学习Convex Optimization资料分享

23Spring上的一门印象深刻的课，上完之后人都聪明很多。本书最大的特点是有极多的应用案例，涉及领域众多，涵盖signal processing、system and control theory、estimation、statistics、operations research、finance、information theory、digital and analog circuit design和machine learning等领域，对于理解如何使用凸优化有很大帮助。

全书分为三个部分：

1.基本概念（凸集、凸函数、凸优化问题、对偶）

2.应用（最小二乘法、线性和二次规划、半定规划、极小极大问题）

3.算法（下降、等式/不等式约束最小化问题等）

另外，附录部分有一些矩阵变换和数值方法。其中最实用的trick是Schur complement和epigraph转换问题成SDP，也可以当工具书用。

全书地址：https://web.stanford.edu/~boyd/cvxbook/bv_cvxbook.pdf

书后习题答案：https://egrcc.github.io/docs/math/cvxbook-solutions.pdf

幻灯片：https://web.stanford.edu/class/ee364a/lectures.html

Additional exercises（含m文件、Julia、Python、Matlab工具包）:https://github.com/cvxgrp/cvxbook_additional_exercises

Additional exercises solution manual:https://github.com/Haoming99/CVX/blob/main/Stephen_Boyd__Lieven_Vandenberghe_-_Additional_Exercises_for_Convex_Optimization_with_Solutions_2016.pdf

Stanford final exams:https://github.com/Haoming99/CVX

本课的先修课是线性代数，至少需要掌握矩阵分解，chapter9之后则需要一些矩阵微积分的知识。如果真想学懂这门课，需要完成书后习题。但是，Prof.Boyd的书后习题答案错误颇多且相当简略，需要仔细辨别。