Distanzfunktion - LinkFang.de





Distanzfunktion


Dieser Artikel behandelt die Distanzfunktion in der Mathematik. Für das gleichnamige Konzept in der Volkswirtschaftslehre siehe Distanzfunktion (Mikroökonomik).

Distanzfunktionen sind bestimmte reellwertige Abbildung metrischer Räume, die die Eigenschaften der unterliegenden Metrik auf einstellige Funktionen übertragen. Das Konzept von Distanzfunktionen wurde 2011 von Chazal, Cohen-Steiner und Mérigot eingeführt und besitzt unter anderem Anwendungsmöglichkeiten in der geometrischen und der stochastischen Maßtheorie sowie im Data-Mining.[1]

Definition

Sei [math](X;d_X)[/math] ein nicht-leerer metrischer Raum, dessen Metrik ohne Beschränkung der Allgemeinheit durch eine Norm [math]\|.\|_X[/math] induziert sei (vgl. Satz von Kunugui).

Eine Distanzfunktion auf [math]X[/math] ist nun eine Abbildung [math]d\colon X \to \R_0^+[/math] (die also keine negativen Werte annimmt), mit den folgenden drei Eigenschaften:

  1. Die Funktion selbst ist 1-Lipschitz-stetig: Für je zwei Punkte [math]x;y \in X[/math] gilt also [math]|d(x)-d(y)| \le \|x-y\|_X[/math]
  2. Das Quadrat der Funktion ist 1-semikonkav: Dies ist äquivalent dazu, dass [math]x \mapsto d(x)^2-\|x\|^2_X[/math] eine konkave Funktion ist.
  3. Die Funktion divergiert, wann immer die Norm es tut: Für jedes Netz [math](x_i)_{i \in I}[/math] in [math]X[/math] mit [math]\|x_i\|_X \to \infty[/math] gilt auch [math]d(x_i) \to \infty[/math].

Pseudo-Distanzfunktion

Streng genommen genügt es bereits die zweite und dritte Eigenschaft der obigen Definition zu fordern, da aus der 1-Semikonkavität des Quadrates einer Funktion bereits die 1-Lipschitz-Stetigkeit der ursprünglichen Abbildung folgt.[2] Allerdings ist die erste Eigenschaft anschaulich genau das, was eine Funktion distanzartig macht: Es lässt sich leicht nachrechnen, dass [math]d[/math] genau dann 1-Lipschitz-stetig ist, wenn sie mit der Metrik [math]d_X[/math] verträglich ist, wenn also für je zwei Elemente [math]x;y \in X[/math] stets [math]d(x) \le d(y) + d_X(x;y)[/math] gilt.

In abschwächender Sprechweise wird eine Funktion [math]d\colon X \to \R_0^+[/math] daher auch Pseudo-Distanzfunktion genannt, wenn sie 1-Lipschitz-stetig ist und mit der Norm divergiert.

Distanzfunktion zu einer Menge

Der Prototyp einer Distanzfunktion ist der Abstand zu einer kompakten Teilmenge [math]K \subseteq X[/math], der durch [math]d_K(x) = \inf_{k \in K} \| x-k \|_X[/math] erklärt wird.[3] Die Kompaktheit bewirkt hier, dass das Infimum stets für mindestens einem Punkt aus [math]K[/math] tatsächlich angenommen wird. Die 1-Lipschitz-Stetigkeit folgt dann aus der Dreiecksungleichung.

Distanzfunktion zu einem Maß

Sei nun [math]X[/math] zusätzlich mit einem Maß [math]\mu[/math] versehen und [math]0 \le m \lt \mu(X)[/math] eine reelle Zahl, so lässt sich zeigen, dass durch

[math]\delta_{\mu;m} (x) = \inf \{r\gt0 | \mu(\overline{B}_r(x))\gtm \}[/math]

eine Pseudo-Distanzfunktion erklärt ist, wobei [math]\overline{B}_r(x) = \{y \in X | d_X(x;y) \le r \}[/math] die abgeschlossene Kugel um [math]x[/math] mit Radius [math]r[/math] bezeichne.[3]

Für jede reelle Zahl [math]0 \lt m_0 \lt \mu(X)[/math] heiße nun die Abbildung

[math]d_{\mu;m_0} \colon X \to \R_0^+;\ x \mapsto \sqrt{ \frac{1}{m_0} \int_0^{m_0} \delta_{\mu;m}(x)^2\ \mathrm{d}m }[/math]

die Distanzfunktion zum Maß [math]\mu[/math] mit Parameter [math]m_0[/math].

