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
pointeur de déréférencement
# 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
préparer le test mockito
# 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 –
exécuter le shell de script
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
quel âge a Pete Davidson
# 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.