Minkowski-Distanz Rechner (Verallgemeinertes L_p)

Minkowski-Distanz d_p verallgemeinerter Rechner: L_p-Familie, Einheitskugeln, Höldersche Ungleichung und Anwendungen im Machine Learning und Analysis.

Berechnungsparameter
War dieser Rechner nützlich?

Minkowski-Distanz

Minkowski-Distanz d_p zwischen A = (a_1, ..., a_n) und B = (b_1, ..., b_n) für p >= 1:

d_p(A, B) = (sum |a_i - b_i|^p)^(1/p)

Verallgemeinert drei klassische Distanzen: p=1 Manhattan, p=2 Euklidisch, p->infty Chebyshev. Eingeführt von Hermann Minkowski (1864-1909).

L_p-Normenfamilie

||x||_p = (sum |x_i|^p)^(1/p). Für p >= 1: legitime NORM. Für 0 < p < 1: Quasinorm (keine Dreiecksungleichung). p = infty: max.

Bemerkenswerte Fälle

  • p = 1: Manhattan, robust.
  • p = 2: Euklidisch.
  • p = infty: Chebyshev.
  • p < 1: KEINE Metrik.

L_p-Einheitskugeln

  • p=0.5: konkaver Stern.
  • p=1: Rombus.
  • p=2: Kreis.
  • p=infty: Quadrat.

2D-Volumen: V = 4 r^2 (Gamma(1+1/p))^2 / Gamma(1+2/p).

Konvexität

S_p NICHT konvex für 0<p= 1. Streng konvex für 1 < p < infty.

Höldersche Ungleichung

Für 1/p + 1/q = 1: |sum a_i b_i| <= ||a||_p ||b||_q. Fall p=q=2: Cauchy-Schwarz. Hölder 1889.

Minkowski-Ungleichung

p >= 1: ||a + b||_p <= ||a||_p + ||b||_p. Dreiecksungleichung in L_p. Beweis über Hölder.

Äquivalente Normen

Endliche Dim n: alle L_p äquivalent. ||x||_inf <= ||x||_2 <= sqrt(n) ||x||_inf. Unendliche Dim: NICHT äquivalent. L^1, L^2, L^infty unterschiedliche Räume.

ML-Anwendungen

  • L1: Lasso, Sparsität, Robustheit.
  • L2: Ridge, SVM, Weight Decay.
  • L1.5: Berhu-Verlust.
  • Linf: Minimax.
  • Mahalanobis: gewichtete euklidische.

Physik/Mathematik-Anwendungen

  • Banach: vollständige normierte.
  • Hilbert: Skalarprodukt (nur L2).
  • Lebesgue Lp.
  • PDE: Lp-Schätzungen.
  • Lp-Konvergenz Wahrscheinlichkeit.

L_0-Norm und Halb-Normen

Für p -> 0 zählt die "L_0-Norm" die Nicht-Null-Komponenten: ||x||_0 = #{i : x_i != 0}. KEINE Norm (nicht-homogen), aber nützlich in Compressed Sensing als Sparsitätsmaß. Konvexe Approximationen: L_1 erzeugt sparse Lösungen.

Aktuelle Anwendungen

Im Deep Learning: Weight Decay mit L2-Regularisierung auf Netzgewichten. Compressed Sensing rekonstruiert sparse Signale über min L1 mit Beschränkungen. Robuste Regression nutzt Huber-Loss (Mix L1 und L2). Total Variation für Image Denoising erhält Konturen.

Geschichte

Minkowski 1864-1909 Zahlengeometrie. Hölder 1889. Riesz 1907. Banach 1932 Funktionalanalysis.

Lp-Funktionenraume und der Satz von Riesz-Fischer

Die Minkowski-Distanz zwischen Vektoren erweitert sich naturlich auf Funktionenraume und bringt die Lp-Raume hervor, unter den wichtigsten der modernen Analysis. Der Lp-Raum einer Massmenge versammelt die Funktionen, deren p-te Potenz des Absolutwerts integrierbar ist, mit einer Norm gegeben durch die p-te Wurzel dieses Integrals. Fur p=1 hat man die integrierbaren Funktionen, fur p=2 die quadratintegrierbaren, grundlegend in Quantenmechanik und Signaltheorie.

Das entscheidende Ergebnis ist der Satz von Riesz-Fischer: fur jedes p zwischen 1 und unendlich ist der Lp-Raum vollstandig, das heisst, jede Cauchy-Folge konvergiert gegen ein Element des Raums. Diese Vollstandigkeit macht die Lp zu Banach-Raumen, dem idealen Rahmen fur die Funktionalanalysis. Von allen besitzt nur L2 ein Skalarprodukt, das die Norm induziert, und wird so zu einem Hilbert-Raum: diese zusatzliche geometrische Struktur macht L2 so besonders, mit Begriffen von Orthogonalitat, Projektion und Orthonormalbasen.

