Les dejo la función que he echo para que tambien pueda usarse con arrays normales (:
import numpy as np
def f(x):
if type(x) != type(np.array([])):
x = np.array(x)
return x.sum()
if __name__ == '__main__':
print(f([2, 3]))
Introducción al curso
Lo que aprenderás sobre álgebra lineal: vectores
Vectores
Algunos objetos matemáticos: vectores y escalares
Convención en notación
Comienza a utilizar vectores en Python
Adición entre vectores
Suma de vectores en Python
Producto escalar-vector
Producto escalar-vector en Python
Producto interno
Producto interno en Python
Proyecto: análisis de sentimientos
Funciones lineales
Funciones lineales
Algunas funciones lineales
Un teorema en funciones lineales
Funciones afines
Aproximaciones de Taylor
Ejemplo en aproximaciones de Taylor
Un modelo de regresión
Norma y distancia
Cómo calcular distancias de vectores
Distancia entre vectores
Distancia entre vectores y búsqueda de departamento
Desviación estándar
Cálculo de riesgo en inversiones
Ángulo entre vectores y correlación
Clustering
¿Qué es y por qué clustering?
Una aproximación: K-Means
K-Means en Python
Cierre
Cierre y despedida
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Aportes 6
Preguntas 0
Les dejo la función que he echo para que tambien pueda usarse con arrays normales (:
import numpy as np
def f(x):
if type(x) != type(np.array([])):
x = np.array(x)
return x.sum()
if __name__ == '__main__':
print(f([2, 3]))
Las funciones van a tomar vectores y los convertirán en escalares
Funciones biyectivas : 1 a 1
import numpy as np
def f(x):
return np.sum(x) # sumar todas las componentes del vector
# función suma
def g(x):
return x[0] #regresa solamente la primera posición
#proyección sobre x0
“Este elemento del dominio va a dar un elemento de la imagen al cual ningún otro elemento de la imagen va a dar”.
Eso no es necesariamente cierto. La parábola básica por ejemplo. f(x) = x^2. x y su opuesto dan siempre el mismo valor de salida.
Es perfectamente normal que 2 elementos del dominio se relacionen con un mismo elemento del codominio, o siguiente la analogía de los círculos y triángulos, 2 círculos distintos pueden apuntar al mismo triángulo
Les dejo mi comprobador de linealidad
def funcion_lineal(x):
A = np.array([[2, 3], [4, 1]]) # Matriz de coeficientes
b = np.array([1, -1]) # Vector de términos constantes
y = np.dot(A, x) + b # Aplicar la transformación lineal
return y
x = np.array([2, 1]) # Vector de entrada
y = funcion_lineal(x) # Aplicar la función lineal
print(y) # Imprimir el resultado
El ejemplo de f(X) por temas de comodidad lo podríamos definir como la sumatoria de cada componente del vector, no cambia en nada solo que es mas corto de escribir en el caso de que el vector fuera muy largo.
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.