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)
1

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，

>>> 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
1
2
3
4
5
6
7
8
9

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