Differenzierbarkeit

Nach dem Satz von Rademacher sind (Pseudo-)Distanzfunktionen fast überall metrisch differenzierbar, da sie Lipschitz-stetig sind.

Ist speziell [math]X = \R^n[/math] euklidisch, dann folgt aus dem Satz von Alexandrow mit der Semikonkavität des Quadrates auch die zweifache (totale) Differenzierbarkeit von Distanzfunktionen fast überall.

Dies ermöglicht eine eingehende Untersuchung von Distanzfunktionen und den zugrunde liegenden Räumen durch die Betrachtung des Gradienten vergleichbar mit der Morsetheorie in der Differentialtopologie.[4]

Einzelnachweise

  1. Frédéric Chazal, David Cohen-Steiner, Quentin Mérigot: Geometric Inference for Probability Measures. In: Foundations of Computational Mathematics. Bd. 11, Nr. 6, 2011, ISSN 1615-3375 , S. 733–751, doi:10.1007/s10208-011-9098-0 , (online PDF; 628 kB) .
  2. Frédéric Chazal, David Cohen-Steiner, Quentin Mérigot: Geometric Inference for Probability Measures. In: Foundations of Computational Mathematics. Bd. 11, Nr. 6, 2011, ISSN 1615-3375 , S. 733–751, Proposition 3.1, doi:10.1007/s10208-011-9098-0 , (online PDF; 628 kB) .
  3. 3,0 3,1 Frédéric Chazal, David Cohen-Steiner, Quentin Mérigot: Geometric Inference for Probability Measures. In: Foundations of Computational Mathematics. Bd. 11, Nr. 6, 2011, ISSN 1615-3375 , S. 733–751, Section 3, doi:10.1007/s10208-011-9098-0 , (online PDF; 628 kB) .
  4. Karsten Grove: Critical Point Theory for Distance Functions. In: Proceedings of Symposia in Pure Mathematics. Bd. 54, Nr. 3, 1993, ISSN 0082-0717 , S. 357–385, (Grove gebraucht hier den Begriff distance function im Sinne obiger Definition, ohne jedoch die umfassende Theorie von Chazal et al. vorwegzunehmen.).

Kategorien: Mathematische Funktion | Geometrie | Maßtheorie

Quelle: Wikipedia - http://de.wikipedia.org/wiki/Distanzfunktion (Vollständige Liste der Autoren des Textes [Versionsgeschichte])    Lizenz: CC-by-sa-3.0

Änderungen: Alle Bilder mit den meisten Bildunterschriften wurden entfernt. Ebenso alle zu nicht-existierenden Artikeln/Kategorien gehenden internen Wikipedia-Links (Bsp. Portal-Links, Redlinks, Bearbeiten-Links). Entfernung von Navigationsframes, Geo & Normdaten, Mediadateien, gesprochene Versionen, z.T. ID&Class-Namen, Style von Div-Containern, Metadaten, Vorlagen, wie lesenwerte Artikel. Ansonsten sind keine Inhaltsänderungen vorgenommen worden. Weiterhin kann es durch die maschinelle Bearbeitung des Inhalts zu Fehlern gerade in der Darstellung kommen. Darum würden wir jeden Besucher unserer Seite darum bitten uns diese Fehler über den Support mittels einer Nachricht mit Link zu melden. Vielen Dank!

Stand der Informationen: August 201& - Wichtiger Hinweis: Da die Inhalte maschinell von Wikipedia übernommen wurden, ist eine manuelle Überprüfung nicht möglich. Somit garantiert LinkFang.de nicht die Richtigkeit und Aktualität der übernommenen Inhalte. Sollten die Informationen mittlerweile fehlerhaft sein, bitten wir Sie darum uns per Support oder E-Mail zu kontaktieren. Wir werden uns dann innerhalb von spätestens 10 Tagen um Ihr Anliegen kümmern. Auch ohne Anliegen erfolgt mindestens alle drei Monate ein Update der gesamten Inhalte.