向量的范数

向量的范数是数学中用于衡量向量大小或长度的一个概念，它在不同的数学分支中都有广泛的应用，如线性代数、数值分析、优化理论等。范数不仅适用于向量，也适用于更广泛的数学对象，如矩阵、函数等，但在这里我们主要讨论向量的范数。

向量范数的定义

对于向量空间中的任意向量v，其范数通常表示为∣∣v∣∣，它是一个非负实数，满足以下三个性质：

1. 非负性：∣∣v∣∣≥0，且∣∣v∣∣=0当且仅当v=0（零向量）。
2. 齐次性（对于实数范数）：对于任意实数k，有∣∣kv∣∣=∣k∣⋅∣∣v∣∣。注意，在某些上下文中（如复数或更一般的数域），齐次性的定义可能需要调整。
3. 三角不等式：对于任意两个向量u和v，有∣∣u+v∣∣≤∣∣u∣∣+∣∣v∣∣。

常见的向量范数

1. L²范数（欧几里得范数）：
   这是最常见的向量范数，对应于向量在欧几里得空间中的长度或距离。对于n维向量v=(v1​,v2​,…,vn​)，其L²范数定义为：

   ∣∣v∣∣2​=v12​+v22​+⋯+vn2​​

2. L¹范数（曼哈顿范数或街区距离）：
   该范数对应于向量在网格上沿坐标轴方向移动所需的最小步数。对于向量v，其L¹范数定义为：

   ∣∣v∣∣1​=∣v1​∣+∣v2​∣+⋯+∣vn​∣

3. L∞范数（无穷范数或最大范数）：
   该范数对应于向量中绝对值最大的元素。对于向量v，其L∞范数定义为：

   ∣∣v∣∣∞​=max{∣v1​∣,∣v2​∣,…,∣vn​∣}

简单的例子

考虑二维空间中的向量v=(3,4)。

• L²范数（欧几里得范数）：

  ∣∣v∣∣2​=32+42​=9+16​=25​=5

  这表示从原点到点(3,4)的欧几里得距离是5。

• L¹范数（曼哈顿范数）：

  ∣∣v∣∣1​=∣3∣+∣4∣=3+4=7

  这表示从原点到点(3,4)沿坐标轴方向移动所需的最小步数是7（例如，先向右走3步，再向上走4步）。

• L∞范数（无穷范数）：

  ∣∣v∣∣∞​=max{∣3∣,∣4∣}=4

  这表示向量v中绝对值最大的元素是4。