کتابخانه‌ی استاندارد · عدد و مجموعه

ماتریس matrix

جبر خطی: ماتریس، دستگاه معادلات، تجزیه‌ها، مقادیر ویژه و آمار.

واردسازی ماتریس

نام آرگومان‌ها شناسه‌ی خود کد است و معادل فارسی ندارد؛ گونه‌ها، کلیدواژه‌ها و نام بسته‌ها با معادل فارسی نوشته می‌شوند.

این بسته جبر خطی کامل با اعداد اعشاری ۶۴ بیتی است: از ساختن ماتریس و ضرب تا حل دستگاه، تجزیه‌ها، مقادیر ویژه و تکین و ابزار آماری مثل تحلیل مولفه‌های اصلی. برای حل یک دستگاه کافی است حل را صدا بزنید؛ برای چند دستگاه با یک ماتریس، یک بار تجزیه کنید و بارها حل با تجزیه.

وقتی به کارتان می‌آید که پاسخ باید تا آخرین رقمی که عدد دودقتی اجازه می‌دهد درست باشد: مهندسی، آمار، مالی و هندسه. برای شبکه‌ی عصبی و دسته‌های بزرگ داده‌ی اعشار۳۲ به تانسور سر بزنید؛ برای میانگین، میانه و آزمون‌ها روی فهرست‌های ساده به stats و برای مدل‌های آماده‌ی یادگیری ماشین به ml.

نکته‌هایی که باید بدانید

  • نتیجه‌ها خطای گردکردن کوچکی دارند. برای مقایسه از همه نزدیک با یک رواداری استفاده کنید و برای نمایش از حذف ریزه یا به رشته با دقت.
  • هیچ چیز برنامه را متوقف نمی‌کند. ناهمخوانی شکل یا ماتریس منفرد یک ماتریس تهی 0x0 می‌دهد؛ پیش از به کار بردن نتیجه is_empty() را بسنجید.
  • هر تابع ماتریس تازه‌ای برمی‌گرداند که حافظه‌ی خودش را دارد. در حلقه‌های طولانی نتیجه‌هایی را که کارشان تمام شده آزاد کنید یا از شکل‌های «در جا» استفاده کنید.

حل یک دستگاه معادله

سه سبد خرید با جمع معلوم، سه معادله با سه قیمت مجهول می‌دهند. تعدادها را در ماتریس A و جمع‌ها را در ستون b بگذارید؛ حل ستون قیمت‌ها را برمی‌گرداند. وقتی معادله‌ها یک جواب یکتا را مشخص نمی‌کنند، حل ماتریس تهی برمی‌گرداند، پس پیش از به کار بردن نتیجه تهی است را بررسی کنید. باقیمانده مقدار A x - b را حساب می‌کند که راه سریعی برای سنجیدن جواب است.

matrix-guide-prices.salam
واردسازی ماتریس

تابع بساز(سطرها: صحیح، ستون‌ها: صحیح، عددها: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در عددها.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع ریشه:
    ناپایا سبدها := بساز(۳، ۳، "2 1 1 1 3 2 1 0 4")
    ناپایا جمع‌ها := بساز(۳، ۱، "9.5 17 17.5")
    ناپایا قیمت‌ها := ماتریس.حل(سبدها، جمع‌ها)
    اگر قیمت‌ها.تهی است():
        سرچاپ "سبدها قیمت‌ها را مشخص نمی‌کنند"
        برگشت ۱
    پایان
    نام‌ها := ["سیب"، "نان"، "پنیر"]
    هر ی، نام در نام‌ها:
        سرچاپ نام، ماتریس.به رشته با دقت(ماتریس.سطر(قیمت‌ها، ی)، ۲)
    پایان
    ناپایا وارسی := ماتریس.باقیمانده(سبدها، قیمت‌ها، جمع‌ها)
    سرچاپ "بزرگ‌ترین خطا ناچیز است:"، ماتریس.بیشینه قدرمطلق(وارسی) کوچکتر ۰.۰۰۰۰۰۱
    ناپایا سفارش := بساز(۱، ۳، "4 2 1")
    سرچاپ "۴ سیب، ۲ نان، ۱ پنیر:"، ماتریس.به رشته با دقت(ماتریس.ضرب ماتریسی(سفارش، قیمت‌ها)، ۲)
    قیمت‌ها.آزادسازی()
    وارسی.آزادسازی()
پایان
خروجیسیب 1.50 نان 2.50 پنیر 4.00 بزرگ‌ترین خطا ناچیز است: true ۴ سیب، ۲ نان، ۱ پنیر: 15.00

نمونه‌ها ماتریس را با یک تابع کمکی کوچک به نام بساز از رشته‌ای از عددها می‌سازند که از آرایه را صدا می‌زند؛ هر راه دیگری برای پر کردن یک وکتور<اعشار۶۴> سطر به سطر هم همین‌طور کار می‌کند.

یک ماتریس، چند سمت راست

در مهندسی ماتریس اغلب ثابت می‌ماند و ورودی عوض می‌شود: یک سازه زیر بارهای مختلف. تجزیه کار پرهزینه را یک بار انجام می‌دهد و هر حل با تجزیه پس از آن ارزان است. تجزیه همچنین پیش از هر حلی می‌گوید ماتریس تکین است یا نه.

matrix-guide-loads.salam
واردسازی ماتریس

تابع بساز(سطرها: صحیح، ستون‌ها: صحیح، عددها: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در عددها.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع ریشه:
    ناپایا فنرها := بساز(۳، ۳، "20 -10 0 -10 20 -10 0 -10 10")
    ناپایا تج := ماتریس.تجزیه(فنرها)
    اگر تج.تکین:
        سرچاپ "دستگاه جواب یکتا ندارد"
        برگشت ۱
    پایان
    بارها := ["0 0 5"، "5 0 0"، "1 1 1"]
    هر بار در بارها:
        ناپایا نیرو := بساز(۳، ۱، بار)
        ناپایا جابه‌جایی := ماتریس.حل با تجزیه(تج، نیرو)
        سرچاپ "بار"، بار، "->"، ماتریس.به رشته با دقت(ماتریس.ترانهاده(جابه‌جایی)، ۲)
        نیرو.آزادسازی()
        جابه‌جایی.آزادسازی()
    پایان
    سرچاپ "دترمینان"، ماتریس.به رشته با دقت(ماتریس.پرشده(۱، ۱، ماتریس.دترمینان(فنرها))، ۱)
    تج.آزادسازی()
    فنرها.آزادسازی()
پایان
خروجیبار 0 0 5 -> 0.50 1.00 1.50 بار 5 0 0 -> 0.50 0.50 0.50 بار 1 1 1 -> 0.30 0.50 0.60 دترمینان 1000.0

برازش خط یا منحنی بر داده

رگرسیون خطی یک خط راست برازش می‌کند و عرض از مبدأ و شیب را در یک ستون برمی‌گرداند. برای منحنی، ستون‌های ۱، x و x² را با واندرموند بسازید و به کمترین مربعات بدهید. آر دو می‌گوید برازش چه سهمی از تغییرات را توضیح می‌دهد؛ ۱ یعنی برازش کامل. این‌جا یک سهمی از مصرف سوخت در شش سرعت، کم‌مصرف‌ترین سرعت را می‌دهد.

matrix-guide-fit.salam
واردسازی ماتریس

تابع بساز(سطرها: صحیح، ستون‌ها: صحیح، عددها: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در عددها.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع گرد(مقدار: اعشار۶۴): رشته:
    برگشت ماتریس.به رشته با دقت(ماتریس.پرشده(۱، ۱، مقدار)، ۲)
پایان

تابع ریشه:
    ناپایا متراژ := بساز(۵، ۱، "50 70 90 110 130")
    ناپایا اجاره := بساز(۵، ۱، "520 690 910 1080 1300")
    ناپایا خط := ماتریس.رگرسیون خطی(متراژ، اجاره)
    سرچاپ "اجاره ="، گرد(خط.عنصر(۰، ۰))، "+"، گرد(خط.عنصر(۱، ۰))، "* متراژ"
    ناپایا طرح := ماتریس.واندرموند(متراژ، ۲)
    ناپایا برازش := ماتریس.ضرب ماتریسی(طرح، خط)
    سرچاپ "ضریب تعیین"، ماتریس.به رشته با دقت(ماتریس.پرشده(۱، ۱، ماتریس.آر دو(اجاره، برازش))، ۴)
    سرچاپ "۱۰۰ متر مربع:"، گرد(خط.عنصر(۰، ۰) + خط.عنصر(۱، ۰) * ۱۰۰.۰)

    ناپایا سرعت := بساز(۶، ۱، "40 60 80 100 120 140")
    ناپایا مصرف := بساز(۶، ۱، "7.1 6.0 5.8 6.4 7.5 9.1")
    ناپایا منحنی := ماتریس.کمترین مربعات(ماتریس.واندرموند(سرعت، ۳)، مصرف)
    الف := منحنی.عنصر(۰، ۰)
    ب := منحنی.عنصر(۱، ۰)
    ج := منحنی.عنصر(۲، ۰)
    بهترین := ۰.۰ - ب / (۲.۰ * ج)
    سرچاپ "کم‌مصرف‌ترین سرعت"، گرد(بهترین)، "با مصرف"، گرد(الف + ب * بهترین + ج * بهترین * بهترین)
    خط.آزادسازی()
    طرح.آزادسازی()
    برازش.آزادسازی()
    منحنی.آزادسازی()
پایان
خروجیاجاره = 22.50 + 9.75 * متراژ ضریب تعیین 0.9980 ۱۰۰ متر مربع: 997.50 کم‌مصرف‌ترین سرعت 77.08 با مصرف 5.87

توان ماتریس: زنجیره‌ی مارکوف

ماتریس گذار احتمال رفتن از هر حالت به حالت دیگر را نگه می‌دارد؛ این‌جا هوای آفتابی، ابری و بارانی. ضرب توزیع امروز در توان nام ماتریس، توزیع n روز بعد را می‌دهد. پس از چند هفته جواب دیگر به نقطه‌ی شروع بستگی ندارد: این سهم بلندمدت هر نوع روز است.

matrix-guide-markov.salam
واردسازی ماتریس

تابع بساز(سطرها: صحیح، ستون‌ها: صحیح، عددها: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در عددها.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع ریشه:
    ناپایا هوا := بساز(۳، ۳، "0.7 0.2 0.1 0.3 0.4 0.3 0.2 0.3 0.5")
    سرچاپ "جمع هر سطر یک است:"، ماتریس.تصادفی سطری است(هوا، ۰.۰۰۰۰۰۱)
    ناپایا امروز := بساز(۱، ۳، "1 0 0")
    هر روزها در [۱، ۲، ۷، ۳۰]:
        ناپایا آینده := ماتریس.ضرب ماتریسی(امروز، ماتریس.توان ماتریس(هوا، روزها))
        سرچاپ "پس از"، روزها، "روز"، ماتریس.به رشته با دقت(آینده، ۳)
        آینده.آزادسازی()
    پایان
    ناپایا بارانی := بساز(۱، ۳، "0 0 1")
    ناپایا بعدها := ماتریس.ضرب ماتریسی(بارانی، ماتریس.توان ماتریس(هوا، ۳۰))
    سرچاپ "از یک روز بارانی"، ماتریس.به رشته با دقت(بعدها، ۳)
    هوا.آزادسازی()
    امروز.آزادسازی()
    بارانی.آزادسازی()
    بعدها.آزادسازی()
پایان
خروجیجمع هر سطر یک است: true پس از 1 روز 0.700 0.200 0.100 پس از 2 روز 0.570 0.250 0.180 پس از 7 روز 0.459 0.282 0.259 پس از 30 روز 0.457 0.283 0.261 از یک روز بارانی 0.457 0.283 0.261

یافتن جهت‌های اصلی: تحلیل مولفه‌های اصلی

تحلیل مولفه‌های اصلی جهت‌هایی را پیدا می‌کند که داده بیشترین تغییر را در آن‌ها دارد. برازش مولفه اصلی هر ستون را مرکزی می‌کند و بردارهای ویژه‌ی ماتریس کوواریانس را می‌گیرد؛ واریانس تبیین‌شده سهم هر جهت از کل را می‌دهد و تبدیل مولفه اصلی سطرها را روی k جهت نخست تصویر می‌کند. این‌جا شش دانش‌آموز نمره‌ی ریاضی، فیزیک، ادبیات و تاریخ دارند.

matrix-guide-pca.salam
واردسازی ماتریس

تابع بساز(سطرها: صحیح، ستون‌ها: صحیح، عددها: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در عددها.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع ریشه:
    ناپایا نمره‌ها := بساز(۶، ۴، "18 17 12 11 15 16 10 9 9 10 18 17 12 11 15 16 19 18 9 10 8 9 19 18")
    ناپایا برازش := ماتریس.برازش مولفه اصلی(نمره‌ها)
    ناپایا سهم := ماتریس.واریانس تبیین‌شده(برازش)
    سرچاپ "واریانس تبیین‌شده"، ماتریس.به رشته با دقت(سهم، ۳)
    ناپایا نخستین := ماتریس.زیرماتریس(برازش.مؤلفه‌ها، ۰، ۰، ۴، ۱)
    سرچاپ "جهت نخست"، ماتریس.به رشته با دقت(ماتریس.ترانهاده(نخستین)، ۲)
    ناپایا تخت := ماتریس.تبدیل مولفه اصلی(برازش، نمره‌ها، ۱)
    سرچاپ "دانش‌آموزان روی آن"، ماتریس.به رشته با دقت(ماتریس.ترانهاده(تخت)، ۱)
پایان
خروجیواریانس تبیین‌شده 0.962 0.029 0.009 0.001 جهت نخست 0.55 0.48 -0.50 -0.47 دانش‌آموزان روی آن 6.2 6.0 -7.9 -3.8 9.2 -9.9

یک جهت ۹۶ درصد تفاوت‌ها را توضیح می‌دهد، پس چهار نمره‌ی هر دانش‌آموز تقریبا یک عدد است. وزن‌های این جهت برای دو درس علمی مثبت و برای دو درس انسانی منفی‌اند: «علمی در برابر انسانی» را می‌سنجد و تصویر، هر دانش‌آموز را روی همین مقیاس می‌نشاند. علامت هر جهت دلخواه است، پس کتابخانه‌ی دیگری ممکن است همین عددها را با علامت وارونه چاپ کند. مولفه اصلی از تجزیه تکین همین نتیجه را از راه تجزیه‌ی مقدار تکین می‌دهد که وقتی ستون‌ها تقریبا وابسته‌اند دقیق‌تر است.

