证明p-norm是凸函数
证明p-norm是凸函数
回顾一下 p-norm的定义,为:
∣ ∣ x ∣ ∣ p = ( ∑ i = 1 n ∣ x i ∣ p ) 1 / p ||x||_p=(\sum_{i=1}^{n}|x_i|^p)^{1/p} ∣∣x∣∣p=(∑i=1n∣xi∣p)1/p
结论
- 首先给出结论:当 0 < p < 1 0<p<1 0<p<1时,Minkowski 不等式不成立, ∣ ∣ x ∣ ∣ p ||\mathbf{x}||_p ∣∣x∣∣p未滿足向量范数要求的三角不等式,故不能稱為范数(尽管我們仍可以計算它)。当 1 ≤ p < ∞ 1 \le p< \infty 1≤p<∞时,等式成立,故为凸函数。
性质
- 当 1 ≤ p < ∞ 1 \le p< \infty 1≤p<∞时,向量 ℓ p − \ell_p- ℓp−范数具有如下三个性质:
1.非负性:对于 x ∈ R n \mathbf{x}\in\mathbb{R}^n x∈Rn, ∥ x ∥ p ≥ 0 \Vert\mathbf{x}\Vert_p\ge 0 ∥x∥p≥0 且 ∥ x ∥ p = 0 \Vert\mathbf{x}\Vert_p=0 ∥x∥p=0 仅当 x = 0 \mathbf{x}=\mathbf{0} x=0。
2.正齐次性:对于任一純量 c 和 x ∈ R n , ∥ c x ∥ p = ∣ c ∣ ∥ x ∥ p \mathbf{x}\in\mathbb{R}^n,\Vert c\mathbf{x}\Vert_p=\vert c\vert \Vert \mathbf{x}\Vert_p x∈Rn,∥cx∥p=∣c∣∥x∥p。
3.Minkowski 不等式:若 x , y ∈ R n , 則 ∥ x + y ∥ p ≤ ∥ x ∥ p + ∥ y ∥ p \mathbf{x},\mathbf{y}\in\mathbb{R}^n,則 \Vert \mathbf{x}+\mathbf{y}\Vert_p\le\Vert\mathbf{x}\Vert_p+\Vert\mathbf{y}\Vert_p x,y∈Rn,則∥x+y∥p≤∥x∥p+∥y∥p。
证明:
- 使用定义即可證明 ℓ p − 範 數 ∥ x ∥ p , 1 ≤ p < ∞ \ell_p-範數 \Vert\mathbf{x}\Vert_p,1\le p<\infty ℓp−範數∥x∥p,1≤p<∞,是一個凸函數。對於 x , y ∈ R n 且 0 ≤ λ ≤ 1 \mathbf{x},\mathbf{y}\in\mathbb{R}^n 且 0\le\lambda\le 1 x,y∈Rn且0≤λ≤1,根據正齊次性和 Minkowski 不等式,立得:
∥ λ x + ( 1 − λ ) y ∥ p ≤ ∥ λ x ∥ + ∥ ( 1 − λ ) y ∥ p = λ ∥ x ∥ p + ( 1 − λ ) ∥ y ∥ p . \displaystyle\begin{aligned} \Vert \lambda\mathbf{x}+(1-\lambda)\mathbf{y}\Vert_p&\le\Vert\lambda\mathbf{x}\Vert+\Vert(1-\lambda)\mathbf{y}\Vert_p\\ &=\lambda\Vert\mathbf{x}\Vert_p+(1-\lambda)\Vert\mathbf{y}\Vert_p. \end{aligned} ∥λx+(1−λ)y∥p≤∥λx∥+∥(1−λ)y∥p=λ∥x∥p+(1−λ)∥y∥p.
若 0 < p < 1 0< p<1 0<p<1, ∥ x ∥ p \Vert\mathbf{x}\Vert_p ∥x∥p 不是一個凸函數,因為 Minkowski 不等式不復成立。
更详细的推导请见,参考:
关于p-norm的证明
证明p-norm是凸函数相关推荐
- 凸函数高维性质证明(Jenson不等式)
目录 问题引入 背景介绍 证明过程 关键词:凸函数.Jenson(琴生)不等式 问题引入 背景介绍 凸集 convex set 凸函数 convex function 注:凸集和凸函数定义取自< ...
