노름(수학)

1. 개요2. 정의3. 성질4. 예시

4.1. 절댓값 노름4.2. lp 노름

4.2.1. 유클리드 노름4.2.2. 택시 노름4.2.3. 상한 노름

5. 내적 및 거리함수와의 관계6. 바나하 공간(Banach Space)7. 관련 문서

2. 정의 [편집]

V

가 복소수 체

F

위의 벡터공간이고 함수

f:V \rightarrow \mathbb{R}

가 다음을 모두 만족시킬 때,

복소수체 $F$ 의 임의의 원소 $a$ 와 벡터공간 $V$ 의 임의의 원소 $\bold{u}, \bold{v}$ 에 대하여
$f(a\bold{u}) = |a| \cdot f(\bold{u})$
$f(\bold{u} + \bold{v}) \le f(\bold{u}) + f(\bold{v})$ [1]
만약 $f(\bold{u})=0$ 이면 $\bold{u}$ 는 영벡터이다.

이 함수

f

를 (V 위에서의) 노름(a norm on V)라고 부른다. 노름을 나타내는 함수는

f

보다는

\left\| \cdot \right\|

로 표기하는 경우가 많다. 즉,

f(\bold{u}) = \left\| \bold{u} \right\|

로 표기.

세가지 성질 중 1,2번만 만족하는 경우는 반노름(seminorm)이라고 한다.[2]

3. 성질 [편집]

노름의 중요한 성질 중 하나는 물론 그 값이 항상 0보다 크거나 같다는 것이다. 이는 다음과 같이 정의의 1번과 2번 공리로부터 유도된다. 따라서 3번 공리를 따르지 않는 반노름도

f(\bold{u})\geq 0

이 항상 설립한다.

우선 정의 문단의 1번 공리에 의해

f(\bold{0})= f(0\cdot\bold{0})= 0f(\bold{0})= 0

이다.[3] 다시 1번 공리에 의해, 임의의

\bold{u}\in V

에 대해

f(\bold{-u})= \lvert -1\rvert f(\bold{u})= f(\bold{u})

가 성립한다. 이제 임의의

\bold{u}\in V

를 생각하면,

0= f(\bold{0})= f(\bold{u}- \bold{u})\leq f(\bold{u})+ f(-\bold{u})= f(\bold{u})+ f(\bold{u})= 2f(\bold{u})

이다. 여기서 부등식은 2번 공리, 즉 삼각부등식이다. 양변을 2로 나누면 결과를 얻는다.

4. 예시 [편집]

4.1. 절댓값 노름 [편집]

우리가 흔히 알고 있는 a의 절댓값

|a|

은 1차원 유클리드 공간(=수직선)에서의 노름으로 볼 수 있다.[4]

4.2. l^p 노름 [편집]

p가 1이상일 때,

$\displaystyle \left\|\bold{x}\right\|_p = \sqrt[p]{|x_1|^p + |x_2|^p + \cdots + |x_n|^p} = \left( \sum_{k=1}^{n} |x_k|^p \right)^{1/p}$

4.2.1. 유클리드 노름 [편집]

n차원 유클리드 공간(=좌표평면)에서의 노름은 유클리드 노름(Euclidean norm)이라고 부르고 다음과 같이 정의한다.

$\displaystyle \left\|\bold{x}\right\|_2 = \sqrt{{x_1}^2 + {x_2}^2 + \cdots + {x_n}^2} = \sqrt{ \sum_{k=1}^{n} {x_k}^2 }$

l^p 노름에서 p=2의 꼴이다.

어디서 많이 본 듯한 모양이라면 정답이다. 평면좌표(n=2)나 공간좌표(n=3)에서 원점과 점

\bold{x} = \left( x_1, x_2, \cdots, x_n \right)

사이의 거리이다. 이 노름에서 유도되는 거리 함수가 유클리드 공간에서 일반적으로 정해지는 거리 함수이며, 유클리드 거리 함수(Euclidean metric)라고 칭한다. 옛 문헌에는 피타고라스 거리 함수(Pythagorean metric)라고 표기된 문헌도 존재하지만 지금은 사장된 표현.

4.2.2. 택시 노름 [편집]

Taxicab norm. 다른 이름은 맨해튼 노름(Manhattan norm)으로, 다음과 같이 정의한다.

$\left\|\bold{x}\right\|_1 = |x_1| + |x_2| + \cdots + |x_n| = \displaystyle\sum_{k=1}^{n} {|x_k|}$

l^p 노름에서 p=1의 꼴이다.

덧붙여 설명하자면, (0, 0)에서 (1, 1)까지 움직이고 싶을 때 대각선으로 가로질러 가는 거리는 유클리드 노름으로 계산하지만, 만약에 그 사이에 밑면의 한 변의 크기가 1인 정사각형 모양의 빌딩이 있고 田자 모양의 도로망이 있을 때에는 ㄱ자 형태로 가로 1, 세로 1만큼, 총 2의 거리를 가야 한다. 이 거리를 계산하는 방법이 택시 노름이다. 맨해튼의 도로 구조가 위와 같이 격자 모양에 가까워 다른 이름이 맨해튼 노름인 것. 당연히 여기서 유도되는 거리함수 이름은 택시 거리 함수(Taxicab metric) / 맨해튼 거리 함수(Manhattan metric)이다.

