- 94
- 269 710
Edison Del Rosario
Ecuador
เข้าร่วมเมื่อ 4 ต.ค. 2012
Bienvenidos, recuerda Suscribirte para recibir notificaciones de actualizaciones.
El canal contiene tutoriales de desarrollados para cursos con Python en ESPOL desde el año 2020. Los algoritmos en Python se publican en el blog correspondiente de los enlaces adjuntos
Agradecemos sus comentarios y sugerencias para ampliar y mejorar el contenido.
Instagram: edelrosespol
facebook: edelrosespol
buymeacoff.ee/edelros
El canal contiene tutoriales de desarrollados para cursos con Python en ESPOL desde el año 2020. Los algoritmos en Python se publican en el blog correspondiente de los enlaces adjuntos
Agradecemos sus comentarios y sugerencias para ampliar y mejorar el contenido.
Instagram: edelrosespol
facebook: edelrosespol
buymeacoff.ee/edelros
Bienvenida al curso de Métodos Numéricos
blog.espol.edu.ec/analisisnumerico/
Bienvenida y breve descripción del curso
Bienvenida y breve descripción del curso
มุมมอง: 467
วีดีโอ
Integral de Transformada de Laplace Unilateral con Sympy-Python. Señales y Sistemas P1/3
มุมมอง 5352 ปีที่แล้ว
Parte 1/3 La transformada de Laplace permite simplificar el proceso de solución de ecuaciones integro-diferenciales usando operaciones mas simples al cambiar desde el dominio del tiempo ‘t’ al dominio ‘s’. blog.espol.edu.ec/telg1001/transformada-de-laplace-concepto-con-python/ 00:00 Concepto 01:03 variables simbolicas 01:59 expresiones en integral 03:08 integral unilateral 04:43 polos 06:34 val...
Integral de convolución en Respuesta a Estado Cero con Sympy-Python. Señales y Sistemas
มุมมอง 2912 ปีที่แล้ว
El estado cero del sistema, "Zero-State", supone no hay energía almacenada, que los capacitores están descargados, que recien sale el equipo de la caja. Para éste caso, la respuesta del sistema se conoce como respuesta a estado cero, "Zero-State response". La respuesta del sistema y(t) para un LTIC se determina con el integral de convolución, desarrollado con Sympy-Python. blog.espol.edu.ec/tel...
Respuesta al impulso de un Sistema LTI con Sympy-Python. Señales y Sistemas
มุมมอง 3462 ปีที่แล้ว
La respuesta de un sistema al impulso, se obtiene al aplicar un impulso unitario δ(t) en la entrada x(t), semejante a un destello en un tiempo muy pequeño. La respuesta de un sistema al impulso unitario δ(t) aplicada en t=0, con todas las condiciones iniciales en cero en t=0-, se conoce como h(t). El Método simplificado al emparejar términos permite reducir el procedimiento para determinar h(t)...
Respuesta a Entrada Cero de un Sistema LTI con Sympy-Python. Señales y Sistemas
มุมมอง 4102 ปีที่แล้ว
La respuesta a entrada cero de un sistema se obtiene aplicando x(t)=0 en la ecuación diferencial, es decir no se le aplica una señal de entrada, se pone a tierra la entrada y se observa la salida. La respuesta a entrada cero permite observar las condiciones internas del sistema, cargas en capacitores o corrientes en inductores como energía residual de los estados anteriores al de observación. P...
Sistemas Causales y No Causales. Revisión con Sympy-Python. Señales y Sistemas
มุมมอง 7832 ปีที่แล้ว
Un sistema es CAUSAL (no-anticipativo o físico) si la salida y(t) en un valor arbitrario de tiempo t=t0 depende solo de la entrada x(t) para t ≤ t0 , es decir depende solo de los valores presentes y/o pasados de la entrada; no depende de valores futuros.No es posible obtener una salida antes que se aplique la entrada. 00:00 Concepto 00:41 Ejemplo1: x(t-1) 04:16 Ejemplo2: x(t 1) 05:39 Ejemplo3: ...
Sistemas Invariantes y Varientes en tiempo. Revisión con Sympy-Python. Señales y Sistemas
มุมมอง 8342 ปีที่แล้ว
Si el comportamiento de un sistema y sus parámetros no cambian en el tiempo, se los denomina sistemas invariantes en el tiempo. Expresando lo mismo como:Un sistema es invariante en el tiempo si, ante un desplazamiento de tiempo en la señal de entrada, se ocasiona el mismo desplazamiento en el tiempo en la señal de salida. El resultado se repite si el desplazamiento del tiempo se aplica a la sal...
Sistemas Lineales y NO Lineales Revisión con Sympy-Python. Señales y Sistemas
มุมมอง 7512 ปีที่แล้ว
Los sistemas se usan para procesar una señal con el objetivo de modificarla, por ejemplo sumar o restar informacion adicional. En un sistema lineal tiene salida proporcional a su entrada.Un sistema lineal tiene la propiedad de aditividad, es decir, la respuesta a una suma de señales en la entrada es igual a la suma de las entradas individuales. La respuesta a: x1(t) x2(t)→y1(t) y2(t) ; αx1(t)→α...
Señal desplazada y con escala en tiempo, gráfica con Python
มุมมอง 9582 ปีที่แล้ว
Una señal x(t) que se retrasa por k segundos se representa como una versión desplazada hacia la derecha el eje t. Es decir: ϕ(t k)=x(t) \phi (t k)= x(t) ϕ(t k)=x(t) 00:00 Concepto 00:54 Desplaza en tiempo 03:33 escala en tiempo 05:36 modelo general blog.espol.edu.ec/telg1001/senales-operaciones-en-tiempo/
Señal exponencial compleja, gráfica con Python
มุมมอง 1.3K2 ปีที่แล้ว
Otra función importante en señales y sistemas es la señal e (st), donde "s" es en general de tipo compleja: s=σ jω. 00:00 Señal exponencial elevado st 01:35 Algoritmo de st en Python 03:32 gráfica en Python 04:25 Componentes σ=0, ω=0 04:41 Componentes σ=1, ω=0 05:08 Componentes σ=0, ω=1 06:08 Componentes σ=1/4, ω=4 06:35 Componentes σ=1/4, ω=4 Unidad 1 Señales blog.espol.edu.ec/telg1001/senales...
Señales compuestas, gráficas con Python
มุมมอง 8332 ปีที่แล้ว
Una señal que se compone de varias señales mas simples se puede manejar como un conjunto de instrucciones por bloques. 00:00 Señal Compuesta 00:38 algoritmo para la gráfica 00:51 primer componente 03:10 segundo componente 04:09 señal x(t) como suma de componentes 05:03 tercer componente 05:50 gráfica de componentes y resultante Unidad 1 Señales blog.espol.edu.ec/telg1001/senales-compuestas/
Señales Escalón e Impulso unitario, gráficas con Python
มุมมอง 3.3K2 ปีที่แล้ว
En muchos de los temas de curso se usan sistemas causales que inician en t=0. La función que describe éste comporamiento es la función escalón μ 00:00 Señal Escalón Unitario 00:57 grafica de escalon unitario 03:44 Señal exponencial a causal con escalón unitario 04:39 varias gráficas con plt.figure 05:43 Señal rectangular 07:30 Escalón unitario como np.heaviside 08:11 Señal Impulso Unitario 10:2...
Señales Pares e Impares, gráficas con Python
มุมมอง 9562 ปีที่แล้ว
Una señal x(t) ó x[n] es par si se «refleja» en el eje vertical u ordenadas, tene los mismos valores para el lado positivo o negativo de |t|. x(t)=x(−t). Una señal x(t) ó x[n] es impar si se cumple que x(t)=−x(−t) y pasa por el origen. 00:00 Señales pares 02:18 muestras a cada lado del eje ó tramos 04:02 marcando el periodo centrado en el origen 04:39 eje vertical en color rojo 05:05 variando l...
