python numpy.linalg.norm函数的用法

1、linalg = linear（线性）+ algebra（代数），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）：

2、函数参数

x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)

参数	说明	计算方法
默认	二范数： $l_{2}$	$\sqrt{x_{1}^{2} + x_{2}^{2} + ... + x_{n}^{2}}$
ord=2	二范数： $l_{2}$	同上
ord=1	一范数： $l_{1}$	$\left \| x_{1} \right \| + \left \| x_{2} \right \| + ... + \left \| x_{n} \right \|$
ord=np.inf	无穷范数： $l_{\infty}$	$MAX \left \| x_{i} \right \|$

>>> 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

范数理论的一个推论： $L_{1}$ >= $L_{2}$ >= $L_{\infty }$