Si, es una funcion lineal!
Introducción al curso
Vectores en Álgebra Lineal: Definición y Operaciones Básicas
Vectores
Vectores y Escalares: Conceptos y Operaciones Básicas
Convenciones y Notación en Vectores y Escalares
Modelo RGB y su implementación en Python
Adición de Vectores: Conceptos y Propiedades Básicas
Suma de Vectores en Python con NumPy
Producto Escalar-Vectores: Conceptos y Propiedades Básicas
Operaciones con Escalares y Vectores en Python usando NumPy
Producto Interno de Vectores: Definición y Propiedades
Producto Interno de Vectores en Python con NumPy
Análisis de Sentimientos de Tweets con Vectores de Palabras
Funciones lineales
Funciones Lineales: Transformación de Vectores en Escalares
Funciones Lineales y Propiedades de Superposición
Teoremas y Corolarios en Funciones Lineales
Funciones Afines: Propiedades y Ejercicios Prácticos
Aproximaciones de Taylor: Modelos Lineales de Funciones No Lineales
Aproximaciones de Taylor y análisis de error en Python
Regresión Lineal con Datos Geográficos y Socioeconómicos
Norma y distancia
Propiedades y Cálculo de la Norma de Vectores
Cálculo de Distancias entre Vectores usando Normas Euclidianas y LP
Optimización de Visitas para Arrendar Departamentos
Cálculo de Desviación Estándar en Series de Tiempo con NumPy
Modelo de Riesgo Retorno en Inversiones de Acciones
Cálculo de Ángulos y Correlación entre Vectores
Clustering
Clustering con K-Means: Teoría y Aplicación Práctica
Algoritmo K-means: Clustering Geométrico Sin Matemáticas
Programación del Algoritmo K-means en Python
Cierre
Programación de Clústers y Análisis de Sentimientos
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
En nuestra búsqueda por entender funciones lineales, una de las primeras que encontramos es la función producto interno. Esta función crucial toma como argumentos dos n-vectores y los convierte en un escalar. Es crucial para operaciones que implican ortogonalidad, un concepto esencial en muchos campos matemáticos y de la ingeniería.
El producto interno es un concepto matemático que juega un papel crucial en determinar la ortogonalidad entre vectores. Cuando el producto interno entre dos vectores es cero, estos son ortogonales, es decir, están a 90 grados uno del otro.
Las funciones lineales, además de su simplicidad en definición, gozan de propiedades únicas como la superposición, que agrupa dos propiedades clave: homogeneidad y aditividad. Estas propiedades aseguran que las combinaciones lineales de vectores se mantengan bajo la misma función.
La homogeneidad es una propiedad que dice que si un escalar multiplica a un vector, la función aplicada al vector escalado será igual al escalar multiplicando la función del vector original.
En aditividad, la idea es que si tienes dos vectores sumados y los evalúas en la función, es lo mismo que evaluar los resultados de cada función por separado y luego sumarlos.
Para determinar la linealidad de una función, es necesario verificar si cumple con la propiedad de superposición, la cual es una combinación de homogeneidad y aditividad.
import numpy as np
a = np.array([1, 1, 1, 1])
b = np.array([1, 0, 1, 0])
x = 1
y = -2
def f(vector):
return sum(vector)
fst_result = f(x * a + y * b)
snd_result = x * f(a) + y * f(b)
assert fst_result == snd_result
Este código muestra cómo usar principios algebraicos para comprobar propiedades de linealidad en funciones de suma.
La verificar estas propiedades garantiza que al enfrentarse a futuros problemas algebraicos, se posean las herramientas necesarias para abordarlos de manera eficaz. Además, es esencial para cursos avanzados donde estos principios se tornan fundamentales. Con esta base, estás mejor preparado para continuar explorando las aplicaciones y teoremas que provienen de estas funciones lineales. ¡Sigue aprendiendo y expandiendo tus horizontes!
Aportes 30
Preguntas 0
Si, es una funcion lineal!
“No hay casi ninguna teoría más elemental que el álgebra lineal, a pesar de que generaciones de profesores y escritores de libros de texto han oscurecido su simplicidad mediante absurdos cálculos” Jean Dieudonne
Me está costando mucho no dormirme en estas clases
Vi algebra lineal en la universidad y estas clases se me hace que se están explicando de manera “complicada” por la sintaxis y l anotación pero creo que la escancia no está quedando muy clara
De las peores clases, no entiendo cual es la obsesión de hacerlo todo con unos y ceros, dura más de 14 minutos y creo que en 5 minutos hubiera queda bien explicado sin tanto rodeo.
