002：常见范数的定义和性质

范数 ，对应闵可夫斯基距离 (Minkowski distance) ，其定义如下：

【定义2】Lp范数

假设n维向量$x=(x_1,x_2,\cdots ,x_n{)}^T$，其Lp范数记作$||x|{|}_p$，定义为
$$||x|{|}_p=(|x_1{|}^p+|x_2{|}^p+\cdots +|x_n{|}^p{)}^{\frac{1}{p}}$$

范数具有如下定义：

• 正定性：$||x||\ge 0$，且有$||x||=0\iff x=0$；
• 正齐次性：$||cx||=|c|||x||$；
• 次可加性（三角不等式）：$||x+y||\le ||x||+||y||$。

---

将0、1、2、$+\infty$分别代入上述定义，就得到了常见的 L0范数 、 L1范数 和 L2范数 和 无穷范数 。

L0范数

【定义3】L0范数

假设n维向量$x=(x_1,x_2,\cdots ,x_n{)}^T$，其L0范数记作$||x|{|}_0$，定义为向量中非0元素的个数。

L1范数

【定义4】L1范数

假设n维向量$x=(x_1,x_2,\cdots ,x_n{)}^T$，其L1范数记作$||x|{|}_1$，定义为
$$||x|{|}_1=|x_1|+|x_2|+\cdots +|x_n|$$

向量的L1范数即为向量中各个元素绝对值之和，对应曼哈顿距离 (Manhattan distance)。

L2范数

【定义5】L2范数

假设n维向量$x=(x_1,x_2,\cdots ,x_n{)}^T$，其L2范数记作$||x|{|}_2$，定义为
$$||x|{|}_2=(|x_1{|}^2+|x_2{|}^2+\cdots +|x_n{|}^2{)}^{\frac{1}{2}}$$

向量的L2范数即为向量中各个元素平方和的平方根，对应欧式距离 (Manhattan distance)。

无穷范数

【定义6】无穷范数

假设n维向量$x=(x_1,x_2,\cdots ,x_n{)}^T$，其无穷范数记作$||x|{|}_{\infty }$，定义为
$$||x|{|}_{\infty }=max(|x_1|,|x_2|,\cdots ,|x_n|)$$

向量的无穷范数即为向量中各个元素绝对值的最大值，对应切比雪夫距离 (Chebyshev distance)。