先直观的感受一下二维空间的范数,假设在二维空间的向量为
v
=
(
x
,
y
)
\bold{v} =(x,y)
v=(x,y)
则v的1范数为:
∣
∣
v
∣
∣
1
=
∣
∣
(
x
,
y
)
∣
∣
1
=
∣
x
∣
+
∣
y
∣
=
(
∣
x
∣
1
+
∣
y
∣
1
)
1
1
||\bold{v}||_1 =||(x,y)||_1 = |x| + |y| = (|x|^1+|y|^1)^\frac{1}{1}
∣∣v∣∣1=∣∣(x,y)∣∣1=∣x∣+∣y∣=(∣x∣1+∣y∣1)11
v的2范数为:
∣
∣
v
∣
∣
2
=
∣
∣
(
x
,
y
)
∣
∣
2
=
∣
x
∣
2
+
∣
y
∣
2
=
(
∣
x
∣
2
+
∣
y
∣
2
)
1
2
||\bold{v}||_2 =||(x,y)||_2 = \sqrt{|x|^2 + |y|^2} = (|x|^2+|y|^2)^\frac{1}{2}
∣∣v∣∣2=∣∣(x,y)∣∣2=∣x∣2+∣y∣2=(∣x∣2+∣y∣2)21
v的3范数为:
∣
∣
v
∣
∣
3
=
∣
∣
(
x
,
y
)
∣
∣
3
=
∣
x
∣
3
+
∣
y
∣
3
3
=
(
∣
x
∣
3
+
∣
y
∣
3
)
1
3
||\bold{v}||_3 =||(x,y)||_3 = \sqrt[3]{|x|^3 + |y|^3} = (|x|^3+|y|^3)^\frac{1}{3}
∣∣v∣∣3=∣∣(x,y)∣∣3=3∣x∣3+∣y∣3=(∣x∣3+∣y∣3)31
推广后,得v的p范数为:
∣
∣
v
∣
∣
p
=
∣
∣
(
x
,
y
)
∣
∣
p
=
∣
x
∣
p
+
∣
y
∣
p
p
=
(
∣
x
∣
p
+
∣
y
∣
p
)
1
p
||\bold{v}||_p =||(x,y)||_p = \sqrt[p]{|x|^p + |y|^p} = (|x|^p+|y|^p)^\frac{1}{p}
∣∣v∣∣p=∣∣(x,y)∣∣p=p∣x∣p+∣y∣p=(∣x∣p+∣y∣p)p1
当
p
=
∞
p=\infin
p=∞ 时,有些区别,v的无穷范数为:
∣
∣
v
∣
∣
∞
=
∣
∣
(
x
,
y
)
∣
∣
∞
=
m
a
x
(
∣
x
∣
,
∣
y
∣
)
||\bold{v}||_\infin =||(x,y)||_\infin = max(|x|, |y|)
∣∣v∣∣∞=∣∣(x,y)∣∣∞=max(∣x∣,∣y∣)
为无穷范数时,是从x,y的绝对值中挑出一个大的
范数的定义
感受过二维向量的范数后,将其扩展到n维向量后,向量
x
x
x的范数为:
向量
x
x
x的1范数:
∣
∣
x
∣
∣
1
=
∑
i
=
1
n
∣
x
i
∣
||x||_1 = \sum_{i=1}^n|x_i|
∣∣x∣∣1=i=1∑n∣xi∣
向量
x
x
x的2范数:
∣
∣
x
∣
∣
2
=
(
∑
i
=
1
n
∣
x
i
∣
2
)
1
2
||x||_2 = (\sum_{i=1}^n|x_i|^2)^\frac{1}{2}
∣∣x∣∣2=(i=1∑n∣xi∣2)21
向量
x
x
x的p范数:
∣
∣
x
∣
∣
p
=
(
∑
i
=
1
n
∣
x
i
∣
p
)
1
p
1
≤
p
<
∞
||x||_p = (\sum_{i=1}^n|x_i|^p)^\frac{1}{p} ~~~~ 1 \le p < \infin
∣∣x∣∣p=(i=1∑n∣xi∣p)p11≤p<∞
注意p的范围:①p不能等于无穷,对于无穷范数有额外的定义;②p可以是小数
向量
x
x
x的无穷范数:
∥
x
∥
∞
=
max
1
≤
i
≤
n
∣
x
i
∣
\|x\|_{\infty}=\max _{1 \leq i \leq n}\left|x_{i}\right|
∥x∥∞=1≤i≤nmax∣xi∣
直观的感受下范数的边界图像
定义范数后,可以直观的感受下二维范数的边界图像,即
∥
(
x
,
y
)
∥
p
≤
1
\|(x,y)\|_p\le1
∥(x,y)∥p≤1 的函数图像。
1范数时的边界图像(
∣
x
∣
+
∣
y
∣
=
1
|x|+|y|=1
∣x∣+∣y∣=1 的图像)为:
菱形边界是函数
∣
x
∣
+
∣
y
∣
=
1
|x|+|y|=1
∣x∣+∣y∣=1 函数图像,菱形内部满足
∣
x
∣
+
∣
y
∣
<
1
|x|+|y| < 1
∣x∣+∣y∣<1。其他范数同理
2范数时的边界图像(
∣
x
∣
2
+
∣
y
∣
2
=
1
\sqrt{|x|^2+|y|^2}=1
∣x∣2+∣y∣2=1 的图像)为:
可以通过GeoGebra p-norm ball,自己感受下不同范数下的边界图像
通过感受不同范数的图像最终可以发现如下图所示的规律,即范数越大,图像越方。同时容易明白,为什么二维无穷范数的定义是
m
a
x
(
∣
x
∣
,
∣
y
∣
)
max(|x|, |y|)
max(∣x∣,∣y∣)
对于三维空间,那就是遵循下图的变化:
范数的性质
正定型:
∥
x
∥
≥
0
\|x\| \ge0
∥x∥≥0 ,当且仅当
x
=
0
x=0
x=0时,
∥
x
∥
=
0
\|x\|=0
∥x∥=0
齐次性:
∥
λ
x
∥
=
∣
λ
∣
∥
x
∥
\|\lambda x\|=|\lambda|\|x\|
∥λx∥=∣λ∣∥x∥, 其中
λ
∈
R
\lambda \in R
λ∈R
三角不等式:
∥
x
+
y
∥
≤
∥
x
∥
+
∥
y
∥
,
∀
x
,
y
∈
C
n
\|x+y\| \leq\|x\|+\|y\|, \forall x, y \in C^{n}
∥x+y∥≤∥x∥+∥y∥,∀x,y∈Cn
∥
0
∥
=
0
\|0\|=0
∥0∥=0
当
x
≠
0
x\neq0
x=0 时,
∥
1
∥
x
∥
x
∥
=
1
\|\frac{1}{\|x\|}x \|=1
∥∥x∥1x∥=1
对任意的
x
∈
C
n
x\in C^n
x∈Cn,有
∥
−
x
∥
=
∥
x
∥
\|-x\|=\|x\|
∥−x∥=∥x∥
对任意的
x
,
y
∈
C
n
x, y\in C^n
x,y∈Cn,有
∣
∥
x
∥
−
∥
y
∥
∣
≤
∥
x
−
y
∥
|~\|x\|-\|y\|~| \le \|x-y\|
∣∥x∥−∥y∥∣≤∥x−y∥