Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 25 vistas

    Introducción A Numpy y Álgebra Lineal

    Cargado por

    Luis Garcias
    Este documento presenta una introducción a NumPy y álgebra lineal. Explica cómo importar y usar NumPy en Python, incluyendo la creación de arrays multidimensionales, indexing, slicing, modificación de arrays, y funciones importantes. También cubre temas de álgebra lineal como vectores, matrices, operaciones matriciales, transposición, determinantes e inversas. Finalmente, explica cómo resolver sistemas de ecuaciones lineales usando NumPy.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Introducción A Numpy y Álgebra Lineal

    Cargado por

    Luis Garcias
    25 vistas22 páginas
    Este documento presenta una introducción a NumPy y álgebra lineal. Explica cómo importar y usar NumPy en Python, incluyendo la creación de arrays multidimensionales, indexing, slicing, modificación de arrays, y funciones importantes. También cubre temas de álgebra lineal como vectores, matrices, operaciones matriciales, transposición, determinantes e inversas. Finalmente, explica cómo resolver sistemas de ecuaciones lineales usando NumPy.

    Título original

    Introducción a Numpy y Álgebra Lineal

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una introducción a NumPy y álgebra lineal. Explica cómo importar y usar NumPy en Python, incluyendo la creación de arrays multidimensionales, indexing, slicing, modificación de arrays, y funciones importantes. También cubre temas de álgebra lineal como vectores, matrices, operaciones matriciales, transposición, determinantes e inversas. Finalmente, explica cómo resolver sistemas de ecuaciones lineales usando NumPy.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    25 vistas22 páginas

    Introducción A Numpy y Álgebra Lineal

    Cargado por

    Luis Garcias
    Este documento presenta una introducción a NumPy y álgebra lineal. Explica cómo importar y usar NumPy en Python, incluyendo la creación de arrays multidimensionales, indexing, slicing, modificación de arrays, y funciones importantes. También cubre temas de álgebra lineal como vectores, matrices, operaciones matriciales, transposición, determinantes e inversas. Finalmente, explica cómo resolver sistemas de ecuaciones lineales usando NumPy.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 22

    Análisis Numérico MAT 365

    Introducción a Numpy y
    Álgebra Lineal
    Contenido
    1 • Introducción a NumPy

    2 • Importar NumPy en Python

    3 • Arrays NumPy

    4 • Indexing y slicing

    4 • Modificación de arrays

    5 • Funciones y arrarys importantes en numpy

    6 • Álgebra lineal con NumPy:

    6.1 • Vectores y matrices en NumPy

    6.2 • Operaciones de álgebra lineal

    6.3 • Transposición de matrices

    6.4 • Cálculo de determinantes e inversas de matrices

    6.5 • Sistemas de ecuaciones lineales


    ESCUELA DE MATEMÁTICAS, UASD
    Numpy
    NumPy es el paquete fundamental para
    la computación científica en Python. Es
    una biblioteca de Python que
    proporciona un objeto de matriz
    multidimensional, varios objetos
    derivados (como matrices y matrices
    enmascaradas) y una variedad de
    rutinas para operaciones rápidas en
    matrices, que incluyen manipulación
    matemática, lógica, de formas,
    clasificación, selección, E/S. ,
    transformadas discretas de Fourier,
    álgebra lineal básica, operaciones
    estadísticas básicas, simulación
    aleatoria y mucho más.

    ESCUELA DE MATEMÁTICAS, UASD


    ¿Cuáles son las características clave de
    numpy?
    › Matrices
    multidimensionales.
    › Operaciones de matrices
    integradas.
    › Arreglo simplificado pero
    poderoso.
    › Integración de otros
    lenguajes(Fortran, C, C++)

    ESCUELA DE MATEMÁTICAS, UASD


    Instalación e importación de Numpy
    Instalación
    • !pip install numpy (en el notebook)
    • pip install numpy (en terminal de anaconda)

    Importación
    • import numpy as np #usando una abreviatura
    • import numpy
    • from numpy import * #importar todo
    • from numpy import sqrt #una función especifíca
    ESCUELA DE MATEMÁTICAS, UASD
    Creación de un array
    CREAR UN ARRAY 1D CREAR UN ARRAY 2D
    › Un arreglo 1D es una lista › Un arreglo 2D es una matriz
    unidimensional de elementos. con filas y columnas. En
    En NumPy, se puede crear un NumPy, se puede crear un
    arreglo 1D utilizando la función arreglo 2D utilizando la función
    numpy.array(), pasando una numpy.array(), pasando una
    lista como argumento. Por lista de listas como argumento.
    ejemplo, para crear un arreglo Por ejemplo, para crear una
    1D de los números del 1 al 5, matriz 2D de 3x3 con los
    podemos hacer lo siguiente: números del 1 al 9, podemos
    hacer lo siguiente:

