Cada símbolo, letra o «caracter» que se presenta al escribir en pantalla se convierte en una sucesión ordenada de imágenes, semejante a agrupar las fichas del juego Scrabble

Una palabra se puede observar como las casillas de un vector, dando la pauta para el manejo de texto en el computador.

En Python, el texto para los mensajes en las preguntas input y las salidas print se escriben entre comillas " o apóstrofes '. Cada letra de una palabra se puede identificar por su posición como en un vector.

>>> palabra = 'manzana'
>>> len(palabra)
7
>>> palabra[0]
'm'
>>> palabra[4]
'a'
>>>

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Concatenar cadenas o strings

Si al unir palabras se forma una oración, el concepto se extiende a programación como «concatenar«. Básicamente concatenar es la unión de varias palabras para formar una oración un título o un mensaje.

>>> palabra1 = 'El'
>>> palabra2 = 'saber'
>>> frase = palabra1 + palabra2
>>> frase
'Elsaber'
>>> frase = palabra1 + ' ' + palabra2
>>> frase
'El saber'
>>> cadena1 = 'no ocupa lugar'
>>> frase = frase + ' ' + cadena1
>>> frase
'El saber no ocupa lugar'
>>>

Mayúsculas y Minúsculas con caracteres de letras

Para convertir una frase o palabra a mayúsculas o viceversa, se usan las instrucciones: palabra.upper() y palabra.lower().

Siguiendo el ejemplo anterior, el ejemplo de uso es:

>>> frase
'El saber no ocupa lugar'
>>> enmayusculas = frase.upper()
>>> enmayusculas
'EL SABER NO OCUPA LUGAR'
>>> enminusculas = frase.lower()
>>> enminusculas
'el saber no ocupa lugar'
>>>

Comparar cadenas o strings

También es posible comparar caracteres, o cadenas entre si, por ejemplo para buscar cuántas vocales tiene una palabra. Considere que los caracteres o ‘dibujos de letras’ mayúsculas son diferentes a los de minúsculas.

>>> letra1 = 'd'
>>> letra1 > 'a'
True
>>> letra1 > 'g'
False
>>> letra1 == 'D'
False
>>>

Se puede comparar el orden alfabético de los caracteres, pues el computador los almacena en una posición ordenada, semejante a un vector [‘a’,’b’,’c’, … ]

ejemplo con cadenas, o palabras:

>>> fruta1 = 'manzana'
>>> fruta2 = 'pera'
>>> fruta3 = 'manzana'
>>> fruta4 = 'MANZANA'
>>> fruta1 == fruta3
True
>>> fruta1 == fruta2
False
>>> fruta1 == fruta4
False
>>>

Segmentar o dividir una cadena/string/texto usando split()

Para segmentar o dividir el texto por algún símbolo se dispone de la instrucción frase.split().

En el ejemplo se muestra como se separa la frase

>>> separa = frase.split()
>>> separa
['El', 'saber', 'no', 'ocupa', 'lugar']
>>> separa[1]
'saber'
>>>

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

2015-05-072023-04-24

4.2.2 Matrices en programación, Arreglos – Archivo Abrir/Guardar con Numpy

En Python se pueden obtener los datos de las matrices desde archivos, o almacenar las matrices hacia archivos. Así, cuando las matrices son de grandes dimensiones, no será necesario tener que escribir los valores de las matrices cada vez que se requiera hacer una operación.

En librería Numpy , existen funciones incorporadas para guardar o abrir una matriz desde un archivo en formato .txtcon las instrucciones: np.savetxt(), np.loadtxt()

Guardar matriz en archivo.txt con Numpy

Para guardar una matriz a un archivo use:
numpy.savetxt('matriz.txt', matriz)

>>> import numpy as np
>>> matriz = np.array([[1,2,3],[4,5,6]])
>>> matriz
array([[1, 2, 3],
       [4, 5, 6]])
>>> np.savetxt('matriz00.txt',matriz)

se puede encontrar en archivo.txt en el directorio de trabajo de Python

El archivo puede ser abierto para observar desde el «block de notas»

Abrir archivo.txt de una matriz con Numpy

Continuando con el ejercicio anterior, para abrir o leer desde un archivo en formato de texto ‘matriz.txt‘, se dispone de la instrucción de Numpy:
np.loadtxt('matriz.txt',dtype=int)

La instrucción permite indicar el tipo de datos que se usan en el arreglo.

