#!/usr/bin/env python # Se importa numpy como np import numpy as np # Se define los valores de la matriz A A = np.array([[3, 9, -10], [1, -6, 4], [10, -2, 8]]) print(A) # Tamaño de la matriz print(A.shape) # Transpuesta print(A.transpose()) print(A.T) # Se definen los valores de la matriz B B = np.array([[24], [-4], [20]]) # Tamaño print(B.shape) # Se calcula el valor de X con X=inv(A)*B X = np.linalg.inv(A).dot(B) # Se muestra el resultado print("El resultado de X es:", X) from scipy.linalg import solve X = solve(A, B) # Se muestra el resultado print("El resultado de X es:", X) # Otras opciones C = np.zeros((3, 2)) D = np.ones((2, 3)) R = np.random.rand( 3, 2 ) # returns an array with random elements from 0 to 1, taken from a uniform distribution. A = np.random.randn( 3, 2 ) # random elements taken from a normal distribution with zero mean and unit variance # producto matriz vector A = np.array([[1, 2], [3, 4]]) v = np.array([[5], [6]]) x = np.dot( A, v ) # To perform matrix multiplication according to the linear algebra rules x x = A @ v x