    ESCUELA DE MATEMÁTICAS, UASD


    Comandos ndim, size y shape
    › Supongamos que tenemos el siguiente arreglo 2D de
    NumPy:

    ndim size shape


    • Para obtener el número • Para obtener una tupla con
    total de elementos en el el orden (mxn) del arreglo
    arreglo:

    ESCUELA DE MATEMÁTICAS, UASD


    Indexing en numpy
    › Podemos acceder a los elementos de la matriz utilizando indexing.
    El indexing en un arreglo 2D de NumPy se hace especificando la
    fila y la columna del elemento deseado. Por ejemplo, para acceder
    al elemento de la segunda fila y tercera columna (que es el número
    6), podemos hacer lo siguiente

    ESCUELA DE MATEMÁTICAS, UASD


    Slicing en un array o submatriz
    Modificar los elementos de un array
    › También podemos modificar los elementos de un array. Por
    ejemplo, para cambiar el valor del elemento en la segunda fila y
    tercera columna (que es el número 6) por el número 20, podemos
    hacer lo siguiente:

    ESCUELA DE MATEMÁTICAS, UASD


    Array boolean
    › Un arreglo booleano en NumPy es simplemente un arreglo que contiene valores
    booleanos (True o False). Aquí te presento un ejemplo de cómo crear y utilizar
    un arreglo booleano en NumPy en Python:

    ESCUELA DE MATEMÁTICAS, UASD


    Ejemplos de arrays
    predefinidos en numpy
    NumPy ofrece muchas formas de crear arreglos
    predefinidos con valores específicos para realizar
    operaciones matemáticas y estadísticas.

    ESCUELA DE MATEMÁTICAS, UASD


    Arrays predefinidos

    ESCUELA DE MATEMÁTICAS, UASD


    Append y Concatanate
    Las funciones append y concatenate en NumPy
    son útiles para agregar o combinar elementos en
    un array existente.

    ESCUELA DE MATEMÁTICAS, UASD


    Append
    › En este ejemplo, la función
    append agrega un elemento
    o varios elementos al final
    de un arreglo existente.
    › En la primera llamada a
    append, se agrega el
    elemento 4 al final del
    arreglo “a”.
    › En la segunda llamada a
    append, se agrega el arreglo
    “b” completo al final del
    arreglo “a”.

    ESCUELA DE MATEMÁTICAS, UASD


    Concatanate
    › Se combinan dos arrays existentes.
    › En la primera llamada a concatenate, los
    arreglos “a” y “b” se concatenan
    horizontalmente (es decir, se agregan uno al
    lado del otro) para crear un nuevo arreglo c.
    › En la segunda llamada a concatenate, los
    arreglos “d” y “e” se concatenan verticalmente
    (es decir, se apilan uno encima del otro) para
    crear un nuevo arreglo f.
    › En la tercera llamada a concatenate, los
    arreglos “d” y “e” se concatenan
    horizontalmente (es decir, se juntan a lo largo
    del eje horizontal) para crear un nuevo arreglo
    g. Es importante tener en cuenta que en la
    función concatenate, el parámetro axis indica el
    eje a lo largo del cual se debe concatenar.

    ESCUELA DE MATEMÁTICAS, UASD


    Operaciones con vectores

    ESCUELA DE MATEMÁTICAS, UASD


    Operaciones con matrices

    ESCUELA DE MATEMÁTICAS, UASD


    Broadcasting

    ESCUELA DE MATEMÁTICAS, UASD


    Broadcasting, cont

    “Al operar en dos arrays


    NumPy compara sus formas
    sabiamente. Comienza con
    las dimensiones finales y
    sigue su camino adelante.
    Dos dimensiones son
    compatibles cuando
    1. son iguales, o
    2. 2. uno de ellos es de 1.

    ESCUELA DE MATEMÁTICAS, UASD


    Solución de Sistema de Ecuacionales Lineales
    𝐴𝑥 = 𝑏

    A x b

    ESCUELA DE MATEMÁTICAS, UASD


    Ejemplos de Funciones Matemáticas y
    Estadísticas en numpy

    También podría gustarte