CVXPY约束cvxpy.square(x)>=0非DCP但作目标函数符合的原因

cvxpy.square(x) >= 0作为约束不满足DCP要求、但作为目标函数可以通过DCP校验，核心原因是DCP规则对目标函数、不同类型约束的曲率匹配要求完全不同，和表达式本身的数学正确性没有直接关系。

先明确一个基础属性：cvxpy.square(x)是CVXPY内置的凸原子函数，无论出现在模型什么位置，它本身的曲率标签始终是凸，不会随位置变化。

两种场景的规则匹配差异 #

• 作为目标函数时：DCP仅认可两类合法目标：最小化凸表达式、最大化凹表达式。只要你是对cvxpy.square(x)做最小化，完全符合目标的曲率要求，自然能通过DCP校验；反过来如果你写最大化square(x)，一样会判定不合规。
• 作为>=约束的左侧时：DCP对大于等于约束的固定校验规则是约束左侧必须为凹表达式，右侧必须为凸表达式——这个规则的本质是保证约束对应的可行域是凸集，符合凸优化的求解要求。cvxpy.square(x)是凸表达式，放在>=的左侧完全不满足规则要求，哪怕这个约束数学上恒成立（实数域内平方本来就非负），DCP校验器也不会做额外数学推导，只会按固定规则判定不合规。

延伸问题解答 #

>=符号在自动曲率分析中的作用 #

>=是约束构造标记，不会改变两侧表达式本身的曲率属性，只会触发校验器调用大于等于约束的专属曲率匹配规则，逐一检查左右两侧表达式的曲率、单调性、符号标签是否满足合规要求。CVXPY不会自动对约束做移项、化简操作，只要两侧的曲率标签不匹配规则，不管数学上是否等价，都会判定为非法。

不等式/等式表达式的“曲率”含义 #

首先要澄清：约束本身没有曲率属性，曲率是仅针对标量表达式的标签，一共分为四类：

• 仿射（含常数、线性表达式）：同时满足凸、凹属性
• 凸：符合凸函数定义的表达式，比如平方、范数、凸函数的正项求和
• 凹：符合凹函数定义的表达式，比如对数、凹原子函数、负的凸表达式
• 未知曲率：不符合DCP原子组合规则的表达式，直接判定非法

我们常说的约束曲率合规，本质是指约束两侧的表达式曲率组合，能够保证定义的可行域是凸集，对应规则非常明确：

• 等式约束（==）：两侧必须均为仿射表达式，只有仿射等式定义的可行域才是凸集
• 小于等于约束（<=）：左侧为凸表达式，右侧为凹表达式，等价于凸函数的取值被凹函数限制上界，可行域为凸集
• 大于等于约束（>=）：左侧为凹表达式，右侧为凸表达式，等价于凹函数的取值被凸函数限制下界，可行域为凸集

类似cvxpy.square(x) >= 0这种数学上恒成立的约束完全没必要添加，CVXPY中平方函数的取值天然非负，额外添加只会触发DCP校验报错，对模型求解没有任何帮助。

内容的提问来源于stack exchange，提问作者whoknowsnot