numpy基础教程之np.linalg
前⾔
numpy.linalg模块包含线性代数的函数。使⽤这个模块，可以计算逆矩阵、求特征值、解线性⽅程组以及求解⾏列式等。本⽂讲给⼤家介绍关于numpy基础之 np.linalg的相关内容，下⾯话不多说了，来⼀起看看详细的介绍吧
（1）np.linalg.inv()：矩阵求逆
（2）np.linalg.det()：矩阵求⾏列式（标量）
顾名思义，linalg=linear+algebra linalg=linear+algebra\mathrm{linalg=linear + algebra}，norm norm\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()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，x x\mathrm{x}表⽰要度量的向量，ord ord\mathrm{ord}表⽰范数的种类，
>>> x = np.array([3, 4])
>>> (x)
5.
>>> (x, ord=2)
5.
>>> (x, ord=1)
7.
>>> (x, ord=np.inf)
4123456789
范数理论的⼀个⼩推论告诉我们：ℓ 1 ≥ℓ 2 ≥ℓ ∞  ℓ1≥ℓ2≥ℓ∞
总结
numpy库需要安装吗以上就是这篇⽂章的全部内容了，希望本⽂的内容对⼤家的学习或者⼯作具有⼀定的参考学习价值，如果有疑问⼤家可以留⾔交流，谢谢⼤家对的⽀持。