دستگاه تکین و خطای گرد کردن

وقتی یک معادله مضربی از معادله‌ی دیگر است، ماتریس تکین است: تکین است این را می‌گوید و حل نتیجه‌ی تهی 0x0 می‌دهد. سازگار است می‌گوید بی‌نهایت جواب هست یا هیچ جوابی نیست، و حل عمومی یکی از جواب‌ها را برمی‌گرداند. بعضی ماتریس‌ها تکین نیستند ولی به آن نزدیک‌اند، و شرط دو می‌سنجد خطای گرد کردن را چقدر بزرگ می‌کنند؛ ماتریس هیلبرت نمونه‌ی کلاسیک است. برای همین نتیجه‌ها را با همه نزدیک و یک رواداری مقایسه می‌کنیم، هرگز دقیق.

matrix-guide-pitfalls.salam
واردسازی ماتریس

تابع بساز(سطرها: صحیح، ستون‌ها: صحیح، عددها: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در عددها.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع ریشه:
    ناپایا دوبرابر := بساز(۲، ۲، "1 2 2 4")
    ناپایا راست := بساز(۲، ۱، "3 6")
    سرچاپ "تکین"، ماتریس.تکین است(دوبرابر)، "رتبه"، ماتریس.رتبه دقیق(دوبرابر)
    سرچاپ "حل می‌دهد"، ماتریس.رشته شکل(ماتریس.حل(دوبرابر، راست))
    سرچاپ "سازگار"، ماتریس.سازگار است(دوبرابر، راست)
    سرچاپ "یک جواب"، ماتریس.به رشته با دقت(ماتریس.ترانهاده(ماتریس.حل عمومی(دوبرابر، راست))، ۲)

    ناپایا ه := ماتریس.هیلبرت(۸)
    سرچاپ "هیلبرت(۸) بدحالت است:"، ماتریس.شرط دو(ه) بزرگتر ۱۰۰۰۰۰۰۰۰۰.۰
    ناپایا یک‌ها := ماتریس.یک‌ها(۸، ۱)
    ناپایا حاصل := ماتریس.ضرب ماتریسی(ه، یک‌ها)
    ناپایا برگشتی := ماتریس.حل(ه، حاصل)
    سرچاپ "برابر دقیق"، ماتریس.همه نزدیک(برگشتی، یک‌ها، ۰.۰)، "نزدیک"، ماتریس.همه نزدیک(برگشتی، یک‌ها، ۰.۰۰۰۱)

    ناپایا دهم := بساز(۱، ۲، "0.1 0.2")
    ناپایا سه‌برابر := ماتریس.مقیاس(دهم، ۳.۰)
    ناپایا انتظار := بساز(۱، ۲، "0.3 0.6")
    سرچاپ "۰.۱ * ۳ دقیقاً ۰.۳:"، ماتریس.همه نزدیک(سه‌برابر، انتظار، ۰.۰)، "در حد رواداری:"، ماتریس.همه نزدیک(سه‌برابر، انتظار، ماتریس.رواداری ماتریس)
پایان
خروجیتکین true رتبه 1 حل می‌دهد 0x0 سازگار true یک جواب 3.00 0.00 هیلبرت(۸) بدحالت است: true برابر دقیق false نزدیک true ۰.۱ * ۳ دقیقاً ۰.۳: false در حد رواداری: true
کارتابع
یک بار حل A x = bحل
همان A با چند bتجزیه و بعد حل با تجزیه
معادله‌ها بیش از مجهول‌هاکمترین مربعات، رگرسیون خطی
جواب یکتا وجود نداردسازگار است، حل عمومی
جواب چقدر قابل اعتماد استشرط دو، باقیمانده
مقایسه‌ی نتیجه‌هاهمه نزدیک با رواداری‌ای مثل رواداری ماتریس

گونه‌ها

ویژه Eigen

ساختار ویژه
مقادیر ویژه‌ی ماتریس عمومی.
نامانگلیسیگونهتوضیح
اندازهnصحیح = 0اندازه.
جزء حقیقیreماتریسبخش حقیقی.
جزء موهومیimماتریسبخش موهومی.
شمار تکرارهاiterationsصحیح = 0شمار تکرارها.
همگراokمنطقی = نادرستهمگرا شد.
matrix-Eigen.salam
واردسازی ماتریس

تابع ساختن(سطرها: صحیح، ستون‌ها: صحیح، اعداد: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در اعداد.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع نشان(نام: رشته، م &: ماتریس.ماتریس):
    سرچاپ نام، ماتریس.به بازنمایی(ماتریس.حذف ریزه(م، ۰.۰۰۰۰۰۱)، ۳)
پایان

تابع گ(عدد: اعشار۶۴): رشته:
    برگشت ماتریس.به رشته با دقت(ماتریس.پرشده(۱، ۱، عدد)، ۳)
پایان

تابع ریشه:
    ناپایا متقارن := ساختن(۲، ۲، "2 1 1 2")
    ناپایا تجزیه := ماتریس.ویژه متقارن(متقارن)
    سرچاپ تجزیه.همگرا، تجزیه.اندازه، تجزیه.شمار دورها >= ۰
    نشان("مقادیر"، تجزیه.مقادیر ویژه)
    نشان("بازسازی"، ماتریس.بازسازی ویژه(تجزیه))
    تجزیه.آزادسازی()
    نشان("مقادیر ویژه متقارن"، ماتریس.مقادیر ویژه متقارن(متقارن))
    سرچاپ گ(ماتریس.شعاع طیفی متقارن(متقارن))
    نشان("توان"، ماتریس.توان متقارن(متقارن، ۲.۰))
    نشان("جذر"، ماتریس.ضرب ماتریسی(ماتریس.جذر متقارن(متقارن)، ماتریس.جذر متقارن(متقارن)))

    ناپایا عمومی := ساختن(۲، ۲، "0 1 -2 -3")
    ناپایا ع := ماتریس.مقادیر ویژه(عمومی)
    سرچاپ ع.همگرا، ع.اندازه، ماتریس.به بازنمایی(ع.جزء حقیقی، ۳)، ماتریس.به بازنمایی(ع.جزء موهومی، ۳)، ع.شمار تکرارها >= ۰
    ع.آزادسازی()
    ناپایا چرخش := ساختن(۲، ۲، "0 -1 1 0")
    ناپایا مختلط := ماتریس.مقادیر ویژه خودکار(چرخش)
    نشان("موهومی"، مختلط.جزء موهومی)
    سرچاپ گ(ماتریس.شعاع طیفی(عمومی))
    نشان("هسنبرگ"، ماتریس.هسنبرگ(ساختن(۳، ۳، "1 2 3 4 5 6 7 8 10")))
    نشان("مشخصه"، ماتریس.چندجمله‌ای مشخصه(عمومی))
    ناپایا بردار := ماتریس.بردار ویژه برای(متقارن، ۳.۰، ۵۰)
    نشان("بردار ویژه"، ماتریس.قدرمطلق(بردار))
    ناپایا توانی := ماتریس.تکرار توانی(متقارن، ۱۰۰)
    ناپایا غالب := ماتریس.زیرماتریس(توانی، ۰، ۰، ۲، ۱)
    سرچاپ گ(توانی.عنصر(۲، ۰))، گ(ماتریس.خارج‌قسمت ریلی(متقارن، غالب))، گ(ماتریس.تکرار وارون شیفت‌دار(متقارن، ۰.۹، ۵۰))

    ناپایا م := ساختن(۳، ۲، "3 0 0 4 0 0")
    ناپایا ت := ماتریس.تجزیه تکین(م)
    سرچاپ ت.همگرا، ماتریس.رشته شکل(ت.بردارهای چپ)، ماتریس.رشته شکل(ت.بردارهای راست)
    نشان("مقادیر تکین"، ت.مقادیر تکین)
    ت.آزادسازی()
    نشان("تکین"، ماتریس.مقادیر تکین(م))
    سرچاپ ماتریس.رتبه(م، ۰.۰۰۰۰۰۱)
    نشان("شبه‌وارون"، ماتریس.شبه‌وارون(م، ۰.۰۰۰۰۰۱))
    نشان("فضای تهی"، ماتریس.فضای تهی(ساختن(۲، ۲، "1 1 1 1")، ۰.۰۰۰۰۰۱))
    نشان("فضای ستونی"، ماتریس.قدرمطلق(ماتریس.فضای ستونی(ساختن(۲، ۲، "1 1 1 1")، ۰.۰۰۰۰۰۱)))
    نشان("رتبه پایین"، ماتریس.تقریب رتبه پایین(ساختن(۲، ۲، "3 0 0 1")، ۱))

    ت۰ := ۰.۰۰۰۰۰۱
    ناپایا همانی := ماتریس.همانی(۳)
    سرچاپ ماتریس.مربع است(همانی)، ماتریس.همه نزدیک(همانی، همانی، ت۰)، ماتریس.صفر است(ماتریس.صفرها(۲، ۲)، ت۰)، ماتریس.همانی است(همانی، ت۰)
    سرچاپ ماتریس.متقارن است(متقارن، ت۰)، ماتریس.پادمتقارن است(چرخش، ت۰)، ماتریس.قطری است(همانی، ت۰)
    سرچاپ ماتریس.بالامثلثی است(ساختن(۲، ۲، "1 2 0 3")، ت۰)، ماتریس.پایین‌مثلثی است(ساختن(۲، ۲، "1 0 2 3")، ت۰)
    ناپایا سه قطری := ساختن(۳، ۳، "2 1 0 1 2 1 0 1 2")
    سرچاپ ماتریس.نواری است(سه قطری، ۱، ۱، ت۰)، ماتریس.پهنای نوار پایین(سه قطری، ت۰)، ماتریس.پهنای نوار بالا(سه قطری، ت۰)
    سرچاپ ماتریس.متعامد است(چرخش، ت۰)، ماتریس.نرمال است(متقارن، ت۰)، ماتریس.خودتوان است(ساختن(۲، ۲، "1 0 0 0")، ت۰)
    سرچاپ ماتریس.خودوارون است(ساختن(۲، ۲، "0 1 1 0")، ت۰)، ماتریس.پوچ‌توان است(ساختن(۲، ۲، "0 1 0 0")، ت۰)
    سرچاپ ماتریس.معین مثبت است(متقارن، ت۰)، ماتریس.نیمه‌معین مثبت است(ساختن(۲، ۲، "1 1 1 1")، ت۰)
    سرچاپ ماتریس.تکین است(ساختن(۲، ۲، "1 2 2 4"))، ماتریس.وارون‌پذیر است(متقارن)
    ناپایا احتمال := ساختن(۲، ۲، "0.5 0.5 0.5 0.5")
    سرچاپ ماتریس.تصادفی سطری است(احتمال، ت۰)، ماتریس.تصادفی ستونی است(احتمال، ت۰)، ماتریس.تصادفی دوگانه است(احتمال، ت۰)
    سرچاپ ماتریس.جایگشتی است(ساختن(۲، ۲، "0 1 1 0")، ت۰)، ماتریس.توپلیتز است(سه قطری، ت۰)، ماتریس.هنکل است(ساختن(۲، ۲، "1 2 2 3")، ت۰)
    سرچاپ گ(ماتریس.چگالی(سه قطری))
پایان
خروجیtrue 2 true مقادیر [3.000,1.000] بازسازی [2.000,1.000; 1.000,2.000] مقادیر ویژه متقارن [3.000,1.000] 3.000 توان [5.000,4.000; 4.000,5.000] جذر [2.000,1.000; 1.000,2.000] true 2 [-1.000,-2.000] [0.000,0.000] true موهومی [1.000,-1.000] 2.000 هسنبرگ [1.000,-3.597,-0.248; -8.062,14.800,2.400; 0.000,0.400,0.200] مشخصه [2.000,3.000,1.000] بردار ویژه [0.707; 0.707] 3.000 3.000 1.000 true 3x2 2x2 مقادیر تکین [4.000,3.000] تکین [4.000,3.000] 2 شبه‌وارون [0.333,0.000,0.000; 0.000,0.250,0.000] فضای تهی [0.707; -0.707] فضای ستونی [0.707; 0.707] رتبه پایین [3.000,0.000; 0.000,0.000] true true true true true true true true true true 1 1 true true true true true true true true true true true true true true true 0.778

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

کیوآر QR

ساختار کیوآر
تجزیه‌ی کیوآر.
نامانگلیسیگونهتوضیح
شمار سطرهاmصحیح = 0شمار سطرها.
شمار ستون‌هاnصحیح = 0شمار ستون‌ها.
ماتریس فشردهqrماتریسبازتاب‌ها و R فشرده.
قطر آرrdiagماتریسقطر R.
رتبه کاملfull_rankمنطقی = درستستون‌ها مستقل‌اند.
matrix-Solve.salam
واردسازی ماتریس

تابع ساختن(سطرها: صحیح، ستون‌ها: صحیح، اعداد: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در اعداد.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع نشان(نام: رشته، م &: ماتریس.ماتریس):
    سرچاپ نام، ماتریس.به بازنمایی(ماتریس.حذف ریزه(م، ۰.۰۰۰۰۰۱)، ۳)
پایان

تابع گ(عدد: اعشار۶۴): رشته:
    برگشت ماتریس.به رشته با دقت(ماتریس.پرشده(۱، ۱، عدد)، ۳)
پایان

تابع ریشه:
    ناپایا الف := ساختن(۳، ۳، "4 1 0 1 3 1 0 1 2")
    ناپایا ب := ساختن(۳، ۱، "1 2 3")
    سرچاپ گ(ماتریس.دترمینان(الف))، گ(ماتریس.لگاریتم قدرمطلق دترمینان(الف))
    نشان("حل"، ماتریس.حل(الف، ب))
    نشان("حل برداری"، ماتریس.حل برداری(الف، ب))
    ناپایا تجزیه := ماتریس.تجزیه(الف)
    سرچاپ تجزیه.اندازه، تجزیه.جابه‌جایی سطرها.طول()، تجزیه.علامت، تجزیه.تکین، ماتریس.رشته شکل(تجزیه.پایین‌بالا)
    نشان("با تجزیه"، ماتریس.حل با تجزیه(تجزیه، ب))
    تجزیه.آزادسازی()
    ناپایا وارون := ماتریس.وارون(الف)
    نشان("الف در وارون"، ماتریس.ضرب ماتریسی(الف، وارون))
    نشان("الحاقی"، ماتریس.الحاقی(ساختن(۲، ۲، "1 2 3 4")))
    نشان("باقیمانده"، ماتریس.باقیمانده(الف، ماتریس.حل(الف، ب)، ب))

    ناپایا کیوآر := ماتریس.تجزیه کیوآر(الف)
    سرچاپ کیوآر.شمار سطرها، کیوآر.شمار ستون‌ها، کیوآر.رتبه کامل، ماتریس.رشته شکل(کیوآر.ماتریس فشرده)، ماتریس.رشته شکل(کیوآر.قطر آر)
    نشان("کیو در آر"، ماتریس.ضرب ماتریسی(ماتریس.کیو(کیوآر)، ماتریس.آر(کیوآر)))
    نشان("حل کیوآر"، ماتریس.حل کیوآر(کیوآر، ب))
    کیوآر.آزادسازی()
    ناپایا نقاط := ساختن(۴، ۲، "1 0 1 1 1 2 1 3")
    ناپایا مقادیر := ساختن(۴، ۱، "1 3 5 7")
    نشان("کمترین مربعات"، ماتریس.کمترین مربعات(نقاط، مقادیر))
    نشان("متعامد"، ماتریس.گرام(ماتریس.متعامدسازی(نقاط)))