Lp-Lq-Dualitat und der Rieszsche Darstellungssatz

Die Holdersche Ungleichung offenbart, ausser ein Abschatzungswerkzeug zu sein, eine tiefe Dualitatsstruktur zwischen Lp-Raumen mit konjugierten Exponenten. Der Rieszsche Darstellungssatz besagt, dass fur p streng zwischen 1 und unendlich der Dualraum von Lp, also die Menge der stetigen linearen Funktionale auf ihm, genau Lq mit 1/p + 1/q = 1 ist. Jedes stetige Funktional wird als Integral des Produkts mit einer festen Funktion aus Lq geschrieben.

Diese Dualitat hat tiefe Folgen: fur 1 kleiner als p kleiner als unendlich sind die Lp-Raume reflexiv, das heisst, sie stimmen mit ihrem Bidual uberein, eine Eigenschaft, die die Existenz von Minima in vielen Optimierungsproblemen und die schwache Kompaktheit beschrankter Mengen garantiert. Die Extremfalle p=1 und p=unendlich verhalten sich anders und sind heikler. Die Lp-Lq-Dualitat ist eine der Saulen der Funktionalanalysis, mit Anwendungen von partiellen Differentialgleichungen bis zur Approximationstheorie.

Aktualisiert im Juli 2026

Häufig gestellte Fragen

Was ist die Minkowski-Distanz?

Es ist die verallgemeinerte Distanz d_p(A,B) = (Summe von |a_i - b_i|^p)^(1/p), die von einem Parameter p abhangt. Sie umfasst als Sonderfalle die Manhattan-Distanz (p=1), euklidische (p=2) und Chebyshev (p gegen unendlich) und vereint die Hauptmetriken in einer einzigen Familie.

Wie variiert die Distanz mit p?

Fur einen festen Vektor nimmt die Distanz d_p mit wachsendem p ab: die Manhattan (p=1) gibt den grossten Wert, die Chebyshev (p unendlich) den kleinsten. Mit wachsendem p wird der Komponente der maximalen Differenz immer mehr Gewicht gegeben, bis im Grenzwert nur diese zahlt.

Warum muss p mindestens 1 sein?

Weil nur fur p grosser oder gleich 1 die Minkowski-Ungleichung die Dreiecksungleichung garantiert, Voraussetzung jeder Metrik. Fur p kleiner als 1 verliert die Funktion diese Eigenschaft und ist keine echte Distanz mehr, bleibt aber in manchen Kontexten als Pseudometrik nutzlich.

Was ist die L_p-Einheitskugel?

Es ist die Menge der Punkte in Distanz 1 vom Ursprung in der L_p-Norm, definiert durch |x|^p + |y|^p = 1. Ihre Form andert sich mit p: eine Raute fur p=1, ein Kreis fur p=2, ein Quadrat fur p gegen unendlich und Zwischenformen fur Werte dazwischen.

Was ist die Holdersche Ungleichung?

Sie besagt, dass der Absolutwert der Summe der Produkte a_i b_i kleiner oder gleich dem Produkt der Normen ||a||_p und ||b||_q ist, wobei p und q konjugierte Exponenten sind (1/p + 1/q = 1). Sie verallgemeinert die Cauchy-Schwarz-Ungleichung, die man fur p=q=2 erhalt.

Was sind die Lp-Raume?

Es sind Raume von Funktionen, deren p-te Potenz des Absolutwerts integrierbar ist, mit einer Norm gegeben durch die p-te Wurzel des Integrals. Nach dem Satz von Riesz-Fischer sind sie vollstandig, also Banach-Raume, grundlegend in Funktionalanalysis, Wahrscheinlichkeit und mathematischer Physik.

Warum ist L2 besonders?

Weil es der einzige Lp-Raum mit einem Skalarprodukt ist, das die Norm induziert, und ihn zu einem Hilbert-Raum macht. Diese Struktur erlaubt, von Orthogonalitat, Projektionen und Orthonormalbasen zu sprechen, und begrundet Quantenmechanik, Fourier-Analysis und Methoden der kleinsten Quadrate.

Wozu verschiedene p wahlen?

Um die Metrik dem Problem anzupassen: p=1 fur Ausreisser-Robustheit und Sparsitat, p=2 als geometrischer Standard, grosses p zur Betonung der maximalen Differenz. In maschinellem Lernen, Signalverarbeitung und Optimierung wird der Parameter p zu einer flexiblen Modellierungswahl.

Kommentare (0)

Noch keine Kommentare. Sei der Erste!