|| ||, 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│)