如何理解Minkowski不等式
【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
- 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 ...
- 【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 ...
- 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 ...
- 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 ...
- <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, ...
- 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 ...
- 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 ...
- 【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 ...
- 【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
- jQuery 自执行函数
jQuery 自执行函数 // 为了避免三方名冲突可将全局变量封装在自执行函数内 (function (arg) { var status = 1; arg.extend({ 'xsk': funct ...
- zabbix 配置本地邮箱报警
Centos 6.5, Zabbix 3.0.4 后台配置email 浏览器登录zabbix后台,Administration -> Media types -> Email: 比较简单的 ...
- centos6安装配置zabbix3被控端
Centos 6.5 Zabbix 3.0.4 zabbix分为zabbix-server(主控端)和zabbix-agent(被控端),本文则介绍安装agent和server端添加监控: 主控端添加 ...
- react-router 4.0(二)传参
import React from 'react'; import ReactDOM from 'react-dom' import {Link,Route,HashRouter} from 'rea ...
- jsp/servlet学习二之servlet详解
Servlet API概览 Servlet API有一下四个java包: 1,javax.servlet,其中包含定义servlet和servlet容器之间契约的类和接口. 2,javax.servl ...
- 3rd,Python登录模拟
需求: 1. 用户输入帐号密码进行登陆 2. 用户信息保存在文件内 3. 用户密码输入错误三次后锁定用户 #导入getpass库,用于密码验证 import getpass #定义用户名.密码 _us ...
- CSS布局学习(二) - flex属性
flex属性 定义 flex布局包括最外层的容器和内部的元素,flex属性是内部元素属性.flex属性是flex-grow, flex-shrink, flex-basis三个属性的简写 flex-g ...
- 03.v-cloak、v-v-text、v-html、v-bind、v-on
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...
- style.width与offsetWidth的区别
1. style.width只能读取内联样式,offsetWidth都可以读取: 2. style.width读取的值带“px”单位,offsetWidth读取纯数值: 3. style.width获 ...
- Systemd程序及相关命令
Systemd程序及相关命令 Systemd是一款用于Linux操作系统系统管理和服务管理的工具.它向后兼容SysV init脚本,并且支持许多类似于startup系统服务的功能,比如系统快照(sna ...