向量和向量空间：

一.向量的范数：

• 定义：向量的范数是刻画向量大小的数学量.其本质是一种人为定义的由n维向量到实数R的映射关系（$||\cdot |{|}_n:C^n->R$）.这种关系需要满足：
  1. 正定性：$||\vec{x}|{|}_n$非负，且只有n维零向量$||\vec{0}|{|}_n=0$
  2. 齐次性：对于实数λ，$||\lambda \vec{x}|{|}_n=|\lambda |\cdot ||\vec{x}|{|}_n$
  3. 三角不等式：$||\vec{x}+\vec{y}|{|}_n⩽||\vec{x}|{|}_n+||\vec{y}|{|}_n$

1:常见范数：

1. n维向量的p范数：$({\sum }_i^n|v_i{|}^p{)}^{\frac{1}{p}}$，其中常用的有1-范数、2-范数、$\infty$-范数（p取无穷，p范数近似等于n维向量的最大/最小元素的绝对值）.
2. n维向量的m维范数：若有n维向量Vn，以及m*n维的矩阵A，则可以将Vn通过乘以A转化为一个m维向量Vm=A$\cdot$Vn.然后得到$||Vn|{|}_n=||A\cdot Vn|{|}_m$.

2:不等关系：

柯西-施瓦茨不等式：

 常见的柯西-施瓦茨不等式，实际上就是刻画向量数量积和向量2-范数关系的不等式.用自然语言描述为：两个向量的数量积小于等于二者2-范数的乘积.
 $|x^{T}y|⩽||x||\cdot ||y||$或者将其展开为$x_1{y}_1+x_2{y}_2+...+x_n{y}_n⩽\sqrt{x_1^2+x_2^2+...+x_n^2}$