numpy 基础 —— np.linalg

  • （1）np.linalg.inv()：矩阵求逆
  • （2）np.linalg.det()：矩阵求行列式（标量）

np.linalg.norm

顾名思义，linalg=linear+algebra，norm则表示范数，首先需要注意的是范数是对向量（或者矩阵）的度量，是一个标量（scalar）：

首先help(np.linalg.norm)查看其文档：

norm(x, ord=None, axis=None, keepdims=False)
  • 1
  • 1

这里我们只对常用设置进行说明，x表示要度量的向量，ord表示范数的种类，

参数说明计算方法
默认二范数：ℓ2x21+x22+…+x2n−−−−−−−−−−−−−−√
ord=2二范数：ℓ2同上
ord=1一范数：ℓ1|x1|+|x2|+…+|xn|
ord=np.inf无穷范数：ℓ∞max(|xi|)
>>> x = np.array([3, 4])
>>> np.linalg.norm(x)
5.
>>> np.linalg.norm(x, ord=2)
5.
>>> np.linalg.norm(x, ord=1)
7.
>>> np.linalg.norm(x, ord=np.inf)
4
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

范数理论的一个小推论告诉我们：ℓ1≥ℓ2≥ℓ∞