>>> A = np.loadtxt('matriz00.txt',dtype=int)
>>> A
array([[1, 2, 3],
       [4, 5, 6]])

>>> B = np.loadtxt('matriz00.txt')
>>> B
array([[ 1., 2., 3.],
       [ 4., 5., 6.]])

Nota: lo importante es el formato del archivo en tipo texto. Algunas veces los archivos tienen extensión .dat que también pueden ser leídos.

2015-05-072023-04-17

4.2.1 Matrices en programación, Arreglos – Ejercicios resueltos en Python

[ejercicios resueltos] [ videos tutoriales] [ejercicios para resolver]
…

Ejercicios resueltos

Ejercicios resueltos sobre matrices en arreglos de dos dimensiones en Python y Numpy.

1) 3Eva_IT2002_T1 Triunfos, empates y derrotas por Goles

Solución propuesta: s3Eva_IT2002_T1 Triunfos, empates y derrotas por Goles

2) 3Eva_IT2000_T2 Matriz: puntos por goles en campeonato

Solución propuesta: s3Eva_IT2000_T2 Matriz: puntos por goles en campeonato

3) 3Eva_IT2003_T2 Verificar un cuadrado mágico

Solución propuesta: s3Eva_IT2003_T2 Verificar un cuadrado mágico

4) 2Eva_IT2009_T3 Mejores vendedores por categoría

Solución propuesta: s2Eva_IT2009_T3 Mejores vendedores por categoría

5) 1Eva_IIT2003_T3 Personas asignadas a proyectos

Solución propuesta: s1Eva_IIT2003_T3 Personas asignadas a proyectos

6) 2Eva_IIT2007_T2 Juego de memotest

Solución propuesta: s2Eva_IIT2007_T2 Juego de memotest , m_pdf

…
[ejercicios resueltos] [ videos tutoriales] [ejercicios para resolver]

Tutoriales de Matrices y arreglos

Ejercicios para Álgebra y Métodos Numéricos:

Unidad 3 Solución a sistemas de ecuaciones

Ejemplos en el curso de Métodos numéricos

…
[ejercicios resueltos] [ videos tutoriales] [ejercicios para resolver]

Ejercicios para resolver

Ejercicios de matrices en programación y su aplicación como arreglos de dos dimensiones.

3Eva_IT2000_T2 Matriz: puntos por goles en campeonato

2Eva_IIT2011_T3 Movimientos del caballo en ajedrez

3Eva_IIT2015_T3 funciones matrices rotar, extraer

3Eva_IIT2015_T4 Orientar código QR (Quick Response Code)

Matrices y Aleatorios

3Eva_IIT2014_T1 Ubicar estudiantes en aula

2Eva_IT2015_T3 Distribuye tortugas en región

2Eva_IT2015_T4 Movilidad de tortugas en región

Matrices en Álgebra

2Eva_IIT2009_T2 Transponer una matriz

2Eva_IT2007_T2 Verificar matriz triangular

1Eva_IT2004_T4 Verificar matriz simétrica

2015-05-072024-10-10

4.2 Matrices en programación – Arreglos de dos dimensiones en Python

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Las matrices en programación se manejan como arreglos de Numpy.
La interpretación de los datos de una Matriz o arreglo puede ser desde un sistema de ecuaciones, una tabla de goles de un campeonato o una hoja de calendario.

Al igual que los vectores, las matrices en arreglos tienen como componentes: «nombre», «índice» y «tamaño». Los valores de tamaño dependen de las dimensiones de la matriz. Para los primeros ejercicios serán rectangulares de nxm.

Los índices a diferencia de el álgebra, inician en cero.

En los ejercicios, la matriz de dos dimensiones usa como índices de filas la variable «i» y para columnas «j».

