1，向量的模和范数的计算结果都是一个实数，这个数字对应着单个向量的长度或者两个向量之间的距离。

2，在空间几何中（经常是2或3维空间），常用模来表示向量的长度或两个向量间的距离，符号为||$\vec{x}$||。

例子：
在二维空间中有两个向量：$\vec{x}=(1,2)，\vec{y}=(2,3)$，
则$\vec{x}的长度为||\vec{x}||=\sqrt{1^2+2^2}$，
则$\vec{x}和\vec{y}之间的距离为||\vec{x}-\vec{y}||=\sqrt{(1-2{)}^2+(2-3{)}^2}$。

3，在线性代数中，常用范数这个概念。对于1维空间的实数集，标准的范数就是绝对值，将绝对值的概念推广到多维空间就叫做范数。

4，范数的定义：

A norm is any function g that maps vectors to real numbers that satis es the following conditions:
1, Non-negativity: for all $\vec{x}\in R^D,g(\vec{x})>=0;$
2, Strictly positive: for all $\vec{x},g(\vec{x})=0$ implies that $\vec{x}=0$;
3, Homogeneity: for all $\vec{x}$ and a, $g(a\vec{x})=|a|g(\vec{x}),$ where |a| is the absolute value;
4, Triangle inequality: for all $\vec{x},\vec{y},g(\vec{x},\vec{y})<=g(\vec{x})+g(\vec{y})$.

5，ell-p norm (${\ell }_p$)

这是一类特殊的范数家族，读作“little ell p 范数”。
定义如下：
Let $p$ be in the range $[0,\infty ]$; then the ${\ell }_p$ norm of x, denoted by $||\vec{x}|{|}_p$, is de ned by:

$||\vec{x}|{|}_p=({\sum }_{d=1}^D|x_d{|}^p{)}^{\frac{1}{p}}$

6，由${\ell }_p$范数家族衍生出来的特殊范数

1，欧式范数（Euclidean norm）:
$g(x)=\sqrt{{\sum }_{d=1}^D{x}_d^2}$
（对应着${\ell }_2范数$）

2，曼哈顿范数（Manhattan norm）:
$g(x)={\sum }_{d=1}^D|x_d|$
（对应着${\ell }_1范数$）

3，最大值范数（Maximum norm）:
$g(x)=ma{x}_d|x_d|$
（对应着${\ell }_{\infty }范数$）

4，0范数（Zero norm）:
$g(x)={\sum }_{d=1}^{D}1[x_d不等于0]$
（对应着${\ell }_0范数$）