NumPy का numpy.linalg.matrix_rank() मेथड सिंगुलर वैल्यू डीकंपोजिशन (SVD) विधि का उपयोग करके मैट्रिक्स की रैंक ज्ञात करता है। रैंक उन सिंगुलर मानों की संख्या है जो सहनशीलता (tolerance) से अधिक हैं।
पैरामीटर्स
- A: इनपुट वेक्टर या मैट्रिक्स का स्टैक।
- tol (वैकल्पिक): सीमा जिसके नीचे SVD मान शून्य माने जाते हैं। यदि
None, तो स्वचालित गणना होती है। - hermitian (वैकल्पिक): यदि
True, तो मैट्रिक्स को हर्मिटियन माना जाता है, जिससे सिंगुलर मान खोजने की अधिक कुशल विधि सक्षम होती है। डिफ़ॉल्टFalse।
उदाहरण
import numpy as np
from numpy.linalg import matrix_rank
# 5x5 आइडेंटिटी मैट्रिक्स बनाएं
arr = np.eye(5)
print("हमारी सरणी...\n", arr)
print("\nसरणी के आयाम...\n", arr.ndim)
print("\nसरणी ऑब्जेक्ट का डेटा प्रकार...\n", arr.dtype)
print("\nसरणी ऑब्जेक्ट का आकार...\n", arr.shape)
# SVD विधि से मैट्रिक्स रैंक ज्ञात करें
print("\nपरिणाम (रैंक)...\n", matrix_rank(arr))
आउटपुट
हमारी सरणी...
[[1. 0. 0. 0. 0.]
[0. 1. 0. 0. 0.]
[0. 0. 1. 0. 0.]
[0. 0. 0. 1. 0.]
[0. 0. 0. 0. 1.]]
सरणी के आयाम... 2
सरणी ऑब्जेक्ट का डेटा प्रकार... float64
सरणी ऑब्जेक्ट का आकार... (5, 5)
परिणाम (रैंक)... 5
व्याख्या
आइडेंटिटी मैट्रिक्स की रैंक उसके आकार के बराबर होती है (यहां 5)। matrix_rank() संख्यात्मक स्थिरता के लिए SVD का उपयोग करता है, जो बड़े या खराब स्थिति वाले मैट्रिक्स के लिए अधिक विश्वसनीय है।