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Matrices en programación con Numpy-Python

Para un mejor manejo de matrices en programación, se usan las funciones de la librería Numpy (Numerical Python) que se incorporan en el bloque de inicio con el alias np.

import numpy as np

Definir una matriz de nxm, con ceros o llena de unos, requiere la instrucción:

>>> 
import numpy as np
>>> n = 5
>>> m = 7
>>> matriz0 = np.zeros(shape=(n,m), dtype=float)
>>> matriz0
array([[0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0.]])
>>> matriz1 = np.ones(shape=(n,m), dtype=float)
>>> matriz1
array([[1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1., 1., 1.]])
>>>

El tipo de matriz (dtype=int) se añade para indicar que la matriz tiene datos tipo entero, la forma predeterminada para los datos es tipo real (dtype=float)

Las dimensiones de la matriz se obtienen mediante la instrucción con Numpy:

>>> np.shape(matriz0)
(5, 7)
>>> tamano = np.shape(matriz0)
>>> tamano
(5, 7)
>>> tamano[0]
5
>>> tamano[1]
7
>>> dimension = np.ndim(matriz0)
>>> dimension
2
>>>

entre otras operaciones en Numpy que reflejan las operaciones de matrices de álgebra.

Referencias: Inicie con la definición de matrices del álgebra lineal:

http://blog.espol.edu.ec/matg1049/cl1-02-sistema-de-ecuaciones-lineales/

Las operaciones básicas de matrices se describen también en álgebra lineal:

http://blog.espol.edu.ec/matg1049/cl2-07-operaciones-entre-subespacios/

Algoritmos sobre Matrices en Análisis y Métodos Numéricos

La Unidad 3 Sistemas de Ecuaciones del curso Análisis Numérico desarrolla los algoritmos en Python en base a los métodos matemáticos.

3.2 Pivoteo parcial por filas con Python

3.3 Método de Gauss con Python

Interpretación de matrices

Observe el siguiente video y plantee la relación con el tema de arreglos, matrices, dimensiones y computación.

Las aplicaciones de las matrices | Lo que desearía que mis maestros me hubieran dicho antes. Zach Star. 11 oct 2019.

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

2015-05-072023-04-17

4.1.1 Vectores como arreglos en programación Arreglos – Ejercicios resueltos en Python

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]
…

Ejemplo 1 – Secuencia de Fibonacci

Referencia: Ejercicio 12 de 3.3.3 Tarea-Lazos

La secuencia de Fibonacci es muy reconocida en la matemática. Como introducción al tema se recomienda observar el video de «misterio de las matemáticas» que tiene una explicación interesante entre los tiempos 2:33 y 6:40, por lo que el video inicia en el minuto 2:33.

La secuencia se desarrolla a partir de dos números: 1 y 1

El siguiente término se obtiene sumando los dos anteriores:

1 1 2 3 5 8 13 21 ...
a+b=c
  a+b=c
    a+b=c

El algoritmo primero se presenta en el diagrama de flujo para facilidad visual de los pasos.

Al requerir mostrar toda la secuencia, en lugar de un solo valor, aparece la necesidad de usar un vector.

Para éste caso usamos la librería numpy para obtener los siguientes resultados:

¿cuál término?: 8
término n-ésimo:  21
secuencia:  [ 1  1  2  3  5  8 13 21]
>>>

Algoritmo en Python

Se modifican las instrucciones para añadir la secuencia en un vector:

# secuencia de fibonacci
# usando vectores
import numpy as np

# INGRESO
nesimo = int(input('¿cuál término?: '))

# PROCEDIMIENTO
a = 1
b = 1
terminos = 2
secuencia = np.zeros(nesimo,dtype = int)
secuencia[0] = 1
secuencia[1] = 1

while not(terminos>=nesimo):
    c = a+b
    secuencia[terminos] = c
    terminos = terminos+1
    a = b
    b = c
    
# SALIDA
print('término n-ésimo: ',c)
print('secuencia: ', secuencia)

Ejemplo 2: 1Eva_IIT2015_T3 Vector de números primos

Primero desarrolle el algoritmo para un número cualquiera «n«.

Como hipótesis, inicie considerando que el número es primo, esprimo=1, luego pruebe con cada uno de los divisores en el intervalo entre 2 y (n-1).

La divisibilidad se revisa con el residuo entre el número n y los divisiores del intervalo [2,n-1].