    نشان("چولسکی"، ماتریس.چولسکی(الف))
    نشان("حل معین مثبت"، ماتریس.حل معین مثبت(الف، ب))
    نشان("حل چولسکی"، ماتریس.حل چولسکی(ماتریس.چولسکی(الف)، ب))
    نشان("وارون معین مثبت"، ماتریس.ضرب ماتریسی(الف، ماتریس.وارون معین مثبت(الف)))
    سرچاپ گ(ماتریس.دترمینان معین مثبت(الف))، گ(ماتریس.لگاریتم دترمینان معین مثبت(الف))
    ناپایا ال := ماتریس.تجزیه ال‌دی‌ال(الف)
    سرچاپ ال.موفق، ال.اندازه، ماتریس.رشته شکل(ال.پایین‌مثلثی)، ماتریس.رشته شکل(ال.قطر)
    نشان("حل ال‌دی‌ال"، ماتریس.حل ال‌دی‌ال(ال، ب))
    ال.آزادسازی()
    نشان("لختی"، ماتریس.لختی(ساختن(۲، ۲، "1 0 0 -1")))

    ناپایا تکین := ساختن(۳، ۳، "1 2 3 2 4 6 1 1 1")
    نشان("پلکانی"، ماتریس.پلکانی سطری(تکین))
    نشان("کاهش‌یافته"، ماتریس.پلکانی کاهش‌یافته(تکین))
    نشان("ستون‌های محوری"، ماتریس.ستون‌های محوری(تکین))
    سرچاپ ماتریس.رتبه دقیق(تکین)، ماتریس.پوچی(تکین)
    نشان("فضای تهی"، ماتریس.فضای تهی دقیق(تکین))
    نشان("فضای ستونی"، ماتریس.فضای ستونی دقیق(تکین))
    ناپایا راست := ساختن(۳، ۱، "6 12 3")
    سرچاپ ماتریس.سازگار است(تکین، راست)، ماتریس.سازگار است(تکین، ساختن(۳، ۱، "1 3 3"))
    نشان("حل عمومی"، ماتریس.حل عمومی(تکین، راست))

    سرچاپ ماتریس.غالب قطری است(الف)
    ناپایا ژ := ماتریس.حل ژاکوبی(الف، ب، ۲۰۰، ۰.۰۰۰۰۰۰۰۱)
    سرچاپ ژ.همگرا، ژ.شمار تکرارها > ۰، ژ.باقیمانده < ۰.۰۰۰۱
    نشان("ژاکوبی"، ژ.جواب)
    ژ.آزادسازی()
    هر روش در [۱، ۲، ۳]:
        ناپایا ن := ماتریس.حل گاوس زایدل(الف، ب، ۲۰۰، ۰.۰۰۰۰۰۰۰۱)
        اگر روش == ۲:
            ن = ماتریس.حل فوق‌آسایش(الف، ب، ۱.۲، ۲۰۰، ۰.۰۰۰۰۰۰۰۱)
        وگرنه روش == ۳:
            ن = ماتریس.حل گرادیان مزدوج(الف، ب، ۲۰۰، ۰.۰۰۰۰۰۰۰۱)
        پایان
        نشان("تکراری"، ن.جواب)
        ن.آزادسازی()
    پایان

    ناپایا ک := ساختن(۲، ۲، "1 0 0 2")
    نشان("نمایی"، ماتریس.نمایی ماتریسی(ماتریس.صفرها(۲، ۲)))
    نشان("جذر"، ماتریس.جذر ماتریسی(ساختن(۲، ۲، "4 0 0 9")))
    نشان("علامت"، ماتریس.علامت ماتریسی(ساختن(۲، ۲، "2 0 0 -3")))
    نشان("چندجمله‌ای"، ماتریس.ارزیابی چندجمله‌ای(ک، ساختن(۱، ۳، "1 0 1")))
    نشان("کیلی همیلتون"، ماتریس.کیلی همیلتون(ک))
    نشان("لگاریتم"، ماتریس.لگاریتم متقارن(ماتریس.همانی(۲)))
پایان
خروجی18.000 2.890 حل [0.222; 0.111; 1.444] حل برداری [0.222; 0.111; 1.444] 3 3 1 false 3x3 با تجزیه [0.222; 0.111; 1.444] الف در وارون [1.000,0.000,0.000; 0.000,1.000,0.000; 0.000,0.000,1.000] الحاقی [4.000,-2.000; -3.000,1.000] باقیمانده [0.000; 0.000; 0.000] 3 3 true 3x3 1x3 کیو در آر [4.000,1.000,0.000; 1.000,3.000,1.000; 0.000,1.000,2.000] حل کیوآر [0.222; 0.111; 1.444] کمترین مربعات [1.000; 2.000] متعامد [1.000,0.000; 0.000,1.000] چولسکی [2.000,0.000,0.000; 0.500,1.658,0.000; 0.000,0.603,1.279] حل معین مثبت [0.222; 0.111; 1.444] حل چولسکی [0.222; 0.111; 1.444] وارون معین مثبت [1.000,0.000,0.000; 0.000,1.000,0.000; 0.000,0.000,1.000] 18.000 2.890 true 3 3x3 1x3 حل ال‌دی‌ال [0.222; 0.111; 1.444] لختی [1.000,1.000,0.000] پلکانی [2.000,4.000,6.000; 0.000,-1.000,-2.000; 0.000,0.000,0.000] کاهش‌یافته [1.000,0.000,-1.000; 0.000,1.000,2.000; 0.000,0.000,0.000] ستون‌های محوری [0.000,1.000] 2 1 فضای تهی [1.000; -2.000; 1.000] فضای ستونی [1.000,2.000; 2.000,4.000; 1.000,1.000] true false حل عمومی [0.000; 3.000; 0.000] true true true true ژاکوبی [0.222; 0.111; 1.444] تکراری [0.222; 0.111; 1.444] تکراری [0.222; 0.111; 1.444] تکراری [0.222; 0.111; 1.444] نمایی [1.000,0.000; 0.000,1.000] جذر [2.000,0.000; 0.000,3.000] علامت [1.000,0.000; 0.000,-1.000] چندجمله‌ای [2.000,0.000; 0.000,5.000] کیلی همیلتون [0.000,0.000; 0.000,0.000] لگاریتم [0.000,0.000; 0.000,0.000]

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

مولد تصادفی Rng

ساختار مولد تصادفی
مولد تصادفی قطعی.
نامانگلیسیگونهتوضیح
حالتsطبیعی۶۴ = 0حالت.
matrix-Stats.salam
واردسازی ماتریس

تابع ساختن(سطرها: صحیح، ستون‌ها: صحیح، اعداد: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در اعداد.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع نشان(نام: رشته، م &: ماتریس.ماتریس):
    سرچاپ نام، ماتریس.به بازنمایی(ماتریس.حذف ریزه(م، ۰.۰۰۰۰۰۱)، ۳)
پایان

تابع گ(عدد: اعشار۶۴): رشته:
    برگشت ماتریس.به رشته با دقت(ماتریس.پرشده(۱، ۱، عدد)، ۳)
پایان

تابع ریشه:
    نشان("هیلبرت"، ماتریس.هیلبرت(۲))
    نشان("هیلبرت در وارون"، ماتریس.ضرب ماتریسی(ماتریس.هیلبرت(۳)، ماتریس.وارون هیلبرت(۳)))
    نشان("واندرموند"، ماتریس.واندرموند(ساختن(۳، ۱، "1 2 3")، ۳))
    نشان("توپلیتز"، ماتریس.توپلیتز(ساختن(۳، ۱، "1 2 3")، ساختن(۱، ۳، "1 4 5")))
    نشان("هنکل"، ماتریس.هنکل(ساختن(۳، ۱، "1 2 3")، ساختن(۱، ۳، "3 4 5")))
    نشان("دورانی"، ماتریس.دورانی(ساختن(۱، ۳، "1 2 3")))
    نشان("همراه"، ماتریس.همراه(ساختن(۱، ۳، "1 -3 2")))
    نشان("پاسکال"، ماتریس.پاسکال(۳))
    نشان("دوران"، ماتریس.دوران دوبعدی(۰.۰))
    نشان("دوران سه‌بعدی"، ماتریس.دوران سه‌بعدی(۲، ۰.۰))
    نشان("هاوس‌هولدر"، ماتریس.هاوس‌هولدر(ساختن(۲، ۱، "1 0")))
    نشان("گیونز"، ماتریس.گیونز(۲، ۰، ۱، ۰.۰))
    نشان("جایگشت"، ماتریس.جایگشت(ساختن(۱، ۳، "2 0 1")))

    ناپایا مولد := ماتریس.مولد جدید(۷)
    سرچاپ مولد.بیت بعدی() > ۰، مولد.اعشاری بعدی() < ۱.۰، مولد.نرمال بعدی() < ۱۰.۰
    ناپایا ت := ماتریس.تصادفی(۲، ۳، -۱.۰، ۱.۰، ۵)
    سرچاپ ماتریس.رشته شکل(ت)، ماتریس.کمینه(ت) >= -۱.۰، ماتریس.بیشینه(ت) < ۱.۰، ماتریس.همه نزدیک(ت، ماتریس.تصادفی(۲، ۳، -۱.۰، ۱.۰، ۵)، ۰.۰)
    سرچاپ ماتریس.رشته شکل(ماتریس.تصادفی نرمال(۲، ۲، ۱))
    سرچاپ ماتریس.متقارن است(ماتریس.تصادفی متقارن(۳، ۱)، ۰.۰۰۰۰۰۱)، ماتریس.معین مثبت است(ماتریس.تصادفی معین مثبت(۳، ۱)، ۰.۰۰۰۰۰۱)، ماتریس.متعامد است(ماتریس.تصادفی متعامد(۳، ۱)، ۰.۰۰۰۰۱)

    ناپایا داده := ساختن(۴، ۲، "1 2 2 4 3 6 4 8")
    نشان("مرکزی"، ماتریس.مرکزی‌سازی ستون‌ها(داده))
    نشان("میانگین ستونی"، ماتریس.میانگین ستونی(داده))
    نشان("انحراف معیار"، ماتریس.انحراف معیار ستون‌ها(داده، نادرست))
    نشان("استاندارد"، ماتریس.استانداردسازی(داده، نادرست))
    نشان("کوواریانس"، ماتریس.کوواریانس(داده، درست))
    نشان("همبستگی"، ماتریس.همبستگی(داده))
    ناپایا پی := ماتریس.برازش مولفه اصلی(داده)
    سرچاپ ماتریس.رشته شکل(پی.مؤلفه‌ها)، ماتریس.رشته شکل(پی.واریانس‌ها)، ماتریس.رشته شکل(پی.میانگین)
    نشان("واریانس تبیین‌شده"، ماتریس.واریانس تبیین‌شده(پی))
    نشان("تبدیل"، ماتریس.قدرمطلق(ماتریس.تبدیل مولفه اصلی(پی، داده، ۱)))
    پی.آزادسازی()
    ناپایا پی۲ := ماتریس.مولفه اصلی از تجزیه تکین(داده)
    نشان("از تجزیه تکین"، ماتریس.واریانس تبیین‌شده(پی۲))
    پی۲.آزادسازی()

    ناپایا ایکس := ساختن(۴، ۱، "1 2 3 4")
    ناپایا وای := ساختن(۴، ۱، "3 5 7 9")
    ناپایا ضریب := ماتریس.رگرسیون خطی(ایکس، وای)
    نشان("رگرسیون"، ضریب)
    سرچاپ گ(ماتریس.آر دو(وای، وای))
پایان
خروجیهیلبرت [1.000,0.500; 0.500,0.333] هیلبرت در وارون [1.000,0.000,0.000; 0.000,1.000,0.000; 0.000,0.000,1.000] واندرموند [1.000,1.000,1.000; 1.000,2.000,4.000; 1.000,3.000,9.000] توپلیتز [1.000,4.000,5.000; 2.000,1.000,4.000; 3.000,2.000,1.000] هنکل [1.000,2.000,3.000; 2.000,3.000,4.000; 3.000,4.000,5.000] دورانی [1.000,2.000,3.000; 3.000,1.000,2.000; 2.000,3.000,1.000] همراه [0.000,-0.500; 1.000,1.500] پاسکال [1.000,1.000,1.000; 1.000,2.000,3.000; 1.000,3.000,6.000] دوران [1.000,0.000; 0.000,1.000] دوران سه‌بعدی [1.000,0.000,0.000; 0.000,1.000,0.000; 0.000,0.000,1.000] هاوس‌هولدر [-1.000,0.000; 0.000,1.000] گیونز [1.000,0.000; 0.000,1.000] جایگشت [0.000,0.000,1.000; 1.000,0.000,0.000; 0.000,1.000,0.000] true true true 2x3 true true true 2x2 true true true مرکزی [-1.500,-3.000; -0.500,-1.000; 0.500,1.000; 1.500,3.000] میانگین ستونی [2.500,5.000] انحراف معیار [1.118,2.236] استاندارد [-1.342,-1.342; -0.447,-0.447; 0.447,0.447; 1.342,1.342] کوواریانس [1.667,3.333; 3.333,6.667] همبستگی [1.000,1.000; 1.000,1.000] 2x2 1x2 1x2 واریانس تبیین‌شده [1.000,0.000] تبدیل [3.354; 1.118; 1.118; 3.354] از تجزیه تکین [1.000,0.000] رگرسیون [1.000; 2.000] 1.000

بیت بعدی NextBits

تابع بیت بعدی(): طبیعی۶۴

next_bits

تابع next_bits(): طبیعی۶۴
۶۴ بیت تصادفی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

اعشاری بعدی NextFloat

تابع اعشاری بعدی(): اعشار۶۴

next_float

تابع next_float(): اعشار۶۴
عدد در بازه‌ی صفر تا یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

نرمال بعدی NextNormal

تابع نرمال بعدی(): اعشار۶۴

next_normal

تابع next_normal(): اعشار۶۴
عدد نرمال استاندارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

نتیجه تکرار IterResult

ساختار نتیجه تکرار
نتیجه‌ی روش تکراری.
نامانگلیسیگونهتوضیح
جوابxماتریسجواب.
شمار تکرارهاiterationsصحیح = 0شمار تکرارها.
باقیماندهresidualاعشار۶۴ = 0نرم باقیمانده.
همگراconvergedمنطقی = نادرستهمگرا شد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

آزادسازی Free

تابع آزادسازی()

