Numpy 如何计算向量和向量空间之间的欧氏距离？

我有一个向量（v）和一个向量空间“W”，其中包含两个向量：

• v=（2.3，-1.2,4.1,6.3）
• W={（3.5,0.1,2.6,8.2），（2.0，-2.0,0.4,6.9）}

我想计算距离：

d1（v，w）表示每个w中的w

d2（v，w）表示每w中w

d3（v，w）表示每w中w

我的代码如下，但我不确定它是否在做它应该做的事情。我是否以正确的方式访问W中的向量

v = np.array([2.3, -1.2, 4.1, 6.3])
w = np.array([(3.5, 0.1, 2.6, 8.2),(2.0, -2.0, 0.4, 6.9)]
dist1 = np.linalg.norm(v-w[0])
dist2 = np.linalg.norm(v-w[1])
dist3 = np.linalg.norm(v-w)
print(dist1, dist2, dist3)

---

您为集合“W”中的每个向量计算了“v”的距离，但不确定“dist3”是什么。“W”中的向量所跨越的向量空间由“W”中所有可能的向量线性组合组成。因此，您需要在“w”所跨越的向量空间中找到与“v”之间距离最小的向量“w”。在原始问题中，

d1

、

d2

和

d3

是如何定义的？