- UA MATH567 高维统计专题2 Low-rank矩阵及其估计2 Rank Minimization与Nuclear Norm
UA MATH567 高维统计专题2 Low-rank矩阵及其估计2 Rank Minimization与Nuclear Norm 上一讲我们已经提到了用rank-minimization对参数矩阵进 ...
- 椭圆是一个凸集的证明
椭圆是一个凸集的证明 常见的凸集 椭圆是凸集的证明 从定义上证明椭圆是一个凸集合 从 norm 的角度去看 ellipsoid Mahalanobis norm 椭圆是一个 norm ball 从仿射 ...
- 凸优化第三章凸函数 3.1基本性质和例子
3.1基本性质和例子 定义 扩展值延伸 一阶条件 二阶条件 例子 下水平集 上境图 Jensen不等式及其扩展 不等式 定义 函数f是凸函数,当f的定义域S是凸集,且 严格凸函数: 从几何上来看,如下 ...
- 关于凸函数中的Hadamard定理引发的思考
先看一个问题,是我的一位同学提出来的.原题只有左边的不等式.为了文章的完整性,我加入了右边的不等式并且另外给出证明. 问题:若f′(x)在[x1,x2]上递增,求证:f(x1+x22)≤1x2−x1∫ ...
- 凸函数1(斯坦福凸优化笔记5)
1 基本性质和例子 1.1 凸函数 函数f:Rn→Rf:R^n \rightarrow R是凸的,如果dom f\mathbf{dom }\ f是凸集,且对于任意x,y∈dom fx,y \in \m ...
- 牛顿法 拟牛顿法DFP BFGS L-BFGS的理解
转载https://www.cnblogs.com/shixiangwan/p/7532830.html 蓝鲸王子 常见的几种最优化方法(梯度下降法.牛顿法.拟牛顿法.共轭梯度法等) 我们每个人都会在 ...
- 机器学习基础知识详解!
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:胡联粤,Datawhale面经小组 Q1 ⽼板给了你⼀个关于癌症检 ...
- 投稿人就是AI顶会最好的「审稿人」!中国学者提出同行评审新机制
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 来源丨新智元 编辑丨极市平台 导读 近年来,机器学习顶会论文数目井喷 ...
- 你就是你自己paper最好的审稿人:宾大苏炜杰提出peer review新机制
[专栏:前沿进展]近年来,机器学习顶会论文数目井喷,审稿压力巨大,其同行评审制度备受质疑.宾大教授针对此挑战提出了由论文作者协助的新型同行评审机制. 你是否已经受够了NeurIPS,ICLR,ICML ...
最新文章
- leetcode109. 有序链表转换二叉搜索树(递归)
- 优秀!师兄妹齐发Science,师妹22岁担任一作!同为曹原中科大校友
- flask-Blueprint
- XP访问windows 2003终端服务显示到期的解决
- 数论基础——扩展欧几里得【详细】
- 善领dsa2020最新车机ce版_理想汽车回应碰撞事故 硬件升级计划将推出OTA 2.0版
- 开启并定制 Apache 显示目录索引样式
- 电线的一些小知识学习一下
- 电信 网通 铁通 DNS服务器IP地址
- windows 定时清理指定目录文件bat
- 如何写投资项目计划书?
- 霍尼韦尔为重庆打造智慧口岸提供技术支持
- iOS和Android和H5交互WebViewJavascriptBridge
- 后装载垃圾车的全球与中国市场2022-2028年:技术、参与者、趋势、市场规模及占有率研究报告
- Bussiness Card Design
- C#使用公共语言拓展(CLE)调用Python3(tensorflow)
- vscode下git的常见操作
- 【集成学习(上)】机器学习基础_02
- 《云计算技术与应用》最新章节测试答案
- 大佬们当年是怎样熬过资本寒冬的?