前言
numpy.linalg模块包含线性代数的函数。使用这个模块，可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。本文讲给大家介绍关于numpy基础之 np.linalg的相关内容，下面话不多说了，来一起看看详细的介绍吧
（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 linalg=linear+algebra\mathrm{linalg=linear + algebra}，norm norm\mathrm{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
这里我们只对常用设置进行说明，x x\mathrm{x}表示要度量的向量，ord ord\mathrm{ord}表示范数的种类，
|
1
2
3
4
5
6
7
8
9
|
>>> 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)
4123456789
|
范数理论的一个小推论告诉我们：ℓ 1 ≥ℓ 2 ≥ℓ ∞ ℓ1≥ℓ2≥ℓ∞
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对服务器之家的支持。
原文链接：https://blog.csdn.net/lanchunhui/article/details/51004387