最后更新: 2025-11-29 16:26 查看: 349 次纠错评论(0) 课件开VIP

闵可夫斯基不等式

## 闵可夫斯基（Minkowski）不等式
定理 6．3（闵可夫斯基（Minkowski）不等式）若 $f, g \in L^p(E)$ ，则

$$
\|f+g\|_p \leqslant\|f\|_p+\|g\|_p(1 \leqslant p \leqslant \infty)
$$

证明 当 $p=1$ 时，在不等式 $|f(x)+g(x)| \leqslant|f(x)|+|g(x)|$ 两边积分，便得（8）．当 $1<p<+\infty$ 时，

$$
\begin{aligned}
& \int_E|f(x)+g(x)|^p d x=\int_E|f(x)+g(x) \| f(x)+g(x)|^{p-1} d x \\
& \quad \leqslant \int_E\left|f ( x ) \left\|f(x)+\left.g(x)\right|^{p-1} d x+\int_E|g(x) \| f(x)+g(x)|^{p-1} d x .\right.\right.
\end{aligned}
$$

对 $p$ 与它的共轭指标 $p^{\prime}=\frac{P}{p-1}$ 用 Hölder 不等式于右边两个积分，得

$$
\begin{aligned}
& \int_E\left|f(x)\left\|f(x)+\left.g(x)\right|^{p-1} d x \leqslant\right\| f\left\|_p\right\| f+g \|_p^{p-1},\right. \\
& \int_E\left|g(x)\left\|f(x)+\left.g(x)\right|^{p-1} d x \leqslant\right\| g\left\|_p\right\| f+g \|_p^{p-1},\right.
\end{aligned}
$$

代回去有

$$
\|f+g\|_p^p \leqslant\left(\|f\|_p+\|g\|_p\right)\|f+g\|_p^{p-1} .
$$

当 $\|f+g\|_p \neq 0$ 时，便得（8）．当 $\|f+g\|_p=0$ 时，（8）式显然成立．定理证完．

Minkowski 不等式表明，范数 $\|f\|_P$ 满足范数公理 $3^{\circ}$ ．这样，我们便验证了 $\|f\|_p$ 满足范数公理的 $1^{\circ} \sim 3^{\circ}$ ，也就是说，$\|f\|_p$ 的确是一个范数．加上 $L^p$ 中的元素对线性运算封闭（定理6．1），我们可以说，$L^p$ 是一个线性赋范空间．

类似于 $R ^n$ 以及前面的（3），我们用

$$
\rho(f, g)=\|f-g\|_p
$$

来定义 $L^p$ 中两个元素 $f, g \in L^p$ 之间的距离．由 $L^p$ 范数的性质，容易知道，这样定义的距离 $\rho(f, g)$ 满足一般距离所必须满足的三条性质（＂距离公理＂）：
$1^{\circ}$（非负性）$\rho(f, g) \geqslant 0$ ，且 $\rho(f, g)=0$ 当且仅当 $f(x)=g(x)$ ，a．e．$x \in$ $E$ ，即 $f \sim g$ ．根据前面的约定，这时 $f$ 与 $g$ 在 $E$ 的同一个等价类之内，即 $f$ 与 $g$ 代表 $L^P$ 中的同一个元素；
$2^{\circ}$（对称性）$\quad \rho(f, g)=\rho(g, f)$ ；
$3^{\circ}$（三角不等式）$\quad \rho(f, g) \leqslant \rho(f, h)+\rho(h, g)$ ，这是因为，用 Minkowski不等式，有

$$
\begin{aligned}
\rho(f, g) & =\|f-g\|_p=\|f-h+h-g\|_p \\
& \leqslant\|f-h\|_p+\|h-g\|_p=\rho(f, h)+\rho(h, g)
\end{aligned}
$$

类似于 $R ^n$ ，有了距离便可以定义极限了．

定义 6.2 设 $f_k \in L^p(E), k=1,2, \cdots, f \in L^p(E), 1 \leqslant p<+\infty$ ．若

$$
\lim _{k \rightarrow \infty} \rho\left(f_k, f\right)=\lim _{k \rightarrow \infty}\left\|f_k-f\right\|_p=0
$$

则称 $f_k$ 依 $L^p(E)$ 意义收敛于 $f$ ，或称 $f_k$ 在 $L^p(E)$ 中收敛于 $f$ ，记为

$$
\begin{aligned}
& \lim _{k \rightarrow \infty} f_k=f\left(L^p(E)\right) \\
& \text { 或 } \quad f_k \rightarrow f\left(L^p(E)\right) .
\end{aligned}
$$