آزادسازی free

تابع آزادسازی()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

تجزیه ویژه متقارن EigenSym

ساختار تجزیه ویژه متقارن
تجزیه‌ی ویژه‌ی ماتریس متقارن.
نامانگلیسیگونهتوضیح
اندازهnصحیح = 0اندازه.
مقادیر ویژهvaluesماتریسمقادیر ویژه، نزولی.
بردارهای ویژهvectorsماتریسبردارهای ویژه در ستون‌ها.
شمار دورهاsweepsصحیح = 0شمار دورهای ژاکوبی.
همگراokمنطقی = نادرستهمگرا شد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

ال‌دی‌ال LDL

ساختار ال‌دی‌ال
تجزیه‌ی ال‌دی‌ال.
نامانگلیسیگونهتوضیح
اندازهnصحیح = 0اندازه.
پایین‌مثلثیlماتریسماتریس پایین‌مثلثی یکه.
قطرdماتریسقطر D.
موفقokمنطقی = نادرستتجزیه موفق بود.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

تحلیل مولفه اصلی PCA

ساختار تحلیل مولفه اصلی
تحلیل مولفه‌های اصلی.
نامانگلیسیگونهتوضیح
مؤلفه‌هاcomponentsماتریسمولفه‌ها در سطرها.
واریانس‌هاvariancesماتریسواریانس هر مولفه.
میانگینcenterماتریسمیانگین ستون‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

تجزیه پایین بالا LU

ساختار تجزیه پایین بالا
تجزیه‌ی پایین بالا با جابه‌جایی سطرها.
نامانگلیسیگونهتوضیح
اندازهnصحیح = 0اندازه.
پایین‌بالاluماتریسL و U در یک ماتریس.
جابه‌جایی سطرهاpivوکتور<صحیح>جابه‌جایی سطرها.
علامتsignصحیح = 1علامت جایگشت.
تکینsingularمنطقی = نادرستماتریس تکین است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

ماتریس Matrix

ساختار ماتریس
ماتریس اعشاری ۶۴ بیتی با درایه‌ها به ترتیب سطری.
نامانگلیسیگونهتوضیح
سطرهاrowsصحیح = 0شمار سطرها.
ستون‌هاcolsصحیح = 0شمار ستون‌ها.
درایه‌هاaوکتور<اعشار۶۴>درایه‌ها.
matrix-Create.salam
واردسازی ماتریس

تابع ساختن(سطرها: صحیح، ستون‌ها: صحیح، اعداد: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در اعداد.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع ریشه:
    ناپایا الف := ساختن(۲، ۳، "1 2 3 4 5 6")
    ماتریس.چاپ(الف)
    سرچاپ ماتریس.رشته شکل(الف)، الف.سطرها، الف.ستون‌ها، الف.درایه‌ها.طول()، الف.شمار()، الف.کمینه بعد()، الف.مربع است()، الف.تهی است()
    سرچاپ الف.عنصر(۱، ۲)، الف.تخت(۴)
    الف.تنظیم(۰، ۰، ۱۰.۰)
    الف.افزودن در(۰، ۱، ۰.۵)
    الف.ضرب در(۰، ۲، ۲.۰)
    الف.تنظیم تخت(۵، -۱.۰)
    ماتریس.چاپ با دقت(الف، ۱)
    ماتریس.چاپ برچسب‌دار("الف"، الف)

    سرچاپ ماتریس.به رشته(ماتریس.صفرها(۱، ۲))، ماتریس.به رشته(ماتریس.یک‌ها(۱، ۲))، ماتریس.به رشته(ماتریس.پرشده(۱، ۲، ۷.۰))
    سرچاپ ماتریس.به رشته(ماتریس.همانی(۲))
    سرچاپ ماتریس.به رشته(ماتریس.همانی جابه‌جا(۲، ۳، ۱))
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    داده.بیفزا(۱.۰)
    داده.بیفزا(۲.۰)
    سرچاپ ماتریس.رشته شکل(ماتریس.بردار سطری(داده))، ماتریس.رشته شکل(ماتریس.بردار ستونی(داده))، ماتریس.به رشته(ماتریس.قطری(داده))
    ناپایا ب := ماتریس.همانند(الف)
    ماتریس.تنظیم همه(ب، ۰.۰)
    ماتریس.رونوشت در(ب، الف)
    سرچاپ ب.هم‌شکل(الف)، ب.عنصر(۰، ۰)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.بازه گام(۰.۰، ۱.۰، ۰.۲۵)، ۲)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.بازه یکنواخت(۰.۰، ۱.۰، ۵)، ۲)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.بازه لگاریتمی(۰.۰، ۲.۰، ۳، ۱۰.۰)، ۱)
    سرچاپ ماتریس.به سی‌اس‌وی(الف، ۱)
    سرچاپ ماتریس.به بازنمایی(الف، ۱)
    سرچاپ ماتریس.اپسیلون ماتریس > ۰.۰، ماتریس.رواداری ماتریس > ۰.۰، ماتریس.بی‌نهایت ماتریس > ۱۰۰۰.۰
    ماتریس.آزادسازی(ب)
    الف.آزادسازی()
پایان
خروجی1.0000 2.0000 3.0000 4.0000 5.0000 6.0000 2x3 2 3 6 6 2 false false 6 5 10.0 2.5 6.0 4.0 5.0 -1.0 الف (2x3) 10.0000 2.5000 6.0000 4.0000 5.0000 -1.0000 0.0000 0.0000 1.0000 1.0000 7.0000 7.0000 1.0000 0.0000 0.0000 1.0000 0.0000 1.0000 0.0000 0.0000 0.0000 1.0000 1x2 2x1 1.0000 0.0000 0.0000 2.0000 true 10 0.00 0.25 0.50 0.75 0.00 0.25 0.50 0.75 1.00 1.0 10.0 100.0 10.0,2.5,6.0 4.0,5.0,-1.0 [10.0,2.5,6.0; 4.0,5.0,-1.0] true true true

عنصر At

تابع عنصر(i: صحیح، j: صحیح): اعشار۶۴

عنصر at

تابع عنصر(i: صحیح، j: صحیح): اعشار۶۴
درایه‌ی سطر i و ستون j.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تنظیم Set

تابع تنظیم(i: صحیح، j: صحیح، v: اعشار۶۴)

تنظیم set

تابع تنظیم(i: صحیح، j: صحیح، v: اعشار۶۴)
درایه را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

افزودن در AddAt

تابع افزودن در(i: صحیح، j: صحیح، v: اعشار۶۴)

افزودن در add_at

تابع افزودن در(i: صحیح، j: صحیح، v: اعشار۶۴)
به درایه می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

ضرب در MulAt

تابع ضرب در(i: صحیح، j: صحیح، v: اعشار۶۴)

ضرب در mul_at

تابع ضرب در(i: صحیح، j: صحیح، v: اعشار۶۴)
درایه را در عدد ضرب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تخت Flat

تابع تخت(k: صحیح): اعشار۶۴

تخت flat

تابع تخت(k: صحیح): اعشار۶۴
درایه‌ی شماره‌ی k در ترتیب سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تنظیم تخت SetFlat

تابع تنظیم تخت(k: صحیح، v: اعشار۶۴)

تنظیم تخت set_flat

تابع تنظیم تخت(k: صحیح، v: اعشار۶۴)
درایه‌ی k را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

شمار Count

تابع شمار(): صحیح

شمار count

تابع شمار(): صحیح
شمار درایه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

مربع است IsSquare

تابع مربع است(): منطقی

مربع است is_square

تابع مربع است(): منطقی
مربعی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تهی است IsEmpty

تابع تهی است(): منطقی

تهی است is_empty

تابع تهی است(): منطقی
درایه‌ای ندارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

هم‌شکل SameShape

تابع هم‌شکل(o &: ماتریس): منطقی

هم‌شکل same_shape

تابع هم‌شکل(o &: ماتریس): منطقی
هم‌شکل ماتریس دیگر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

کمینه بعد MinDim

تابع کمینه بعد(): صحیح

کمینه بعد min_dim

تابع کمینه بعد(): صحیح
کمینه‌ی سطر و ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تجزیه مقادیر تکین SVD

ساختار تجزیه مقادیر تکین
تجزیه‌ی مقادیر تکین.
نامانگلیسیگونهتوضیح
بردارهای چپuماتریسبردارهای تکین چپ.
مقادیر تکینsماتریسمقادیر تکین، نزولی.
بردارهای راستvماتریسبردارهای تکین راست.
همگراokمنطقی = نادرستهمگرا شد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

آزادسازی Free

تابع آزادسازی()

free

تابع free()
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

پایاها و متغیرها

اپسیلون ماتریس MAT_EPS

پایا اپسیلون ماتریس: اعشار۶۴ = 2.22045e-16
دقت ماشین برای اعداد اعشاری ۶۴ بیتی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

رواداری ماتریس MAT_TOL

پایا رواداری ماتریس: اعشار۶۴ = 1e-09
رواداری پیش‌فرض مقایسه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

بی‌نهایت ماتریس MAT_INF

پایا بی‌نهایت ماتریس: اعشار۶۴ = 1e+300
بی‌نهایت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تابع‌ها

مربع است IsSquare

تابع مربع است(x &: ماتریس): منطقی
ماتریس مربعی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

همه نزدیک AllClose

تابع همه نزدیک(x &: ماتریس، y &: ماتریس، tol: اعشار۶۴): منطقی
دو ماتریس تا رواداری برابرند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

صفر است IsZero

تابع صفر است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس صفر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

همانی است IsIdentity

تابع همانی است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس همانی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

متقارن است IsSymmetric

تابع متقارن است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس متقارن است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

پادمتقارن است IsSkewSymmetric

تابع پادمتقارن است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس پادمتقارن است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

قطری است IsDiagonal

تابع قطری است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس قطری است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

بالامثلثی است IsUpperTriangular

تابع بالامثلثی است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس بالامثلثی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

پایین‌مثلثی است IsLowerTriangular

تابع پایین‌مثلثی است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس پایین‌مثلثی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

نواری است IsBanded

تابع نواری است(x &: ماتریس، lower: صحیح، upper: صحیح، tol: اعشار۶۴): منطقی
همه‌ی درایه‌ها در نوار پایین و بالای قطرند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

پهنای نوار پایین LowerBandwidth

تابع پهنای نوار پایین(x &: ماتریس، tol: اعشار۶۴): صحیح
پهنای نوار پایین قطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

پهنای نوار بالا UpperBandwidth

تابع پهنای نوار بالا(x &: ماتریس، tol: اعشار۶۴): صحیح
پهنای نوار بالای قطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

متعامد است IsOrthogonal

تابع متعامد است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس متعامد است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

نرمال است IsNormal

تابع نرمال است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس نرمال، یعنی با ترانهاده‌اش جابه‌جا می‌شود است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

خودتوان است IsIdempotent

تابع خودتوان است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس خودتوان، یعنی مربعش خودش است است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

خودوارون است IsInvolutory

تابع خودوارون است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس خودوارون است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

پوچ‌توان است IsNilpotent

تابع پوچ‌توان است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس پوچ‌توان است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

معین مثبت است IsPositiveDefinite

تابع معین مثبت است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس معین مثبت است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

نیمه‌معین مثبت است IsPositiveSemiDefinite

تابع نیمه‌معین مثبت است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس نیمه‌معین مثبت است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

تکین است IsSingular

تابع تکین است(x &: ماتریس): منطقی
ماتریس تکین است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

وارون‌پذیر است IsInvertible

تابع وارون‌پذیر است(x &: ماتریس): منطقی
ماتریس وارون‌پذیر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

تصادفی سطری است IsRowStochastic

تابع تصادفی سطری است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس تصادفی سطری، یعنی مجموع هر سطر یک است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

تصادفی ستونی است IsColStochastic

تابع تصادفی ستونی است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس تصادفی ستونی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

تصادفی دوگانه است IsDoublyStochastic

تابع تصادفی دوگانه است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس تصادفی دوگانه است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

جایگشتی است IsPermutation

تابع جایگشتی است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس جایگشتی است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

توپلیتز است IsToeplitz

تابع توپلیتز است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس توپلیتز، یعنی هر قطر ثابت است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

هنکل است IsHankel

تابع هنکل است(x &: ماتریس، tol: اعشار۶۴): منطقی
ماتریس هنکل، یعنی هر پادقطر ثابت است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

چگالی Density

تابع چگالی(x &: ماتریس): اعشار۶۴
نسبت درایه‌های ناصفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

هسنبرگ Hessenberg

تابع هسنبرگ(x &: ماتریس): ماتریس
شکل هسنبرگ.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

مقادیر ویژه EigVals

تابع مقادیر ویژه(x &: ماتریس): ویژه
مقادیر ویژه با روش کیوآر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

مقادیر ویژه خودکار EigValsAuto

تابع مقادیر ویژه خودکار(x &: ماتریس): ویژه
مقادیر ویژه با بهترین روش برای ماتریس؛ متقارن یا عمومی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

شعاع طیفی SpectralRadius

تابع شعاع طیفی(x &: ماتریس): اعشار۶۴
بزرگ‌ترین قدرمطلق مقدار ویژه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

چندجمله‌ای مشخصه CharPoly

تابع چندجمله‌ای مشخصه(x &: ماتریس): ماتریس
ضریب‌های چندجمله‌ای مشخصه از درجه‌ی صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

بردار ویژه برای EigVecFor

تابع بردار ویژه برای(x &: ماتریس، lambda: اعشار۶۴، iters: صحیح): ماتریس
بردار ویژه برای یک مقدار ویژه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

تجزیه کیوآر QRDecompose

تابع تجزیه کیوآر(x &: ماتریس): کیوآر
تجزیه‌ی کیوآر با بازتاب هاوس‌هولدر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

کیو QRGetQ

تابع کیو(f &: کیوآر): ماتریس
ماتریس متعامد Q.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

آر QRGetR

تابع آر(f &: کیوآر): ماتریس
ماتریس بالامثلثی R.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

کمترین مربعات LeastSquares

تابع کمترین مربعات(a &: ماتریس، b &: ماتریس): ماتریس
جواب کمترین مربعات دستگاه فرامعین؛ مثلاً برازش خط.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل کیوآر QRSolve

تابع حل کیوآر(f &: کیوآر، b &: ماتریس): ماتریس
با تجزیه‌ی کیوآر حل می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

باقیمانده Residual

تابع باقیمانده(a &: ماتریس، x &: ماتریس، b &: ماتریس): ماتریس
باقیمانده، AX منهای B.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

متعامدسازی Orthonormalize

تابع متعامدسازی(x &: ماتریس): ماتریس
ستون‌ها را متعامد یکه می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

نرم فروبنیوس NormFrobenius

تابع نرم فروبنیوس(x &: ماتریس): اعشار۶۴
نرم فروبنیوس، جذر مجموع مربعات.
matrix-Math.salam
واردسازی ماتریس

تابع ساختن(سطرها: صحیح، ستون‌ها: صحیح، اعداد: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در اعداد.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع نشان(نام: رشته، م &: ماتریس.ماتریس):
    سرچاپ نام، ماتریس.به بازنمایی(م، ۱)
پایان

