis', alpha=0.8)
    fig.colorbar(surf)
    plt.title(f"Function: {f.__name__}")
    plt.show()

2. 凸集：用代码画出形状的本质

数学定义说凸集是"集合内任意两点连线上的点都在集合内"，这听起来很抽象。让我们用代码来具象化这个概念。

2.1 经典凸集示例

先创建几个常见的凸集：

python复制def plot_convex_sets():
    # 圆形（凸集）
    circle = plt.Circle((0,0), 2, fill=False, edgecolor='blue', linewidth=2)
    
    # 矩形（凸集）
    rectangle = plt.Rectangle((-1,-1), 2, 2, fill=False, edgecolor='green', linewidth=2)
    
    # 非凸集示例（月牙形）
    theta = np.linspace(0, 2*np.pi, 100)
    moon_x = 2*np.cos(theta)
    moon_y = 2*np.sin(theta) + np.where(theta < np.pi, 0.5, -0.5)
    
    fig, ax = plt.subplots(figsize