机器学习（数据分析）数学基础——线性代数篇（六）行列式、范数

一.行列式的计算

import numpy as np
A = np.array([[1,2,3],
              [2,5,8],
              [3,5,3]])
x = np.linalg.det(A)
print(x)

二.范数（向量）

范数使得向量具有比较大小的可能，常用的向量范数有向量1-范数，向量2-范数和向量∞-范数。

1.向量的1-范数也称之为曼哈顿距离，也就是向量a中的元素的绝对值的和。

a = np.array([2,4,5,6,-8])
a_1 = np.linalg.norm(a, ord=1)
print(a_1)

2.向量的2-函数就是欧几里得范数，也就是先求向量a中元素的平方和，再将其开平方。

a_2 = np.linalg.norm(a, ord=2)
print(a_2)

3.向量的∞-范数，就是向量元素中的最大值。

a_3 = np.linalg.norm(a, ord=np.inf)
print(a_3)