تابع گ(عدد: اعشار۶۴): رشته:
    برگشت ماتریس.به رشته با دقت(ماتریس.پرشده(۱، ۱، عدد)، ۳)
پایان

تابع ریشه:
    ناپایا الف := ساختن(۲، ۲، "1 2 3 4")
    ناپایا ب := ساختن(۲، ۲، "0 1 1 0")
    ناپایا ر := ساختن(۱، ۲، "10 20")
    ناپایا س := ساختن(۲، ۱، "1 -1")
    نشان("ترانهاده"، ماتریس.ترانهاده(الف))
    نشان("ضرب"، ماتریس.ضرب ماتریسی(الف، ب))
    ناپایا خروجی := ماتریس.صفرها(۲، ۲)
    سرچاپ ماتریس.ترانهاده در(الف، خروجی)، ماتریس.ضرب ماتریسی در(الف، ب، خروجی)
    نشان("در"، خروجی)
    نشان("ضرب ترانهاده"، ماتریس.ضرب ترانهاده(الف، ب))
    نشان("ضرب در ترانهاده"، ماتریس.ضرب در ترانهاده(الف، ب))
    نشان("گرام"، ماتریس.گرام(الف))
    نشان("ماتریس در بردار"، ماتریس.ضرب در بردار(الف، س))
    نشان("بردار در ماتریس"، ماتریس.ضرب بردار در ماتریس(ر، الف))
    سرچاپ ماتریس.ضرب داخلی(س، س)، ماتریس.رد(الف)
    نشان("خارجی"، ماتریس.ضرب خارجی(س، س))
    نشان("کرونکر"، ماتریس.ضرب کرونکر(ماتریس.همانی(۲)، ماتریس.پرشده(۱، ۲، ۳.۰)))
    نشان("توان"، ماتریس.توان ماتریس(الف، ۲))
    نشان("برداری"، ماتریس.ضرب برداری(ساختن(۳، ۱، "1 0 0")، ساختن(۳، ۱، "0 1 0")))

    نشان("جمع"، ماتریس.جمع(الف، ب))
    نشان("تفریق"، ماتریس.تفریق(الف، ب))
    نشان("ضرب درایه‌ای"، ماتریس.ضرب درایه‌ای(الف، ب))
    نشان("تقسیم درایه‌ای"، ماتریس.تقسیم درایه‌ای(الف، الف))
    نشان("قرینه"، ماتریس.قرینه(الف))
    نشان("با عدد"، ماتریس.جمع با عدد(ماتریس.تفریق عدد(ماتریس.مقیاس(ماتریس.تقسیم با عدد(الف، ۲.۰)، ۴.۰)، ۱.۰)، ۱.۰))
    ناپایا ج := ماتریس.همانند(الف)
    ماتریس.جمع درجا(ج، ب)
    ماتریس.تفریق درجا(ج، ب)
    ماتریس.ضرب درایه‌ای درجا(ج، الف)
    ماتریس.مقیاس درجا(ج، ۰.۵)
    ماتریس.جمع عدد درجا(ج، ۱.۰)
    ماتریس.قرینه درجا(ج)
    ماتریس.جمع مقیاس‌دار(ج، الف، ۲.۰)
    نشان("درجا"، ج)
    نشان("ترکیب"، ماتریس.ترکیب(الف، ۲.۰، ب، -۱.۰))
    نشان("بیشینه درایه‌ای"، ماتریس.بیشینه درایه‌ای(الف، ماتریس.پرشده(۲، ۲، ۲.۵)))
    نشان("کمینه درایه‌ای"، ماتریس.کمینه درایه‌ای(الف، ماتریس.پرشده(۲، ۲، ۲.۵)))
    نشان("جمع سطری"، ماتریس.جمع بردار سطری(الف، ر))
    نشان("جمع ستونی"، ماتریس.جمع بردار ستونی(الف، س))
    نشان("ضرب سطری"، ماتریس.ضرب بردار سطری(الف، ر))
    نشان("ضرب ستونی"، ماتریس.ضرب بردار ستونی(الف، س))

    ناپایا م := ساختن(۱، ۴، "-2.25 0 0.5 9")
    نشان("قدرمطلق"، ماتریس.قدرمطلق(م))
    نشان("جذر"، ماتریس.جذر(ماتریس.قدرمطلق(م)))
    نشان("ریشه سوم"، ماتریس.ریشه سوم(ساختن(۱، ۲، "8 -27")))
    نشان("کف و سقف"، ماتریس.چینش افقی(ماتریس.کف(م)، ماتریس.سقف(م)))
    نشان("گرد و برش"، ماتریس.چینش افقی(ماتریس.گرد(م)، ماتریس.برش(م)))
    نشان("علامت"، ماتریس.علامت(م))
    نشان("مربع"، ماتریس.مربع(م))
    نشان("وارون درایه‌ای"، ماتریس.وارون درایه‌ای(ساختن(۱، ۲، "2 4")))
    نشان("توان درایه‌ای"، ماتریس.توان درایه‌ای(ساختن(۱، ۲، "2 3")، ۳.۰))
    نشان("برش بازه"، ماتریس.برش بازه(م، ۰.۰، ۱.۰))
    نشان("با عدد"، ماتریس.چینش افقی(ماتریس.بیشینه با عدد(م، ۰.۰)، ماتریس.کمینه با عدد(م، ۰.۰)))
    نشان("حذف ریزه"، ماتریس.حذف ریزه(ساختن(۱، ۲، "0.0000001 1")، ۰.۰۰۰۱))
    ناپایا صفر := ماتریس.صفرها(۱، ۱)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.چینش افقی(ماتریس.نمایی(صفر)، ماتریس.لگاریتم(ماتریس.یک‌ها(۱، ۱)))، ۳)، ماتریس.به رشته با دقت(ماتریس.لگاریتم ده(ماتریس.پرشده(۱، ۱، ۱۰۰.۰))، ۳)، ماتریس.به رشته با دقت(ماتریس.لگاریتم دو(ماتریس.پرشده(۱، ۱، ۸.۰))، ۳)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.چینش افقی(ماتریس.سینوس(صفر)، ماتریس.کسینوس(صفر))، ۳)، ماتریس.به رشته با دقت(ماتریس.تانژانت(صفر)، ۳)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.چینش افقی(ماتریس.وارون سینوس(صفر)، ماتریس.وارون کسینوس(ماتریس.یک‌ها(۱، ۱)))، ۳)، ماتریس.به رشته با دقت(ماتریس.وارون تانژانت(صفر)، ۳)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.چینش افقی(ماتریس.سینوس هذلولی(صفر)، ماتریس.کسینوس هذلولی(صفر))، ۳)، ماتریس.به رشته با دقت(ماتریس.تانژانت هذلولی(صفر)، ۳)

    سرچاپ ماتریس.مجموع(الف)، ماتریس.حاصل‌ضرب(الف)، ماتریس.میانگین(الف)، ماتریس.کمینه(الف)، ماتریس.بیشینه(الف)، ماتریس.دامنه(الف)
    ش := ماتریس.اندیس بیشینه(الف)
    سرچاپ ماتریس.اندیس کمینه(الف)، ش، ماتریس.سطر اندیس(الف، ش)، ماتریس.ستون اندیس(الف، ش)، ماتریس.بیشینه قدرمطلق(م)
    سرچاپ گ(ماتریس.واریانس(الف، درست))، گ(ماتریس.انحراف معیار(الف، نادرست))، ماتریس.میانه(الف)
    نشان("مجموع سطرها"، ماتریس.مجموع سطرها(الف))
    نشان("مجموع ستون‌ها"، ماتریس.مجموع ستون‌ها(الف))
    نشان("میانگین سطرها"، ماتریس.میانگین سطرها(الف))
    نشان("میانگین ستون‌ها"، ماتریس.میانگین ستون‌ها(الف))
    نشان("کمینه و بیشینه سطرها"، ماتریس.چینش افقی(ماتریس.کمینه سطرها(الف)، ماتریس.بیشینه سطرها(الف)))
    نشان("کمینه و بیشینه ستون‌ها"، ماتریس.چینش عمودی(ماتریس.کمینه ستون‌ها(الف)، ماتریس.بیشینه ستون‌ها(الف)))
    نشان("تجمعی"، ماتریس.چینش افقی(ماتریس.مجموع تجمعی سطری(الف)، ماتریس.مجموع تجمعی ستونی(الف)))
    نشان("ضرب تجمعی"، ماتریس.ضرب تجمعی سطری(الف))
    سرچاپ ماتریس.شمار ناصفر(ب)، ماتریس.هر(ب)، ماتریس.همه(ب)، ماتریس.همه متناهی(ب)

    سرچاپ گ(ماتریس.نرم فروبنیوس(الف))، ماتریس.نرم یک(الف)، ماتریس.نرم بی‌نهایت(الف)، ماتریس.نرم بیشینه(الف)
    سرچاپ گ(ماتریس.نرم دو(الف))، گ(ماتریس.نرم هسته‌ای(الف))، ماتریس.نرم بردار(س، ۱.۰)، گ(ماتریس.فاصله(س، ماتریس.صفرها(۲، ۱)))
    نشان("بهنجار"، ماتریس.بهنجارسازی(ساختن(۱، ۲، "3 4")))
    سرچاپ ماتریس.به رشته با دقت(ماتریس.بهنجارسازی سطرها(الف)، ۲)
    سرچاپ ماتریس.به رشته با دقت(ماتریس.بهنجارسازی ستون‌ها(الف)، ۲)
    سرچاپ گ(ماتریس.شرط یک(الف))، گ(ماتریس.شرط بی‌نهایت(الف))، گ(ماتریس.شرط دو(الف))
پایان
خروجیترانهاده [1.0,3.0; 2.0,4.0] ضرب [2.0,1.0; 4.0,3.0] true true در [2.0,1.0; 4.0,3.0] ضرب ترانهاده [3.0,1.0; 4.0,2.0] ضرب در ترانهاده [2.0,1.0; 4.0,3.0] گرام [10.0,14.0; 14.0,20.0] ماتریس در بردار [-1.0; -1.0] بردار در ماتریس [70.0,100.0] 2 5 خارجی [1.0,-1.0; -1.0,1.0] کرونکر [3.0,3.0,0.0,0.0; 0.0,0.0,3.0,3.0] توان [7.0,10.0; 15.0,22.0] برداری [0.0; 0.0; 1.0] جمع [1.0,3.0; 4.0,4.0] تفریق [1.0,1.0; 2.0,4.0] ضرب درایه‌ای [0.0,2.0; 3.0,0.0] تقسیم درایه‌ای [1.0,1.0; 1.0,1.0] قرینه [-1.0,-2.0; -3.0,-4.0] با عدد [2.0,4.0; 6.0,8.0] درجا [0.5,1.0; 0.5,-1.0] ترکیب [2.0,3.0; 5.0,8.0] بیشینه درایه‌ای [2.5,2.5; 3.0,4.0] کمینه درایه‌ای [1.0,2.0; 2.5,2.5] جمع سطری [11.0,22.0; 13.0,24.0] جمع ستونی [2.0,3.0; 2.0,3.0] ضرب سطری [10.0,40.0; 30.0,80.0] ضرب ستونی [1.0,2.0; -3.0,-4.0] قدرمطلق [2.3,0.0,0.5,9.0] جذر [1.5,0.0,0.7,3.0] ریشه سوم [2.0,-3.0] کف و سقف [-3.0,0.0,0.0,9.0,-2.0,0.0,1.0,9.0] گرد و برش [-2.0,0.0,1.0,9.0,-2.0,0.0,0.0,9.0] علامت [-1.0,0.0,1.0,1.0] مربع [5.1,0.0,0.3,81.0] وارون درایه‌ای [0.5,0.3] توان درایه‌ای [8.0,27.0] برش بازه [0.0,0.0,0.5,1.0] با عدد [0.0,0.0,0.5,9.0,-2.3,0.0,0.0,0.0] حذف ریزه [0.0,1.0] 1.000 0.000 2.000 3.000 0.000 1.000 0.000 0.000 0.000 0.000 0.000 1.000 0.000 10 24 2.5 1 4 3 0 3 1 1 9 1.667 1.118 2.5 مجموع سطرها [3.0; 7.0] مجموع ستون‌ها [4.0,6.0] میانگین سطرها [1.5; 3.5] میانگین ستون‌ها [2.0,3.0] کمینه و بیشینه سطرها [1.0,2.0; 3.0,4.0] کمینه و بیشینه ستون‌ها [1.0,2.0; 3.0,4.0] تجمعی [1.0,3.0,1.0,2.0; 3.0,7.0,4.0,6.0] ضرب تجمعی [1.0,2.0; 3.0,12.0] 2 true false true 5.477 6 7 4 5.465 5.831 2 1.414 بهنجار [0.6,0.8] 0.45 0.89 0.60 0.80 0.32 0.45 0.95 0.89 21.000 21.000 14.933

نرم یک Norm1

تابع نرم یک(x &: ماتریس): اعشار۶۴
نرم یک، بیشینه‌ی مجموع قدرمطلق ستون‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

نرم بی‌نهایت NormInf

تابع نرم بی‌نهایت(x &: ماتریس): اعشار۶۴
نرم بی‌نهایت، بیشینه‌ی مجموع قدرمطلق سطرها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

نرم بیشینه NormMax

تابع نرم بیشینه(x &: ماتریس): اعشار۶۴
بیشینه‌ی قدرمطلق درایه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

نرم دو Norm2

تابع نرم دو(x &: ماتریس): اعشار۶۴
نرم دو، بزرگ‌ترین مقدار تکین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

نرم هسته‌ای NormNuclear

تابع نرم هسته‌ای(x &: ماتریس): اعشار۶۴
نرم هسته‌ای، مجموع مقادیر تکین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

نرم بردار VecNorm

تابع نرم بردار(x &: ماتریس، p: اعشار۶۴): اعشار۶۴
نرم p بردار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

فاصله Distance

تابع فاصله(x &: ماتریس، y &: ماتریس): اعشار۶۴
فاصله‌ی اقلیدسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بهنجارسازی Normalize

تابع بهنجارسازی(x &: ماتریس): ماتریس
بردار با طول یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بهنجارسازی سطرها NormalizeRows

تابع بهنجارسازی سطرها(x &: ماتریس): ماتریس
هر سطر با طول یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بهنجارسازی ستون‌ها NormalizeCols

تابع بهنجارسازی ستون‌ها(x &: ماتریس): ماتریس
هر ستون با طول یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

شرط یک Cond1

تابع شرط یک(x &: ماتریس): اعشار۶۴
عدد شرط در نرم یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

شرط بی‌نهایت CondInf

تابع شرط بی‌نهایت(x &: ماتریس): اعشار۶۴
عدد شرط در نرم بی‌نهایت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

