跳转到内容

范数:修订间差异

维基百科,自由的百科全书
删除的内容 添加的内容
Enjoyyin留言 | 贡献
InternetArchiveBot留言 | 贡献
Add 1 book for verifiability (20240907)) #IABot (v2.0.9.5) (GreenC bot
 
(未显示20个用户的27个中间版本)
第1行: 第1行:
{{NoteTA|G1=math}}
{{NoteTA|G1=math}}
[[File:Vector norms.png|thumb|擁有不同範數的[[單位圓]]]]
{{Not|範數 (域論)}}
[[File:Vector norms.svg|thumb|擁有不同範數的[[單位圓]]]]
'''範數'''({{lang-en|Norm}}),是具有“长度”概念的[[函數]]。在[[線性代數]]、[[泛函分析]]及相關的數學領域,是一個[[函數]],其為[[向量空間]]內的所有[[向量]]賦予非零的正'''長度'''或'''大小'''。另一方面,'''半範數'''({{lang-en|seminorm}})可以為非零的[[向量]]賦予零長度。


舉一個簡單的例子,一個二維度的[[歐幾里得空間]]<math>\R^2</math>就有歐氏範數。在這個[[向量空間]]的元素(譬如:(3,7))常常在[[直角坐标系|笛卡兒座標系統]]被畫成一個從原點出發的箭號。每一個[[向量]]的歐氏範數就是箭號的長度。
'''範數'''(norm),是具有“长度”概念的函數。在[[線性代數]]、[[泛函分析]]及相關的數學領域,是一個[[函數]],其為[[向量空間]]內的所有[[向量]]賦予非零的正'''長度'''或'''大小'''。半範數反而可以為非零的[[向量]]賦予零長度。

舉一個簡單的例子,一個二維度的歐空間<math>\R^2</math>就有歐氏範數。在這個[[向量空間]]的元素(譬如:(3,7))常常在[[直角坐标系|笛卡兒座標系統]]被畫成一個從原點出發的箭號。每一個[[向量]]的歐氏範數就是箭號的長度。


擁有範數的[[向量空間]]就是[[賦範向量空間]]。同樣,擁有半範數的[[向量空間]]就是賦半範向量空間。
擁有範數的[[向量空間]]就是[[賦範向量空間]]。同樣,擁有半範數的[[向量空間]]就是賦半範向量空間。


==定義==
==定義==
假設''V''是域'''F'''上的[[向量空間]];''V''的'''半範數'''是一個函數<math>p:V\to\mathbb{R}; x\mapsto{}p(x)</math>,满足:
假設''V''是域''F''上的[[向量空間]];''V''的'''半範數'''是一個函數<math>p:V\to\mathbb{R}; x\mapsto{}p(x)</math>,满足:


<math>\forall a \in F,\forall u,v \in V</math>,
<math>\forall a \in F,\forall u,v \in V</math>,
# <math>p(v) \ge 0 </math>(半正定性)
# <math>p(v) \ge 0 </math>(具有半正定性)
# <math>p(a v) = |a| p(v)</math>(線性性)
# <math>p(a v) = |a| p(v)</math>(具有绝对一次齐次性)
# <math>p(u + v) \le p(u) + p(v)</math> ([[三角不等式]])
# <math>p(u + v) \le p(u) + p(v)</math> (满足[[三角不等式]],或称[[次可加性]])


'''範數'''是一個'''半範數'''加上額外性质:
'''範數'''是一個'''半範數'''加上額外性质:
:4. <math>p(v)=0</math>,当且仅当<math>v</math>是[[零向量]]([[正定性]])
:4. <math>p(v)=0</math>,当且仅当<math>v</math>是[[零向量]]([[正定性]])


如果拓撲向量空間的[[拓撲]]可以被'''範數'''導出,這個[[拓撲向量空間]]被稱為[[賦範向量空間]]。
如果拓撲向量空間的[[拓撲空間|拓撲]]可以被範數導出,這個[[拓撲向量空間]]被稱為[[賦範向量空間]]。


