Calculatrice Distance Minkowski (L_p Generalisee)

Calculatrice distance Minkowski d_p generalisee: famille L_p, boules unitaires, inegalite de Holder et applications machine learning et analyse fonctionnelle.

Paramètres de calcul
Ce calculateur vous a-t-il été utile ?

Distance de Minkowski

Distance Minkowski d_p entre A = (a_1, ..., a_n) et B = (b_1, ..., b_n) pour p >= 1:

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

Generalise trois distances classiques: p=1 Manhattan, p=2 Euclidienne, p->infty Chebyshev. Introduite par Hermann Minkowski (1864-1909).

Famille de normes L_p

||x||_p = (sum |x_i|^p)^(1/p). Pour p >= 1: NORME legitime. Pour 0 < p < 1: quasi-norme (pas triangulaire). p = infty: max.

Cas notables

  • p = 1: Manhattan, robuste.
  • p = 2: Euclidienne.
  • p = infty: Chebyshev.
  • p < 1: PAS metrique.

Boules unitaires L_p

  • p=0.5: etoile concave.
  • p=1: losange.
  • p=2: cercle.
  • p=infty: carre.

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

Convexite

S_p PAS convexe pour 0<p= 1. Strictement convexe pour 1 < p < infty.

Inegalite de Holder

Pour 1/p + 1/q = 1: |sum a_i b_i| <= ||a||_p ||b||_q. Cas p=q=2: Cauchy-Schwarz. Holder 1889.

Inegalite de Minkowski

p >= 1: ||a + b||_p <= ||a||_p + ||b||_p. Triangulaire en L_p. Preuve via Holder.

Normes equivalentes

Dim finie n: toutes L_p equivalentes. ||x||_inf <= ||x||_2 <= sqrt(n) ||x||_inf. Dim infinie: PAS equivalentes. L^1, L^2, L^infty espaces distincts.

Applications ML

  • L1: Lasso, parcimonie, robustesse.
  • L2: Ridge, SVM, weight decay.
  • L1.5: Berhu loss.
  • Linf: minimax.
  • Mahalanobis: euclidienne ponderee.

Applications physique/math

  • Banach: complets normes.
  • Hilbert: produit intérieur (seulement L2).
  • Lebesgue Lp.
  • EDP: estimations Lp.
  • Convergence Lp probabilite.

Norme L_0 et semi-normes

Pour p -> 0, "norme L_0" compte composantes non-zero: ||x||_0 = #{i : x_i != 0}. PAS norme (non-homogene), mais utile en compressed sensing comme mesure parcimonie. Approximations convexes: utiliser L_1 qui tend a produire solutions parcimonieuses.

Applications recentes

En deep learning: weight decay avec regularisation L2 sur poids reseau. Compressed sensing recupere signaux parcimonieux via min L1 avec contraintes. Robust regression utilise Huber loss (mix L1 et L2). Total variation pour image denoising preserve contours.

Histoire

Minkowski 1864-1909 géométrie nombres. Holder 1889. Riesz 1907. Banach 1932 analyse fonctionnelle.

Espaces Lp de fonctions et le theoreme de Riesz-Fischer

La distance de Minkowski entre vecteurs s'etend naturellement aux espaces de fonctions, donnant naissance aux espaces Lp, parmi les plus importants de l'analyse moderne. L'espace Lp d'un ensemble mesure rassemble les fonctions dont la puissance p-eme de la valeur absolue est integrable, avec une norme donnee par la racine p-eme de cette integrale. Pour p=1 on a les fonctions integrables, pour p=2 celles de carre integrable, fondamentales en mecanique quantique et theorie du signal.

Le resultat crucial est le theoreme de Riesz-Fischer : pour tout p entre 1 et l'infini l'espace Lp est complet, c'est-a-dire que toute suite de Cauchy converge vers un element de l'espace. Cette completude fait des Lp des espaces de Banach, le cadre ideal pour l'analyse fonctionnelle. De tous, seul L2 possede un produit scalaire qui induit la norme, devenant un espace de Hilbert : c'est cette structure geometrique supplementaire qui rend L2 si special, avec des notions d'orthogonalite, de projection et de bases orthonormees.

