Norma je pozitivně homogenní, subaditivní a pozitivně definitní funkce, která každému nenulovému vektoru z nějakého vektorového prostoru přiřazuje reálné číslo (tzv. délku nebo velikost), nulový vektor jako jediný má délku 0. Podobná je seminorma, u které se však nepožaduje pozitivní definitnost, takže se připouští, aby i nenulovým vektorům byla přiřazena nulová délka.

Nechť V je vektorový prostor nad nějakým podtělesem F tělesa komplexních čísel a p je reálná funkce definovaná na V. Funkce p je seminorma na V, jestliže je

• pozitivně homogenní: p(a v) = |a| p(v), pro a ∈ F a v ∈ V;
• subaditivní: p(u + v) ≤ p(u) + p(v), pro u, v ∈ V.

Z předpokladu pozitivní homogenity plyne, že p(0) = 0 a následně ze subaditivity p(v) ≥ 0, pro všechna v ∈ V.

Norma je seminorma p, která je navíc pozitivně definitní:

• p(v) = 0 právě tehdy, když v = 0.

Pro normu se namísto p(v) zpravidla používá označení ||v||.

• Každá norma je seminorma.
• Absolutní hodnota je norma na reálných číslech.
• Každá lineární forma f na vektorovém prostoru definuje seminormu x → |f(x)|.

Na prostoru ${\displaystyle \mathbb {R} ^{n))$ lze definovat tzv. eukleidovskou normu vektoru x = (x₁, x₂, ..., x_n) jako

${\displaystyle \|\mathbf {x} \|:={\sqrt {x_{1}^{2}+\cdots +x_{n}^{2))}.}$

Tato norma udává vzdálenost bodu x od počátku (což je důsledek Pythagorovy věty).

Nechť p ≥ 1 je reálné číslo.

${\displaystyle \|{\textbf {x))\|_{p}:=\left(\sum _{i=1}^{n}|x_{i}|^{p}\right)^{\frac {1}{p)).}$

Eukleidovská norma je speciálním případem této normy (pro p = 2).

${\displaystyle \|{\textbf {x))\|_{\infty }:=\max \left(|x_{1}|,\ldots ,|x_{n}|\right).}$

Skalární součin indukuje přirozeným způsobem normu

${\displaystyle \|x\|:={\sqrt {(x,x))).}$

Pro normu indukovanou skalárním součinem platí Cauchyho–Schwarzova nerovnost

${\displaystyle |(x,y)|\leq \|x\|\,\|y\|.}$

Tvar jednotkové kružnice (množiny vektorů velikosti 1) se liší v různých normách (viz ilustraci).

Normy ||•||_α and ||•||_β na vektorovém prostoru V se nazývají ekvivalentní, jestliže existují kladná reálná čísla C a D taková, že

${\displaystyle C\|x\|_{\alpha }\leq \|x\|_{\beta }\leq D\|x\|_{\alpha ))$

pro všechna x ∈ V. Na vektorovém prostoru konečné dimenze jsou všechny normy ekvivalentní. Například normy ||•||₁, ||•||₂ a ||•||_∞ jsou ekvivalentní na prostoru ${\displaystyle \mathbb {R} ^{n))$:

${\displaystyle \|x\|_{2}\leq \|x\|_{1}\leq {\sqrt {n))\|x\|_{2},}$

${\displaystyle \|x\|_{\infty }\leq \|x\|_{2}\leq {\sqrt {n))\|x\|_{\infty },}$

${\displaystyle \|x\|_{\infty }\leq \|x\|_{1}\leq n\|x\|_{\infty }.}$

Ekvivalentní normy indukují tutéž topologii. Jsou-li dány dvě ekvivalentní normy na jednom prostoru, pak je spojitost funkcí i konvergence posloupností z tohoto prostoru v obou normách stejná.

Seminormy jsou úzce spjaty s konvexními, vyváženými, pohlcujícími množinami. Nechť p je seminorma na vektorovém prostoru V, pak pro libovolný skalár α jsou množiny {x : p(x) < α} a {x : p(x) ≤ α} konvexní, vyvážené a pohlcující.

Obráceně, ke každé konvexní, vyvážené, pohlcující podmnožině C prostoru V existuje seminorma μ_C známá jako Minkowského funkcionál množiny C, definovaná

${\displaystyle \mu _{C}(x):=\inf\{\alpha :\alpha >0,x\in \alpha C\}.}$

Pro tuto seminormu platí

${\displaystyle \{x:\mu _{C}(x)<1\}\subseteq C\subseteq \{x:\mu _{C}(x)\leq 1\}.}$

• normovaný lineární prostor
• metrický prostor
• Eukleidovský prostor
• determinant

• Obrázky, zvuky či videa k tématu norma na Wikimedia Commons