==例子==
==例子==
* 所有范数都是半范数。
* 所有范数都是半范数。
* ''平凡半范数'',即<math>p(x) = 0, \forall x \in V</math>。
* 平凡半范数即<math>p(x) = 0, \forall x \in V</math>。
* [[绝对值]]是[[实数]]集上的一个范数。
* [[绝对值]]是[[实数]]集上的一个范数。
* 对向量空间上的[[线性映射|线性型]]''f''可定义一个半范数:'''x''' |''f''('''x''')|。
* 对向量空间上的[[Seminorm|线性型]]''f''可定义一个半范数:<math>\boldsymbol x \to |f(\boldsymbol x)|</math>

===绝对值范数===
[[绝对值]]范数為
:<math>\|\boldsymbol{x}\|=\sum_i^n|x_i|</math>
是在由实数或虚数构成的一维向量空间中的范数。

绝对值范数是[[曼哈頓距離|曼哈顿范数]]的特殊形式。


===欧几里德范数===
===欧几里德范数===
{{Main|欧几里德距离}}
{{Main|欧几里德距离}}
在''n''维[[欧几里德空间]]'''R'''<sup>''n''</sup>上,向量'''''x''''' =(''x''<sub>1</sub>, ''x''<sub>2</sub>, ..., ''x''<sub>''n''</sub>)的最符合直觉的长度由以下公式给出
在''n''维[[欧几里德空间]]<math>\mathbb R ^n</math>上,向量<math>\boldsymbol x = (x_1,x_2,\,\ldots\,,x_n)^{\mathrm T}</math>的最符合直觉的长度由以下公式给出
:<math>\|\boldsymbol{x}\| := \sqrt{x_1^2 + \cdots + x_n^2}.</math>
:<math>\|\boldsymbol{x}\|_2 := \sqrt{x_1^2 + \cdots + x_n^2}.</math>
根据[[勾股定理]],它给出了从原点到点'''''x'''''之间的(通常意义下的)距离。
根据[[勾股定理]],它给出了从原点到点<math>\boldsymbol x</math>之间的(通常意义下的)距离。欧几里德范数是<math>\mathbb R ^n</math>上最常用的范数,但正如下面举出的,<math>\mathbb R ^n</math>上也可以定义其他的范数。然而,以下定义的范数都定义了同一个拓扑结构,因此它们在某种意义上都是等价的
欧几里德范数是'''R'''<sup>''n''</sup>上最常用的范数,但正如下面举出的,'''R'''<sup>''n''</sup>上也可以定义其他的范数。然而,以下定义的范数都定义了同一个拓扑结构,因此它们在某种意义上都是等价的。


在一个''n''维复数空间'''C'''<sup>''n''</sup>中,最常见的范数是:
在一个''n''维复数空间<math>\mathbb C ^n</math>中,最常见的范数是:
:<math>\|\boldsymbol{z}\| := \sqrt{|z_1|^2 + \cdots + |z_n|^2}= \sqrt{z_1 \bar z_1 + \cdots + z_n \bar z_n}.</math>
:<math>\|\boldsymbol{z}\| := \sqrt{|z_1|^2 + \cdots + |z_n|^2}= \sqrt{z_1 \bar z_1 + \cdots + z_n \bar z_n}.</math>


以上两者又可以以向量与其自身的[[内积]]的[[平方根]]表示:
以上两者又可以以向量与其自身的[[内积]]的[[平方根]]表示:
:<math>\|\boldsymbol{x}\| := \sqrt{\boldsymbol{x}^* \boldsymbol{x}},</math>
:<math>\|\boldsymbol{x}\| := \sqrt{\boldsymbol{x}^* \boldsymbol{x}},</math>
其中'''''x'''''是一个[[列向量]]([''x''<sub>1</sub>; ''x''<sub>2</sub>; ...; ''x''<sub>''n''</sub>]),而'''''x'''''*表示其[[共轭转置]]。
其中'''''x'''''是一个[[列向量]](<math>[x_1,x_2,\,\ldots\,,x_n]^{\mathrm T}</math>),而<math>\boldsymbol x ^ *</math>表示其[[共轭转置]]。


