Qurak

Linear algebra matrix and tensor operations vectors and tensors

ట్యుటోరియల్ 20 దశలు, ఒకే సెషన్‌లో క్రమంగా నడుస్తాయి. ప్రతి దశా ఇంజిన్‌పై అమలు చేయబడింది, కింది అవుట్‌పుట్ అది ఇచ్చినదే.

దశ 1
vec = {1, 2, 3}
అవుట్‌పుట్
{1, 2, 3}
దశ 2
Range[10]
అవుట్‌పుట్
{1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
దశ 3
Range[1., 4, 0.1]
అవుట్‌పుట్
{1., 1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7000000000000002, 1.8, 1.9, 2., 2.1, 2.2, 2.3, 2.4000000000000004, 2.5, 2.6, 2.7, 2.8, 2.9000000000000004, 3., 3.1, 3.2, 3.3000000000000003, 3.4000000000000004, 3.5, 3.6, 3.7, 3.8000000000000003, 3.9000000000000004, 4.}
దశ 4
vec = Table[Sqrt[i / 2.], {i, 5}]
అవుట్‌పుట్
{0.7071067811865476, 1., 1.224744871391589, 1.4142135623730951, 1.5811388300841898}
దశ 5
vec = Sqrt[Range[5] / 2.]
అవుట్‌పుట్
{0.7071067811865476, 1., 1.224744871391589, 1.4142135623730951, 1.5811388300841898}
దశ 6
vec  + 4
అవుట్‌పుట్
{4.707106781186548, 5., 5.224744871391589, 5.414213562373095, 5.58113883008419}
దశ 7
vec[[2]]
అవుట్‌పుట్
1.
దశ 8
vec[[4]] = x;
vec
అవుట్‌పుట్
{0.7071067811865476, 1., 1.224744871391589, x, 1.5811388300841898}
దశ 9
tensor = Table[1 / (i j k), {i, 2}, {j, 3}, {k, 4}]
అవుట్‌పుట్
{{{1, 1/2, 1/3, 1/4}, {1/2, 1/4, 1/6, 1/8}, {1/3, 1/6, 1/9, 1/12}}, {{1/2, 1/4, 1/6, 1/8}, {1/4, 1/8, 1/12, 1/16}, {1/6, 1/12, 1/18, 1/24}}}
దశ 10
tensor[[1, 2, 1]]
అవుట్‌పుట్
1/2
దశ 11
MatrixQ[{{1, 2, 3}, {4, 5, 5}}]
అవుట్‌పుట్
True
దశ 12
VectorQ[{1, 2, 3}]
అవుట్‌పుట్
True
దశ 13
ArrayQ[ {{{1, 2}, {3, 4}}, {{4, 5}, {6, 7}}}]
అవుట్‌పుట్
True
దశ 14
ArrayQ[ {{{1, 2}, {3, 4}}, {{4, 5}, {6, 7}}}, 3]
అవుట్‌పుట్
True
దశ 15
ArrayQ[ {{{x, 2}, {3, 4}}, {{4, 5}, {6, 7}}}, 3, NumberQ]
అవుట్‌పుట్
False
దశ 16
Dimensions[{{{1, 2}, {3, 4}}, {{4, 5}, {6, 7}}}]
అవుట్‌పుట్
{2, 2, 2}
దశ 17
ArrayDepth[ {{1, 2, 3}, {4, 5, 6}}]
అవుట్‌పుట్
2
దశ 18
ten = {{{1, 2}, {3, 4}}, {{4, 5}, {6, 7}}};
ten == ten
అవుట్‌పుట్
True
దశ 19
ten == N[ten]
అవుట్‌పుట్
True
దశ 20
ten == {1, 2, 3}
అవుట్‌పుట్
False

వాడిన ఫంక్షన్లు

సంబంధిత రెసిపీలు

అన్ని రెసిపీలు · ఫంక్షన్ రిఫరెన్స్ · దీన్ని MCP క్లయింట్ నుండి వాడండి