最近在看CMU的以为网友发的slides挺有趣的,老师讲解的很好,关于norm的一些说法我感受很深,尤其是对向量范的定义:
接着重点来了:
也就是说向量的范其实就是首先是一个区域,这个区域包含了向量这一点,并且是最小的区域。
这一点最初没搞明白,现在想了想一下子明白了。
举个例子:
向量(1,2)
我求它的1范,大家知道1范的图形是个菱形,在第一象限的斜率为-1,现在来求截距y = -x + b,过了(1,2)则b等于3.
我们反过来验证下(1,2)的1范不正好就是3么。。ok解决了。。
这样的直观意义我觉得用来求约束优化的时候最有用吧。。
补充下L在norm的前提下,各种norm都是个ball或者circle。其实这个形状包含了矩阵和圆形,不是只有指代的圆形,这个在wiki上有描述,还说了norm的形状是对称的,所以不可能是三角形的。。
结束~!