问题改进
原问题
\[\min_x \|Tx-Tx_0\|_2 \\s.t. Ax=b\\Tx \in D
\]
其中\(T_jx \in D_k\)，为了获得最小的\(K\)。使得扭曲最小，需要对此进行改进。首先优化目标需要进行改进，原来的目标是使优化后的映射尽可能与原先的接近，现在是只需要使扭曲降低就可以了。其次，为了使优化问题变成凸问题，第三个扭曲的限制条件也需要进行改进。这样就得到了现有问题：
现问题
\[\min_{x,K} \|K\|^2 \\s.t. Ax=b\\Tx \in D
\]
其中\(T_jx \in D_k\)，表示新的限定区域，在第\(j\)个三角形上的约束，也就是：
\[(\sigma_1^j-\sigma_2^j)^2 \leq K^j(\sigma_1^j+\sigma_2^j)^2
\]
