.通过自定义matrix_norm(A,p)函数实现对向量a的1范数、2范数、inf范数和Frobenius范数的计算的代码

以下是自定义matrix_norm函数的代码实现，可以计算向量a的1范数、2范数、inf范数和Frobenius范数：

import numpy as np

def matrix_norm(A, p):
    if p == 1:
        return np.sum(np.abs(A))
    elif p == 2:
        return np.sqrt(np.sum(A ** 2))
    elif p == np.inf:
        return np.max(np.abs(A))
    elif p == 'fro':
        return np.sqrt(np.sum(A ** 2))
    else:
        raise ValueError("Unsupported norm type.")
        
a = np.array([1, 2, 3])
print(matrix_norm(a, 1))     # 输出6
print(matrix_norm(a, 2))     # 输出3.7416573867739413
print(matrix_norm(a, np.inf))# 输出3
print(matrix_norm(a, 'fro')) # 输出3.7416573867739413

以上代码中使用了numpy库进行数学运算，实现了不同范数的计算。其中，当p参数为1时，计算1范数；为2时，计算2范数；为inf时，计算inf范数；为'fro'时，计算Frobenius范数。最后，我们分别用数组a的不同范数作为参数调用matrix_norm函数，输出计算结果。