python求向量和矩阵的范数、求矩阵的逆

参考博文：https://blog.csdn.net/qq_35154529/article/details/82754157

np.linalg.norm(求范数):linalg=linear（线性）+algebra（代数），norm则表示范数。

函数参数

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

import numpy as np

a  = np.array([[1, 2], [3, 4]])  # 初始化一个非奇异矩阵(数组)
print(np.linalg.inv(a))  # 对应于MATLAB中 inv() 函数

# 矩阵对象可以通过 .I 更方便的求逆
A = np.matrix(a)
print(A.I)

x1 = np.array([1,5,6,3,-1])
x2 = np.arange(12).reshape(3,4)
print(x1)
print(np.linalg.norm(x1)) # 默认2范数
print(np.linalg.norm(x1,ord=2))

print(np.linalg.norm(x2)) # 默认2范数
print(np.linalg.norm(x2,ord=2))

output:

[[-2.   1. ]
 [ 1.5 -0.5]]
[ 1  5  6  3 -1]
8.48528137423857
8.48528137423857
22.494443758403985
22.40929816327044

标签：x1,linalg,python,矩阵,print,np,范数,norm
来源： https://blog.csdn.net/qq_41376345/article/details/122227086