이름만 봐서는 재미로 만든 노름으로 생각할 수 있지만, 머신러닝이나 통계학을 전공한다면 L₁ 정규화(L₁ regularization)라는 개념으로 자주 마주치게 될 것이다.

4.2.3. 상한 노름 [편집]

l^p 노름에서 p를 무한대로 보내면 얻는 노름으로

$\left\|\bold{x}\right\|_{\infty} = \max(|x_1|, |x_2|, \cdots, |x_n|)$

즉 주어진 성분 중 최대값을 노름으로 삼는 방식이다. 상한 거리 함수, 혹은 최대 거리 함수(max metric)가 이 노름에서 정의된다.

5. 내적 및 거리함수와의 관계 [편집]

내적이 정의되면 노름은 그 내적에서

\lVert\bold{x}\rVert:= \sqrt{\langle\bold{x},\bold{x}\rangle}

에 의해 자연스럽게 정의된다.[5] 그 역은 성립하지 않는다. 즉, 노름이 있다고 해서 그에 자연스럽게 대응되는 내적이 항상 존재하는 것은 아니다.

한편, 노름이 정의되면 거리함수(distance function 혹은 metric)

d(\cdot, \cdot): V\times V\to\mathbb{R}

가 다음에 의해 자연스럽게[6] 정의된다.

d(\bold{x}, \bold{y}):= \lVert \bold{x}- \bold{y}\rVert

. 그 역은 성립하지 않는다. 즉, 거리함수가 있다고 해서 그에 자연스럽게 대응하는 노름이 항상 존재하는 것은 아니다. 심지어 거리함수는 벡터공간이 아니라도 정의될 수 있다.[7]

노름은 위와 같은 '자연스러운' 거리함수(the norm-induced metric) 뿐만 아니라 다른 거리함수도 만들 수 있다.

d(\bold{x}, \bold{y}):= \lVert \bold{x}\rVert + \lVert \bold{y} \rVert

라 정의하고, 단

\bold{x}= \bold{y}

일 때

d(\bold{x}, \bold{y})= 0

라 하면, 이것도 거리함수의 공리를 만족하며, 흔히 우체국 거리(post office metric)라고 불린다. 왜 이 이름이 붙었는지 이해하려면, 원점에 단 하나의 우체국이 있고,

\bold{x}

에서

\bold{y}

로 편지를 보낼 때 우체국을 거쳐 편지가 이동하는 거리가

d(\bold{x}, \bold{y})

라고 생각해보자.

6. 바나하 공간(Banach Space) [편집]

노름 공간

V

가 다음 조건을 만족할 때 이를 바나하 공간(혹은 바나흐 공간)이라 한다.

완비성(Completeness) : 노름공간의 임의의 코시수열이 그 노름공간 상의 한 점으로 수렴한다.

이에 관련된 ~~-아재~~-수학개그가 있다.[8]

Q: 노랗고, 선형이며, 노름이 있는 완비공간은?
A: 바나나하 공간.

참고로 선형공간은 벡터공간을 의미하며, 노름이 정의된 벡터공간은 노름공간이며, 완비 노름공간은 바나하 공간이다.

7. 관련 문서 [편집]

[1] 흔히 '삼각부등식'이라고 부르는 것.[2] 반노름의 예로는

\lVert\bold{u}\rVert= 0~\forall\bold{u}

라는 자명한 경우가 있다. 또한, 비가역행렬 (정확히는 rank-deficient)

A

를 고정하고

\lVert\bold{u}\rVert^* = \lVert A\bold{u}\rVert

라고 정의한다면 새로운 함수

\lVert\cdot\rVert^*

는 반노름이 된다.[3] 3번은 이것의 역일 뿐, 이것을 함의하지 않음에 유의하자.[4] 어떻게 보면 노름은 절댓값의 개념을 확장시켰다고 볼 수도 있기 때문에 당연하다고 볼 수 있다.[5] "

\lVert\cdot\rVert

is the norm induced by

\langle\cdot,\cdot\rangle

. 유일성을 의미하는 the 가 붙었음을 유의하자. 이는 해당 내적과 관련된 노름이 유일하다는 의미가 아니라,

\lVert\cdot\rVert

가 딱 이 유명한 노름을 가리킨다는 의미다.[6] 이 문단과 윗 문단의 '자연스럽다'는 말은 사실 '2, 3차원 유클리드 공간의 직관을 확장했다'는 말이라는 것을 깨달을 수 있을 것이다.[7] 예컨대 임의의 집합에서 함수

d(x, y)

를

x= y

라면 0, 그 외에는 1의 값을 가지도록 한다면, 이는 거리함수의 공리를 만족한다. 이를 이산거리함수(discrete metric)이라 부른다.[8] 링크 7번 항목