infinity norm(也常称 max norm / maximum norm / Chebyshev norm):在向量或函数空间中,用“最大绝对分量(或最大绝对值)”来衡量大小的范数。
对向量 \(x=(x_1,\dots,x_n)\),无穷范数通常写作
\[
\|x\|_\infty=\max_i |x_i|.
\]
(在更一般的函数情形中,可理解为“上确界范数”。)
/ɪnˈfɪnəti nɔːrm/
The infinity norm of \((2,-5,1)\) is \(5\).
\((2,-5,1)\) 的无穷范数是 \(5\)。
In optimization, minimizing the infinity norm can reduce the worst-case error across all components.
在优化问题中,最小化无穷范数可以降低各个分量中“最坏情况”的误差。
infinity 来自拉丁语 infinitus(意为“无限的、无穷的”);norm 来自拉丁语 norma(“准则、标准”)。在数学里,“无穷范数”之所以带 “infinity”,与 \(L^p\) 范数家族有关:当 \(p \to \infty\) 时,对分量大小的度量趋向于由“最大值”主导,因此得名。