【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. jQuery 筛选器1

    jQuery 筛选器1 筛选器1: 在选择器选择的基础上在选择一次 // 当前点击的标签$(this) $(this) // .next() 获取当标签的下一个标签 $(this).next(); / ...

  2. Python 进程池

    进程池: 每一个进程在启动一个子进程时都会克隆一分数据,并开启额外一份内存空间,如果多次开启子进程,对内存的开销比较大,这里可以通过进程池来控制进程的最大个数,来解决.   进程池中有两个方法: ap ...

  3. 谷歌技术"三宝"之BigTable

    转自:https://blog.csdn.net/OpenNaive/article/details/7532589 2006年的OSDI有两篇google的论文,分别是BigTable和Chubby ...

  4. 论文笔记:Visual Semantic Navigation Using Scene Priors

    Visual Semantic Navigation Using Scene Priors 2018-10-21 19:39:26 Paper:  https://arxiv.org/pdf/1810 ...

  5. XGpio函数

    头文件 #include"xgpio.h" int XGpio_Initialize(XGpio * InstancePtr, u16 DeviceId) 功能:初始化GPIO 参 ...

  6. git 管理和存储二进制大文件

    git 管理二进制文件 本文档将逐步带你体验 git 的大文件管理方式. 环境: windows10 64位 cmd git版本: git version 2.18.0.windows.1 创建到推送 ...

  7. vmware中虚拟化的问题

    因为用的是Window系统,又不想换系统,所以在学习Linux时,使用的VMware来安装的Centos,想在VMware中安装KVM虚拟机,然后报错,说我没有打开虚拟化,我使用 的是Surface ...

  8. 自定义Cordova插件详解

    一.Cordova的基础点 在混合式应用中,我们通过现有的Cordova插件,可以轻松的在 H5 上调用手机native的功能.现有的Cordova插件能满足平时大部分的开发需求,然而,有时候找不到合 ...

  9. vs2010下使用sqlite

    1.SQLite安装SQlite官网:http://www.sqlite.org/download.html 找到以下截图中内容 第一个解压之后是sqlite3.exe,第二个解压之后是sqlite3 ...

  10. SQLLITE HELPER

    using System;using System.Data.SQLite; namespace SQLiteSamples{    class Program    {        //数据库连接 ...