Espacio lp

format_list_bulleted Contenido keyboard_arrow_down
ImprimirCitar

En matemáticas, los Lp espacios son espacios de funciones definidos mediante una generalización natural de la norma p para espacios vectoriales de dimensión finita. A veces se denominan espacios de Lebesgue, en honor a Henri Lebesgue (Dunford & Schwartz 1958, III.3), aunque según el grupo de Bourbaki (Bourbaki 1987) fueron introducidos por primera vez por Frigyes Riesz (Riesz 1910). Lp espacios forman una clase importante de espacios de Banach en análisis funcional, y de espacios vectoriales topológicos. Debido a su papel clave en el análisis matemático de los espacios de medida y probabilidad, los espacios de Lebesgue también se utilizan en la discusión teórica de problemas en física, estadística, economía, finanzas, ingeniería y otras disciplinas.

Aplicaciones

Estadísticas

En estadística, las medidas de tendencia central y dispersión estadística, como la media, la mediana y la desviación estándar, se definen en términos de L< Las métricas i>p y las medidas de tendencia central pueden caracterizarse como soluciones a problemas variacionales.

En la regresión penalizada, "penalización L1" y "penalización L2" referirse a penalizar la norma L1 del vector de valores de parámetros de una solución (es decir, la suma de sus valores absolutos), o su L2 norma (su longitud euclidiana). Las técnicas que utilizan una penalización L1, como LASSO, fomentan soluciones en las que muchos parámetros son cero. Las técnicas que utilizan una penalización L2, como la regresión de crestas, fomentan soluciones en las que la mayoría de los valores de los parámetros son pequeños. La regularización de red elástica utiliza un término de penalización que es una combinación de la norma L1 y la norma L2 norma del vector de parámetros.

Desigualdad de Hausdorff–Young

La transformada de Fourier para la línea real (o, para funciones periódicas, consulte la serie de Fourier), mapea Lp(R) a Lq(R) (o Lp(T) a < i>ℓq) respectivamente, donde 1 ≤ p ≤ 2 y 1 //span>p + 1/q = 1.< /span> Esto es una consecuencia del teorema de interpolación de Riesz-Thorin, y se precisa con la desigualdad de Hausdorff-Young.

Por el contrario, si p > 2, la transformada de Fourier no se asigna a Lq.

Espacios de Hilbert

Los espacios de Hilbert son fundamentales para muchas aplicaciones, desde la mecánica cuántica hasta el cálculo estocástico. Los espacios L2 y 2 son ambos espacios de Hilbert. De hecho, al elegir una base de Hilbert E, es decir, un subconjunto ortonormal máximo de L2 o cualquier espacio de Hilbert, uno ve que cada espacio de Hilbert es isométricamente isomorfo a 2< /sup>(E) (igual E que arriba), es decir, un espacio de Hilbert de tipo 2.

La norma p en dimensiones finitas

Ilustraciones de círculos de unidad (ver también superellipse) en R2 basado en diferentes p-normas (cada vector del origen al círculo de la unidad tiene una longitud de uno, la longitud que se calcula con la longitud-formula de la correspondiente p).

La longitud de un vector x = (x1, x2,..., xn) en el n-espacio vectorial real dimensional Rn suele estar dada por la norma euclidiana:

La distancia euclidiana entre dos puntos x y y es la longitud || xy||2 de la línea recta entre los dos puntos. En muchas situaciones, la distancia euclidiana es insuficiente para capturar las distancias reales en un espacio determinado. Los taxistas sugieren una analogía con esto en un plano de calles en cuadrícula, quienes deben medir la distancia no en términos de la longitud de la línea recta hasta su destino, sino en términos de la distancia rectilínea, que tiene en cuenta que las calles son ortogonales o paralelos entre sí. La clase de p-norms generaliza estos dos ejemplos y tiene una gran cantidad de aplicaciones en muchas partes de las matemáticas, la física y la informática..

Definición

Para un número real p ≥ 1, el p-norma o Lp-norma de x está definida por

px

La norma euclidiana de arriba cae en esta clase y es la norma 2, y la norma 1 es la norma que corresponde a la distancia rectilínea.

