Евклидова норма

Евклидова норма (также известная как L²-норма, евклидова длина, 2-норма) — это функция, которая ставит в соответствие вектору в евклидовом пространстве неотрицательное действительное число, являющееся его длиной. В математике и её приложениях евклидова норма является наиболее распространённым способом измерения величины вектора, интуитивно соответствующего расстоянию от начала координат до точки, задаваемой координатами вектора. Для вектора x = (x₁, x₂, …, xₙ) в n-мерном пространстве ℝⁿ евклидова норма определяется как квадратный корень из суммы квадратов его компонент: ‖x‖₂ = √(x₁² + x₂² + … + xₙ²).

Определение и основные свойства

Формально евклидова норма является частным случаем семейства Lp-норм (норм Гёльдера) при p = 2. Она удовлетворяет всем аксиомам нормы:

1. Положительная определённость: ‖x‖₂ ≥ 0, причём ‖x‖₂ = 0 тогда и только тогда, когда x = 0 (нулевой вектор).
2. Однородность: ‖αx‖₂ = |α| · ‖x‖₂ для любого действительного числа α.
3. Неравенство треугольника: ‖x + y‖₂ ≤ ‖x‖₂ + ‖y‖₂ для любых векторов x и y.

Ключевым свойством евклидовой нормы является её связь со скалярным произведением. В евклидовом пространстве скалярное произведение векторов x и y определяется как ⟨x, y⟩ = Σ xᵢyᵢ. Тогда евклидова норма выражается через скалярное произведение: ‖x‖₂ = √⟨x, x⟩. Это свойство делает евклидову норму единственной нормой (с точностью до изоморфизма), которая порождается скалярным произведением, что обеспечивает ей особое место в геометрии и функциональном анализе.

История

Понятие длины отрезка как квадратного корня из суммы квадратов его проекций на оси координат восходит к работам древнегреческого математика Пифагора (теорема Пифагора). В аналитической геометрии, развитой Рене Декартом в XVII веке, это понятие было формализовано для двумерного и трёхмерного пространств. В XIX веке, с развитием теории метрических пространств и функционального анализа, понятие нормы было обобщено. Немецкий математик Давид Гильберт в начале XX века активно использовал евклидову норму в своих работах по интегральным уравнениям, что привело к созданию теории гильбертовых пространств — бесконечномерных аналогов евклидова пространства, где норма также задаётся через скалярное произведение.

Связь с другими нормами

Евклидова норма является одной из семейства Lp-норм, которые для вектора x = (x₁, …, xₙ) определяются как:

‖x‖ₚ = (|x₁|ᵖ + |x₂|ᵖ + … + |xₙ|ᵖ)^(1/p) для p ≥ 1.

Наиболее известными, помимо евклидовой (p=2), являются:

• L¹-норма (манхэттенская норма, норма такси): ‖x‖₁ = |x₁| + |x₂| + … + |xₙ|. Она измеряет расстояние, которое нужно пройти по сетке улиц (как в Манхэттене).
• L∞-норма (максимальная норма, норма Чебышёва): ‖x‖∞ = max(|x₁|, |x₂|, …, |xₙ|). Она равна наибольшей по модулю компоненте вектора.

Для двухмерного пространства единичные круги (множества точек, для которых норма равна 1) для этих норм выглядят по-разному: для L¹ — это ромб, для L² — окружность, для L∞ — квадрат.

Применение

В геометрии и физике

Евклидова норма является основой для измерения расстояний в классической евклидовой геометрии. В физике она используется для вычисления длины вектора скорости, ускорения, силы, напряжённости поля и других физических величин. Например, модуль вектора скорости v = (vₓ, vᵧ, v_z) вычисляется как √(vₓ² + vᵧ² + v_z²). В механике евклидова норма применяется для расчёта кинетической энергии, работы и потенциальной энергии.