Primero con divisor=2. El número 1 no cuenta pues todos los números son divisibles para 1.

Si el residuo calculado tuvo resultado cero, el número n no es primo, esprimo=0. Continua las pruebas con el siguiente divisor, divisor = divisor +1

Se revisa si se han probado con todos los números inferiores a n o que el resultado ya no es primo, esprimo=0.

Se muestran los resultados.

El esquema del ejemplo se muestra en el diagrama de flujo.

Algoritmo en Python

Convirtiendo las instrucciones de diagrama de flujo a instrucciones en Python:

# 1ra Evaluación II Término 2015. Tema 3
# numeros primos

# INGRESO
n = int(input('primo a revisar: '))

# PROCEDIMIENTO ES PRIMO
esprimo = 1

divisor = 2
while not(divisor>=(n-1) or esprimo==0):
    residuo = n%divisor
    if (residuo==0):
        esprimo=0
    divisor = divisor+1

# SALIDA
print('numero primo: ', esprimo)

Tarea

En una secuencia de números enteros, identifique cuales son números primos.

Reutilice el algoritmo anterior para almacenar cada resultado en un vector, indicando 1 si es primo y 0 si no lo es.

Luego de probar que el algoritmo funciona, realice un bloque de ingreso para la secuencia de prueba.

numeros prueba:  [ 2  3  4  5  6  7  8  9 10]
cumple esprimo:  [ 1  1  0  1  0  1  0  0  0]
>>>

# 1ra Evaluación II Término 2015
# numeros primos
import numpy as np

# INGRESO
probar = np.array([2,3,4,5,6,7,8,9,10])

# PROCEDIMIENTO
tamano = len(probar)
cumple = np.ones(tamano, dtype=int)
posicion =  0
while not(posicion==tamano):
    n = probar[posicion]
    
    # PROCEDIMIENTO ES PRIMO
    esprimo = 1
    i = 2
    while not(i>=(n-1) or esprimo==0):
        r = n%i
        if (r==0):
            esprimo=0
        i = i+1
    
    cumple[posicion] = esprimo
    posicion = posicion+1

# SALIDA
print('numeros prueba: ', probar)
print('cumple esprimo: ', cumple)

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]
…

Ejercicios resueltos de vectores como arreglos en Python

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]

…

Ejercicios para resolver sobre de arreglos en programación

1Eva_IT2005_T3 Arreglo aleatorio binario a decimal

1Eva_IT2001_T6 Piloto y copiloto para nave

1Eva_IIT2002_T3 Conjetura de Ullman

1Eva_IIT2008_T4 Área del polígono convexo por triángulos

[ Ejemplos ] [ Ejercicios resueltos ] [ ejercicios para resolver ]

2015-05-072024-09-23

4.1 Vectores en programación – Arreglos de una dimensión en Python

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Al disponer de varios de datos de igual tipo y relacionados se manejan como un conjunto. Ejemplo: una lista de calificaciones de una lección o las edades de los estudiantes.

estudiante	edad[estudiante]
1	17
2	21
3	19

El conjunto de datos se maneja como un “arreglo” que tiene las siguientes características:

Todos los datos son de igual tipo (enteros, reales, lógicos, etc.)
Se conoce su “tamaño”, es decir la cantidad de elementos en el arreglo.
El arreglo se identifica por medio del nombre del conjunto ordenado de datos.
Cada elemento se identifica por una variable índice que da su posición.

edad = \begin{pmatrix} 17\\21\\19 \end{pmatrix}

En éste ejemplo se puede observar que:

todos los datos de las edades son tipo entero, int
el tamaño o cantidad de estudiantes es n=3 en el arreglo
los datos corresponden a la “edad”, nombre del arreglo
mediante su posición en la lista i, se identifica al estudiante. El estudiante 2, i=2, la edad es edad[2]=21.

Otro ejemplo , temperaturas por día. Los datos son tipo Real, float:

día	1	2	3	4
temperatura[día]	28.6	24.9	26.5	25.1

Tamaño n=4, temperatura[2]=24.9

Para éste caso, el arreglo contiene las mediciones de temperatura en varios días, para éste caso es de 4 días, por lo que el arreglo es de tamaño 4. Todos los datos son números reales, si se quiere conocer la temperatura de un día específico se usa la variable índice día, con lo que se obtiene el valor de 24.9.

