numpy基础教程之np.linalg

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，

>>> 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，谢谢大家对脚本之家的支持。