Notion · 2 / 4 du chapitre
Matrices et operations fondamentales
45 min de lecture
Matrices et operations fondamentales
Pourquoi cette notion
Objectif : manipuler une matrice comme une collection organisee de vecteurs, brique de base de tout modele lineaire.
Un jeu de donnees tabulaire est lui-meme une matrice : chaque ligne est un exemple, chaque colonne une caracteristique.
Concepts cles
Operations elementaires
Addition, transposition et multiplication par un scalaire se font element par element, a condition que les dimensions soient compatibles.
Produit matrice-vecteur
Multiplier une matrice par un vecteur revient a combiner lineairement les colonnes de la matrice — c'est l'operation au coeur de la regression lineaire.
En pratique
import numpy as np
A = np.array([[1.0, 2.0], [3.0, 4.0]])
x = np.array([1.0, 1.0])
resultat = A @ x # array([3.0, 7.0])
A_transposee = A.T
Pieges frequents
RETENIR —
A @ xexige que le nombre de colonnes deAcorresponde a la taille dex, sinon NumPy leve une erreur de dimension. Revoir Vecteurs et espaces vectoriels en cas de doute.