NumPy के साथ रैखिक बीजगणित
समीकरण प्रणालियों के लिए np.dot, np.linalg.inv, np.linalg.eig, np.linalg.solve।
NumPy के साथ रैखिक बीजगणित, CoddyKit पर पाइथन के साथ एआई सीखें का एक निःशुल्क पाठ है। यह 4 में से 4वाँ पाठ है। इस अध्ययन पथ के 3 तक कोई भी पाठ पूरा पढ़ना निःशुल्क है — इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ व्यावहारिक अभ्यास भी उपलब्ध कराता है। यह पाइथन के साथ एआई सीखें सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
NumPy में रैखिक बीजगणित
NumPy @ ऑपरेटर और np.linalg मॉड्यूल के ज़रिए मैट्रिक्स संक्रियाएँ उपलब्ध कराता है। यही लगभग हर मशीन-अधिगम कलनविधि का आधार है।
@ से मैट्रिक्स गुणन
@ ऑपरेटर वास्तविक मैट्रिक्स गुणन करता है। आंतरिक आयाम समान होने चाहिए: (m,k) @ (k,n) का परिणाम (m,n) होता है।
import numpy as np
A = np.array([[1, 2], [3, 4]])
B = np.array([[5, 6], [7, 8]])
print(A @ B)
# [[19 22]
# [43 50]]@ बनाम * (महत्वपूर्ण)
* तत्व-दर-तत्व संक्रिया करता है, जबकि @ मैट्रिक्स गुणन करता है। इन्हें भ्रमित करना एक आम त्रुटि है।
print(A * B) # element-wise: [[ 5 12]
# [21 32]]
print(A @ B) # matrix product (different result)np.dot
np.dot इसका फ़ंक्शन रूप है। 2D सारणियों के लिए यह @ के बराबर है; 1D सारणियों के लिए यह डॉट गुणनफल, यानी एक अदिश, निकालता है।
u = np.array([1, 2, 3])
v = np.array([4, 5, 6])
print(np.dot(u, v)) # 1*4 + 2*5 + 3*6 = 32मैट्रिक्स का प्रतिलोम
np.linalg.inv(A) प्रतिलोम लौटाता है—वह मैट्रिक्स जिसे A से गुणा करने पर इकाई मैट्रिक्स मिलता है। केवल वर्गाकार, गैर-एकवाची मैट्रिक्स का प्रतिलोम होता है।
A = np.array([[4.0, 7.0], [2.0, 6.0]])
Ainv = np.linalg.inv(A)
print(np.round(A @ Ainv, 6)) # identityसारणिक
np.linalg.det(A) सारणिक देता है। सारणिक 0 होने का अर्थ है कि मैट्रिक्स एकवाची है और उसका प्रतिलोम नहीं निकाला जा सकता।
print(np.linalg.det(A)) # 10.0 (nonzero -> invertible)रैखिक समीकरण-तंत्र हल करना
A x = b को हल करने के लिए प्रतिलोम निकालने के बजाय np.linalg.solve(A, b) को प्राथमिकता दें। यह अधिक तेज़ और संख्यात्मक रूप से अधिक स्थिर है।
A = np.array([[3.0, 1.0], [1.0, 2.0]])
b = np.array([9.0, 8.0])
x = np.linalg.solve(A, b)
print(x) # [2. 3.]inv के बजाय solve क्यों
inv(A) @ b की गणना अनावश्यक काम करती है और पूर्णांकन त्रुटि को बढ़ाती है। solve सीधे LU अपघटन का उपयोग करता है। वास्तविक कोड में solve का उपयोग करें।
# Avoid: x = np.linalg.inv(A) @ b
# Prefer: x = np.linalg.solve(A, b)स्वमान और स्वसदिश
np.linalg.eig(A) स्वमान और स्वसदिश लौटाता है। ये PCA, स्थिरता विश्लेषण और कई अन्य क्षेत्रों की नींव हैं।
A = np.array([[2.0, 0.0], [0.0, 3.0]])
vals, vecs = np.linalg.eig(A)
print(vals) # [2. 3.]सदिश और मैट्रिक्स नॉर्म
np.linalg.norm परिमाण मापता है। डिफ़ॉल्ट रूप से यह सदिशों के लिए यूक्लिडीय (L2) नॉर्म होता है, जिसका उपयोग दूरियों से लेकर नियमितीकरण तक हर जगह होता है।
v = np.array([3.0, 4.0])
print(np.linalg.norm(v)) # 5.0 (sqrt(9+16))
print(np.linalg.norm(v, 1)) # 7.0 (L1 norm)ट्रांसपोज़
A.T किसी मैट्रिक्स को ट्रांसपोज़ करता है, यानी पंक्तियों और स्तंभों को आपस में बदल देता है। यह सामान्य समीकरणों जैसे सूत्रों में लगातार दिखाई देता है।
A = np.array([[1, 2, 3], [4, 5, 6]])
print(A.T)
# [[1 4]
# [2 5]
# [3 6]]त्वरित जाँच
रैखिक बीजगणित की अपनी समझ की जाँच करें।
पुनरावलोकन
रैखिक बीजगणित के उपकरण:
- मैट्रिक्स और डॉट गुणनफल के लिए
@/np.dot(*नहीं) np.linalg.inv,np.linalg.detnp.linalg.solve(A, b)प्रतिलोम निकालने से बेहतर है- स्वमान-स्वसदिश अपघटन के लिए
np.linalg.eig - परिमाण के लिए
np.linalg.norm, ट्रांसपोज़ करने के लिएA.T
एआई शिक्षक के साथ Python सीखें — निःशुल्क
अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।
- पाठ्यक्रम
- 53
- पाठ
- 225
अक्सर पूछे जाने वाले प्रश्न
क्या “NumPy के साथ रैखिक बीजगणित” पाठ निःशुल्क है?
हाँ — पाइथन के साथ एआई सीखें अध्ययन पथ के 3 तक कोई भी पाठ, जिसमें “NumPy के साथ रैखिक बीजगणित” भी शामिल है, यहाँ वेब पर पूरा पढ़ना निःशुल्क है। इसके बाद CoddyKit PRO हर पाठ अनलॉक करता है, साथ ही अंतर्निर्मित कोड संपादक और चौबीसों घंटे एआई शिक्षक के साथ इंटरैक्टिव अभ्यास भी उपलब्ध कराता है। पाइथन के साथ एआई सीखें पाठ्यक्रम में कुल 4 पाठ शामिल हैं।
“NumPy के साथ रैखिक बीजगणित” में मैं क्या सीखूँगा?
समीकरण प्रणालियों के लिए np.dot, np.linalg.inv, np.linalg.eig, np.linalg.solve। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ पाइथन के साथ एआई सीखें का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।
क्या पाइथन के साथ एआई सीखें शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?
पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर पाइथन के साथ एआई सीखें शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 4वाँ पाठ है।
“NumPy के साथ रैखिक बीजगणित” पाठ पूरा करने में कितना समय लगता है?
CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।
क्या मैं इस पाइथन के साथ एआई सीखें पाठ में कोड लिख और चला सकता हूँ?
हाँ। हर पाइथन के साथ एआई सीखें पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।
इस पाठ्यक्रम के सभी पाठ
- ऐरे बनाना और उनके गुण
- इंडेक्सिंग, स्लाइसिंग और फ़ैंसी इंडेक्सिंग
- ब्रॉडकास्टिंग और वेक्टरकृत संक्रियाएँ
- NumPy के साथ रैखिक बीजगणित