شرط دو Cond2

تابع شرط دو(x &: ماتریس): اعشار۶۴
عدد شرط در نرم دو؛ بزرگ یعنی حل دستگاه ناپایدار است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

قدرمطلق Abs

تابع قدرمطلق(x &: ماتریس): ماتریس
قدرمطلق، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جذر Sqrt

تابع جذر(x &: ماتریس): ماتریس
جذر، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

نمایی Exp

تابع نمایی(x &: ماتریس): ماتریس
نمایی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

لگاریتم Log

تابع لگاریتم(x &: ماتریس): ماتریس
لگاریتم طبیعی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

لگاریتم ده Log10

تابع لگاریتم ده(x &: ماتریس): ماتریس
لگاریتم پایه‌ی ده، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

لگاریتم دو Log2

تابع لگاریتم دو(x &: ماتریس): ماتریس
لگاریتم پایه‌ی دو، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

سینوس Sin

تابع سینوس(x &: ماتریس): ماتریس
سینوس، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کسینوس Cos

تابع کسینوس(x &: ماتریس): ماتریس
کسینوس، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تانژانت Tan

تابع تانژانت(x &: ماتریس): ماتریس
تانژانت، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

وارون سینوس Asin

تابع وارون سینوس(x &: ماتریس): ماتریس
وارون سینوس، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

وارون کسینوس Acos

تابع وارون کسینوس(x &: ماتریس): ماتریس
وارون کسینوس، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

وارون تانژانت Atan

تابع وارون تانژانت(x &: ماتریس): ماتریس
وارون تانژانت، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

سینوس هذلولی Sinh

تابع سینوس هذلولی(x &: ماتریس): ماتریس
سینوس هذلولی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کسینوس هذلولی Cosh

تابع کسینوس هذلولی(x &: ماتریس): ماتریس
کسینوس هذلولی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تانژانت هذلولی Tanh

تابع تانژانت هذلولی(x &: ماتریس): ماتریس
تانژانت هذلولی، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کف Floor

تابع کف(x &: ماتریس): ماتریس
کف، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

سقف Ceil

تابع سقف(x &: ماتریس): ماتریس
سقف، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

گرد Round

تابع گرد(x &: ماتریس): ماتریس
گرد کردن به نزدیک‌ترین عدد صحیح، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

برش Trunc

تابع برش(x &: ماتریس): ماتریس
حذف بخش اعشاری، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

علامت Sign

تابع علامت(x &: ماتریس): ماتریس
علامت، یعنی ۱-، ۰ یا ۱، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مربع Square

تابع مربع(x &: ماتریس): ماتریس
مربع، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

وارون درایه‌ای Reciprocal

تابع وارون درایه‌ای(x &: ماتریس): ماتریس
وارون، یعنی یک بخش بر درایه، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ریشه سوم Cbrt

تابع ریشه سوم(x &: ماتریس): ماتریس
ریشه‌ی سوم، برای عددهای منفی هم، درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

توان درایه‌ای PowElem

تابع توان درایه‌ای(x &: ماتریس، p: اعشار۶۴): ماتریس
توان درایه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

برش بازه Clip

تابع برش بازه(x &: ماتریس، lo: اعشار۶۴، hi: اعشار۶۴): ماتریس
درایه‌ها را به بازه محدود می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بیشینه با عدد MaxScalar

تابع بیشینه با عدد(x &: ماتریس، s: اعشار۶۴): ماتریس
بیشینه‌ی هر درایه و عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کمینه با عدد MinScalar

تابع کمینه با عدد(x &: ماتریس، s: اعشار۶۴): ماتریس
کمینه‌ی هر درایه و عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

حذف ریزه Chop

تابع حذف ریزه(x &: ماتریس، tol: اعشار۶۴): ماتریس
درایه‌های کوچک‌تر از رواداری را صفر می‌کند؛ برای نمایش تمیز.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مولد جدید NewRng

تابع مولد جدید(seed: صحیح۶۴): مولد تصادفی
مولد با بذر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

هیلبرت Hilbert

تابع هیلبرت(n: صحیح): ماتریس
ماتریس هیلبرت؛ نمونه‌ی مشهور ماتریس بدحالت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

وارون هیلبرت HilbertInverse

تابع وارون هیلبرت(n: صحیح): ماتریس
وارون دقیق ماتریس هیلبرت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

واندرموند Vandermonde

تابع واندرموند(x &: ماتریس، cols: صحیح): ماتریس
ماتریس واندرموند؛ برای درون‌یابی چندجمله‌ای.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

توپلیتز Toeplitz

تابع توپلیتز(first_col &: ماتریس، first_row &: ماتریس): ماتریس
ماتریس توپلیتز از ستون و سطر نخست.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

هنکل Hankel

تابع هنکل(first_col &: ماتریس، last_row &: ماتریس): ماتریس
ماتریس هنکل از ستون نخست و سطر آخر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

دورانی Circulant

تابع دورانی(c &: ماتریس): ماتریس
ماتریس دورانی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

همراه Companion

تابع همراه(coeffs &: ماتریس): ماتریس
ماتریس همراه چندجمله‌ای با ضریب‌های از درجه‌ی صفر؛ مقادیر ویژه‌اش ریشه‌های آن‌اند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

پاسکال Pascal

تابع پاسکال(n: صحیح): ماتریس
ماتریس پاسکال.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

دوران دوبعدی Rotation2D

تابع دوران دوبعدی(theta: اعشار۶۴): ماتریس
دوران دوبعدی با زاویه بر حسب رادیان.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

دوران سه‌بعدی Rotation3D

تابع دوران سه‌بعدی(axis: صحیح، theta: اعشار۶۴): ماتریس
دوران سه‌بعدی گرد محور ۰، ۱ یا ۲.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

هاوس‌هولدر Householder

تابع هاوس‌هولدر(v &: ماتریس): ماتریس
بازتاب هاوس‌هولدر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

گیونز Givens

تابع گیونز(n: صحیح، p: صحیح، q: صحیح، theta: اعشار۶۴): ماتریس
دوران گیونز در صفحه‌ی p و q.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

جایگشت Permutation

تابع جایگشت(perm &: ماتریس): ماتریس
ماتریس جایگشت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

تصادفی Random

تابع تصادفی(rows: صحیح، cols: صحیح، lo: اعشار۶۴، hi: اعشار۶۴، seed: صحیح۶۴): ماتریس
ماتریس تصادفی یکنواخت با بذر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

تصادفی نرمال RandomNormal

تابع تصادفی نرمال(rows: صحیح، cols: صحیح، seed: صحیح۶۴): ماتریس
ماتریس تصادفی نرمال.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

تصادفی متقارن RandomSymmetric

تابع تصادفی متقارن(n: صحیح، seed: صحیح۶۴): ماتریس
ماتریس تصادفی متقارن.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

تصادفی معین مثبت RandomSPD

تابع تصادفی معین مثبت(n: صحیح، seed: صحیح۶۴): ماتریس
ماتریس تصادفی معین مثبت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

تصادفی متعامد RandomOrthogonal

تابع تصادفی متعامد(n: صحیح، seed: صحیح۶۴): ماتریس
ماتریس تصادفی متعامد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

مجموع Sum

تابع مجموع(x &: ماتریس): اعشار۶۴
مجموع همه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

حاصل‌ضرب Prod

تابع حاصل‌ضرب(x &: ماتریس): اعشار۶۴
حاصل‌ضرب همه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

میانگین Mean

تابع میانگین(x &: ماتریس): اعشار۶۴
میانگین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کمینه Min

تابع کمینه(x &: ماتریس): اعشار۶۴
کمینه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

بیشینه Max

تابع بیشینه(x &: ماتریس): اعشار۶۴
بیشینه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

دامنه Range

تابع دامنه(x &: ماتریس): اعشار۶۴
بیشینه منهای کمینه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

اندیس کمینه ArgMin

تابع اندیس کمینه(x &: ماتریس): صحیح
جای کمینه در ترتیب سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

اندیس بیشینه ArgMax

تابع اندیس بیشینه(x &: ماتریس): صحیح
جای بیشینه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

سطر اندیس IndexRow

تابع سطر اندیس(x &: ماتریس، k: صحیح): صحیح
سطر جای k در ترتیب سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ستون اندیس IndexCol

تابع ستون اندیس(x &: ماتریس، k: صحیح): صحیح
ستون جای k.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بیشینه قدرمطلق MaxAbs

تابع بیشینه قدرمطلق(x &: ماتریس): اعشار۶۴
بیشینه‌ی قدرمطلق.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

واریانس Var

تابع واریانس(x &: ماتریس، sample: منطقی): اعشار۶۴
واریانس؛ با sample نمونه‌ای.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

انحراف معیار Std

تابع انحراف معیار(x &: ماتریس، sample: منطقی): اعشار۶۴
انحراف معیار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

میانه Median

تابع میانه(x &: ماتریس): اعشار۶۴
میانه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مجموع سطرها RowSums

تابع مجموع سطرها(x &: ماتریس): ماتریس
مجموع هر سطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مجموع ستون‌ها ColSums

تابع مجموع ستون‌ها(x &: ماتریس): ماتریس
مجموع هر ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

میانگین سطرها RowMeans

تابع میانگین سطرها(x &: ماتریس): ماتریس
میانگین هر سطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

میانگین ستون‌ها ColMeans

تابع میانگین ستون‌ها(x &: ماتریس): ماتریس
میانگین هر ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کمینه سطرها RowMins

تابع کمینه سطرها(x &: ماتریس): ماتریس
کمینه‌ی هر سطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بیشینه سطرها RowMaxs

تابع بیشینه سطرها(x &: ماتریس): ماتریس
بیشینه‌ی هر سطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کمینه ستون‌ها ColMins

تابع کمینه ستون‌ها(x &: ماتریس): ماتریس
کمینه‌ی هر ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بیشینه ستون‌ها ColMaxs

تابع بیشینه ستون‌ها(x &: ماتریس): ماتریس
بیشینه‌ی هر ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مجموع تجمعی سطری CumSumRows

تابع مجموع تجمعی سطری(x &: ماتریس): ماتریس
مجموع تجمعی در طول هر سطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مجموع تجمعی ستونی CumSumCols

تابع مجموع تجمعی ستونی(x &: ماتریس): ماتریس
مجموع تجمعی در طول هر ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب تجمعی سطری CumProdRows

تابع ضرب تجمعی سطری(x &: ماتریس): ماتریس
حاصل‌ضرب تجمعی در طول هر سطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

شمار ناصفر CountNonZero

تابع شمار ناصفر(x &: ماتریس): صحیح
شمار درایه‌های ناصفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

هر Any

تابع هر(x &: ماتریس): منطقی
دست‌کم یک درایه ناصفر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

همه All

تابع همه(x &: ماتریس): منطقی
همه‌ی درایه‌ها ناصفرند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

همه متناهی AllFinite

تابع همه متناهی(x &: ماتریس): منطقی
هیچ درایه‌ای NaN یا بی‌نهایت نیست.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

غالب قطری است IsDiagonallyDominant

تابع غالب قطری است(a &: ماتریس): منطقی
قطر غالب است؛ روش‌های ژاکوبی و گاوس زایدل همگرا می‌شوند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل ژاکوبی SolveJacobi

تابع حل ژاکوبی(a &: ماتریس، b &: ماتریس، iters: صحیح، tol: اعشار۶۴): نتیجه تکرار
روش ژاکوبی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل گاوس زایدل SolveGaussSeidel

تابع حل گاوس زایدل(a &: ماتریس، b &: ماتریس، iters: صحیح، tol: اعشار۶۴): نتیجه تکرار
روش گاوس زایدل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل فوق‌آسایش SolveSOR

تابع حل فوق‌آسایش(a &: ماتریس، b &: ماتریس، omega: اعشار۶۴، iters: صحیح، tol: اعشار۶۴): نتیجه تکرار
روش فوق‌آسایش با ضریب امگا.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل گرادیان مزدوج SolveCG

تابع حل گرادیان مزدوج(a &: ماتریس، b &: ماتریس، iters: صحیح، tol: اعشار۶۴): نتیجه تکرار
گرادیان مزدوج برای ماتریس متقارن معین مثبت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

تکرار توانی PowerIteration

تابع تکرار توانی(a &: ماتریس، iters: صحیح): ماتریس
تکرار توانی: بردار ویژه‌ی غالب و، در درایه‌ی آخر، مقدار ویژه‌اش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

خارج‌قسمت ریلی Rayleigh

تابع خارج‌قسمت ریلی(a &: ماتریس، x &: ماتریس): اعشار۶۴
خارج‌قسمت ریلی؛ تخمین مقدار ویژه برای بردار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

تکرار وارون شیفت‌دار ShiftedInverseIteration

تابع تکرار وارون شیفت‌دار(a &: ماتریس، shift: اعشار۶۴، iters: صحیح): اعشار۶۴
مقدار ویژه‌ی نزدیک به شیفت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

ویژه متقارن EigSym

تابع ویژه متقارن(x &: ماتریس): تجزیه ویژه متقارن
تجزیه‌ی ویژه‌ی ماتریس متقارن با روش ژاکوبی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

مقادیر ویژه متقارن EigValsSym

تابع مقادیر ویژه متقارن(x &: ماتریس): ماتریس
فقط مقادیر ویژه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

بازسازی ویژه EigReconstruct

تابع بازسازی ویژه(f &: تجزیه ویژه متقارن): ماتریس
ماتریس را از بردارها و مقادیر ویژه بازمی‌سازد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

شعاع طیفی متقارن SpectralRadiusSym

تابع شعاع طیفی متقارن(x &: ماتریس): اعشار۶۴
شعاع طیفی ماتریس متقارن.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

توان متقارن PowSym

تابع توان متقارن(x &: ماتریس، p: اعشار۶۴): ماتریس
توان اعشاری ماتریس متقارن.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

جذر متقارن SqrtSym

تابع جذر متقارن(x &: ماتریس): ماتریس
جذر ماتریس متقارن معین مثبت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

چولسکی Cholesky

تابع چولسکی(x &: ماتریس): ماتریس
تجزیه‌ی چولسکی ماتریس متقارن معین مثبت، L که L ضرب در ترانهاده‌اش A است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل معین مثبت SolveSPD

تابع حل معین مثبت(a &: ماتریس، b &: ماتریس): ماتریس
حل دستگاه متقارن معین مثبت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل چولسکی CholeskySolve

تابع حل چولسکی(l &: ماتریس، b &: ماتریس): ماتریس
با L آماده حل می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

وارون معین مثبت InverseSPD

تابع وارون معین مثبت(x &: ماتریس): ماتریس
وارون ماتریس معین مثبت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

دترمینان معین مثبت DetSPD

تابع دترمینان معین مثبت(x &: ماتریس): اعشار۶۴
دترمینان ماتریس معین مثبت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

لگاریتم دترمینان معین مثبت LogDetSPD

تابع لگاریتم دترمینان معین مثبت(x &: ماتریس): اعشار۶۴
لگاریتم دترمینان؛ برای توزیع نرمال چندمتغیره.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