显然，$f_k$ 在 $L^p(E)$ 中收敛于 $f$ ，等价于

$$
\int_E 1 f_k(x)-\left.f(x)\right|^p d x \rightarrow 0 \quad(k \rightarrow \infty)
$$

回忆在数学分析中讲傅里叶（Fourier）级数时，曾经引人过一种平均收敛：若 $f$ 是以 $2 \pi$ 为周期的函数，在 $[-\pi, \pi]$ 平方可积，$S_n(x)$ 是它的 Fourier 级数的 $n$阶部分和，则

$$
\lim _{n \rightarrow \infty} \int_{-\pi}^\pi\left|f(x)-S_n(x)\right|^2 d x=0
$$

当时把这种收敛叫做（平方）平均收敛。现在用我们的术语就是，$S_n(x)$ 在 $L^2[-\pi, \pi]$收敛到 $f(x)$ ．可见在 $L^p(E)$ 收敛也是一种平均收敛，不过是用 $p$ 次幂代替了平方幂罢了．$L^p$ 的这种收敛，反映的也是函数的全局性质．与 $\$ 3.2$ 所述的各种收敛相比较，在 $m(E)<+\infty$ 时，若 $f_k$ 在 $E$ 一致收敛到 $f$ ，则 $f_k$ 必在 $L^P(E)$ 中收敛到 $f$（请读者把证明写出来）．此外，还有

定理 6.4 若 $f_k$ 在 $L^p(E)$ 中收敛到 $f$ ，则
（i）$f_k$ 在 $E$ 中依测度收敛到 $f$ ；
（ii）存在子列 $f_{k_n}$ 在 $E$ 中几乎处处收敛到 $f$ ．
证明（i）对任意 $\sigma>0$ ，记

$$
E_\sigma=\left\{x \| f_k(x)-f(x) \mid \geqslant \sigma\right\} .
$$

用 Chebyshev 不等式

$$
\int_E\left|f_k(x)-f(x)\right|^p d x \geqslant \int_{E_\sigma}\left|f_k(x)-f(x)\right|^p d x \geqslant \sigma^p m E_\sigma .
$$

令 $k \rightarrow \infty$ ，得 $m E_\sigma \rightarrow 0$ ，这就是所要证明的．
（ii）由（i）与 Riesz 定理 3.12 即得。
我们知道，在实数系 $R$ 中，一个数列极限存在的充分必要条件是它是 Cauchy 列．在下面我们会看到，$L^p$ 也具有这个性质．

定义6．3 设 $f_k \in L^p(E), k=1,2, \cdots, 1 \leqslant p<+\infty$ ，称 $f_k$ 是 $L^p(E)$ 的 Cauchy列（或称基本列），如果 $\forall \varepsilon>0, \exists N$ ，当 $n, m>N$ 时，有

$$
\rho\left(f_n, f_m\right)=\left\|f_n-f_m\right\|_p<\varepsilon
$$

这是实数 Cauchy 列或 $R ^n$ 中 Cauchy 列到 $L^p$ 的推广。
显然，若 $f_k$ 在 $L^P(E)$ 收敛到 $f$ ，则 $f_k$ 是 $L^P(E)$ 中的 Cauchy 列，这是因为，$\forall \varepsilon>$ $0, \exists N$ ，当 $n>N$ 时，有

$$
\left\|f_n-f\right\|_p<\frac{\varepsilon}{2}
$$

从而当 $n, m>N$ ，有

$$
\left\|f_n-f_m\right\|_p \leqslant\left\|f_n-f\right\|_p+\left\|f-f_m\right\|_p<\frac{\varepsilon}{2}+\frac{\varepsilon}{2}=\varepsilon
$$

下面的定理说明，上述结果的逆也是正确的．
定理6．5 若 $\left\{f_k\right\}$ 是 $L^p(E)(1 \leqslant p<\infty)$ 的 Cauchy 列，则存在 $f \in L^p(E)$ ，使得 $f_k$ 在 $L^p(E)$ 中收敛于 $f$ ．

