import numpy as np vector = np.array([1,2,3,4]) print('Vector:\n', vector) matriz = np.array([[1,2,3],[4,5,6],[7,8,9]]) print('\nMatriz:\n', matriz) tensor = np.array([ [[1,2,3], [7,8,9]], [[1,2,3], [7,8,9]], [[0,0,0], [255,255,255]], [[0,0,0], [255,255,255]] ]) print('\nMatriz:\n', tensor)

import matplotlib.pyplot as plt plt.imshow(tensor, interpolation='nearest') plt.show()

vector.shape

matriz.shape

tensor.shape

escalar = 5.679 vector = np.array([3,4,5,6]) matriz = np.array([[1,2],[3,4],[5,6]]) tensor = np.array([ [[1,2,3,30],[4,5,6,31],[7,8,9,32]], [[11,12,13,33],[14,15,16,34],[17,18,19,35]], [[21,22,23,36],[24,25,26,37],[27,28,29,38]], [[21,22,23,36],[24,25,26,37],[27,28,29,38]], [[21,22,23,36],[24,25,26,37],[27,28,29,38]] ])

matriz_T = matriz.T print(matriz_T) print(matriz.shape) print(matriz_T.shape)

tensor_T = tensor.T print(tensor_T) print(tensor.shape) print(tensor_T.shape)

matriz = np.array([[1,2],[3,4]]) matriz_T = matriz.T suma = matriz + matriz_T suma

# Ejercicio vector5 = np.arange(5) matriz5x5 = np.arange(30).reshape(6,5) vector5 + matriz5x5

escalar = 5.679 vector = np.array([3,4]) matriz = np.array([[1,2],[3,4],[5,6]]) tensor = np.array([ [[1,2,3,30],[4,5,6,31],[7,8,9,32]], [[11,12,13,33],[14,15,16,34],[17,18,19,35]], [[21,22,23,36],[24,25,26,37],[27,28,29,38]], [[21,22,23,36],[24,25,26,37],[27,28,29,38]], [[21,22,23,36],[24,25,26,37],[27,28,29,38]] ])

A = matriz * vector B = matriz.dot(vector) #esto saca el producto interno print(A) print(B)

matriz.dot(vector)

np.dot(matriz, vector)

matriz@vector

np.dot(vector, matriz.T) #la transpongo para que tengan las mismas dimensiones

A = np.arange(2, 26, 2).reshape(4,3) B = np.arange(6).reshape(3,2) print(A) print(B) print(B.T)

C = np.dot(A,B) C

D = np.dot(B,A) D

A = np.arange(6).reshape(3,2) B = np.arange(1,5).reshape(2,2) C = np.arange(5,9).reshape(2,2)

# Comprobacion asociativa A_BC = np.dot(A,B@C) AB_C = np.dot(A@B,C) print(A_BC == AB_C)

# Comprobacion distributiva D = np.dot(A,B+C) E = np.dot(A,B) + np.dot(A,C) print(D == E)

# Comprobacion NO es conmutativa F = np.dot(B,C) G = np.dot(C,B) print(F == G)

A = np.arange(6).reshape(3,2) B = np.arange(1,5).reshape(2,2)

AB_T = A.dot(B) B_T_A_T = B.T.dot(A.T) print(AB_T == B_T_A_T)

import matplotlib.pyplot as plt x = np.arange(-5,6) x

y_1 = 3*x + 5 y_2 = 2*x + 3 plt.figure() plt.plot(x, y_1) plt.plot(x, y_2) plt.xlim(-5,5) plt.ylim(-5,5) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey')

A = np.array([[-3,1],[-2,1]]) print(A)

b = np.array([[5],[3]]) b

sol_1 = np.array([-2,-1]) sol_1

print(A.dot(sol_1))

''' Otra forma de resolver ecuaciones usando la librería numpy: (esto se verá más adelante) 3*x + y = 1 1x + 2y = 0 ''' ig = np.array([1,0]) coe = np.array([[3,1],[1,2]]) solv = np.linalg.solve(coe, ig) x = solv[0] y = solv[1] print(x, y)

identidad = np.eye(4) print(identidad)

vector = np.arange(4).reshape(4,1) print(identidad.dot(vector))

A = np.array([[1,0,1],[0,1,1],[-1,1,1]]) A

inversa_A = np.linalg.inv(A) inversa_A

print(A.dot(inversa_A))

np.set_printoptions(suppress=True)

