【Numpy】常见范数的数学定义与 Numpy 实现

前言

本文总结描述了几种常见的向量范数和矩阵，利用 Numpy 中的计算函数加以实现。

环境

• Windows 10
• Python 3.7.0
• Numpy 1.18.1

常见范数

向量范数

条目	数学表达式	描述	“距离”类型
0 范数	$\Vert \mathbf{x}{\Vert }_0=\#(i\mid x_i\ne 0)$	非零向量元素个数之和	x 到零点的 汉明距离
1 范数	$\Vert \mathbf{x}{\Vert }_1={\sum }_i\mid x_i\mid$	向量元素绝对值之和	x 到零点的 曼哈顿距离
2 范数	$\Vert \mathbf{x}{\Vert }_2=\sqrt{{\sum }_i{x}_i^2}$	向量元素绝对值的平方和再开方	x 到零点的 欧氏距离
$p$ 范数	$\Vert \mathbf{x}{\Vert }_p$