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，$\mathrm{linalg=linear + algebra}$，$\mathrm{norm}$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)

这里我们只对常用设置进行说明，$\mathrm{x}$表示要度量的向量，$\mathrm{ord}$表示范数的种类，

参数	说明	计算方法
默认	二范数：$\ell _2$	$\sqrt{x_1^2+x_2^2+\ldots+x_n^2}$
ord=2	二范数：$\ell _2$	同上
ord=1	一范数：$\ell _1$	$|x_1|+|x_2|+\ldots+|x_n|$
ord=np.inf	无穷范数：$\ell _\infty$	$\mathrm{max(|x_i|)}$

>>> 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

范数理论的一个小推论告诉我们：$\ell _1 \geq \ell _2 \geq \ell _\infty$