版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/lens___/article/details/85697175
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)
- x: 表示矩阵(也可以是一维)
- ord:范数类型
参数 | 说明 | 计算方法 |
默认 | 二范数: | |
ord=2 | 二范数: | 同上 |
ord=1 | 一范数: | |
ord=np.inf | 无穷范数: |
>>> 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:>=>=