向量范数的一些补充

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~！