تجزیه ال‌دی‌ال LDLDecompose

تابع تجزیه ال‌دی‌ال(x &: ماتریس): ال‌دی‌ال
تجزیه‌ی ال‌دی‌ال ماتریس متقارن.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل ال‌دی‌ال LDLSolve

تابع حل ال‌دی‌ال(f &: ال‌دی‌ال، b &: ماتریس): ماتریس
با تجزیه‌ی ال‌دی‌ال حل می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

لختی Inertia

تابع لختی(x &: ماتریس): ماتریس
شمار مقادیر ویژه‌ی مثبت، منفی و صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

چینش افقی HStack

تابع چینش افقی(x &: ماتریس، y &: ماتریس): ماتریس
دو ماتریس کنار هم.
matrix-Shape.salam
واردسازی ماتریس

تابع ساختن(سطرها: صحیح، ستون‌ها: صحیح، اعداد: رشته): ماتریس.ماتریس:
    ناپایا داده := وکتور {} برگردان وکتور<اعشار۶۴>
    هر عدد در اعداد.بشکاف(" "):
        داده.بیفزا(عدد.به اعشار())
    پایان
    برگشت ماتریس.از آرایه(سطرها، ستون‌ها، داده)
پایان

تابع نشان(نام: رشته، م &: ماتریس.ماتریس):
    سرچاپ نام، ماتریس.به بازنمایی(م، ۱)
پایان

تابع ریشه:
    ناپایا الف := ساختن(۲، ۳، "1 2 3 4 5 6")
    ناپایا مربعی := ساختن(۳، ۳، "1 2 3 4 5 6 7 8 9")
    نشان("تغییر شکل"، ماتریس.تغییر شکل(الف، ۳، ۲))
    نشان("تخت"، ماتریس.تخت‌سازی(الف))
    نشان("تخت ستونی"، ماتریس.تخت‌سازی ستونی(الف))
    ناپایا سطر := ماتریس.سطر(الف، ۱)
    ناپایا ستون := ماتریس.ستون(الف، ۲)
    نشان("سطر"، سطر)
    نشان("ستون"، ستون)
    ناپایا ب := ماتریس.همانند(الف)
    ماتریس.تنظیم سطر(ب، ۰، سطر)
    ماتریس.تنظیم ستون(ب، ۰، ستون)
    نشان("تنظیم"، ب)
    نشان("زیرماتریس"، ماتریس.زیرماتریس(مربعی، ۱، ۱، ۲، ۲))
    نشان("کهاد"، ماتریس.کهاد(مربعی، ۰، ۰))
    نشان("حذف سطر"، ماتریس.حذف سطر(مربعی، ۱))
    نشان("حذف ستون"، ماتریس.حذف ستون(مربعی، ۱))
    نشان("درج سطر"، ماتریس.درج سطر(الف، ۱، ماتریس.سطر(الف، ۰)))
    نشان("درج ستون"، ماتریس.درج ستون(الف، ۰، ماتریس.ستون(الف، ۲)))
    ماتریس.تعویض سطر(ب، ۰، ۱)
    ماتریس.تعویض ستون(ب، ۰، ۲)
    نشان("تعویض"، ب)
    نشان("قطر"، ماتریس.قطر(مربعی))
    نشان("قطر جابه‌جا"، ماتریس.قطر جابه‌جا(مربعی، ۱))
    ناپایا ج := ماتریس.همانند(مربعی)
    ماتریس.تنظیم قطر(ج، ماتریس.یک‌ها(۳، ۱))
    ماتریس.افزودن به قطر(ج، ۱۰.۰)
    نشان("قطر تازه"، ماتریس.قطر(ج))
    نشان("افقی"، ماتریس.چینش افقی(الف، الف))
    نشان("عمودی"، ماتریس.چینش عمودی(الف، الف))
    نشان("افزوده"، ماتریس.افزوده(مربعی، ماتریس.همانی(۳)))
    نشان("قطری بلوکی"، ماتریس.قطری بلوکی(ماتریس.همانی(۱)، ماتریس.پرشده(۱، ۱، ۲.۰)))
    نشان("بالامثلثی"، ماتریس.بالامثلثی(مربعی، ۰))
    نشان("پایین‌مثلثی"، ماتریس.پایین‌مثلثی(مربعی، -۱))
    نشان("متقارن‌سازی"، ماتریس.متقارن‌سازی بالا(مربعی))
    نشان("بخش متقارن"، ماتریس.بخش متقارن(مربعی))
    نشان("پادمتقارن"، ماتریس.بخش پادمتقارن(مربعی))
    نشان("برعکس عمودی"، ماتریس.برعکس عمودی(الف))
    نشان("برعکس افقی"، ماتریس.برعکس افقی(الف))
    نشان("چرخش"، ماتریس.چرخش نود(الف، ۱))
    نشان("دوری"، ماتریس.چرخش دوری(الف، ۰، ۱))
    نشان("کاشی"، ماتریس.کاشی‌کاری(ماتریس.همانی(۱)، ۲، ۲))
    نشان("لبه"، ماتریس.لبه‌گذاری(ماتریس.همانی(۱)، ۱، ۰، ۰، ۱، ۹.۰))
پایان
خروجیتغییر شکل [1.0,2.0; 3.0,4.0; 5.0,6.0] تخت [1.0,2.0,3.0,4.0,5.0,6.0] تخت ستونی [1.0; 2.0; 3.0; 4.0; 5.0; 6.0] سطر [4.0,5.0,6.0] ستون [3.0; 6.0] تنظیم [3.0,5.0,6.0; 6.0,5.0,6.0] زیرماتریس [5.0,6.0; 8.0,9.0] کهاد [5.0,6.0; 8.0,9.0] حذف سطر [1.0,2.0,3.0; 7.0,8.0,9.0] حذف ستون [1.0,3.0; 4.0,6.0; 7.0,9.0] درج سطر [1.0,2.0,3.0; 1.0,2.0,3.0; 4.0,5.0,6.0] درج ستون [3.0,1.0,2.0,3.0; 6.0,4.0,5.0,6.0] تعویض [6.0,5.0,6.0; 6.0,5.0,3.0] قطر [1.0,5.0,9.0] قطر جابه‌جا [2.0,6.0] قطر تازه [11.0,11.0,11.0] افقی [1.0,2.0,3.0,1.0,2.0,3.0; 4.0,5.0,6.0,4.0,5.0,6.0] عمودی [1.0,2.0,3.0; 4.0,5.0,6.0; 1.0,2.0,3.0; 4.0,5.0,6.0] افزوده [1.0,2.0,3.0,1.0,0.0,0.0; 4.0,5.0,6.0,0.0,1.0,0.0; 7.0,8.0,9.0,0.0,0.0,1.0] قطری بلوکی [1.0,0.0; 0.0,2.0] بالامثلثی [1.0,2.0,3.0; 0.0,5.0,6.0; 0.0,0.0,9.0] پایین‌مثلثی [0.0,0.0,0.0; 4.0,0.0,0.0; 7.0,8.0,0.0] متقارن‌سازی [1.0,2.0,3.0; 2.0,5.0,6.0; 3.0,6.0,9.0] بخش متقارن [1.0,3.0,5.0; 3.0,5.0,7.0; 5.0,7.0,9.0] پادمتقارن [0.0,-1.0,-2.0; 1.0,0.0,-1.0; 2.0,1.0,0.0] برعکس عمودی [4.0,5.0,6.0; 1.0,2.0,3.0] برعکس افقی [3.0,2.0,1.0; 6.0,5.0,4.0] چرخش [3.0,6.0; 2.0,5.0; 1.0,4.0] دوری [3.0,1.0,2.0; 6.0,4.0,5.0] کاشی [1.0,1.0; 1.0,1.0] لبه [9.0,9.0; 1.0,9.0]

چینش عمودی VStack

تابع چینش عمودی(x &: ماتریس، y &: ماتریس): ماتریس
دو ماتریس روی هم.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

افزوده Augment

تابع افزوده(a &: ماتریس، b &: ماتریس): ماتریس
ماتریس افزوده برای حل دستگاه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

قطری بلوکی BlockDiag

تابع قطری بلوکی(x &: ماتریس، y &: ماتریس): ماتریس
ماتریس قطری بلوکی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

بالامثلثی Triu

تابع بالامثلثی(x &: ماتریس، k: صحیح): ماتریس
بخش بالای قطر k.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

پایین‌مثلثی Tril

تابع پایین‌مثلثی(x &: ماتریس، k: صحیح): ماتریس
بخش پایین قطر k.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

متقارن‌سازی بالا SymmetrizeUpper

تابع متقارن‌سازی بالا(x &: ماتریس): ماتریس
نیمه‌ی بالا را پایین آینه می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

بخش متقارن SymPart

تابع بخش متقارن(x &: ماتریس): ماتریس
بخش متقارن، نصف A و ترانهاده‌اش.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

بخش پادمتقارن SkewPart

تابع بخش پادمتقارن(x &: ماتریس): ماتریس
بخش پادمتقارن.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

برعکس عمودی FlipVertical

تابع برعکس عمودی(x &: ماتریس): ماتریس
سطرها را برعکس می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

برعکس افقی FlipHorizontal

تابع برعکس افقی(x &: ماتریس): ماتریس
ستون‌ها را برعکس می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

چرخش نود Rot90

تابع چرخش نود(x &: ماتریس، k: صحیح): ماتریس
k بار چرخش نود درجه پادساعتگرد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

چرخش دوری Roll

تابع چرخش دوری(x &: ماتریس، dr: صحیح، dc: صحیح): ماتریس
سطرها و ستون‌ها را دوری جابه‌جا می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

کاشی‌کاری Tile

تابع کاشی‌کاری(x &: ماتریس، ry: صحیح، rx: صحیح): ماتریس
ماتریس را در سطر و ستون تکرار می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

لبه‌گذاری Pad

تابع لبه‌گذاری(x &: ماتریس، top: صحیح، bottom: صحیح، left: صحیح، right: صحیح، v: اعشار۶۴): ماتریس
گرداگرد ماتریس لبه با مقدار می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

مرکزی‌سازی ستون‌ها CenterColumns

تابع مرکزی‌سازی ستون‌ها(x &: ماتریس): ماتریس
میانگین هر ستون را کم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

میانگین ستونی ColumnMeans

تابع میانگین ستونی(x &: ماتریس): ماتریس
میانگین هر ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

انحراف معیار ستون‌ها ColumnStds

تابع انحراف معیار ستون‌ها(x &: ماتریس، sample: منطقی): ماتریس
انحراف معیار هر ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

استانداردسازی Standardize

تابع استانداردسازی(x &: ماتریس، sample: منطقی): ماتریس
هر ستون با میانگین صفر و انحراف معیار یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

کوواریانس Covariance

تابع کوواریانس(x &: ماتریس، sample: منطقی): ماتریس
ماتریس کوواریانس ستون‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

همبستگی Correlation

تابع همبستگی(x &: ماتریس): ماتریس
ماتریس همبستگی پیرسون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

برازش مولفه اصلی PCAFit

تابع برازش مولفه اصلی(x &: ماتریس): تحلیل مولفه اصلی
تحلیل مولفه‌های اصلی با کوواریانس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

مولفه اصلی از تجزیه تکین PCAFromSVD

تابع مولفه اصلی از تجزیه تکین(x &: ماتریس): تحلیل مولفه اصلی
همان، با تجزیه‌ی مقادیر تکین؛ پایدارتر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

تبدیل مولفه اصلی PCATransform

تابع تبدیل مولفه اصلی(p &: تحلیل مولفه اصلی، x &: ماتریس، k: صحیح): ماتریس
داده را روی k مولفه‌ی نخست می‌برد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

واریانس تبیین‌شده ExplainedVariance

تابع واریانس تبیین‌شده(p &: تحلیل مولفه اصلی): ماتریس
سهم هر مولفه از کل واریانس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

رگرسیون خطی LinearRegression

تابع رگرسیون خطی(x &: ماتریس، y &: ماتریس): ماتریس
ضریب‌های رگرسیون خطی؛ ستون یک برای عرض از مبدأ افزوده می‌شود.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

آر دو RSquared

تابع آر دو(y &: ماتریس، fitted &: ماتریس): اعشار۶۴
ضریب تعیین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Stats.salam

پلکانی سطری RowEchelon

تابع پلکانی سطری(x &: ماتریس): ماتریس
شکل پلکانی سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

پلکانی کاهش‌یافته RREF

تابع پلکانی کاهش‌یافته(x &: ماتریس): ماتریس
شکل پلکانی کاهش‌یافته.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

ستون‌های محوری PivotColumns

تابع ستون‌های محوری(x &: ماتریس): ماتریس
شماره‌ی ستون‌های محوری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

رتبه دقیق RankExact

تابع رتبه دقیق(x &: ماتریس): صحیح
رتبه با حذف گاوسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

پوچی Nullity

تابع پوچی(x &: ماتریس): صحیح
بعد فضای تهی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

فضای تهی دقیق NullSpaceExact

تابع فضای تهی دقیق(x &: ماتریس): ماتریس
پایه‌ی فضای تهی از شکل پلکانی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

فضای ستونی دقیق ColumnSpaceExact

تابع فضای ستونی دقیق(x &: ماتریس): ماتریس
پایه‌ی فضای ستونی از ستون‌های محوری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل عمومی SolveGeneral

تابع حل عمومی(a &: ماتریس، b &: ماتریس): ماتریس
یک جواب دستگاه، حتی اگر ماتریس تکین باشد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

سازگار است IsConsistent

تابع سازگار است(a &: ماتریس، b &: ماتریس): منطقی
دستگاه جواب دارد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

تجزیه Decompose

تابع تجزیه(x &: ماتریس): تجزیه پایین بالا
تجزیه‌ی پایین بالا؛ برای حل چند دستگاه با یک ماتریس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

دترمینان Det

تابع دترمینان(x &: ماتریس): اعشار۶۴
دترمینان.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

لگاریتم قدرمطلق دترمینان LogAbsDet

تابع لگاریتم قدرمطلق دترمینان(x &: ماتریس): اعشار۶۴
لگاریتم قدرمطلق دترمینان؛ بی سرریز.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل Solve

تابع حل(a &: ماتریس، b &: ماتریس): ماتریس
دستگاه AX = B را حل می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل با تجزیه LUSolve

تابع حل با تجزیه(f &: تجزیه پایین بالا، b &: ماتریس): ماتریس
با تجزیه‌ی آماده حل می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

حل برداری SolveVec

تابع حل برداری(a &: ماتریس، b &: ماتریس): ماتریس
دستگاه با یک بردار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

وارون Inverse

تابع وارون(x &: ماتریس): ماتریس
وارون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

الحاقی Adjugate

تابع الحاقی(x &: ماتریس): ماتریس
ماتریس الحاقی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