证明 设 $\left\{f_k\right\}$ 是 $L^p(E)$ 的 Cauchy 列，则存在 $f_{k_1}$ ，使得

$$
\left\|f_m-f_{k_1}\right\|_p<2^{-1}\left(\forall m>k_1\right)
$$

归纳地，便知存在 $k_n>k_{n-1}$ ，使得

$$
\left\|f_m-f_{k_n}\right\|_p<2^{-n}\left(\forall m>k_n\right)
$$

考虑级数

$$
g(x)=\sum_{n=1}^{\infty}\left|f_{k_{n+1}}(x)-f_{k_n}(x)\right|
$$

它在 $E$ 可测，满足

$$
\|g\|_p \leqslant \sum_{n=1}^{\infty}\left\|f_{k_{n+1}}-f_{k_n}\right\|_p<\sum_{n=1}^{\infty} \frac{1}{2^n}=1
$$

因此 $g(x)$ 是在 $E$ 几乎处处有限的函数．由级数的绝对收敛的判别法，知级数

$$
f_{k_1}(x)+\sum_{n=1}^{\infty}\left(f_{k_{n+1}}(x)-f_{k_n}(x)\right)
$$

在 $E$ 中几乎处处收敛（参见第四章§4．3中的例7，那里讲述的实际上是 $p=1$的特殊情形），其和函数是 $L^p$ 中的一个函数 $f(x)$ ，并且级数（ 9 ）的部分和 $f_{k_{ a }}$ 也几乎处处收敛到 $f(x)$ ．由（9）知

$$
f-f_{k_n}=\sum_{j=n}^{\infty}\left(f_{k_{j+1}}-f_{k_j}\right)
$$

因此

$$
\left\|f-f_{k_a}\right\|_p \leqslant \sum_{j=n}^{\infty}\left\|f_{k_{j+1}}-f_{k_j}\right\|_p<\sum_{j=n}^{\infty} \frac{1}{2^j}=\frac{1}{2^{n-1}}
$$

故 $f_{k_n}$ 在 $L^P$ 收敛到 $f$ ．已知 $f_k$ 是 $L^p$ 中的 Cauchy 列，它又有一个子序列 $f_{k_n}$ 在 $L^p$ 中收敛到 $f$ ，于是容易证明 $f_k$ 在 $L^p$ 中收敛到 $f$ ． $\square$
定理6．5表明，$L^p$ 中的任一 Cauchy 列都在 $L^p$ 中有极限存在，或者说，$L^p$ 对极限运算封闭。对比实数系完备性的定义，我们把上述性质称为 $L^p$ 空间是完备的．由于 $L^p$ 是用 Lebesgue 积分定义的，可见，$L^p$ 的完备性正是数学史上第二次完备化导致的直接结果。如果把 Lebesgue 积分改为 Riemann 积分，类似地可以引入 $R ^p(a, b)$（由 $|f|$ 的 $p$ 次幂 Riemann 可积函数 $f$ 组成的函数空间）。但是这个 $R ^p(a, b)$ 就不是完备的．也就是说，在 $R ^p(a, b)$ 中存在 Cauchy 列，它在 $R ^p(a, b)$中没有极限．把绪论里面的例子稍作修改，便可说明这一点．

例4 记 $(0,1)$ 中的全体有理数为 $r_1, r_2, \cdots, r_k, \cdots$ 。对每一 $k$ ，取 $(0,1)$ 内的开区间 $I_k$ ，使得 $r_k \in I_k$ 且 $\left|I_k\right|<1 / 2^{k+1}$ ．记 $E_n=\bigcup_{k=1}^n I_k,(n=1,2, \cdots), E=\bigcup_{k=1}^{\infty} I_k$ ， $E_0=[0,1] \backslash E$ ．由 $m(E)<\frac{1}{2}$ ，知 $m\left(E_0\right)>0$ ．令 $f_n(x)=\chi_{E_a}(x), f(x)=\chi_E(x)$ ，其中 $X_E(x)$ 是 $E$ 的特征函数．
不难证明在 $[0,1]$ 各点 $\lim _{n \rightarrow \infty} f_n(x)=f(x)$ ．注意 $f_n \in R ^p(0,1)$ ，且当 $m>n$时，有

$$
f_m(x)-f_n(x)=\chi_{E_m \backslash E_n}(x) .
$$

而

$$
m\left(E_m \backslash E_n\right)=m\left(\bigcup_{k=n+1}^m I_k\right) \leqslant \sum_{k=n+1}^m\left|I_k\right| \leqslant \sum_{k=n+1}^{\infty} \frac{1}{2^{k+1}}=\frac{1}{2^{n+1}} \rightarrow 0 \quad(n \rightarrow \infty),
$$

因此

$$
(R) \int_0^1\left|f_n(x)-f_m(x)\right|^p d x \leqslant \frac{1}{2^{n+1}} \rightarrow 0 \quad(n \rightarrow \infty),
$$

即 $f_n$ 是 $R ^p(0,1)$ 的 Cauchy 列．由 Riemann 积分与 Lebesgue 积分的关系，它也是

$L^p(0,1)$ 的 Cauchy 列．根据定理 6.5 ，存在 $g \in L^p(0,1)$ ，使得 $f_n$ 在 $L^p(0,1)$ 中收敛到 $g$ ，即
（L） $\int_0^1\left|f_n(x)-g(x)\right|^p d x \rightarrow 0$（当 $\left.n \rightarrow \infty\right)$ ．
下面我们来证明，任何这样的 $g$ 都不可能在 $[0,1]$ 是 Riemann 可积的．
根据定理 6.4 ，存在子序列 $f_{k_n}$ 在 $[0,1]$ 几乎处处收敛到 $g$ ，从而 $f(x)=g(x)$ ， a．e．$x \in[0,1]$ ．设 $S \subset[0,1], m(S)=0$ ，使得

$$
f(x)=g(x), x \in[0,1] \backslash S,
$$

则 $m\left(E_0 \backslash S\right)>0$ ．我们来证明，$g(x)$ 在 $E_0 \backslash S$ 每一点都不连续．事实上，设 $x_0 \in E_0 \backslash S$ ，则 $\forall n$ ，取充分大的 $k_n$ ，使得

$$
\left|x_0-r_{k_n}\right|<\frac{1}{2^{n+1}}, \quad\left|I_{k_n}\right|<\frac{1}{2^{k_n+1}}<\frac{1}{2^{n+1}}
$$

由于 $m(S)=0, I_{k_n} \backslash S \neq \varnothing$ ，因此可取 $x_n \in I_{k_n} \backslash S$ ，从而

$$
\left|x_n-x_0\right| \leqslant\left|x_n-r_{k_n}\right|+\left|r_{k_n}-x_0\right|<\frac{1}{2^{n+1}}+\frac{1}{2^{n+1}}=\frac{1}{2^n}
$$

于是 $x_n \rightarrow x_0$ ．注意 $x_n \in I_{k_n}, x_n \notin S$ ，有 $g\left(x_n\right)=f\left(x_n\right)=1$ ，而 $x_0 \in E_0 \backslash S$ ，故 $g\left(x_0\right)=f\left(x_0\right)=0$ ．可见 $g\left(x_n\right) \rightarrow 1 \neq g\left(x_0\right)$ ，故 $g(x)$ 在 $x_0$ 不连续．这说明 $E_0 \backslash S$ 的每一个点都是 $g(x)$ 的不连续点，而 $m\left(E_0 \backslash S\right)>0$ ．根据第四章的定理 4.18 ，知 $g(x)$ 在 $[0,1]$ 不是 Riemann 可积的．这就证明了 $R ^p(0,1)$ 是不完备的．

## 闵可夫斯基不等式

如果说赫尔德不等式是“乘法规则”，那闵可夫斯基不等式就是“加法规则”。它在实变函数和L^p空间里扮演着基石般的角色。

### 一句话概括

**闵可夫斯基不等式就是高维空间里的“三角形两边之和大于第三边”，它保证了两个函数相加的“整体大小”不会超过它们各自“整体大小”的和。**

---

### 一个生动的比喻：合并两条河流

想象有两条河流：

*   **河流F**（函数 f(x)）：它在每个点 x 的“流量”是 f(x)。这条河的总“能量”或“规模”用它的 L^p 范数 $\|f\|_p$ 来衡量。你可以把它想象成河流的总水量（p=1时）或者水流的平均功率（p=2时）。
*   **河流G**（函数 g(x)）：同理，它的流量是 g(x)，总规模是 $\|g\|_p$。

现在，在某个点，这两条河流**汇合**了，形成了一条新的**河流H**（函数 h(x)）。汇合后的规则很简单：在每一个地点 x，新河流的流量就是两条河流在该地点的流量之和，即 $h(x) = f(x) + g(x)$。

那么，一个很自然的问题是：**汇合后新河流的总规模 $\|f + g\|_p$，和原来两条河流的规模 $\|f\|_p$ 与 $\|g\|_p$ 之间，是什么关系？**