Señales Periódicas y No Periódicas, gráficas con Python
มุมมอง 2K2 ปีที่แล้ว
Una señal periódica contínua tiene la propiedad que su valor se repite luego de un desplazamiento de tiempo T. x(t)=x(t T) El valor de T es conocido como el periodo de la señal. 00:00 Señal Periódica contínua 01:05 Periodo, frecuencia en tiempo y frecuencia angular 02:20 intervalo de un periodo 05:12 marcar un periodo con plt.fill_between() 06:26 desplazar marca de periodo 06:44 Señal Periódica...
Señales Analógicas y señales Digitales, gráfica con Python
มุมมอง 2.3K2 ปีที่แล้ว
Una señal se clasifica como analógica cuando su amplitud puede tomar un infinito numero de valores en un rango contínuo de tiempo. Una señal de audio, por su naturaleza es de tipo analógica, que para almacenarla o procesarla en un computador se convierte a digital al cuantificar sus valores de amplitud, de la forma mostrada en el ejercicio. 00:00 Señal analógica 00:40 audio en Archivo.wav 02:04...
Señales Contínuas y señales Discretas, gráficas con Python
มุมมอง 4.3K2 ปีที่แล้ว
Señales Contínuas y señales Discretas, gráficas con Python
Regresión Polinomial de grado m con Python
มุมมอง 4K2 ปีที่แล้ว
Regresión Polinomial de grado m con Python
Regresión por Mínimos Cuadrados con Python
มุมมอง 4.1K2 ปีที่แล้ว
Regresión por Mínimos Cuadrados con Python
Manejo de Texto como Cadenas de caracteres en Python. Ejercicio: Adivina palabra, Ahorcado
มุมมอง 1.9K3 ปีที่แล้ว
Manejo de Texto como Cadenas de caracteres en Python. Ejercicio: Adivina palabra, Ahorcado
Manejo de Texto como Cadenas de caracteres en Python. Ejercicio: Cifrado César
มุมมอง 1.2K3 ปีที่แล้ว
Manejo de Texto como Cadenas de caracteres en Python. Ejercicio: Cifrado César
Matrices como Arreglos y Números Aleatorios en Python. Ejercicio: Juego Memotest
มุมมอง 1.4K3 ปีที่แล้ว
Matrices como Arreglos y Números Aleatorios en Python. Ejercicio: Juego Memotest
Matrices como Arreglos y Números Aleatorios en Python. Ejercicio: Estimar π con método de Montecarlo
มุมมอง 6883 ปีที่แล้ว
Matrices como Arreglos y Números Aleatorios en Python. Ejercicio: Estimar π con método de Montecarlo
Colecciones en programación - Diccionarios de datos en Python
มุมมอง 4863 ปีที่แล้ว
Colecciones en programación - Diccionarios de datos en Python
Funciones Recursivas con Python. Ejercicio Factorial y campesino egipcio.
มุมมอง 3833 ปีที่แล้ว
Funciones Recursivas con Python. Ejercicio Factorial y campesino egipcio.
Archivos tipo texto para Entrada y Salida en Python
มุมมอง 9123 ปีที่แล้ว
Archivos tipo texto para Entrada y Salida en Python
Programación de Menús en Python. Ejercicio: manejo de casilleros con matriz
มุมมอง 2.4K3 ปีที่แล้ว
Programación de Menús en Python. Ejercicio: manejo de casilleros con matriz
Método iterativo de Jacobi con Python. Ejercicio: Temperatura en nodos de placa. Parte 2 de 2
มุมมอง 4.9K3 ปีที่แล้ว
Método iterativo de Jacobi con Python. Ejercicio: Temperatura en nodos de placa. Parte 2 de 2
Método iterativo de Jacobi con Python. Ejercicio: Temperatura en nodos de placa. Parte 1 de 2
มุมมอง 4.2K3 ปีที่แล้ว
Método iterativo de Jacobi con Python. Ejercicio: Temperatura en nodos de placa. Parte 1 de 2
Sistemas EDO con Python. Modelo Predador-Presa
มุมมอง 9K4 ปีที่แล้ว
Sistemas EDO con Python. Modelo Predador-Presa
EDO con el método de Runge-Kutta 4to Orden con Python - Paracaidista Wingsuit
มุมมอง 1.7K4 ปีที่แล้ว
EDO con el método de Runge-Kutta 4to Orden con Python - Paracaidista Wingsuit
Excelente material, muchas gracias por compartir. ¿Tienes algo sobre el metodo secante?
