【转载请注明出处】http://www.cnblogs.com/mashiqi

2017/02/16

Minkowski不等式:

设$f$是$\mathbb{R}^n \times \mathbb{R}^n$上的Lebesgue可测函数,则对任意$1 \leq p < +\infty$,有$$\left( \int_{\mathbb{R}^n} \left| \int_{\mathbb{R}^n} f(x,y)\mathrm{d}y \right|^p \mathrm{d}x \right)^{1/p} \leq \int_{\mathbb{R}^n}  \left( \int_{\mathbb{R}^n} \left| f(x,y) \right|^p \mathrm{d}x \right)^{1/p} \mathrm{d}y.$$

如何理解这个不等式呢?我们将$f(x,y)$中的$y$看作给定,于是$f(x,y)$就是关于$x$的函数。对于固定的数$y_1, \cdots, y_m$,我们可以得到$m$个关于$x$的函数$f(\cdot,y_1), \cdots, f(\cdot,y_m)$。由于$p-$范数$\|\cdot\|_{L^p(\mathbb{R}^n)}$满足三角不等式,因此我们有$$\|f(\cdot,y_1) + \cdots + f(\cdot,y_m)\|_{L^p(\mathbb{R}^n)} \leq \|f(\cdot,y_1)\|_{L^p(\mathbb{R}^n)} + \cdots + \|f(\cdot,y_m)\|_{L^p(\mathbb{R}^n)}.$$将这个式子写成积分形式,就是$$\left( \int_{\mathbb{R}^n} \left| \sum_{i=1}^m f(x,y_i) \right|^p \mathrm{d}x \right)^{1/p} \leq \sum_{i=1}^m  \left( \int_{\mathbb{R}^n} \left| f(x,y_i) \right|^p \mathrm{d}x \right)^{1/p}.$$

现在,我们将“对变量$y_i$从1到$m$的求和”推广为“对变量$y$在整个空间$\mathbb{R}^n$上的求和(也就是对$\mathbb{R}^n$上的积分)”,于是我们就可以得到$$\left( \int_{\mathbb{R}^n} \left| \int_{\mathbb{R}^n} f(x,y)\mathrm{d}y \right|^p \mathrm{d}x \right)^{1/p} \leq \int_{\mathbb{R}^n}  \left( \int_{\mathbb{R}^n} \left| f(x,y) \right|^p \mathrm{d}x \right)^{1/p} \mathrm{d}y.$$

(注:以上并不是对Minkowski不等式的严谨的证明,而只是帮助理解的解释而已。不过严谨的证明就是从上面这个思路来的。)

如何理解Minkowski不等式的更多相关文章

  1. 从Jensen不等式到Minkowski不等式

    整理即证 参考资料: [1].琴生不等式及其加权形式的证明.Balbooa.https://blog.csdn.net/balbooa/article/details/79357839.2018.2 ...

  2. 【学习笔记】Minkowski和

    这还是个被我咕了N久的玩意 Minkowski和是一个奇怪的玩意 他长这样 $S={a+b \| a \in A , b \in B}$ AB可以是点集也可是向量集(显然) 他可以处理一些奇怪的东西 ...

  3. POJ2217 Secretary 后缀数组&&高度数组

    学后缀数组后的一道裸题.先来讲讲收获,作为字符串初学者,后缀数组也是刚刚在学,所幸的是有一篇好的论文<后缀数组--处理字符串的有力工具>by 罗穗骞,里面非常详尽地介绍了有关后缀数组的概念 ...

  4. SVM及其对偶

    引自 http://my.oschina.net/wangguolongnk/blog/111349 1. 支持向量机的目的是什么? 对于用于分类的支持向量机来说,给定一个包含正例和反例(正样本点和负 ...

  5. <转>E-M算法

    转自http://blog.csdn.net/zouxy09/article/details/8537620/ 机器学习十大算法之一:EM算法.能评得上十大之一,让人听起来觉得挺NB的.什么是NB啊, ...

  6. 自定义圆形头像CircleImageView的使用和源码分析

    http://www.jcodecraeer.com/a/anzhuokaifa/androidkaifa/2015/0806/3268.html tools:context="com.ex ...

  7. 概率图模型之EM算法

    一.EM算法概述 EM算法(Expectation Maximization Algorithm,期望极大算法)是一种迭代算法,用于求解含有隐变量的概率模型参数的极大似然估计(MLE)或极大后验概率估 ...

  8. 【整理】深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件

    在求解最优化问题中,拉格朗日乘子法(Lagrange Multiplier)和KKT(Karush Kuhn Tucker)条件是两种最常用的方法.在有等式约束时使用拉格朗日乘子法,在有不等约束时使用 ...

  9. 【CSS3】 理解CSS3 transform中的Matrix(矩阵)

    理解CSS3 transform中的Matrix(矩阵) by zhangxinxu from http://www.zhangxinxu.com 本文地址:http://www.zhangxinxu ...

随机推荐

  1. lvs 进阶 第二章

    linux virtual server 一 . lvs lvs 对数据进行四层转发,根据目标地址和目标端口对请求数据进行转发. lvs 包含ipvsadm 和ipvs: ipvsadm :用户空间的 ...

  2. 微信小程序实现图片裁剪上传(wepy)

    参考https://github.com/we-plugin/we-cropper,在wepy中实现,参考的具体例子是we-cropper/example/cutInside/ 项目上传图片时2:3的 ...

  3. NOI 2017 整数(线段树)

    题意 https://loj.ac/problem/2302 思路 拆分成每个二进制位的加减来考虑,维护那个整数的二进制位.不难发现,进位就是找右边第一个 \(0\) 的位置,并将其赋值为 \(1\) ...

  4. Learning-Python【32】:进程理论基础

    什么是进程 进程就是一个程序在一个数据集上的一次动态执行过程.是用来描述程序执行过程的虚拟概念.进程的概念起源于操作系统,进程是操作系统最核心的概念,操作系统其它所有的概念都是围绕进程来的.进程一般由 ...

  5. 激活Pychram

    最近更新了Intellij IDEA到2018.1.5之后,使用之前的授权服务器(http://idea.imsxm.com)会提示Outdated License Server Detected,大 ...

  6. 力扣(LeetCode)561. 数组拆分 I

    给定长度为 2n 的数组, 你的任务是将这些数分成 n 对, 例如 (a1, b1), (a2, b2), ..., (an, bn) ,使得从1 到 n 的 min(ai, bi) 总和最大. 示例 ...

  7. Cocos Creator学习四:按钮响应事件

    1.方法一:通过编辑器对cc.Button的属性进行拖放操作进行控制 (1)创建脚本BtnClick1.js,增加btnClick1函数,然后拖放到Canvas节点中(记得拖放,否则下面步骤将找不到对 ...

  8. 深入理解Plasma(二)Plasma 细节

    这一系列文章将围绕以太坊的二层扩容框架,介绍其基本运行原理,具体操作细节,安全性讨论以及未来研究方向等.本篇文章主要对 Plasma 一些关键操作的细节进行剖析. 在上一篇文章中我们已经理解了什么是 ...

  9. "她等待刀尖已经太久"--茨维塔耶娃诗抄

      生活   1 你无法夺走我的红晕—— 它强大——如同河水的汛潮! 你是猎人,可我不会上当, 你若追逐,我就会逃跑.   你无法夺走我鲜活的灵魂! 就这样,在急遽的追逐中—— 一匹阿拉伯的骏马, 微 ...

  10. js如何实现sign算法验证?

    https://segmentfault.com/q/1010000011892180