**闵可夫斯基不等式给出了明确又直观的答案：**

> **新河流的总规模，绝不会超过两条原河流规模的总和。**

用数学公式写出来，就是著名的：
$$
\|f + g\|_p \leq \|f\|_p + \|g\|_p
$$
其中 $1 \leq p \leq \infty$。

### 这个结论为什么如此重要？

1.  **它定义了“距离”**：这个不等式正是我们熟知的**三角不等式**。在几何里，三角形的任意两边长度之和，大于第三边的长度。闵可夫斯基不等式告诉我们，L^p 范数 $\|f\|_p$ 也满足这个性质。
    *   如果我们把 $\|f - g\|_p$ 解释为两个函数 f 和 g 之间的“距离”，那么这个不等式就直接保证了“从 f 到 g 的距离”加上“从 g 到 h 的距离”，一定大于等于“从 f 到 h 的直线距离”。**没有三角不等式，我们就无法谈论距离和空间结构。**

2.  **它是 L^p 空间成为“赋范线性空间”的关键**：一个空间要想有良好的几何结构（能量长度、能谈远近），其“尺子”（范数）必须满足三条性质，其中最难证明的就是这条**三角不等式**（另外两条是正定性和齐次性很容易验证）。闵可夫斯基不等式正是证明了 L^p 范数这把“尺子”是合格的。

3.  **它的直观意义是“叠加原理”的量化**：它告诉我们，把两个系统（函数）叠加在一起，其整体的“强度”最大也就是各部分强度之和，**不可能莫名其妙地变得更大**。这符合我们的物理直觉：两股水流汇合，总水量最多就是它们之和，不会产生额外的水。

### 特例：回到我们最熟悉的世界

当 $p = 2$ 时，这个不等式在二维平面上的样子就是我们最熟悉的三角不等式。对于两个向量 $\vec{a}$ 和 $\vec{b}$，有：
$$
|\vec{a} + \vec{b}| \leq |\vec{a}| + |\vec{b}|
$$
闵可夫斯基不等式就是将这个基本几何事实，推广到了无限的、复杂的函数空间（L^p空间）中。

### 总结

你可以这样理解闵可夫斯基不等式：

*   **它是“整体不大于部分和”这一常识的精确数学表述。**
*   **它是L^p空间这座“数学大厦”的承重墙**，保证了我们可以在这个空间里安全地使用极限、收敛、逼近等所有高级分析工具。
*   **它和赫尔德不等式（乘法规则）一左一右，共同构成了整个L^p空间理论的基石。**

简单说，**闵可夫斯基不等式让“函数加法”这个操作变得可控、可度量，为我们研究函数空间提供了坚实的几何基础。**

科数题库(单机版) 会议室预约系统(book)

今日还可看 0 篇未注册用户每天查看4篇，注册用户每天8篇，开通VIP会员无限制查看。

免费注册

《高等数学》难点解析

高数教程 泰勒公式切线与法线切平面与法平面驻点·拐点·极值点·零点间断点渐进线瑕积分欧拉方程伯努利方程 Abel 收敛定理偏导数的几何意义偏导数的几何意义梯度数量场与向量场多元函数极值拉格朗日算子通量与散度环流量与旋度格林公式高斯公式斯托克斯公式三大公式比较傅里叶级数极坐标微元点法式方程变上限定积分 X型计算面积 Y型计算面积微分的意义渐近线间断点 y''+py'+qy=f(x)方程高斯黎曼傅里叶变换(复数) 拉普拉斯变换(复数)

《线性代数》难点解析

线代教程 近世代数对数学的整体思考线性的意义矩阵乘法(列视角) 矩阵乘法(行视角) 矩阵左乘矩阵右乘逆矩阵求解方程组阶梯形矩阵的求法方程组解的判定四阶行列式的计算线性变换的意义线性空间向量组的等价线性空间的几何意义基础解系的求法施密特正交化特征值与特征向量的意义矩阵相似的几何意义矩阵可对角化的理解秩的意义(向量版) 秩的意义(方程版) 二次型的意义

《概率论与数理统计》难点解析

概率教程 置信区间与上a分位数概率中的“取”与“放” 贝叶斯公式全概率公式泊松分布指数分布伽玛分布二维密度图的意义卷积的意义相关系数的意义 k阶矩是与矩母函数卡方分布的作用单正态区间估计理解假设检验理解切比雪夫不等式中心极限定理

上一篇：赫尔德（Hölder）不等式

下一篇： L2空间

本文对您是否有用？有用 (0) 无用 (0)