Saludos, puede revisar el contenido en el blog, donde se muestra el algoritmo en Python: blog.espol.edu.ec/analisisnumerico/metodo-de-la-secante-ejemplo-con-python/
@@EdisonDelRosario Muchas gracias!!!
Gracias por la explicación y los ejemplos, una materia muy abstracta
video ZZZZzzzzzZZZzzz............
super. gracias
Donde esta el código para copiar
Saludos, en el enlace de la descripción del video puede encontrar los detalles para hacer seguimiento paso a paso de las instrucciones
Buenas tardes , queria agradecer de corazon esta explicacion ya que me sirvio muchisimo , estoy estudiando la carrera de Automatizacion y Robotica en la UNL (Argentina). Nunca pude comprender el Tema de Señales en python hasta ahora , Me salvo el semestre profesor !! Pd: no deje de hacer estos videos , muy pocos profesores logran explicar como usted!
Muchas gracias por sus palabras, alientan a compartir contenido académico y haber contribuido con un granito de arena a "salvar el semestre". Saludos
Tengo una duda con la formula del tramo, he visto la formula del tramo como; e=|(xi+1 - xi)/(xi+1)|, sin embargo en el ejercicio usted utiliza la formula e=|xi+1 - xi|. Reemplazando los valores en ambas formulas no dan el mismo resultado. Me podría aclarar esa parte?.
Saludos, la fórmula que mencionas corresponde al error relativo entre iteraciones ej: 1% o .01, es un valor entre [0,1]. La fórmula del tramo usada en el algoritmo corresponde al error absoluto, de la magnitud entre el valor anterior, es decir si fuese x distancia se controla el error como hasta 1cm 0.001. Puede revisar el concepto en: blog.espol.edu.ec/analisisnumerico/error-por-tipos-en-computador/
para busqueda binaria excelente. gracias profesor. Un nuevo suscriptor
Gracias por sus palabras
Tuve problemas en google colab en ejemplo 1 al definir Heaviside, me dijo que error , Heaviside no definido, al parecer existen algunas dificultades importando numpy y sympy juntos... sin embargo al correr el script directamente, lo hizo sin problemas, muchas gracias por estas clases!
Saludos, existe Heaviside en numpy (forma numérica) y en sympy (forma simbólica, por lo que se podría presentar conflicto si no se usan los prefijos o alias (as np , as sym) para diferenciarlos. En general, primero se trabaja la forma simbólica para tratar las expresiones de las transformadas (Laplace, z, Fourier). Parra hacer las gráficas con matplotlib se convierte a la forma numérica de numpy.
al momento de correr el codigo me da error al momento de la importancion de numpy , porque pasa?
Considero que le falta instalar la librería numpy en Python. Adjunto un enlace con los detalles de la forma de realizarlo: blog.espol.edu.ec/ccpg1001/descargas/numpy-matrices-instalar/ Por otro lado, para minimizar trabajo con las librerías, en el curso usamos winpython, que es una versión empaquetada que trae lo necesario para los ejercicios sin tener que instalar cada librería. blog.espol.edu.ec/ccpg1001/descargas/winpython-portable/ espero que la información le sea de utilidad.
Excelente explicacion
Hola, muchas gracias. Nos complace que le sea de utilidad
Gracias por el ejemplo, no se uso numpy para nada verdad?
