NumPy计算向量的二次范数

在本文中，我们将介绍如何使用NumPy库来计算向量的二次范数，也就是向量的模长。NumPy是Python中的一个重要的科学计算库，提供了高效的多维数组对象和相关的计算方法。

阅读更多：Numpy 教程

向量和二次范数

向量是数学中的一个基础概念，通常表示为一个有序的数列。在二维平面中，向量可以用x和y的坐标来表示，如(3, 5)表示x轴上偏移3个单位，y轴上偏移5个单位的向量。在三维空间中，向量的表示则需要三个坐标。

向量的二次范数表示为|| x ||，计算公式为：

|| x || = sqrt(x1^2 + x2^2 + ... + xn^2)

其中，x1, x2,…,xn代表向量x的每个分量的值。二次范数也被称为欧几里得范数，它衡量了向量的大小或长度。

例如，我们有一个二维向量(3, 4)，它的二次范数为：

|| (3, 4) || = sqrt(3^2 + 4^2) = 5

NumPy中的二次范数

在NumPy中，我们可以使用numpy.linalg.norm函数来计算向量的二次范数。该函数的基本语法如下：

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

其中，参数x是一个向量或矩阵，可以是任何维度的。参数ord指定计算的范数类型，默认为2，也就是计算向量的二次范数。如果ord是None，则默认为二次范数。

参数axis指定在哪个方向上计算范数。如果为None，则对所有元素进行计算，返回一个标量值。如果为整数，则对指定的轴进行计算，返回的结果是一个向量或矩阵。

参数keepdims表示是否保留维度。如果为False，则返回一个标量值；如果为True，则保留原始数组的维度，返回一个具有相同形状的数组。

下面是一个计算向量二次范数的代码示例：

import numpy as np

# 定义一个二维向量
x = np.array([3, 4])

# 计算二次范数
norm = np.linalg.norm(x)

print(norm) # 输出5.0

在上面的示例中，我们定义了一个二维向量x=[3, 4]，然后使用numpy.linalg.norm函数计算了它的二次范数，结果是5.0。

保留维度的范数计算

有时候我们需要保留计算结果的维度，以便于后续的计算和处理。例如，我们有一个二维数组，需要对它的每个行向量计算二次范数，然后得到一个行向量。

下面是一个保留维度的代码示例：

import numpy as np

# 定义一个二维数组
X = np.array([[1, 2], [3, 4], [5, 6]])

# 对每个行向量计算二次范数，保留维度
norms = np.linalg.norm(X, axis=1, keepdims=True)

print(norms) # 输出[[2.23606798], [5.0], [7.81024968]]

在上面的示例中，我们定义了一个二维数组X，它包含三个行向量。我们使用numpy.linalg.norm函数对每个行向量计算二次范数，并且保持了维度。最后得到的结果是一个列向量，它包含了每个行向量的二次范数。

计算多维数组的范数

除了计算向量的二次范数之外，NumPy还支持计算多维数组的范数。在计算多维数组的范数时，我们通常需要把它们展成一维向量，并且指定计算的轴。

例如，我们有一个二维数组，需要对每个列向量计算二次范数，然后得到一个行向量。下面是一个代码示例：

import numpy as np

# 定义一个二维数组
X = np.array([[1, 2], [3, 4], [5, 6]])

# 对每个列向量计算二次范数，得到行向量
norms = np.linalg.norm(X, axis=0)

print(norms) # 输出[5.91607978 7.48331477]

在上面的示例中，我们使用numpy.linalg.norm函数对二维数组X中的每个列向量计算二次范数，并且指定了轴为0。根据指定的轴，numpy.linalg.norm函数将自动调整参数x的维度，并且返回一个行向量，它包含了每个列向量的二次范数。