Finne normen til en matrise ved hjelp av Numpy

I denne guiden vil vi diskutere hvordan vi kunne finne normen til en matrise i en Python -applikasjon ved å bruke Numpy Library. Numpy -biblioteket brukes til å håndtere matriser av numeriske data. Numpy er det grunnleggende biblioteket i Python, og vi vil også bruke dette biblioteket i denne artikkelen. Normen for en matrise er størrelsen på vektoren representert av matrisen, og vi kan løse dette ved hjelp av det numpy biblioteket i Python -applikasjonen vår. Her vil vi forklare alt i detalj i den kommende økten ved hjelp av skjermbilder og riktig løste eksempler.

Installer og importer numpy

I denne økten vil vi se hvordan vi kan installere Numpy -biblioteket i Python -applikasjonen vår og deretter importere dette biblioteket til Python -koden vår for å finne normen til en matrise. Lag først et prosjekt i ethvert verktøy som Pycharm eller Jupiter Notebook. Etter å ha opprettet et prosjekt, oppretter du en ny Python -fil i prosjektet som vist på skjermbildet vedlagt.

Den nye Python -filen er opprettet med hell. Nå vil vi installere Numpy -biblioteket i Python -applikasjonen vår ved å kjøre Comman på terminalen til Pycharm -verktøyet.

$ pip installer numpy

Etter å ha installert Numpy -biblioteket, vil vi importere Numpy for å starte Python -koden.

$ import numpy som NP

Vi vil importere Numpy -biblioteket og gi det et alias av 'NP'. Nå kan vi ringe Numpy i koden vår som 'NP' når vi refererer til biblioteket.

Hvordan finner Numpy matrisens norm?

Nå lærer vi hvordan vi kan bruke Numpy Library for å finne normen til en matrise. Vi vil ta en rekke og deretter finne størrelsesorden som normen enkelt. Numpy Library brukes nettopp til å løse matematiske problemer og numeriske problemer. Den mest populære metoden i Python for å bestemme en matrise norm er å bruke en euklidisk norm. Kvadratroten av summen av alle rutene til hvert enkelt element i matrisen utgjør den euklidiske normen. Numpy -biblioteket gir oss en funksjon i Python hvis navn er 'Norm' som beregner normen for en matrise.

Syntaks av normfunksjon i Python:

Normfunksjonen i Python har følgende syntaks:

# NP.Lining.Norm (Arrays, Ord)

Denne funksjonen tar innspill som en numpy matrise og valgfri parameter 'ord' og standardverdien til 'ord' er '2'. Normen til matrisen beregnes i henhold til ordreparameteren. Hvis vi ikke kan ta "ord" -parameteren, betyr det verdien av 'ord' er 2. Vi tok forskjellige ordreverdier i henhold til våre krav. Hvis verdien av ordren er '1' og '2', returnerer den resultatene fra 'L1 Norm' og 'L2 Norm'. Og hvis verdien av ordreparameteren 'ord' er '0', returnerer den normvektorresultatet. Her betyr inngangen mer hvis inngangen er en enkelt matrise. Deretter beregner funksjonen normen for en matrise og returnerer en skalærverdi, og hvis inngangen er to matriser. Funksjonen returnerer størrelsen på matriser.

Python -kodeeksempel:

Vi opprettet en Python -fil hvis navn er numpy_norm_array.py '. Her vil vi først importere Numpy Library. Vi tar matrisen og så finner vi normen for den matrisen enkelt. Referansekoden er nevnt nedenfor.

Importer numpy som NP
Array1 = NP.Array ([4,8,12])
arrvektor = np.Array ([[1,5], [2,9]])
Normres = NP.Lining.Norm (Array1)
NormOrderRes = NP.Lining.Norm (arrvektor, ord = np.inf)
trykk ("Norm for første matrise er =", Normres)
Print ("Norm of Matrix =", Normorderres)

I skjermbildet som er nevnt ovenfor, tok vi array -variabelen 'Array1' og bruker Norm -metoden på denne matrisen ved å passere 'Array1' som et funksjonsargument i 'NP. Lining.Norm () '. Resultatet lagres i variabelen 'Normres'. Endelig skriver vi ut en variabel 'Normres' gjennom en utskriftserklæring for å se resultatet.

For det andre tok vi en annen array -variabel 'arrvektor' og tildelte en matrise til den vektoren. Matrix betyr at vi tok to matriser innen en matrise. Etter det fant vi normen for den matrisen og ga ordren til den matrisen. Vi ga ordren 'uendelig' til den matrisen. Vi kalte normmetoden 'NP. Lining. Norm (arrvektor, ord = np.inf) 'Som du kan se på skjermbildet over. Bestillingen 'inf' brukes til uendelig som gir en maksimal normverdi på en matrise. Det kalles også 'Chebyshev Norm'.

Vi tildelte resultatet av at Norm -metoden hadde rekkefølge til variabelnavn som 'Normorderres' som vi kan se i ovennevnte skjermbilde. Til slutt ønsker vi å vise resultatet av denne matrisen som returnerer etter Numpy Norm -metoden. Så vi passerer denne variabelen 'Normorderres' for å skrive ut en uttalelse med en streng. Alt vi skrev i streng i utskriftserklæringen vises på konsollen det samme som vi passerte. Dette er hele koden til Python for å finne normen til en matrise. Nå, i økten nedenfor, vil vi diskutere utdataene fra denne koden.

Utgangen fra eksempel:

Følgende er utgangen produsert av koden nevnt over:

Norm for første matrise er = 14.966629547095765
Matrisens norm = 11.0

Normen for denne første matrisen er '14.966629547095765 '. Dette gir en skalær verdi mot en enkelt matrise. I den andre matrisen gir 'ArrVector' størrelsen på to matriser som en matrise og normen til denne matrisen er '11.0 '.

Vi antar at dette eksemplet gjør konseptene dine klarere relatert til å finne normen til en matrise ved hjelp av Numpy -biblioteket i Python.

Konklusjon

Til slutt kan vi si at Python Numpy -biblioteket gjør Python -programmeringen vår enkel. Vi kan bare kalle det numpy bibliotekets funksjoner og utføre oppgavene våre enkelt i Python. Alle disse eksemplene kan også praktiseres i verktøyet ditt i henhold til kravene. Denne artikkelen demonstrerer bruken av normfunksjonen. Vi diskuterte her hvordan normfunksjonen returnerer oss størrelsen på vektoren eller euklidisk norm på en effektiv måte.