一个简单直观Lp范数上下界推导,并获得一个重要的结论。

范数

闵可夫斯基距离为,

可以简约成$L_p$范数,表示为,

有时候我们想快速确认其范围,而又不想直接计算,如何做呢?

上下界分析

假设$|x_{1}|,|x_{2}|,\dots,|x_{n}|$中,$|x|_j$最大,那么有,

类似地,

因此有,

当$p$很大的情况下,$n^{\frac{1}{p}}$接近1。因此,当我们要估计$L_p(x_1, \dots, x_n) $的取值范围时,只需要计算数据的最大值以及$n^{\frac{1}{p}}$即可。

这个推导也获得一个重要的结论,

也就是说$L_{\infty}(x_1, \dots, x_n) = \max(|x_{1}|,|x_{2}|,\dots,|x_{n}|)$​。

总结

本文介绍一种获得Lp范数的上下界的简单方法,并得到$L_{\infty}(x_1, \dots, x_n) = \max(|x_{1}|,|x_{2}|,\dots,|x_{n}|)$。

转载请包括本文地址:https://allenwind.github.io/blog/14465
更多文章请参考:https://allenwind.github.io/blog/archives/