【math】|| ||范数

|| ||， 这个数学符号是范数。

一、范数，是具有“长度”概念的函数。在线性代数、泛函分析及相关的数学领域，范数是一个函数，是矢量空间内的所有矢量赋予非零的正长度或大小。半范数可以为非零的矢量赋予零长度。

定义范数的矢量空间是赋范矢量空间；同样，定义半范数的矢量空间就是赋半范矢量空间。

注：在二维的欧氏几何空间 R中定义欧氏范数，在该矢量空间中，元素被画成一个从原点出发的带有箭头的有向线段，每一个矢量的有向线段的长度即为该矢量的欧氏范数。

二、如果线性空间上定义了范数，则称之为赋范线性空间。

1、范数，是具有“长度”概念的函数。在线性代数、泛函分析及相关的数学领域，范数是一个函数，是矢量空间内的所有矢量赋予非零的正长度或大小。半范数可以为非零的矢量赋予零长度。

定义范数的矢量空间是赋范矢量空间；同样，定义半范数的矢量空间就是赋半范矢量空间。

注：在二维的欧氏几何空间 R中定义欧氏范数，在该矢量空间中，元素被画成一个从原点出发的带有箭头的有向线段，每一个矢量的有向线段的长度即为该矢量的欧氏范数。

2、矩阵范数（matrix norm）是数学中矩阵论、线性代数、泛函分析等领域中常见的基本概念，是将一定的矩阵空间建立为赋范向量空间时为矩阵装备的范数。应用中常将有限维赋范向量空间之间的映射以矩阵的形式表现，这时映射空间上装备的范数也可以通过矩阵范数的形式表达。

矩阵范数却不存在公认唯一的度量方式。

扩展资料：

范数(norm)是数学中的一种基本概念。在泛函分析中，它定义在赋范线性空间中，并满足一定的条件，即①非负性；②齐次性；③三角不等式。它常常被用来度量某个向量空间（或矩阵）中的每个向量的长度或大小。

给你列出几个常用的范数吧：若x=(x1, x2, x3,..., xn) 则有：

1-范数：║x║1=│x1│+│x2│+…+│xn│

2-范数：║x║2=(│x1│^2+│x2│^2+…+│xn│^2)^1/2

∞-范数：║x║∞=max(│x1│,│x2│,…,│xn│)

---

补充：

||x||在高等数学中表示范数，完整的定义是设X是数域K上线性空间，称║˙║为X上的范数，它的分类有很多，最常见的是矩阵范数，还有诱导范数，非诱导范数，酉不变范数。

下面的是最常见的范数，[x1,x2,...,xn]表示一个n维的向量，x=[x1,x2,...,xn]^T就表示这个向量的转置，若X是数域K上的线性空间，泛函 ║·║: X->R 满足:
1. 正定性:║x║≥0，且║x║=0 <=> x=0;
2. 正齐次性:║cx║=│c│║x║;
3. 次可加性(三角不等式):║x+y║≤║x║+║y║ 。
那么║·║称为X上的一个范数。

最常用的范数就是p-范数。若x=[x1,x2,...,xn]^T，那么║x║p=(|x1|^p+|x2|^p+...+|xn|^p)^{1/p}，当p取1，2，∞的时候分别是以下几种最简单的情形:
1-范数:║x║1=│x1│+│x2│+…+│xn│
2-范数:║x║2=(│x1│^2+│x2│^2+…+│xn│^2)^1/2
∞-范数(读作无穷范数):║x║∞=max(│x1│,│x2│,…,│xn│)