Uso de Numpy
Este tutorial es para usuarios que tengan instalado el módulo de Numpy. Si aún no lo ha instalado de click aquí.
Índice
1. Operaciones matriciales básicas
En la primera tarea del curso de Matemáticas para Ingeniería 1 se nos pide que demostremos el resultado de algunas operaciones matriciales usando el sistema de cómputo científico Numpy.
Ejemplo 1.
Dado:
\[\begin{aligned} A=\begin{bmatrix} -1 & 2 & 0 \\ 4 & 5 & 3 \end{bmatrix} B=\begin{bmatrix} 7 & 1 & -3\\ 2 & 0 & 6 \end{bmatrix} C=\begin{bmatrix} -3 & 2\\ 1 & 7 \end{bmatrix} E=\begin{bmatrix} 0& 1\\ 1& 0\\ 0& 3\\ \end{bmatrix} \end{aligned}\]Encuentre:
\[\begin{aligned} A+B \end{aligned}\] \[\begin{aligned} 5AE \end{aligned}\] \[\begin{aligned} C^{2} \end{aligned}\]El siguiente script de Python nos ayuda a calcular el resultado:
import numpy as np
A = np.array([[-1, 2, 0], [4, 5, 3]])
B = np.array([[7, 1, -3], [2, 0, 6]])
C = np.array([[-3, 3], [1, 7]])
E = np.array([[0, 1], [1, 0], [0, 3]])
print("A+B=")
print(A+B)
print("5*A*E=")
print(5*np.matmul(A, E))
print("C**2=")
print(np.power(C, 2))
Produce el siguiente resultado:
A+B=
[[ 6 3 -3]
[ 6 5 9]]
5*A*E=
[[10 -5]
[25 65]]
C**2=
[[ 9 9]
[ 1 49]]
Ejemplo 2.
Dado:
\[\begin{aligned} F=\begin{bmatrix} 5 & 19 & 3 & -1 \\ 2 & -4 & -3& 2 \\ -10 & 0 & 7 & -8 \end{bmatrix} \end{aligned}\]Encuentre:
\[\begin{aligned} A^{T} \end{aligned}\]El siguiente script de Python nos ayuda a calcular el resultado:
import numpy as np
F = np.array([[5, 19, 3, -1], [2, -4, -3, 2], [-10, 0, 7, -8]])
print("Transpuesta de F:")
print(np.transpose(F))
Produce el siguiente resultado:
Transpuesta de F:
[[ 5 2 -10]
[ 19 -4 0]
[ 3 -3 7]
[ -1 2 -8]]