A = np.array([[-3,1],[-2,1]]) A

b = np.array([[5],[3]]) b

inversa_A = np.linalg.inv(A) inversa_A

x = inversa_A.dot(b) x

print(A.dot(x))

x = np.arange(-6,6) y_1 = 3*x+5 y_2 = -x+3 y_3 = 2*x+1

plt.figure() plt.plot(x, y_1) plt.plot(x, y_2) plt.plot(x, y_3) plt.xlim(-8,8) plt.ylim(-8,8) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey') plt.show()

x = np.arange(-6,6) y_2 = -x+3 y_3 = 2*x+1

plt.figure() plt.plot(x, y_2) plt.plot(x, y_3) plt.xlim(-8,8) plt.ylim(-8,8) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey') plt.show()

x = np.arange(-6,6) y_3 = 2*x+1

plt.figure() plt.plot(x, y_3) plt.xlim(-8,8) plt.ylim(-8,8) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey') plt.show()

v1 = np.array([2,5]) v2 = np.array([3,2])

%run {'graficarVectores.ipynb'}

graficarVectores([v1,v2], ['orange', 'blue']) plt.xlim(-1,8) plt.ylim(-1,8)

v1 = np.array([2,5]) v2 = np.array([3,2])

v1v2 = 2*v1 + 1*v2 v1v2

graficarVectores([v1, v2, v1v2], ['orange', 'blue', 'red']) plt.xlim(-1,8) plt.ylim(-1,12)

for a in range(-10, 10): for b in range(-10,10): plt.scatter(v1[0]*a + v2[0]*b, v1[1]*a + v2[1]*b, marker = '.', color='orange') plt.xlim(-100,100) plt.ylim(-100,100) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey') plt.show()

v1 = np.array([1,1]) v2 = np.array([-1,-1])

for a in range(-10, 10): for b in range(-10,10): plt.scatter(v1[0]*a + v2[0]*b, v1[1]*a + v2[1]*b, marker = '.', color='orange') plt.xlim(-25,25) plt.ylim(-25,25) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey') plt.show()

v1 = np.array([1,0]) v2 = np.array([2,-3])

for a in range(-10, 10): for b in range(-10,10): plt.scatter(v1[0]*a + v2[0]*b, v1[1]*a + v2[1]*b, marker = '.', color='orange') plt.xlim(-25,25) plt.ylim(-25,25) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey') plt.show()

from mpl_toolkits.mplot3d import Axes3D v1 = np.array([1, 0, 0]) v2 = np.array([2, -3, 0]) fig = plt.figure() ax = fig.add_subplot(111, projection='3d') for a in range(-10, 10): for b in range(-10,10): ax.scatter(v1[0]*a + v2[0]*b, v1[1]*a + v2[1]*b, v1[2]*a + v2[2]*b, marker='.', color='orange') ax.set_xlabel('Eje X') ax.set_ylabel('Eje Y') ax.set_zlabel('Eje Z') plt.show()

v1 = np.array([1,1]) v2 = np.array([-1,-1])

for a in range(-10,10): for b in range(-10,10): plt.scatter(v1[0]*a + v2[0]*b, v1[1]*a + v2[1]*b, marker='.', color='orange') plt.xlim(-25,25) plt.ylim(-25,25) plt.axvline(x=0, color='grey') plt.axhline(y=0, color='grey') plt.show()

A = np.array( [[0,1,0,0], [0,0,1,0], [0,1,1,0], [1,0,0,1]] )

lambdas, V = np.linalg.eig(A.T) print(A[lambdas == 0, :])

np.linalg.inv(A)

v1 = np.array([2,7]) v2 = np.array([3,5])

v1v2 = v1+v2 print(v1v2)

np.linalg.norm(v1v2)

(5**2 + 12**2)**0.5

norma_v1 = np.linalg.norm(v1) norma_v2 = np.linalg.norm(v2) norma_v1v2 = np.linalg.norm(v1v2) print(norma_v1v2 <= (norma_v1 + norma_v2))

print(norma_v1 + norma_v2)

v1 = np.array([0,0,2,7]) v2 = np.array([0,0,3,5]) v1_aux = np.array([v1[2],v1[3],v2[2],v2[3]]) v1v2 = np.array([0,0,5,12])

import seaborn as sns plt.quiver([v1[0], v1_aux[0], v1v2[0]], [v1[1], v1_aux[1], v1v2[1]], [v1[2], v1_aux[2], v1v2[2]], [v1[3], v1_aux[3], v1v2[3]], angles='xy', scale_units='xy', scale=1, color=sns.color_palette()) plt.xlim(-0.5,6) plt.ylim(-0.5,15)

vector = np.array([1,2,0,5,6,0]) np.linalg.norm(vector, ord=0) #devuelve el # de valores distintos de 0

vector = np.array([1,-1,1,-1,1]) np.linalg.norm(vector, ord=1) #norma 1 - suma de los valores absolutos

vector = np.array([1,1]) np.linalg.norm(vector, ord=2) #norma 2 (por defecto) - magnitud del vector

vector = np.array([1,2,3,4,5,6]) print(np.linalg.norm(vector, ord=2)**2) #norma 2^2 print(vector.T.dot(vector))

vector = np.array([1,2,3,100]) print(np.linalg.norm(vector, ord=np.inf)) #norma infinito - devuelve el max de los valores absolutos