El ejemplo es sobre un polinomio, por lo que para evaluar la función no fué necesario. Se lo considera usar si la función contiene por ejemplo np.cos(x), np.exp(x), etc. Para presentar la tabla si se usa tabla = np.array(tabla)
¿Se puede usar este modelo para una funcion de 2 variables?
El método como tal está planteado para una variable. En la unidad 3 puedes plantear un sistema de ecuaciones con dos incógnitas para una solución tipo iterativa.
y como se hace la grafica en python
saludos, para las gráficas se tiene el detalle la siguiente sección en la página: blog.espol.edu.ec/analisisnumerico/2-1-1-biseccion-ejemplo01/ bajo el título de "mejorando el algoritmo". El video de introducción a gráficas: th-cam.com/video/qwD7ydU-VBE/w-d-xo.html De forma complementaria, toda la unidad uno con videos de: blog.espol.edu.ec/telg1001/senales-continuas/
un favor como podria calcular el error exacto
los metodos son aproximaciones que estiman una cota de error, en el caso del trapecio es O(h^3). Para comprobar la precision del algoritmo se usa la solución analítica del integral restando la estimación con la solución del método numérico. Sin embargo de requerir el error "exacto" se debe considerar la solución del integral, lo cual elimina la facilidad de usar un método numérico. Supongo que necesita comprobar la precisión del algoritmo.
Muchas gracias. Una pregunta ¿Cómo lograste intercalar los colores en cada una de las secciones debajo de la curva?
Saludos, lo de los colores con la artesanía del powerpoint :) Lo añadi por sugerencia los estudiantes para diferenciar cada trapecio al ser visto en la pantalla del proyector. La retroalimentación siempre ayuda.
Excelente video, muchas gracias
Muchas gracias por sus palabras, nos animan a continuar
¿Para todas las diferencias finitas se usa el mismo algoritmo? Solo se cambiaría xi y fi, ¿Verdad?
para todas las "diferencias finitas" se genera la tabla.. tan solo cambiando los vectores xi y fi
@@EdisonDelRosario gracias :)
Excelente video
Muchas gracias por sus palabras
Excelente profesor, lo mejor que he encontrado en esta materia. Gracias, sus videos me han resultado de mucha ayuda.
Muchas gracias por sus palabras
excelente explicación y lógica
Muchas gracias por sus palabras
Como ler hago para hallar el polinomio de Lagrange de grado 6 de la función tangente
Interpreto la pregunta: cómo obtener un polinomio de grado 6 de una función. De ser el caso, podrías usar el polinomio de Taylor de grado 6, desarrollado en la unidad 1 blog.espol.edu.ec/analisisnumerico/1-4-taylor-polinomio-ejemplo01/
Gracias Edison por el video!! Saludos desde Tucumán, Argentina. Estoy cursando métodos numéricos y me sirvió mucho tu explicación.
Gracias por sus palabras, nos complace que los tutoriales le sean de utilidad
Como hace aparcer esa señal? a mi no me aparece, me dice: import numpy as np ModuleNotFoundError: No module named 'numpy'
Debe hacer falta instalar la librería numpy. El enlace te indica cómo hacerlo blog.espol.edu.ec/ccpg1001/descargas/numpy-matrices-instalar/
Buen video. Como puedo reducir la cantidad de decimales en el polinomio?
Si reduces la precisión, no se garantiza que pase por todos los puntos... Si aun lo prefiere, habría que extraer cada coeficiente del polinomio y reducirlo. primero convertir px.as_poly para luego usar px.coeffs()
Muchas gracias
Saludos, para una señal discreta, cómo sería?
Puedes aplicar para las muestras los conceptos dados en el video de th-cam.com/video/mpaQe9HSWQc/w-d-xo.html con lo descrito en: blog.espol.edu.ec/telg1001/senales-discretas/ Saludos
Hola profe, saludos desde Colombia. He visto en tu página de internet, un proyecto de localización mediante trilateración basado en RSSI. ¿Tienes algún video con relación a ello? ¿Podría hablar contigo en un espacio para despejar algunas dudas? Quedo atento, muchas gracias por tus aportes.