以上公式适用于任何[[内积空间]],包括欧式空间和复空间。在欧几里得空间里,内积等价于点积,因此公式可以写成以下形式:
以上公式适用于任何[[内积空间]],包括欧式空间和复空间。在欧几里得空间里,内积等价于点积,因此公式可以写成以下形式:
:<math>\|\boldsymbol{x}\| := \sqrt{\boldsymbol{x} \cdot \boldsymbol{x}}.</math>
:<math>\|\boldsymbol{x}\| := \sqrt{\boldsymbol{x} \cdot \boldsymbol{x}}.</math>


特别地,'''R'''<sup>''n+1''</sup>中所有的欧几里得范数为同一个给定正实数的向量的集合是一个[[N维球面|''n''维球面]]。
特别地,<math>\mathbb R ^{n+1}</math>中所有的欧几里得范数为同一个给定正实数的向量的集合是一个[[N维球面|''n''维球面]]。


====复数的欧几里得范数====
====复数的欧几里得范数====


如果将[[复平面]]看作[[欧几里得平面]]'''R'''<sup>2</sup>,那么[[复数]]的欧几里得范数是其[[复数_(数学)#绝对值、共轭与|绝对值]](又称为'''模''')。这样,我们可把'''x + ''i''y'''视为欧几里得平面上的一个向量,由此,这个向量的欧几里得范数即为<math>\sqrt{x^2 +y^2}</math>(最初由欧拉提出)。
如果将[[复平面]]看作[[欧几里得平面]]<math>\mathbb R ^2</math>,那么[[复数 (数学)|复数]]的欧几里得范数是其[[复数 (数学)#絕對值、共軛與|绝对值]](又称为'''模''')。这样,我们可把<math>x+i\,y</math>视为欧几里得平面上的一个向量,由此,这个向量的欧几里得范数即为<math>\sqrt{x^2 +y^2}</math>(最初由欧拉提出)。


==參見==
==參見==
*[[內積]]
* [[內積]]
*[[賦範向量空間]]
* [[賦範向量空間]]
*[[矩陣範數]]
* [[矩陣範數]]
*[[曼哈頓距離]]
* [[曼哈頓距離]]
* [[Lp范数]]


==參考文獻==
== 參考文獻 ==
{{refbegin}}
{{Reflist}}
{{ReflistH}}
* {{cite book
* {{cite book
|last=Bourbaki |first=Nicolas |authorlink=Nicolas Bourbaki
|last = Bourbaki |first = Nicolas |author-link = Nicolas Bourbaki
| title = Topological vector spaces
| title = Topological vector spaces
| year = 1987
|url = https://archive.org/details/topologicalvecto0000nbou | year = 1987
| chapter = Chapters 1–5
| chapter = Chapters 1–5
| publisher = [[Springer Science+Business Media|Springer]]
| publisher = [[Springer Science+Business Media|Springer]]
第72行: 第80行:
| year = 1981 | edition = 2nd
| year = 1981 | edition = 2nd
| publisher = Academic Press
| publisher = Academic Press
| url = |page=20
| page = 20
| isbn = 0-12-566060-X
| isbn = 0-12-566060-X
| ref = harv
| ref = harv
}}
}}
* {{cite book |last=Trèves |first=François |title=Topological Vector Spaces, Distributions and Kernels |publisher=[[Academic Press, Inc.]] |year=1995 |isbn=0-486-45352-9 |pages=136–149, 195–201, 240–252, 335–390, 420–433}}
* {{cite book |last=Trèves |first=François |title = Topological Vector Spaces, Distributions and Kernels |publisher=[[Academic Press, Inc.]] |year=1995 |isbn=0-486-45352-9 |pages = 136–149, 195–201, 240–252, 335–390, 420–433 }}
* {{cite book |last=Khaleelulla |first=S. M. |title=Counterexamples in Topological Vector Spaces |publisher=[[Springer-Verlag]] |series=Lecture Notes in Mathematics |volume=936 |date=1982 |isbn=978-3-540-11565-6 |pages=3–5 | zbl=0482.46002}}
* {{cite book |last = Khaleelulla |first = S. M. |title = Counterexamples in Topological Vector Spaces |publisher=[[Springer-Verlag]] |series = Lecture Notes in Mathematics |volume=936 |year = 1982 |isbn=978-3-540-11565-6 |pages=3–5 |zbl = 0482.46002 }}
{{refend}}
{{ReflistF}}

