(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,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):
norm(x, ord=None, axis=None, keepdims=False)
范数理论的一个小推论告诉我们:ℓ1≥ℓ2≥ℓ∞
求矩阵的范数:
按行求范数,列同理:
(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,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):
norm(x, ord=None, axis=None, keepdims=False)
范数理论的一个小推论告诉我们:ℓ1≥ℓ2≥ℓ∞
求矩阵的范数:
按行求范数,列同理: