L∞范数(也常叫 最大范数 / max norm / sup norm):对向量而言,等于其各分量绝对值的最大值。
若 \(x=(x_1,\dots,x_n)\),则
\[
\|x\|_\infty=\max_{1\le i\le n}|x_i|.
\]
(在函数空间里,常对应“上确界范数”,即函数绝对值的最大上界。)
/ˌɛl ɪnˈfɪnɪti nɔːrm/
\(\|[3,-5,2]\|_\infty = 5\).
\(\|[3,-5,2]\|_\infty = 5\)(因为绝对值最大的分量是 5)。
In robust optimization, constraints are often written using the L-infinity norm to bound the maximum error across all components.
在鲁棒优化中,约束常用 L∞ 范数来限制所有分量中的最大误差。
“L∞”来自数学中的 \(L^p\) 空间(Lebesgue spaces,勒贝格空间)记号:当 \(p\to\infty\) 时,对应“取最大(上确界)”这一极限意义;“norm(范数)”源自拉丁语 norma,有“准则、标准”的意思,后来在数学中引申为“衡量长度/大小的规则”。