np.linalg.norm

`np.linalg.norm` 是 NumPy 中的一个函数，用于计算向量或矩阵的范数。它的用法如下：

import numpy as np

# 计算向量的二范数
v = np.array([1, 2, 3])
norm_v = np.linalg.norm(v)

# 计算矩阵的 Frobenius 范数
m = np.array([[1, 2], [3, 4]])
norm_m = np.linalg.norm(m)

其中，`v` 是一个长度为 3 的向量，`m` 是一个 2x2 的矩阵。`np.linalg.norm` 默认计算向量的 2-范数（也就是向量的长度），也可以通过指定参数 `ord` 来计算其他范数，例如：

# 计算向量的 1-范数和无穷范数
v = np.array([1, -2, 3])
norm_1_v = np.linalg.norm(v, ord=1)
norm_inf_v = np.linalg.norm(v, ord=np.inf)

这里，`norm_1_v` 是向量 `v` 的 1-范数，也就是各个元素绝对值之和，等于 `|1| + |-2| + |3| = 6`；`norm_inf_v` 是向量 `v` 的无穷范数，也就是各个元素绝对值的最大值，等于 `3`。