def g(x):
return x[0]
a = np.array([1,1,1,1])
b = np.array([1,0,1,0])
x,y = 1,-2
print('g(x*a + y*b) = ',g(x*a + y*b))
print('x*g(a) + y*g(b) =',x*g(a) + y*g(b))
Output:
g(xa + yb) = -1
xg(a) + yg(b) = -1
SÍ ES LINEAL
<def g(x):
return x[0]
a = np.array([1,1,1,1])
b = np.array([1,0,1,0])
x,y = 1,-2 #escalares x y y
c = g(x*a + y*b)
d = g(x*a + y*b)
if c == d:
print('La funcion es homogenea')
>
if g(x*a + y*b) == x*g(a) + y*g(b):
print('la funcion g es lineal')
else:
*print('la funcion g no es lineal')
def g(x):
return x[0]
a = np.array([1,1,1,1])
b = np.array([1,0,1,0])
x,y = 1,-2
print('g(x*a + y*b) = ',g(x*a + y*b))
g(xa + yb) = -1
print('x*g(a) + y*g(b) =',x*g(a) + y*g(b))
xg(a) + yg(b) = -1
Dejo los tres ejercicios para determinar si eran funciones lineales o no. En los tres casos se trataban de tales funciones:
https://github.com/Mgobeaalcoba/proyectos_platzi/blob/main/Ejercicios_de_Funciones_Lineales.ipynb
Durante muchos años me he quejado de que los profes que enseñan matemáticas (en especial a partir de niveles avanzados) no pueden expresar en palabras simples y ejemplos digeribles la cantidad de notación que se usa. Me refiero a que llegan a abusar del formalismo y eso hace que las matemáticas lleguen a ser inaccesibles para quienes más nos cuesta. Puedo contar con una mano a quienes sean capaces de expresar una idea matemática en toda su completitud y que a su vez sea entendible y sobre todo simple. Mis felicitaciones al profe, siga así.
Verificar si la función g(x) es lineal
print('g(x*a + y*b) = ',g(x*a + y*b))
g(x*a + y*b) = -1
#Comprobando la linealidad (Propiedad de la superposición)
print('x*g(a) + y*g(b) =',x*g(a) + y*g(b))
x*g(a) + y*g(b) = -1
Si una funcion g cumple con la homogeneidad y la aditividad, cumple la superpocision. Y, si cumple con la superpocision, es lineal.
Aquí tienes otros ejemplos de funciones lineales comunes:
def identity_function(x):
return x
def scaling_function(x, scalar):
return x * scalar
import numpy as np
def rotation_2d(x, angle):
theta = np.radians(angle)
rotation_matrix = np.array([[np.cos(theta), -np.sin(theta)], [np.sin(theta), np.cos(theta)]])
return np.dot(rotation_matrix, x)
Aquí está mi función para determinar la linealidad 📈📈:
def linearity(a, b, x, y)-> bool:
return f(x*a + y*b) == x*f(a) + y*f(b)
Ejercicio propuesto en la clase:
Si se cumple la condición de linealidad.
Sí, g(x) es función lineal.
Dejo la tarea solicitada:
comprobando si es lineal la función proyección
Hola plazitueros!
Previamente definida la** función proyección** y declarados los vectores c y d (componentes iguales a los del profesor), se realiza la tarea de verificar si es lineal, es decir, si es a su vez homogénea y aditiva.
Los resultados indican que la función proyección también es lineal, al igual que la función suma estudiada previamente.
Saludos
Hola amigos,
en el min 2:57 el profe dice que f**(a,b)** = aTb, es el producto de a transpuesta por b transpuesta. En realidad quiso decir a transpuesta por b, ya que solo es la transpuesta de a en esa operación. Se comprende que fue un lapsus ya que antes y después se nota que b no es transpuesta.
Saludos
Buenas tardes como tal lo unico que hice para resolver el ejercicio de esta clase es evaluar lo que hizo el profesor pero ahora con g(x) y me dio como resultado que si era lineal porque por más que intercambiaba los valores siempre se cumplia la superposición.
a = np.array([4,3,2,1])
b = np.array([1,0,1,0])
x, y=1, -2
print(g(x*a+y*b))
print(x*g(a)+y*g(b))
Así lo resolví yo 😃
g(xa + yb) = -1
xg(a) + yg(b) = -1
Si es una función lineal
if g(x*a + y*b) == x*g(a)+y*g(b):
print('La funcion g es homogenea, aditiva y lineal')
La funcion g es homogenea, aditiva y lineal
def g(x):
return x[0]
a = np.array([1,1,1,1])
b = np.array([1,0,1,0])
x,y = 1,-2
Comprobamos si es lineal
print('g(x*a + y*b) = ',g(x*a + y*b))
g(xa + yb) = -1
print('x*g(a) + y*g(b) =',x*g(a) + y*g(b))```
xg(a) + yg(b) = -1
Es lineal
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?