คืนค่า Norm ของเมทริกซ์หรือเวกเตอร์ในพีชคณิตเชิงเส้นด้วย Python

ภาพรวม

ใช้ LA.norm() (numpy.linalg.norm) คำนวณ norm ของเมทริกซ์หรือเวกเตอร์ รองรับหลาย order (ord)

พารามิเตอร์

• x: อาร์เรย์อินพุท (1-D หรือ 2-D ถ้า axis=None)
• ord (optional): order ของ norm (default None = 2-norm สำหรับ vector, Frobenius สำหรับ matrix)
• axis (optional): axis สำหรับ vector norms หรือ axes สำหรับ matrix norms
• keepdims (optional): เก็บ dimensions ที่ norm ไว้ (default False)

ขั้นตอนการทำงาน

1. นำเข้าไลบรารี

import numpy as np
from numpy import linalg as LA

2. สร้างเมทริกซ์ 2x3

arr = np.array([[1, 2, 3], [-1, 1, 4]])

3. แสดงข้อมูลเมทริกซ์

print("Our Array...\n", arr)
print("\nDimensions of our Array...\n", arr.ndim)
print("\nDatatype of our Array object...\n", arr.dtype)
print("\nShape of our Array object...\n", arr.shape)

4. คำนวณ norm (default = Frobenius norm สำหรับ matrix)

print("\nResult...\n", LA.norm(arr))

ตัวอย่างโค้ดเต็ม

import numpy as np
from numpy import linalg as LA
arr = np.array([[1, 2, 3], [-1, 1, 4]])
print("Our Array...\n", arr)
print("\nDimensions of our Array...\n", arr.ndim)
print("\nDatatype of our Array object...\n", arr.dtype)
print("\nShape of our Array object...\n", arr.shape)
print("\nResult...\n", LA.norm(arr))

ผลลัพธ์

Our Array...
[[ 1  2  3]
 [-1  1  4]]
Dimensions of our Array...
2
Datatype of our Array object... int64
Shape of our Array object... (2, 3)
Result...
5.656854249492381

คำอธิบาย: Default norm สำหรับ matrix คือ Frobenius norm = √(1²+2²+3²+(-1)²+1²+4²) = √(1+4+9+1+1+16) = √32 ≈ 5.657