نمایی ماتریسی Expm

تابع نمایی ماتریسی(x &: ماتریس): ماتریس
نمایی ماتریسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

جذر ماتریسی Sqrtm

تابع جذر ماتریسی(x &: ماتریس): ماتریس
جذر ماتریسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

علامت ماتریسی MatrixSign

تابع علامت ماتریسی(x &: ماتریس): ماتریس
تابع علامت ماتریسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

ارزیابی چندجمله‌ای PolyEval

تابع ارزیابی چندجمله‌ای(x &: ماتریس، coeffs &: ماتریس): ماتریس
چندجمله‌ای با ضریب‌های از درجه‌ی صفر روی ماتریس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

کیلی همیلتون CayleyHamilton

تابع کیلی همیلتون(x &: ماتریس): ماتریس
چندجمله‌ای مشخصه روی خود ماتریس؛ طبق قضیه صفر است.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

لگاریتم متقارن LogmSym

تابع لگاریتم متقارن(x &: ماتریس): ماتریس
لگاریتم ماتریسی برای ماتریس متقارن معین مثبت.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

ترانهاده Transpose

تابع ترانهاده(x &: ماتریس): ماتریس
ترانهاده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب ماتریسی MatMul

تابع ضرب ماتریسی(x &: ماتریس، y &: ماتریس): ماتریس
ضرب ماتریسی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ترانهاده در TransposeInto

تابع ترانهاده در(x &: ماتریس، out &: ماتریس): منطقی
ترانهاده در ماتریس آماده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب ماتریسی در MatMulInto

تابع ضرب ماتریسی در(x &: ماتریس، y &: ماتریس، out &: ماتریس): منطقی
ضرب در ماتریس آماده.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب ترانهاده TransposeMul

تابع ضرب ترانهاده(x &: ماتریس، y &: ماتریس): ماتریس
ترانهاده‌ی x ضرب در y.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب در ترانهاده MulTranspose

تابع ضرب در ترانهاده(x &: ماتریس، y &: ماتریس): ماتریس
x ضرب در ترانهاده‌ی y.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

گرام Gram

تابع گرام(x &: ماتریس): ماتریس
ماتریس گرام، ترانهاده‌ی x ضرب در x.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب در بردار MatVec

تابع ضرب در بردار(a &: ماتریس، x &: ماتریس): ماتریس
ماتریس ضرب در بردار ستونی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب بردار در ماتریس VecMat

تابع ضرب بردار در ماتریس(x &: ماتریس، a &: ماتریس): ماتریس
بردار سطری ضرب در ماتریس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب داخلی Dot

تابع ضرب داخلی(x &: ماتریس، y &: ماتریس): اعشار۶۴
ضرب داخلی دو بردار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب خارجی Outer

تابع ضرب خارجی(u &: ماتریس، v &: ماتریس): ماتریس
ضرب خارجی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب کرونکر Kron

تابع ضرب کرونکر(x &: ماتریس، y &: ماتریس): ماتریس
ضرب کرونکر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

توان ماتریس MatPow

تابع توان ماتریس(x &: ماتریس، k: صحیح): ماتریس
توان صحیح ماتریس مربعی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

رد Trace

تابع رد(x &: ماتریس): اعشار۶۴
رد، یعنی مجموع قطر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب برداری Cross3

تابع ضرب برداری(u &: ماتریس، v &: ماتریس): ماتریس
ضرب برداری سه‌بعدی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جمع Add

تابع جمع(x &: ماتریس، y &: ماتریس): ماتریس
جمع.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تفریق Sub

تابع تفریق(x &: ماتریس، y &: ماتریس): ماتریس
تفریق.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب درایه‌ای MulElem

تابع ضرب درایه‌ای(x &: ماتریس، y &: ماتریس): ماتریس
ضرب درایه‌ای.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تقسیم درایه‌ای DivElem

تابع تقسیم درایه‌ای(x &: ماتریس، y &: ماتریس): ماتریس
تقسیم درایه‌ای.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

قرینه Neg

تابع قرینه(x &: ماتریس): ماتریس
قرینه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جمع با عدد AddScalar

تابع جمع با عدد(x &: ماتریس، s: اعشار۶۴): ماتریس
جمع با عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تفریق عدد SubScalar

تابع تفریق عدد(x &: ماتریس، s: اعشار۶۴): ماتریس
تفریق عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مقیاس Scale

تابع مقیاس(x &: ماتریس، s: اعشار۶۴): ماتریس
ضرب در عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تقسیم با عدد DivScalar

تابع تقسیم با عدد(x &: ماتریس، s: اعشار۶۴): ماتریس
تقسیم بر عدد.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جمع درجا AddInPlace

تابع جمع درجا(dst &: ماتریس، src &: ماتریس)
درجا جمع می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تفریق درجا SubInPlace

تابع تفریق درجا(dst &: ماتریس، src &: ماتریس)
درجا کم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب درایه‌ای درجا MulElemInPlace

تابع ضرب درایه‌ای درجا(dst &: ماتریس، src &: ماتریس)
درجا ضرب درایه‌ای می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

مقیاس درجا ScaleInPlace

تابع مقیاس درجا(dst &: ماتریس، s: اعشار۶۴)
درجا در عدد ضرب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جمع عدد درجا AddScalarInPlace

تابع جمع عدد درجا(dst &: ماتریس، s: اعشار۶۴)
درجا عدد می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

قرینه درجا NegInPlace

تابع قرینه درجا(dst &: ماتریس)
درجا قرینه می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جمع مقیاس‌دار AddScaled

تابع جمع مقیاس‌دار(dst &: ماتریس، src &: ماتریس، alpha: اعشار۶۴)
مقصد را با آلفا ضرب در منبع جمع می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ترکیب Combine

تابع ترکیب(x &: ماتریس، a: اعشار۶۴، y &: ماتریس، b: اعشار۶۴): ماتریس
ترکیب خطی a×x + b×y.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

بیشینه درایه‌ای MaxElem

تابع بیشینه درایه‌ای(x &: ماتریس، y &: ماتریس): ماتریس
بیشینه‌ی درایه‌به‌درایه‌ی دو ماتریس.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

کمینه درایه‌ای MinElem

تابع کمینه درایه‌ای(x &: ماتریس، y &: ماتریس): ماتریس
کمینه‌ی درایه‌به‌درایه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جمع بردار سطری AddRowVector

تابع جمع بردار سطری(x &: ماتریس، row &: ماتریس): ماتریس
بردار سطری را به هر سطر می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

جمع بردار ستونی AddColVector

تابع جمع بردار ستونی(x &: ماتریس، col &: ماتریس): ماتریس
بردار ستونی را به هر ستون می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب بردار سطری MulRowVector

تابع ضرب بردار سطری(x &: ماتریس، row &: ماتریس): ماتریس
هر سطر را درایه‌ای در بردار سطری ضرب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

ضرب بردار ستونی MulColVector

تابع ضرب بردار ستونی(x &: ماتریس، col &: ماتریس): ماتریس
هر ستون را در بردار ستونی ضرب می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Math.salam

تغییر شکل Reshape

تابع تغییر شکل(x &: ماتریس، rows: صحیح، cols: صحیح): ماتریس
رونوشت با شکل تازه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

تخت‌سازی Flatten

تابع تخت‌سازی(x &: ماتریس): ماتریس
بردار سطری از همه‌ی درایه‌ها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

تخت‌سازی ستونی FlattenCol

تابع تخت‌سازی ستونی(x &: ماتریس): ماتریس
بردار ستونی، ستون به ستون.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

سطر Row

تابع سطر(x &: ماتریس، i: صحیح): ماتریس
سطر i به شکل بردار سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

ستون Col

تابع ستون(x &: ماتریس، j: صحیح): ماتریس
ستون j به شکل بردار ستونی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

تنظیم سطر SetRow

تابع تنظیم سطر(x &: ماتریس، i: صحیح، v &: ماتریس)
سطر را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

تنظیم ستون SetCol

تابع تنظیم ستون(x &: ماتریس، j: صحیح، v &: ماتریس)
ستون را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

زیرماتریس SubMatrix

تابع زیرماتریس(x &: ماتریس، r0: صحیح، c0: صحیح، dr: صحیح، dc: صحیح): ماتریس
زیرماتریس از سطر و ستون آغاز با اندازه.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

کهاد Minor

تابع کهاد(x &: ماتریس، i: صحیح، j: صحیح): ماتریس
ماتریس بی سطر i و ستون j.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

حذف سطر DeleteRow

تابع حذف سطر(x &: ماتریس، i: صحیح): ماتریس
بی سطر i.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

حذف ستون DeleteCol

تابع حذف ستون(x &: ماتریس، j: صحیح): ماتریس
بی ستون j.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

درج سطر InsertRow

تابع درج سطر(x &: ماتریس، i: صحیح، v &: ماتریس): ماتریس
با سطر تازه در جای i.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

درج ستون InsertCol

تابع درج ستون(x &: ماتریس، j: صحیح، v &: ماتریس): ماتریس
با ستون تازه در جای j.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

تعویض سطر SwapRows

تابع تعویض سطر(x &: ماتریس، i: صحیح، j: صحیح)
دو سطر را درجا جابه‌جا می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

تعویض ستون SwapCols

تابع تعویض ستون(x &: ماتریس، i: صحیح، j: صحیح)
دو ستون را درجا جابه‌جا می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

قطر Diagonal

تابع قطر(x &: ماتریس): ماتریس
قطر اصلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

قطر جابه‌جا DiagonalOffset

تابع قطر جابه‌جا(x &: ماتریس، k: صحیح): ماتریس
قطر k ام؛ مثبت بالای قطر اصلی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

تنظیم قطر SetDiagonal

تابع تنظیم قطر(x &: ماتریس، v &: ماتریس)
قطر را تنظیم می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

افزودن به قطر ShiftDiagonal

تابع افزودن به قطر(x &: ماتریس، c: اعشار۶۴)
عدد را به قطر می‌افزاید.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Shape.salam

صفرها Zeros

تابع صفرها(rows: صحیح، cols: صحیح): ماتریس
ماتریس صفر.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

یک‌ها Ones

تابع یک‌ها(rows: صحیح، cols: صحیح): ماتریس
ماتریس یک.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

پرشده Full

تابع پرشده(rows: صحیح، cols: صحیح، x: اعشار۶۴): ماتریس
ماتریس پر از یک مقدار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

همانی Eye

تابع همانی(n: صحیح): ماتریس
ماتریس همانی n×n.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

همانی جابه‌جا EyeOffset

تابع همانی جابه‌جا(rows: صحیح، cols: صحیح، k: صحیح): ماتریس
یک روی قطر k ام.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

از آرایه FromArray

تابع از آرایه(rows: صحیح، cols: صحیح، data &: وکتور<اعشار۶۴>): ماتریس
ماتریس از سطرها، ستون‌ها و داده به ترتیب سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

بردار سطری RowVector

تابع بردار سطری(data &: وکتور<اعشار۶۴>): ماتریس
بردار سطری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

بردار ستونی ColVector

تابع بردار ستونی(data &: وکتور<اعشار۶۴>): ماتریس
بردار ستونی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

قطری Diag

تابع قطری(data &: وکتور<اعشار۶۴>): ماتریس
ماتریس قطری از مقدارها.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

همانند Clone

تابع همانند(x &: ماتریس): ماتریس
رونوشت مستقل.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

رونوشت در CopyInto

تابع رونوشت در(dst &: ماتریس، src &: ماتریس)
داده را در ماتریس هم‌شکل رونوشت می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

آزادسازی Free

تابع آزادسازی(x &: ماتریس)
آزاد می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تنظیم همه SetAll

تابع تنظیم همه(x &: ماتریس، v: اعشار۶۴)
همه را یک مقدار می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

بازه گام Arange

تابع بازه گام(start: اعشار۶۴، stop: اعشار۶۴، step: اعشار۶۴): ماتریس
بردار سطری از آغاز تا پیش از پایان با گام.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

بازه یکنواخت Linspace

تابع بازه یکنواخت(start: اعشار۶۴، stop: اعشار۶۴، num: صحیح): ماتریس
n عدد با فاصله‌ی برابر از آغاز تا پایان.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

بازه لگاریتمی Logspace

تابع بازه لگاریتمی(start: اعشار۶۴، stop: اعشار۶۴، num: صحیح، base: اعشار۶۴): ماتریس
n عدد با فاصله‌ی لگاریتمی برابر؛ از پایه به توان آغاز تا پایه به توان پایان.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

تجزیه تکین SVDecompose

تابع تجزیه تکین(x &: ماتریس): تجزیه مقادیر تکین
تجزیه‌ی مقادیر تکین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

مقادیر تکین SingularValues

تابع مقادیر تکین(x &: ماتریس): ماتریس
فقط مقادیر تکین.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

رتبه MatrixRank

تابع رتبه(x &: ماتریس، tol: اعشار۶۴): صحیح
رتبه با رواداری.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

شبه‌وارون PseudoInverse

تابع شبه‌وارون(x &: ماتریس، tol: اعشار۶۴): ماتریس
شبه‌وارون مور پنروز.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

فضای تهی NullSpace

تابع فضای تهی(x &: ماتریس، tol: اعشار۶۴): ماتریس
پایه‌ی متعامد فضای تهی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

فضای ستونی ColumnSpace

تابع فضای ستونی(x &: ماتریس، tol: اعشار۶۴): ماتریس
پایه‌ی متعامد فضای ستونی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Solve.salam

تقریب رتبه پایین LowRankApprox

تابع تقریب رتبه پایین(x &: ماتریس، k: صحیح): ماتریس
بهترین تقریب با رتبه‌ی k؛ برای فشرده‌سازی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Eigen.salam

به رشته با دقت ToStringPrec

تابع به رشته با دقت(x &: ماتریس، prec: صحیح): رشته
متن چندخطی با شمار رقم اعشار.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

به رشته ToString

تابع به رشته(x &: ماتریس): رشته
متن چندخطی.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

رشته شکل ShapeString

تابع رشته شکل(x &: ماتریس): رشته
شکل، مثل 2x3.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

چاپ Print

تابع چاپ(x &: ماتریس)
ماتریس را چاپ می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

چاپ با دقت PrintPrec

تابع چاپ با دقت(x &: ماتریس، prec: صحیح)
با شمار رقم اعشار چاپ می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

چاپ برچسب‌دار PrintLabeled

تابع چاپ برچسب‌دار(label: رشته، x &: ماتریس)
با برچسب و شکل چاپ می‌کند.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

به سی‌اس‌وی ToCSV

تابع به سی‌اس‌وی(x &: ماتریس، prec: صحیح): رشته
متن CSV.

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam

به بازنمایی ToRepr

تابع به بازنمایی(x &: ماتریس، prec: صحیح): رشته
متن یک‌خطی مثل [1,2; 3,4].

نمونه‌ی این مورد همراه با موارد بالاتر آمده است: matrix-Create.salam