La L-norma o norma máxima (o norma uniforme) es el límite de las normas Lp para p → ∞. Resulta que este límite es equivalente a la siguiente definición:

Ver L-infinito.

Para todos los p ≥ 1, el p< /span>-norms y la norma máxima como se define arriba satisfacen las propiedades de una "función de longitud" (o norma), que son que:

  • sólo el vector cero tiene cero longitud,
  • la longitud del vector es homogénea positiva con respecto a la multiplicación por un escalar (homogeneidad positiva), y
  • la longitud de la suma de dos vectores no es mayor que la suma de las longitudes de los vectores (la desigualdad de triángulo).

En términos abstractos, esto significa que Rn junto con la p-norm es un espacio vectorial normado. Además, resulta que este espacio está completo, lo que lo convierte en un espacio de Banach. Este espacio de Banach es el espacio Lp sobre {1, 2,..., n}.

Relaciones entre normas-p

La distancia de cuadrícula o distancia rectilínea (a veces denominada "distancia de Manhattan") entre dos puntos nunca es más corta que la longitud del segmento de línea entre ellos (la euclidiana o "en línea recta& #34; distancia). Formalmente, esto significa que la norma euclidiana de cualquier vector está acotada por su 1-norma:

Este hecho se generaliza a p-normas en las que p-norm ||x||p de cualquier vector dado x no crece con p:

SilencioxSilenciop+a ≤ Неле неныйxSilenciop para cualquier vector x y números reales p ≥ 1 y a ≥ 0. (De hecho esto sigue siendo cierto para 0 p 1 y a ≥ 0.)

Para la dirección opuesta, se conoce la siguiente relación entre la norma 1 y la norma 2:

Esta desigualdad depende de la dimensión n del espacio vectorial subyacente y se deriva directamente de la desigualdad de Cauchy-Schwarz.

En general, para vectores en n donde 0 < r < p:

Esta es una consecuencia de la desigualdad de Hölder.

Cuando 0 < p < 1

Astroidea, círculo de unidad en p = 2/3 métrica

En Rn para n > 1, la fórmula

0 p 1
p

Por lo tanto, la función

()Rn, dp)lnp

Aunque la bola p-unit Bnp alrededor del origen en esta métrica es "cóncavo", la topología definido en Rn por la métrica dp es la topología de espacio vectorial habitual de Rn, por lo tanto np es un espacio vectorial topológico localmente convexo. Más allá de esta declaración cualitativa, una forma cuantitativa de medir la falta de convexidad de n< i>p se denota por Cp(n) la constante más pequeña C tal que el múltiplo C Bnp del p-unidad de bola contiene el casco convexo de B< i>np, igual a B< sub>n1. El hecho de que para p < 1 tenemos

lp

Cuando p = 0

Hay una norma 0 y otra función llamada 0 "norma" (con comillas).

La definición matemática de la norma 0 fue establecida por la Teoría de Banach Operaciones Lineales. El espacio de secuencias tiene una topología métrica completa proporcionada por la norma F

Espacios lineales métricosl0

Otra función se denominó 0 "norma" por David Donoho, cuyas comillas advierten que esta función no es una norma adecuada, es el número de entradas distintas de cero del vector x. Muchos autores abusan de la terminología al omitir las comillas. Definiendo 00 = 0, la "norma" de x es igual a

An animated gif of p-norms 0.1 through 2 with a step of 0.05.
Un gif animado de p-norms 0.1 a 2 con un paso de 0.05.

Esto no es una norma porque no es homogéneo. Por ejemplo, escalar el vector x mediante una constante positiva no cambia la "norma". A pesar de estos defectos como norma matemática, la "norma" tiene usos en computación científica, teoría de la información y estadísticas, especialmente en la detección comprimida en el procesamiento de señales y el análisis armónico computacional. A pesar de no ser una norma, la métrica asociada, conocida como distancia de Hamming, es una distancia válida, ya que no se requiere homogeneidad para las distancias.

