在 Python 中返回线性代数中矩阵的 Frobenius 范数
pythonnumpyserver side programmingprogramming
要返回线性代数中矩阵或向量的范数，请使用 Python Numpy 中的 LA.norm() 方法。第一个参数 x 是输入数组。如果 axis 为 None，则 x 必须是 1-D 或 2-D，除非 ord 为 None。如果 axis 和 ord 均为 None，则将返回 x.ravel 的 2-norm。
第二个参数 ord 是范数的阶数。inf 表示 numpy 的 inf 对象。默认值为 None。设置为参数的"fro"是 Frobenius 范数。Frobenius 和核范数阶数都仅针对矩阵定义
步骤
首先，导入所需的库 −
import numpy as np from numpy import linalg as LA
创建一个数组 −
arr = np.array([[ -4, -3, -2], [-1, 0, 1], [2, 3, 4] ])
显示数组 −
print("我们的数组...\n",arr)
检查维度 −
print("\n数组的维度...\n",arr.ndim)
获取数据类型 −
print("\n我们的数组对象的数据类型...\n",arr.dtype)
获取形状 −
print("\n我们的数组对象的形状...\n",arr.shape)
要返回线性代数中矩阵或向量的范数，请使用 Python Numpy 中的 LA.norm() 方法 −
print("\n结果...\n",LA.norm(arr, 'fro'))
示例
import numpy as np
from numpy import linalg as LA
# 创建数组
arr = np.array([[ -4, -3, -2], [-1, 0, 1], [2, 3, 4] ])
# 显示数组
print("我们的数组...\n",arr)
# 检查维度
print("\n数组的维度...\n",arr.ndim)
# 获取数据类型
print("\n我们的数组对象的数据类型...\n",arr.dtype)
# 获取形状
print("\n我们的数组对象的形状...\n",arr.shape)
# 要返回线性代数中矩阵或向量的范数，请使用 Python Numpy 中的 LA.norm() 方法
print("\n结果...\n",LA.norm(arr, 'fro'))
输出
我们的数组... [[-4 -3 -2] [-1 0 1] [ 2 3 4]] 数组的维度... 2 数组对象的数据类型... int64 数组对象的形状... (3, 3) 结果... 7.745966692414834
