NumPy linalg.norm 函数：向量范数计算

是的，np.linalg.norm 函数用于计算向量的范数，也可以理解为求向量的模。范数是一种度量向量大小的方法，它表示为一个非负实数值，并且满足以下性质：

1. 当且仅当向量为零向量时，范数为零。
2. 范数大于零，除非向量为零向量。
3. 通过缩放向量的每个元素，范数会按比例缩放。
4. 范数满足三角不等式：对于任意两个向量 u 和 v，有norm(u + v) <= norm(u) + norm(v)。

在 NumPy 中，np.linalg.norm 函数提供了计算向量范数的功能。它可以计算多种范数，包括：

• 默认情况下，计算的是 2 范数，即欧几里德范数，也就是向量的模。
• 当 ord=None 时，计算的是 Frobenius 范数，用于计算矩阵的范数。
• 当 ord=1 时，计算的是 1 范数，也就是向量元素的绝对值之和。
• 当 ord=np.inf 时，计算的是无穷范数，也就是向量元素绝对值的最大值。
• 当 ord=-np.inf 时，计算的是负无穷范数，也就是向量元素绝对值的最小值。

除了向量，np.linalg.norm 函数也可以计算矩阵的范数。