v1 = np.array([0,0,0,3]) v2 = np.array([0,0,3,3])

plt.xlim(-2,6) plt.ylim(-2,6) plt.quiver([v1[0],v2[0]], [v1[1],v2[1]], [v1[2],v2[2]], [v1[3],v2[3]], angles='xy', scale_units='xy', scale=1, color=sns.color_palette() ) plt.show()

v1 = np.array([0,3]) v2 = np.array([3,3]) v1.T@v2

norma_v1 = np.linalg.norm(v1) norma_v2 = np.linalg.norm(v2) norma_v1 * norma_v2 * np.cos(np.deg2rad(45)) #se debe pasar a radianes para usar trigonometricas en numpy

vector = np.array([1,2,3,4,5]) matriz = np.diag(vector) matriz

matriz[0:4, 0:3]

A = np.diag([2,3,4,5]) A

v1 = np.array([[1,1,1,1]]) A.dot(v1.T)

A_inv = np.diag([1/2,1/3,1/4,1/5]) A_inv

identidad = A.dot(A_inv) identidad

A_inv_calc = np.linalg.inv(A) A_inv_calc

A

A.T

simetrica = np.array([[1,2,3], [2,-1,7], [3,7,11]]) simetrica

simetrica.T

x = np.array([0,0,2,2]) y = np.array([0,0,2,-2]) plt.quiver([x[0], y[0]], [x[1], y[1]], [x[2], y[2]], [x[3], y[3]], angles='xy', scale_units='xy', scale=1 ) plt.xlim(-2,4) plt.ylim(-3,3)

v1 = np.array([2,2]) v2 = np.array([2,-2])

v1@v2.T

# No son ortonormales print(np.linalg.norm(v1)) print(np.linalg.norm(v2))

v1 = np.array([1,0]) v2 = np.array([0,-1])

v1.dot(v2.T)

# Son ortonormales print(np.linalg.norm(v1)) print(np.linalg.norm(v2))

np.set_printoptions(suppress=True)

matriz = np.array([[1,0,0], [0,1,0], [0,0,1]]) matriz

matriz = np.diag([1,1,1]) matriz

matriz = np.eye(3, dtype=int) matriz

# Si todas dan 0, es que todas sus columnas son ortogonales print(matriz[:,0].dot(matriz[:,1])) print(matriz[:,0].dot(matriz[:,2])) print(matriz[:,1].dot(matriz[:,2]))

# Si todas dan 1, es que todas sus columnas son ortonormales print(np.linalg.norm(matriz[:,0])) print(np.linalg.norm(matriz[:,1])) print(np.linalg.norm(matriz[:,2]))

# Si todas dan 0, es que todas sus filas son ortogonales print(matriz[0,:].dot(matriz[1,:])) print(matriz[0,:].dot(matriz[2,:])) print(matriz[1,:].dot(matriz[2,:]))

# Si todas dan 1, es que todas sus filas son ortonormales print(np.linalg.norm(matriz[0,:])) print(np.linalg.norm(matriz[1,:])) print(np.linalg.norm(matriz[2,:]))

A = np.array([[np.cos(100), -np.sin(100)], [np.sin(100), np.cos(100)]]) A

print(np.linalg.norm(A[0,:])) print(np.linalg.norm(A[1,:])) print(np.linalg.norm(A[0,:])) print(np.linalg.norm(A[1,:]))

print(A[0,:].dot(A[1,:])) print(A[:,0].dot(A[:,1]))

A_t = A.T print(A_t.dot(A)) print(A.dot(A_t))

A_inv = np.linalg.inv(A) A_inv

A_t

print(1/A_t.dot(A))

matriz = np.arange(1,19,2).reshape(3,3) matriz

traza = np.trace(matriz) traza

v1 = np.array([0,1]) v2 = np.array([1,0]) graficarVectores([v1,v2], ['blue', 'red']) plt.xlim(-0.25, 2) plt.ylim(-0.25, 2) plt.show()

A = np.array([[2,0],[0,2]]) print(A)

v1_transformado = A.dot(v1) v2_transformado = A.dot(v2) graficarVectores([v1_transformado,v2_transformado], ['orange', 'green']) plt.xlim(-0.25, 2) plt.ylim(-0.25, 2) plt.show()

det_A = np.linalg.det(A) print(det_A)

area_transformada = abs(v1_transformado[0]-v2_transformado[0]) * abs(v1_transformado[1]-v2_transformado[1]) print(area_transformada)

#Ahora con un determinante negativo B = A * [-1,1] print(B)

det_B = np.linalg.det(B) print(det_B)

v1 = np.array([0,1]) v2 = np.array([1,0]) v1_transformado = B.dot(v1) v2_transformado = B.dot(v2) graficarVectores([v1_transformado, v2_transformado, v1, v2], ['blue', 'red', 'orange', 'green']) plt.xlim(-3, 1.5) plt.ylim(-0.5, 2.5) plt.show()