Saludos, el tema se había tratado en la página del GIRNI, donde se encuentran los contactos. Escríbenos tus inquietudes y conversamos. blog.espol.edu.ec/girni/
Muchas gracias por la explicación, fue excelente. Solo una duda, ¿por qué en las señales discretas elimina la variable límite/ el tiempo final?
Es un "estilo" de presentación. En los textos se puede notar que las señales continuas se las observa por intervalos [a,b], Las señales discretas se usa la muestra inicial n0, y se indica el el número de muestras 0,1,2,3, ..., muestras. La intención en el algoritmo es presentar la alternativa para esos casos. Igual se puede indicar entre las muestras [n0,muestras]. Saludos
para cuando el teorema de edison???
videazo profe!!
Gracias por su comentario
no me sirvió el video edison
Nos podrías comentar sobre lo que te ayudaría un poco más sobre el tema. Siempre se puede mejorar el contenido. Saludos
estuadiando antes del examen, como debe ser XD
Esa es la actitud..!
Bien explicado. Gracias ingeniero.
Nos complace que le fuese de utilidad. Gracias por su comentario
Excelente video. Gracias!
Gracias por su mensaje, nos alegra que le sea de utilidad. Saludos
si esta mal por que hice tal cual como lo indica en el video y me arroja resultados muy diferentes
Puede revisar el código línea por línea en la página del blog y asi encontrar las "diferencias" con el que ha escrito. Adjunto el enlace que también se encuentra en la descripción, espero le sea de utilidad. blog.espol.edu.ec/analisisnumerico/3-4-gauss-jordan-metodo/
:0 gracias por las pepitas de oro, ahora a soplarme todo los videos que a subido, que libro me recomienda para acompañar los videos, si no es mucha molestia.
Saludos, gracias por sus palabras. La bibliografía se encuentra en la sección de "Acerca de/bibliografía" en el blog de cada curso y como parte de la referencia de cada tema tratado. Espero le sea de utilidad.
poseo un ejercicio con 28 nodos, pero al evaluar en el polinomio, no calcula bien a partir del nodo 25, es decir, la imagen de 4 es 1 y así mismo debería ser el resultado al evaluarlo en el polinomio pero genera otro resultado muy distinto, ¿sabes por qué se puede presentar eso? xi = np.array([1,2,3,4,5,6 ,7 ,8 ,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28]) fi = np.array([0,0,0,1,8,10,13,14,8,0 ,30,12,0 ,14,33,7 ,40,17,33,49,4 ,0 ,12,10,8 ,0 ,0 ,0])
Saludos, dos observaciones respecto a lo que ud propone realizar: 1. Los datos ingresados, todos estan como números enteros. En el curso, durante la unidad 3 se indica que se deben ingresar los datos como números reales xi = np.array([1,2,3],dtype=float) 2. En la unidad hay una práctica sobre el perfil de una mascota, un pato y un dibujo. Durante la práctica el estudiante encuentra que usar un polinomio de un grado muy "grande" no es factible puesto que NO representa lo buscado pues "oscila". blog.espol.edu.ec/analisisnumerico/mascota-descansando/ Con la práctica y unas cuantas preguntas teóricas, se detecta cuáles estudiantes no han leido el capítulo correspondiante. Pues no se recomienda usar el "algoritmo.py" sin realizar un análisis previo (grado, puntos de inflexión, etc)
Revise la práctica y podrá observar algunos "detalles" sobre el polinomio que se usaría para describir la "mascota". Esperamos le sea de utilidad los comentarios
excelente video, me ha servido mucho para un trabajo universitario, se explica de forma muy clara como usar una matriz sin ahondar demasiado en tecnicismos
Gracias por su mensaje, nos alegra que le sea de utilidad. Saludos
esta mal tu codigo
saludos, ¿podrias indicar el inconveniente que encuentras? o la forma que intenta usarlo. Agradecemos su ayuda para mejorar
Cual es programa que usa para ejecutar comando de python?
