NumPy を使用して行列またはベクトル ノルムを見つける
行列またはベクトル ノルムを見つけるには、Python ライブラリ Numpy の関数 numpy.linalg.norm() を使用します。この関数は、パラメーターの値に応じて、7 つの行列ノルムの 1 つまたは無限ベクトル ノルムの 1 つを返します。
構文： numpy.linalg.norm(x, ord=なし, axis=なし)
パラメーター：
バツ： 入力
言葉： 標準の順序
軸： なし。ベクトルまたは行列ノルムを返します。整数値の場合は、ベクトル ノルムが計算される x の軸を指定します。
例 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)> |
出力：
Vector norm: 16.881943016134134
上記のコードは、次元 (1, 10) のベクトルのベクトル ノルムを計算します。
例 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)> |
出力：
Matrix norm: 9.539392014169456
ここで、次元 (2, 3) の行列の行列ノルムを取得します。
例 3:
特定の軸に沿って行列ノルムを計算するには –
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)> |
出力：
Matrix norm along particular axis : [3.74165739 8.77496439]
このコードは行列ノルムを生成し、出力も形状 (1, 2) の行列になります。
例 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)> |
出力：
Vector norm: 14.2828568570857 Matrix norm: 14.2828568570857
上記の出力から、ベクトルを行列に変換するか、両方の要素が同じである場合、それらのノルムも等しくなることが明らかです。