Dualite Lp-Lq et le theoreme de representation de Riesz

L'inegalite de Holder, outre qu'elle est un outil d'estimation, revele une profonde structure de dualite entre espaces Lp aux exposants conjugues. Le theoreme de representation de Riesz affirme que, pour p strictement entre 1 et l'infini, l'espace dual de Lp, c'est-a-dire l'ensemble des fonctionnelles lineaires continues sur lui, est exactement Lq avec 1/p + 1/q = 1. Toute fonctionnelle continue s'ecrit comme l'integrale du produit avec une fonction fixee de Lq.

Cette dualite a des consequences profondes : pour 1 inferieur a p inferieur a l'infini les espaces Lp sont reflexifs, c'est-a-dire qu'ils coincident avec leur bidual, propriete garantissant l'existence de minima dans de nombreux problemes d'optimisation et la compacite faible des ensembles bornes. Les cas extremes p=1 et p=infini se comportent differemment et sont plus delicats. La dualite Lp-Lq est l'un des piliers de l'analyse fonctionnelle, avec des applications des equations aux derivees partielles a la theorie de l'approximation.

Mis à jour en juillet 2026

Questions fréquentes

Qu'est-ce que la distance de Minkowski ?

C'est la distance generalisee d_p(A,B) = (somme de |a_i - b_i|^p)^(1/p), dependant d'un parametre p. Elle inclut comme cas particuliers la distance de Manhattan (p=1), euclidienne (p=2) et de Chebyshev (p tendant vers l'infini), unifiant les principales metriques en une seule famille.

Comment varie la distance selon p ?

Pour un vecteur fixe, la distance d_p decroit quand p augmente : la Manhattan (p=1) donne la plus grande valeur, la Chebyshev (p infini) la plus petite. En augmentant p on donne de plus en plus de poids a la composante de difference maximale, jusqu'a ne considerer qu'elle a la limite.

Pourquoi p doit-il valoir au moins 1 ?

Parce que seul pour p superieur ou egal a 1 l'inegalite de Minkowski garantit la propriete triangulaire, exigence de toute metrique. Pour p inferieur a 1 la fonction perd cette propriete et n'est plus une vraie distance, bien qu'elle reste utile dans certains contextes comme pseudo-metrique.

Qu'est-ce que la boule unite L_p ?

C'est l'ensemble des points a distance 1 de l'origine dans la norme L_p, defini par |x|^p + |y|^p = 1. Sa forme change avec p : un losange pour p=1, un cercle pour p=2, un carre pour p tendant vers l'infini, et des formes intermediaires pour les valeurs entre celles-ci.

Qu'est-ce que l'inegalite de Holder ?

Elle affirme que la valeur absolue de la somme des produits a_i b_i est inferieure ou egale au produit des normes ||a||_p et ||b||_q, ou p et q sont des exposants conjugues (1/p + 1/q = 1). Elle generalise l'inegalite de Cauchy-Schwarz, obtenue pour p=q=2.

Que sont les espaces Lp ?

Ce sont des espaces de fonctions dont la puissance p-eme de la valeur absolue est integrable, avec une norme donnee par la racine p-eme de l'integrale. Par le theoreme de Riesz-Fischer ils sont complets, donc des espaces de Banach, fondamentaux en analyse fonctionnelle, probabilites et physique mathematique.

Pourquoi L2 est-il special ?

Parce qu'il est le seul espace Lp dote d'un produit scalaire qui induit la norme, en faisant un espace de Hilbert. Cette structure permet de parler d'orthogonalite, de projections et de bases orthonormees, et fonde la mecanique quantique, l'analyse de Fourier et les methodes des moindres carres.

A quoi sert de choisir des p differents ?

A adapter la metrique au probleme : p=1 pour la robustesse aux outliers et la parcimonie, p=2 comme standard geometrique, p grand pour accentuer la difference maximale. En machine learning, traitement du signal et optimisation, le parametre p devient un choix de modelisation flexible.

Commentaires (0)

Pas encore de commentaire. Soyez le premier !