Trouver une matrice ou une norme vectorielle à l'aide de NumPy
Pour trouver une norme matricielle ou vectorielle, nous utilisons la fonction numpy.linalg.norm() de la bibliothèque Python Numpy. Cette fonction renvoie l'une des sept normes matricielles ou l'une des normes vectorielles infinies en fonction de la valeur de ses paramètres.
Syntaxe: numpy.linalg.norm(x, ord=Aucun, axis=Aucun)
Paramètres:
X: saisir
mot: ordre de norme
axe: Aucun, renvoie soit une norme vectorielle, soit une norme matricielle et s'il s'agit d'une valeur entière, il spécifie l'axe des x le long duquel la norme vectorielle sera calculée
Exemple 1:
Python3
# import library> import> numpy as np> # initialize vector> vec> => np.arange(> 10> )> # compute norm of vector> vec_norm> => np.linalg.norm(vec)> print> (> 'Vector norm:'> )> print> (vec_norm)> |
Sortir:
Vector norm: 16.881943016134134
Le code ci-dessus calcule la norme vectorielle d'un vecteur de dimension (1, 10)
Exemple 2 :
Python3
# import library> import> numpy as np> # initialize matrix> mat> => np.array([[> 1> ,> 2> ,> 3> ],> > [> 4> ,> 5> ,> 6> ]])> # compute norm of matrix> mat_norm> => np.linalg.norm(mat)> print> (> 'Matrix norm:'> )> print> (mat_norm)> |
Sortir:
Matrix norm: 9.539392014169456
Ici, nous obtenons la norme matricielle pour une matrice de dimension (2, 3)
Exemple 3 :
Pour calculer la norme matricielle le long d’un axe particulier –
Python3
# import library> import> numpy as np> mat> => np.array([[> 1> ,> 2> ,> 3> ],> > [> 4> ,> 5> ,> 6> ]])> # compute matrix num along axis> mat_norm> => np.linalg.norm(mat, axis> => 1> )> print> (> 'Matrix norm along particular axis :'> )> print> (mat_norm)> |
Sortir:
Matrix norm along particular axis : [3.74165739 8.77496439]
Ce code génère une norme matricielle et la sortie est également une matrice de forme (1, 2)
Exemple 4 :
Python3
# import library> import> numpy as np> # initialize vector> vec> => np.arange(> 9> )> # convert vector into matrix> mat> => vec.reshape((> 3> ,> 3> ))> # compute norm of vector> vec_norm> => np.linalg.norm(vec)> print> (> 'Vector norm:'> )> print> (vec_norm)> # computer norm of matrix> mat_norm> => np.linalg.norm(mat)> print> (> 'Matrix norm:'> )> print> (mat_norm)> |
Sortir:
Vector norm: 14.2828568570857 Matrix norm: 14.2828568570857
D'après le résultat ci-dessus, il est clair que si nous convertissons un vecteur en matrice, ou si les deux ont les mêmes éléments, leur norme sera également égale.