Saludos, el editor de instrucciones es el básico de Python: IdleX en los cursos recomendamos el paquete integrado de WynPython, como se describe en: blog.espol.edu.ec/analisisnumerico/acerca-de/descargas/
Hola maestro gracias Quiero aprender Python, que curso me recomienda que sea gratis y didactico.....Gracias
Saludos, para empezar desde cero, El curso de fundamentos de computación te puede ser de punto de partida: blog.espol.edu.ec/ccpg1001/
@@EdisonDelRosario Gracias maestro Edison
𝓹𝓻𝓸𝓶𝓸𝓼𝓶
Genial!! Profesor podria hacer un ejercicio sobre heun sin autoinicio - Correspondiente a Ecuaciones Diferenciales Ordinarias
Saludos, te refieres al método de predictor y corrector, también llamado Runge Rutta, lo encuentra en th-cam.com/video/TbejBSPjJzE/w-d-xo.html
holaaa. quisiera saber si este ejercicio lo puedo trabajar con cadenas de cacteres "un programa que permita recibir las letras que representan las armas elegidas por cada clan" las armas estan representadas con símbolo y letras
saludos, cada letra representa un arma diferente, las seleccionadas pueden ser una cadena armas='alh' interpretado como arco, lanza, honda... Las municiones pueden ser un arreglo indicando las flechas del arco, cantidad de lanzas y piedras para la honda.. otra forma podría ser armas='aaahh' que se interpreta como 3 flechas de arco y dos piedras de honda. Se podría crear una función para cada vez que use un arma, elimine una letra de la cadena.. entre otras posibilidades. espero le sea de utilidad.
Muchas gracias por el vídeo. Pregunta, si para mi programa debo trabajar con 10 datos sólo bastaría con llenarlos en la parte de xi y fi?
Gracias por comentar. Respecto a la consulta, es correcto,con pocos datos lo mas sencillo es llenar xi y fi.
hola como hago un proyecto en python
¿Puede desarrolla la pregunta? es respecto al ejercicio de Menús y matrices?
Este video y el contenido de la pagina definitivamente acaban de salvar mi vida y la nota de la materia del semestre, gracias :)
Nos llena de satisfacción que te haya sido de utilidad. Muchas gracias por escribir. Cualquier inquietud y sugerencia estamos para servir.
Como podria hacer qye el programa resuleva sistemas no cuadraticos, he intentado de todo pero no lo he conseguido:(
Saludos, para la solución única del sistema de ecuaciones, deben existir tantas ecuaciones como incógnitas ... Si deseas observar hasta donde se puede simplificar el sistema, puedes mostrar la matriz aumentada AB (print(AB)) y observar como se simplificaron las ecuaciones, teniendo soluciones "infinitas"..
Si para la solución usas una variable libre, aquí hay un ejercicio donde se explica el procedimiento. blog.espol.edu.ec/analisisnumerico/s1eva_2021paoi_t2-atencion-hospitalaria-con-medicamentos-limitados/
MAESTRO COMO SERÍA UN ALGORITMO PARA ELIMINACIÓN DE GAUSS 4X5, DONDE SE LE NECESITARIA MODIFICAR EL CODIGO
Es lo mismo para un sistema de mas ecuaciones, solo se cambia los datos de la matriz en el ingreso, Saludos. Gracias por comentar
@@EdisonDelRosario es que ya ajuste a una matriz no cuadrática pero manda errores, solo puede resolver matrices cuadradas
Si escribes la matriz A y el vector B, te podría dar mas indicaciones.. Para que exista una solución al sistema, deben existir el mismo número de ecuaciones que de incógnitas. Caso contrario no existe solución única. La simplificación de las ecuaciones se muestra en la matriz aumentada AB, supongo que es lo que deseas observar (print(AB))
Si tu pregunta es como la de Sergio, puedes usar una "variable libre", un ejercicio donde se explica el proceso se encuentra en: blog.espol.edu.ec/analisisnumerico/s1eva_2021paoi_t2-atencion-hospitalaria-con-medicamentos-limitados/