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Arreglos en algoritmos

Los arreglos en algoritmos se manejan como vectores y matrices en álgebra. Python dispone de la librería Numpy para manejo de arreglos, por lo que en el bloque de inicio se requiere pedir la librería "numpy" con el álias "np".

import numpy as np

En el caso que se usen arreglos, los bloques de ingreso deben reflejar las acciones para llenar los datos.

Bloque de Ingreso

La primera pregunta para llenar una lista de temperaturas es para conocer cuántos datos se encuentran registrados. Por lo que primero se preguntará el tamaño n del arreglo .

El ingreso de datos es de forma ordenada, por lo que se inicia el índice para solicitar el valor del primero de la lista. Por ejemplo:
día=1,

Luego se solicita el ingreso de la temperatura de cada día: temperatura[día] .

Se continúa el siguiente índice , sumándole uno, para repetir la operación hasta completar el ingreso de todos los datos.

Se repite el procedimiento para cada elemento del arreglo «temperatura«.

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

Indices en arreglos

Los índices en arreglos se manejan de forma semejante a un vector en álgebra. Sin embargo, la numeración de casillas empieza en cero.

i	0	1	2	3
día	1	2	3	4
temperatura[día]	28.6	24.9	26.5	25.1

Por lo que el día 2, tiene índice 1. El índice está en el arreglo desplazado en una posición.

import numpy as np
temperatura = np.array([28.6, 24.9, 26.5, 25.1])

>>> temperatura[2]
26.5
>>> temperatura[1]
24.9
>>> 
>>> len(temperatura)
4
>>>

Asunto para recordar cuando se realicen las operaciones en el arreglo.

Bloque de procedimiento

Al manejar el conjunto de datos ordenado se puede realizar los cálculos individualmente sobre cada elemento. O se puede manejar el conjunto con las reglas de vectores o matrices.

Por ejemplo, promediar la temperaturas, requiere sumar todas las temperaturas y dividirlas para la cantidad de datos (tamaño)

# PROCEDIMIENTO
promedio = np.sum(temperatura)/n

Bloque de Salida

Para la presentación de datos, cuando se dicta o se muestra uno por uno, se procede de forma semejante al bloque de ingreso.

En algunos lenguajes estructurados, existen formas de presentar todo el conjunto mediante una sola instrucción.

# temperaturas promedio
import numpy as np

# INGRESO
n = int(input('cuántos días: '))

temperatura = np.zeros(n,dtype=float)
dia = 0
while not(dia>=n):
    temperatura[dia] = float(input('t: '))
    dia = dia + 1

# PROCEDIMIENTO
promedio = np.sum(temperatura)/n

# SALIDA
print('promedio t: ',promedio)
print(temperatura)

que al ejecutar el algoritmo obtenemos

cuántos días: 4
t: 28.6
t: 24.9
t: 26.5
t: 25.1
promedio t:  26.275
[28.6 24.9 26.5 25.1]
>>>

Arreglos: [ índice ][ Vector ] [ Matriz ] || [ cadenas/string ] [listas]

2015-05-062023-04-22

3.5.3 Bases Numéricas en programación – Ejercicios resueltos y Tarea

Bases numéricas se usan para diferentes propósitos, para interpretarlas apropiadamente se requieren algoritmos que usan cocientes, residuos y acumuladores.

Se presentan algunos ejercicios resueltos en los que se requiere realizar el cambio de bases numérica desarrollados con Python.

Sistemas de Numeración – Bases Numéricas

Ejemplos: ejercicios resueltos con bases numéricas

1Eva_IIT2008_T1 Odómetro OCTAL

Solución propuesta: s1Eva_IIT2008_T1 Odómetro OCTAL

1Eva_IIT2003_T1 Cambiar Decimal a Octal

Solución propuesta: s1Eva_IIT2003_T1 Cambiar Decimal a Octal

1Eva_IT2005_T3 Arreglo aleatorio binario a decimal

Solución propuesta: s1Eva_IT2005_T3 Arreglo aleatorio binario a decimal

Actividades independientes

Otros ejercicios que para practicar lazos/bucles, acumuladores, cocientes y residuos.