La norma p en infinitas dimensiones y espacios ℓp

El espacio de secuencia ℓp

La norma p se puede extender a vectores que tienen un número infinito de componentes (secuencias), lo que produce el espacio p< /lapso>. Este contiene como casos especiales:

  • l1, el espacio de secuencias cuya serie es absolutamente convergente,
  • l2, el espacio de cuadrada secuencias, que es un espacio Hilbert, y
  • lJUEGO, el espacio de secuencias atadas.

El espacio de sucesiones tiene una estructura de espacio vectorial natural al aplicar la suma y la multiplicación escalar coordenada por coordenada. Explícitamente, la suma vectorial y la acción escalar para sucesiones infinitas de números reales (o complejos) vienen dadas por:

Defina la norma p:

Aquí surge una complicación, a saber, que la serie de la derecha no siempre es convergente, por lo que por ejemplo, la sucesión formada sólo por unos, (1, 1, 1,...), tendrá una p-norma infinita para 1 ≤ p < ∞. El espacio p es entonces definido como el conjunto de todas las secuencias infinitas de números reales (o complejos) tales que la norma p es finita.

Se puede comprobar que a medida que aumenta p, el conjunto p crece. Por ejemplo, la secuencia

l1lpp ■ 1
p = 1p ■ 1

Uno también define la norma usando el supremo:

lJUEGO
lp1 ≤ p

La norma p así definida en p es de hecho una norma, y p junto con esta norma es un espacio de Banach. El espacio Lp completamente general se obtiene, como se ve a continuación, al considerar vectores, no solo con valores finitos o contables. infinitamente muchos componentes, pero con "arbitrariamente muchos componentes"; en otras palabras, funciones. Se usa una integral en lugar de una suma para definir la norma p.

General ℓp-espacio

En analogía completa con la definición anterior se puede definir el espacio sobre un índice general (y) como

Rn

Para el -El norm es incluso inducido por un producto interno canónico llamado Producto interior de Euclidea, lo que significa que para todos los vectores Este producto interno puede expresarse en términos de la norma utilizando la identidad de polarización. On puede ser definido por

Ahora considere el caso Podemos definir

x

El conjunto índice se puede convertir en un espacio de medida dándole el álgebra discreta σ-algebra y la medida de conteo. Entonces el espacio es sólo un caso especial de lo más general - espacio (ver abajo).

Lp espacios e integrales de Lebesgue

An Lp espacio puede definirse como un espacio de funciones mensurables para las cuales -el poder del valor absoluto es Lebesgue integradoble, donde se identifican funciones que coinciden casi en todas partes. Más generalmente, dejar 1 ≤ p y ()S, μ) ser un espacio de medida. Considere el conjunto de todas las funciones mensurables de S a C o R cuyo valor absoluto se eleva a p-la potencia tiene una integral finita, o equivalentemente, que

El conjunto de tales funciones forma un espacio vectorial, con las siguientes operaciones naturales:

λ

Que la suma de dos funciones integrables p-ésima potencia es de nuevo p-ésima potencia integrable se deriva de la desigualdad

(Esto viene de la convexidad de para .)

De hecho, más es verdad. La desigualdad de Minkowski dice que la desigualdad del triángulo Silencio · Silenciop. Así el conjunto de p-a funciones integrables de potencia, junto con la función Silencio · Silenciop, es un espacio vectorial seminormado, que es denotado por .

Para p =, el espacio es el espacio de funciones mensurables atado casi en todas partes, con (cuando μ(S)√0) el supremum esencial de su valor absoluto como norma:

Contenido relacionado

Zhang Heng

Klein de cuatro grupos

Evento (probabilidades)

En la teoría de las probabilidades, un evento es un conjunto de resultados de un experimento al que se le asigna una probabilidad. Un solo resultado puede...
Más resultados...
Tamaño del texto:
  • Copiar
  • Editar
  • Resumir
undoredo
format_boldformat_italicformat_underlinedstrikethrough_ssuperscriptsubscriptlink
save