Introducción al álgebra lineal con NumPy

les falta el codigo de la transpuesta de una matriz, transpuesta = A.transpose()print('su transpuesta es:\n',transpuesta)

Para la transpuesta: ```js transpuesta = A.T; print("transpuesta de la matriz A: \r\n", transpuesta); ```transpuesta = A.T;print("transpuesta de la matriz A: \r\n", transpuesta);

Una vez que estudie las matrices empecé a ver la película Matrix de una manera diferente **¿Estaremos en la Matrix? ¿Habrán ganado las máquinas? ¿Cuánto durará la paz entre la humanidad y las máquinas?**

Me parece que la imagen 2 y 3 son la misma.

Para calcular la matriz inversa en NumPy, primero necesitamos una matriz cuadrada. Aquí hay un ejemplo: Supongamos que tenemos la matriz A: ``` A = [[4, 7], [2, 6]] ``` Para obtener la matriz inversa, usamos la función `np.linalg.inv()`: ```python import numpy as np A = np.array([[4, 7], [2, 6]]) inversa = np.linalg.inv(A) print("Matriz A:\n", A) print("Matriz inversa de A:\n", inversa) ``` Los resultados serían: ``` Matriz A: [[4 7] [2 6]] Matriz inversa de A: [[ 0.6 -0.7] [-0.2 0.4]] ``` Esto muestra cómo la matriz A se transforma en su inversa.

Para los que al igual que yo, les quedó duda sobre los valores y vectores propios, acá dejo una descripción resumida de lo que entiendo de ambos terminos: **Valores propios (o eigenvalores)** Un **valor propio** (L) de una matriz cuadrada A es un escalar que satisface la ecuación: Av = Lv Donde: • v es un **vector propio** no nulo. • A es la matriz cuadrada de dimensión "n x n" . • L es un escalar. **Vectores propios** Un **vector propio** (v) asociado a un valor propio L es un vector no nulo que, cuando se multiplica por la matriz A , no cambia de dirección, solo se escala por L. Matemáticamente: Av = Lv Esto significa que v es “invariante en dirección” bajo la transformación lineal representada por A .

el determinante esta asociado al volumen. piennsa en la esquina donde tu piso se une con 2 paredes. el determinante es una explrecion de la escala de volument que hay entre los vectores que se podrian dibujar en esa esquina . si es 0 quiere decir que los vectores estan todos realmente contenidos en un plano. por eso no puede haber volumen. los vectores propios son aquellos que se escalan, sin cambiar su direccion, y en la proporcion de su valor propio asociado. todos los demas vectores que no son propios al ser multiplicados por la matriz no solo son escalados , su direccion cambia. me parecio muy graciosa la metafora que medio copilot pero aplican * **Metáfora del Bosque**:Imagina una matriz como un **viento mágico** que sopla a través de un bosque. Cada árbol en el bosque es un vector. Algunos árboles se inclinan más que otros al ser afectados por el viento, pero hay árboles especiales (vectores propios) que solo crecen más o menos (escala) sin cambiar su dirección. La fuerza del viento (valor propio) determina cuánto se inclinan estos árboles especiales. * **Metáfora de una Receta de Cocina**:Piensa en una matriz como una **receta**. Cada ingrediente de la receta representa un vector. Al mezclar los ingredientes según las instrucciones, algunos sabores (vectores propios) se realzan sin cambiar su esencia. La intensidad con la que cada sabor se destaca está determinada por los valores propios. Los valores propios son las proporciones exactas que determinan la intensidad final de los sabores después de aplicar la receta

Para la transpuesta: transpuesta = A.T; print("transpuesta de la matriz A: \r\n", transpuesta);

creo que para la parte final en Resolución de sistemas de ecuaciones lineales en la parte de código si es necesario describir la matriz A para evitar confusiones, además que el ejemplo grafico del procedimiento siempre ayuda a recordar y interiorizar el proceso mejor

Me parece que es un tema bastante complejo como para que ni siquiera graben un video, de entrada este curso asume que sabemos muchas cosas anteriormente y si bien algunas son ciertas, creo que deberían explicar con mayor detalle, sino a uno lo desmotiva bastante tener que buscar información por fuera de la plataforma (que para algo pagamos).