{{-}}
{{泛函分析}}


[[Category:線性代數|F]]
[[Category:線性代數|F]]
[[Category:泛函分析|F]]
[[Category:泛函分析|F]]
[[Category:度量几何|F]]
[[Category:度量几何|F]]
[[Category:范数|*]]
[[Category:范数| ]]

2024年9月8日 (日) 07:05的最新版本

擁有不同範數的單位圓

範數(英語:Norm),是具有“长度”概念的函數。在線性代數泛函分析及相關的數學領域,是一個函數,其為向量空間內的所有向量賦予非零的正長度大小。另一方面,半範數(英語:seminorm)可以為非零的向量賦予零長度。

舉一個簡單的例子,一個二維度的歐幾里得空間就有歐氏範數。在這個向量空間的元素(譬如:(3,7))常常在笛卡兒座標系統被畫成一個從原點出發的箭號。每一個向量的歐氏範數就是箭號的長度。

擁有範數的向量空間就是賦範向量空間。同樣,擁有半範數的向量空間就是賦半範向量空間。

定義

[编辑]

假設V是域F上的向量空間V半範數是一個函數,满足:

,

  1. (具有半正定性)
  2. (具有绝对一次齐次性)
  3. (满足三角不等式,或称次可加性

範數是一個半範數加上額外性质:

4. ,当且仅当零向量正定性

如果拓撲向量空間的拓撲可以被範數導出,這個拓撲向量空間被稱為賦範向量空間

例子

[编辑]
  • 所有范数都是半范数。
  • 平凡半范数,即
  • 绝对值实数集上的一个范数。
  • 对向量空间上的次线性型f可定义一个半范数:

绝对值范数

[编辑]

绝对值范数為

是在由实数或虚数构成的一维向量空间中的范数。

绝对值范数是曼哈顿范数的特殊形式。

欧几里德范数

[编辑]

n欧几里德空间上,向量的最符合直觉的长度由以下公式给出

根据勾股定理,它给出了从原点到点之间的(通常意义下的)距离。欧几里德范数是上最常用的范数,但正如下面举出的,上也可以定义其他的范数。然而,以下定义的范数都定义了同一个拓扑结构,因此它们在某种意义上都是等价的。

在一个n维复数空间中,最常见的范数是:

以上两者又可以以向量与其自身的内积平方根表示:

其中x是一个列向量(),而表示其共轭转置

以上公式适用于任何内积空间,包括欧式空间和复空间。在欧几里得空间里,内积等价于点积,因此公式可以写成以下形式:

特别地,中所有的欧几里得范数为同一个给定正实数的向量的集合是一个n维球面

复数的欧几里得范数

[编辑]

如果将复平面看作欧几里得平面,那么复数的欧几里得范数是其绝对值(又称为)。这样,我们可把视为欧几里得平面上的一个向量,由此,这个向量的欧几里得范数即为(最初由欧拉提出)。

參見

[编辑]

參考文獻

[编辑]