Notion · 3 / 4 du chapitre
Produit matriciel et normes
45 min de lecture
Produit matriciel et normes
Pourquoi cette notion
Objectif : generaliser le produit matrice-vecteur au produit matrice-matrice et relier les normes aux notions de distance et d'erreur.
Comparer deux exemples, mesurer une erreur de prediction, regulariser un modele : tout cela passe par une norme.
Concepts cles
Produit matriciel general
Le produit A @ B combine chaque ligne de A avec chaque colonne de B ; le nombre de colonnes de A doit egaler le nombre de lignes de B.
Normes et distances
La norme L2 (euclidienne) et la norme L1 (somme des valeurs absolues) mesurent toutes deux une "taille", mais penalisent differemment les grandes valeurs — un choix qui compte en regularisation.
En pratique
import numpy as np
A = np.array([[1.0, 2.0], [3.0, 4.0]])
B = np.array([[5.0, 6.0], [7.0, 8.0]])
produit = A @ B
norme_l1 = np.linalg.norm(A, ord=1)
norme_l2 = np.linalg.norm(A, ord=2)
Pieges frequents
ATTENTION — le produit matriciel n'est pas commutatif :
A @ B != B @ Aen general. Revoir Matrices et operations fondamentales si ce point n'est pas clair.