Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Lesedauer 2 Min.

C#: Rechnen mit Vektoren und Matrizen

Der ägyptische Entwickler und Trainer Mohammad Elsheimy stellt seinen CSharp-Source-Code zu rundlegenden Konzepten der linearen Algebra der Allgemeinheit zur Verfügung.
Elsheimy teilt seine C#-Implementierung der grundlegenden Konzepte der linearen Algebra mit der weltweiten Entwickler-Community. Den vollständigen Source-Code hat er auf GitHub unter https://github.com/elsheimy/Elsheimy.Components.Linears unter der MIT-Lizenz veröffentlicht. Das bedeutet der Code ohne Einschränkungen oder Begrenzungen benutzt oder verändert/erweitert werden darf.Teile seiner Arbeit stellt Elsheimy zudem in einem Artikel auf CodeProject vor. Darin erläutert er viele Konzepte in Sachen Matrizen und Vektoren. Bei der Matrizen-Rechnung geht es um Matrixeliminierung, Matrixdeterminanten, Matrixinversionen, Matrixmultiplikation, Subraumprojektionsmatrizen, Reflexionsmatrizen, Rotationsmatrizen und Schermatrizen. In Bereich der Vektoren geht es unter anderem um Normalisierung, Punkt- und Kreuzprodukt und Projektion.Das Design seines Codes basiert auf Roh-Funktionen, die auf Basis von Array-Objekten arbeiten. Es wurden Wrapper-Klassen für Matrizen und Vektoren erstellt, um diese Funktionen zu verbergen. Statische Initialisierer und Operatoren wurden hinzugefügt, um die Verwendung der Wrapper-Klassen zu vereinfachen.Die Erläuterungen zu seinen CSharp-Funktionen zu rundlegenden Konzepten der linearen Algebra lesen Sie in diesem englischsprachigen Artikel auf CodeProject. Elsheimy teilt darin auch mit, dass er gerne über seinen Code diskutieren, aber keine Fragen zu den mathematischen Grundlagen beantworten wird. Diese finden Sie beispielsweise in den Wikipedia-Artikeln zu den Begriffen Matrix, lineare Algebra und Vektor.
Miscellaneous

Neueste Beiträge

Deep Learning in .NET – TensorFlow.NET und TorchSharp - .NET, Python und KI, Teil 3
Mit modernen KI-Frameworks lassen sich Deep-Learning-Modelle direkt in C# entwickeln.
6 Minuten
Mit SQL Server 2025 HTTP-APIs aufrufen - Neues in SQL Server 2025, Teil 1
API-Aufrufe mit SQL Server 2025 sind kein Spielzeug, sondern ein ernst zu nehmender Integrationsmechanismus.
6 Minuten
Maschinelles Lernen in .NET - .NET, Python und KI, Teil 2
Für eine performante und plattformübergreifende Inferenz von NET-Projekten empfiehlt sich eine hybride Strategie aus Training oder Prototyping in Scikit-Learn/Python, Export nach ONNX und Einbindung in .NET über ML.NET oder ONNX Runtime.
7 Minuten

Das könnte Dich auch interessieren

Python in .NET – Integration mit Python.NET - .NET, Python und KI, Teil 1
Python-Code lässt sich in .NET-Anwendungen mit dem Open-Source-Projekt Python.NET einbinden. Wir erklären die Installation und grundlegende Interop-Szenarien. Ein einfaches Beispiel veranschaulicht die Praxis.
6 Minuten
00:00
Bluetooth, Biometrie und Multiplattform: Was .NET MAUI Hybrid wirklich kann - Die Möglichkeiten von .NET MAUI Blazor Hybrid verstehen
Codrina Merigo baut mit .NET MAUI Blazor Hybrid Apps für Android, iOS, macOS und Windows – und nutzt dafür das, was Web-Entwickler:innen sowieso schon können. Im Interview im Vorfeld der DWX 2026 erklärt sie, wie das geht, wo's hakt und warum das Framework im Enterprise-Umfeld eine ernste Option ist.
28. Apr 2026
Maschinelles Lernen in .NET - .NET, Python und KI, Teil 2
Für eine performante und plattformübergreifende Inferenz von NET-Projekten empfiehlt sich eine hybride Strategie aus Training oder Prototyping in Scikit-Learn/Python, Export nach ONNX und Einbindung in .NET über ML.NET oder ONNX Runtime.
7 Minuten
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige