Día 2: Operaciones Avanzadas en Matrices
Bienvenida
Hoy profundizaremos en las operaciones avanzadas con matrices en NumPy. Aprenderás cómo realizar operaciones elemento por elemento, calcular productos punto, transponer matrices y encontrar sus inversas. Estas herramientas son esenciales para resolver problemas complejos en álgebra lineal y ciencia de datos. ¡Comencemos! 🚀
Operaciones en Matrices
Las matrices son fundamentales en muchas áreas, desde gráficos por computadora hasta inteligencia artificial. Con NumPy, podemos realizar operaciones avanzadas de manera sencilla.
matriz1 = np.array([[1, 2], [3, 4]])
matriz2 = np.array([[5, 6], [7, 8]])
# Suma
suma_matrices = matriz1 + matriz2
print(suma_matrices)
# Resta
resta_matrices = matriz1 - matriz2
print(resta_matrices)
# Multiplicación elemento por elemento
multiplicacion_elemento = matriz1 * matriz2
print(multiplicacion_elemento)
# División elemento por elemento
division_elemento = matriz1 / matriz2
print(division_elemento)Transposición de Matrices
La transposición intercambia filas y columnas de una matriz.
matriz1 = np.array([[1, 2], [3, 4]])
transpuesta = matriz1.T
print(transpuesta)Inversa de una Matriz
La inversa de una matriz es una matriz que al multiplicarlo por la original da la matriz identidad.
matriz1 = np.array([[1, 2], [3, 4]])
inversa = np.linalg.inv(matriz1)
print(inversa)
Preguntas del Día 2
Prueba tus conocimientos sobre NumPy
¿Qué hace la propiedad .T en una matriz de NumPy?
Ejercicios
- Crea dos matrices y realiza operaciones de suma, resta y multiplicación.
- Calcula la inversa de una matriz y verifica que al multiplicarla por la matriz original obtienes la matriz identidad.
- Transpone una matriz y verifica que la transposición sea la inversa de la original.
Ahora tienes herramientas avanzadas para trabajar con matrices. Mañana aprenderemos sobre reshaping, aplanamiento y operaciones diagonales. ¡Sigue practicando y no dudes en preguntar si tienes dudas! Hasta luego. 👋
