对偶范数（Dual Norm）

对偶范数（Dual Norm） 是在泛函分析和凸优化中非常重要的概念。它用于衡量向量和线性函数之间的关系，尤其是在优化问题和范数的几何理解中非常有用。

1. 对偶范数的定义

给定一个向量空间 $V$ 和它的范数 $\Vert \cdot \Vert$，对偶范数（Dual Norm）$\Vert \cdot {\Vert }_{\ast }$ 是定义在 $V^{\ast }$（$V$的对偶空间）上的范数，用于度量对偶空间中的元素的大小。对偶空间包含作用在原始空间 $V$ 上的所有线性函数。

对偶范数的定义是：

∥ y ∥ ∗ = sup ⁡ { y T x : ∥ x ∥ ≤ 1 } \|y\|_* = \sup \{ y^T x : \|x\| \leq 1 \} ∥y∥∗​=sup{ yTx:∥x∥≤1}

或者更一般地表示为：

$$\Vert y{\Vert }_{\ast }=\sup \{⟨y,x⟩:\Vert x\Vert \le 1\}$$

其中 ⟨ y , x ⟩ \langle y, x \rangle