欧几里得范数_范数 - Norms

范数是向量的一个概念，把向量看做是赋范向量空间的一个从原点出发的点，而范数则是这个空间中的几何“距离”，作为向量的一种度量而存在。

1.向量组的的范数

作为一个常见的向量组，有5维组成。

我们求这样的向量组的范数，就是求某种距离，这种距离被称为：Minkowski Distance (闽可斯基距离).

而对于距离的度量，和我们对距离的阶数(order)定义有关。

ord=1, 该距离又被称为manhattan Distance，曼哈顿距离，如图中红蓝黄所示。

求距离公式为

,所有维度值的绝对值之和。

ord=2, 该距离又被称为Euclidean Distance, 欧几里得距离，如图中绿线所示。

求距离公式为

ord=

, 该距离又被称为Chebyshev Distance, 切比雪夫距离.

求距离公式为

2.矩阵/行列式的范数

以[[1, 2, 3],

[4, 5, 6],

[7, 8, 9]]为例

1-范数： 列 绝对值之和 最大值 范数

max{(1+4+7),(2+5+8),(3+6+9)}=18.

-范数：行 绝对值之和 最大值 范数

max{(1+2+3), (4+5+6), (7+8+9)}=24.

2-范数：

https://blog.csdn.net/u013534498/article/details/52674008