numpy中np.linalg.norm()求向量、矩阵的范数

np.linalg.norm()　　　　# linalg = linear(线性) + algebra(代数)，   norm表示范数

 

x_norm = np.linalg.norm(x, ord=None, axis=None, keepdims=False)

 

①x: 表示矩阵（也可以是一维）

②ord：范数类型

向量的范数：

 

矩阵的范数：

ord=1：列和的最大值

ord=2：|λE-ATA|=0，求特征值，然后求最大特征值得算术平方根

ord=∞：行和的最大值

 

ord=None：默认情况下，是求整体的矩阵元素平方和，再开根号。（注意.None不是求2范数）

 

③axis：处理类型

axis=1表示按行向量处理，求多个行向量的范数

axis=0表示按列向量处理，求多个列向量的范数

axis=None表示矩阵范数。

 

④keepdims：是否保持矩阵的二维特性，避免出现shape = (5, )这样的形状

True表示保持矩阵的二维特性，False相反

 

转载于:https://www.cnblogs.com/shuaishuaidefeizhu/p/11395762.html