在Python中，可以使用NumPy库来计算向量的2范数。以下是一个示例代码：
```python
import numpy as np
创建一个向量
vector = np.array（[3, 4]）
计算2范数
norm_2 = np.linalg.norm（vector）
print（"The 2-norm of the vector is:", norm_2）
```
如果你有一个三维向量，计算其2范数的方法也是相同的，只需将三维向量传递给`np.linalg.norm（）`函数即可：
```python
three_d_vector = np.array（[1, 2, 3]）
norm_2_3d = np.linalg.norm（three_d_vector）
print（"The 2-norm of the 3D vector is:", norm_2_3d）
```
对于矩阵的2范数，可以使用NumPy库中的`np.linalg.norm（）`函数，并指定`ord=2`参数来计算：
```python
import numpy as np
创建一个矩阵
matrix = np.array（[[1, 2], [3, 4]]）
计算矩阵的2范数
norm_2_matrix = np.linalg.norm（matrix, ord=2）
print（"The 2-norm of the matrix is:", norm_2_matrix）
```
如果你需要在MATLAB中计算矩阵的2范数，可以使用`norm`函数，并指定`n=2`参数：
```matlab
% 创建一个矩阵
A = [1, 2； 3, 4]；
% 计算矩阵的2范数
nm2 = norm（A, 2）；
disp（['The 2-norm of the matrix is: ', num2str（nm2）]）；
```
此外，如果你需要在Simulink环境中编写S函数块来计算输入矩阵的二范数，可以参考以下代码：
```matlab
function [sys,x0,str,ts,simStateCompliance] = sfun_norm（t,x,u,flag）
switch flag
% Initialization
case 0
[sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes；
case 3
sys=mdlOutputs（t,x,u）；
case 4
sys = mdlUpdate（t,x,u）；
end
end
```
希望这些示例代码对你有所帮助!