norm#
- scipy.linalg.norm(a, ord=None, axis=None, keepdims=False, check_finite=True)[源]#
矩阵或向量范数。
此函数能够返回八种不同的矩阵范数之一,或无限数量的向量范数之一(如下所述),具体取决于
ord
参数的值。对于秩不同于 1 或 2 的张量,仅支持 ord=None。- 参数:
- aarray_like
输入数组。如果 axis 为 None,则 a 必须是一维或二维的,除非 ord 为 None。如果 axis 和 ord 都为 None,则返回
a.ravel
的 2-范数。- ord{int, inf, -inf, ‘fro’, ‘nuc’, None}, optional
范数的阶(参见
Notes
下的表格)。inf 表示 NumPy 的 inf 对象。- axis{int, 2-tuple of ints, None}, optional
如果 axis 是整数,它指定了 a 中计算向量范数的轴。如果 axis 是一个 2 元组,它指定了包含二维矩阵的轴,并计算这些矩阵的矩阵范数。如果 axis 为 None,则返回向量范数(当 a 是一维时)或矩阵范数(当 a 是二维时)。
- keepdimsbool, optional
如果设置为 True,则规范化所涉及的轴将作为大小为一的维度保留在结果中。使用此选项,结果将与原始 a 正确广播。
- check_finitebool, optional
是否检查输入矩阵仅包含有限数。禁用此选项可能会提高性能,但如果输入确实包含无穷大或 NaN,则可能会导致问题(崩溃、不终止)。
- 返回:
- nfloat or ndarray
矩阵或向量的范数。
备注
对于
ord <= 0
的值,结果严格来说不是数学上的“范数”,但它可能对各种数值目的仍然有用。可以计算以下范数
ord
矩阵范数
向量范数
None
Frobenius 范数
2-范数
‘fro’
Frobenius 范数
–
‘nuc’
核范数
–
inf
max(sum(abs(a), axis=1))
max(abs(a))
-inf
min(sum(abs(a), axis=1))
min(abs(a))
0
–
sum(a != 0)
1
max(sum(abs(a), axis=0))
如下
-1
min(sum(abs(a), axis=0))
如下
2
2-范数(最大奇异值)
如下
-2
最小奇异值
如下
其他
–
sum(abs(a)**ord)**(1./ord)
Frobenius 范数由 [1] 给出
\(||A||_F = [\sum_{i,j} abs(a_{i,j})^2]^{1/2}\)
核范数是奇异值之和。
Frobenius 范数和核范数都只为矩阵定义。
参考文献
[1]G. H. Golub and C. F. Van Loan, 矩阵计算 (Matrix Computations), Baltimore, MD, Johns Hopkins University Press, 1985, pg. 15
示例
>>> import numpy as np >>> from scipy.linalg import norm >>> a = np.arange(9) - 4.0 >>> a array([-4., -3., -2., -1., 0., 1., 2., 3., 4.]) >>> b = a.reshape((3, 3)) >>> b array([[-4., -3., -2.], [-1., 0., 1.], [ 2., 3., 4.]])
>>> norm(a) 7.745966692414834 >>> norm(b) 7.745966692414834 >>> norm(b, 'fro') 7.745966692414834 >>> norm(a, np.inf) 4.0 >>> norm(b, np.inf) 9.0 >>> norm(a, -np.inf) 0.0 >>> norm(b, -np.inf) 2.0
>>> norm(a, 1) 20.0 >>> norm(b, 1) 7.0 >>> norm(a, -1) -4.6566128774142013e-010 >>> norm(b, -1) 6.0 >>> norm(a, 2) 7.745966692414834 >>> norm(b, 2) 7.3484692283495345
>>> norm(a, -2) 0.0 >>> norm(b, -2) 1.8570331885190563e-016 >>> norm(a, 3) 5.8480354764257312 >>> norm(a, -3) 0.0