В машинном обучении и анализе данных

Евклидова норма широко применяется в задачах машинного обучения и анализа данных:

• Метрики расстояния: В алгоритмах кластеризации (например, k-средних) и классификации (например, k-ближайших соседей) евклидово расстояние между точками данных является одной из наиболее распространённых метрик.
• Регуляризация: В задачах регрессии (например, гребневая регрессия, или ридж-регрессия) к функции потерь добавляется штраф, пропорциональный квадрату евклидовой нормы вектора весов модели. Это позволяет предотвратить переобучение, уменьшая значения весов.
• Нормализация данных: Векторы признаков часто нормируют так, чтобы их евклидова норма стала равна 1. Это приводит все признаки к единому масштабу и улучшает сходимость многих алгоритмов.

В численных методах и оптимизации

В вычислительной математике евклидова норма используется для оценки погрешности приближённых решений. Например, норма невязки системы линейных уравнений ‖Ax — b‖₂ показывает, насколько найденное решение x удовлетворяет исходной системе. В задачах оптимизации, таких как метод наименьших квадратов, целевая функция представляет собой квадрат евклидовой нормы вектора невязки. Минимизация этой функции является классической задачей, имеющей аналитическое решение.

В обработке сигналов и изображений

Евклидова норма применяется для измерения энергии сигнала. Для дискретного сигнала (например, аудиозаписи или изображения) его энергия часто вычисляется как сумма квадратов амплитуд, что эквивалентно квадрату евклидовой нормы вектора отсчётов. В задачах сжатия и восстановления сигналов (например, в сжатом sensing) евклидова норма используется для оценки качества восстановления.

В компьютерной графике

В компьютерной графике евклидова норма является фундаментальной для расчёта освещения, теней и отражений. Нормализация векторов (приведение их к единичной длине) необходима для вычисления углов между лучами света и нормалями к поверхностям. Евклидова норма также используется для расчёта расстояний между объектами в трёхмерном пространстве, что важно для обнаружения коллизий и физических симуляций.

Примеры вычисления

1. Для двумерного вектора x = (3, 4): ‖x‖₂ = √(3² + 4²) = √(9 + 16) = √25 = 5.
2. Для трёхмерного вектора y = (1, -2, 2): ‖y‖₂ = √(1² + (-2)² + 2²) = √(1 + 4 + 4) = √9 = 3.
3. Для вектора z = (0, 0, 0): ‖z‖₂ = 0.

Интересные факты

• Евклидова норма является строго выпуклой функцией, что делает её удобной для задач оптимизации, так как минимум строго выпуклой функции единственен.
• В отличие от L¹-нормы, евклидова норма не является линейной по модулю компонент, что делает её более чувствительной к большим выбросам (поскольку квадрат увеличивает вклад больших значений).
• В квантовой механике квадрат евклидовой нормы волновой функции (в гильбертовом пространстве) интерпретируется как плотность вероятности нахождения частицы в данной точке пространства.
• В теории относительности для описания пространства-времени используется псевдоевклидова метрика, где норма определяется как разность квадратов временной и пространственных координат, что отличается от классической евклидовой нормы.

Критика и ограничения

Несмотря на широкую распространённость, евклидова норма не всегда является оптимальным выбором. В задачах, где данные имеют много выбросов, евклидова норма может быть неустойчивой, так как квадратичная функция штрафует большие отклонения непропорционально сильно. В таких случаях предпочтительнее может быть L¹-норма, которая менее чувствительна к выбросам. Кроме того, в многомерных пространствах (с размерностью более 10–20) евклидово расстояние между точками становится почти одинаковым для всех пар точек, что снижает его эффективность как меры близости (явление «проклятия размерности»). В таких случаях могут использоваться другие метрики, например, косинусное расстояние.

Источники

1. Колмогоров А. Н., Фомин С. В. Элементы теории функций и функционального анализа. — М.: Наука, 1976.
2. Голуб Дж., Ван Лоун Ч. Матричные вычисления. — М.: Мир, 1999.
3. Хайкин С. Нейронные сети: полный курс. — М.: Вильямс, 2006.
4. Бойд С., Ванденберге Л. Выпуклая оптимизация. — М.: МЦНМО, 2018.
5. Шикин Е. В., Боресков А. В. Компьютерная графика. Динамика, реалистические изображения. — М.: Диалог-МИФИ, 1995.