保持凸性的运算是指对于凸集内的任意两个点进行某种运算后，运算结果仍然位于凸集内。以下是一些常见的保持凸性的运算及其代码示例：

1. 凸组合（Convex Combination）：

import numpy as np

def convex_combination(points, weights):
    assert len(points) == len(weights)
    assert np.isclose(np.sum(weights), 1.0)
    
    result = np.zeros_like(points[0])
    for i in range(len(points)):
        result += weights[i] * points[i]
    
    return result

此函数接受一个点集和对应的权重，返回这些点的凸组合结果。

2. 凸和（Convex Sum）：

import numpy as np

def convex_sum(points):
    result = np.zeros_like(points[0])
    for point in points:
        result += point
    
    return result / len(points)

此函数接受一个点集，返回这些点的凸和结果。

3. 凸差（Convex Difference）：

import numpy as np

def convex_difference(point1, point2):
    return point1 - point2

此函数接受两个点，返回这两个点的凸差结果。

4. 凸平均（Convex Average）：

import numpy as np

def convex_average(points):
    result = np.zeros_like(points[0])
    for point in points:
        result += np.log(point)
    
    return np.exp(result / len(points))

此函数接受一个点集，返回这些点的凸平均结果。

以上是一些常见的保持凸性的运算示例，根据具体需求可以进行相应的修改和扩展。