1Eva_IIT2002_T3 Conjetura de Ullman

1Eva_IIT2008_T4 Área del polígono convexo por triángulos

1Eva_IT2001_T6 Piloto y copiloto para nave

2015-05-062024-09-21

3.5.2 Número Decimal a Binario – Algoritmo Básico en Python

[ Decimal a Binario ] [ Ejercicio ] [ Algoritmo ] || [ Binario a Decimal ]

1. Número Decimal a Binario

Los números decimales se convierten a base binaria para mostrarlos por ejemplo en códigos de barra.

La base numérica binaria es ampliamente usada en informática o computación.
[ Decimal a Binario ] [ Ejercicio ] [ Algoritmo ] || [ Binario a Decimal ]
..

2. Ejercicio: Cinco en binario

Para convertir el número Decimal 5 en Binario hay que descomponer el número en la nueva base numérica, para luego trabajar con los residuos y ubicar cada uno desde la posición menos significativa a la más significativa.

Las operaciones se basan principalmente en el uso de cocientes, residuos y acumuladores y el proceso se muestra en la figura:

Observe la diferencia en las operaciones para el divisor y la base, las operaciones son similares a las del ejercicio de Binario a Decimal.

Cambia el divisor y la ponderación usadas, sin embargo las operaciones seguirán siendo básicamente las mismas.

Con esta observación se pueden plantear los cambios de base con otras bases numéricas, por ejemplo la de base 8 también conocida como Octal.
[ Decimal a Binario ] [ Ejercicio ] [ Algoritmo ] || [ Binario a Decimal ]
..

3. Algoritmo Decimal a Binario

Puesto que el ejercicio es una variante del mostrado como Binario a Decimal, se muestra directamente su forma en: Diagrama de flujo, pseudo-código y en Python.

El ejemplo en seudo-código:

Proceso DecimalBinario
	Leer decimal
	binario ← 0
	i ← 0
	Mientras decimal > 0
		digito ← decimal mod 2
		decimal ← trunc(decimal/2)
		binario ← binario+digito*10^i
		i ← i + 1
	FinMientras
	Escribir binario
FinProceso

Algoritmo en Python

# Decimal a binario

# INGRESO
decimal = int(input("número decimal: "))

# PROCEDIMIENTO
binario = 0
i = 0
while (decimal>0):
    digito  = decimal%2
    decimal = int(decimal//2)
    binario = binario+digito*(10**i)
    i = i+1
# SALIDA
print("en binario: ",binario)

Resultados en Python

número decimal:5
en binario:  101
>>>

Ejercicios:

Realizar los algoritmos Binario a Decimal y Decimal a Binario usando el lazo Repita-Hasta.
Crear un algoritmo para convertir un número de base numérica x a base y.
Comprobar el algoritmo usando los valores: 23_x número_y.
Sugerencia, convierta el número de la base x primero a decimal y luego transforme el resultado a la siguiente base numérica y.

[ Decimal a Binario ] [ Ejercicio ] [ Algoritmo ] || [ Binario a Decimal ]

Concatenar cadenas o strings

Mayúsculas y Minúsculas con caracteres de letras

Comparar cadenas o strings

Segmentar o dividir una cadena/string/texto usando split()

Guardar matriz en archivo.txt con Numpy

Abrir archivo.txt de una matriz con Numpy

Ejercicios resueltos

Tutoriales de Matrices y arreglos

Ejercicios para resolver

Matrices y Aleatorios

Matrices en Álgebra

Matrices en programación con Numpy-Python

Algoritmos sobre Matrices en Análisis y Métodos Numéricos

Interpretación de matrices

Ejemplo 1 – Secuencia de Fibonacci

Algoritmo en Python

Ejemplo 2: 1Eva_IIT2015_T3 Vector de números primos

Algoritmo en Python

Tarea

Ejercicios resueltos de vectores como arreglos en Python

Vectores – Arreglos unidimensionales con Python y Numpy

Arreglos unidimensionales y números aleatorios

Arreglos, acumuladores y contadores

Ejercicios para resolver sobre de arreglos en programación

Arreglos en algoritmos

Bloque de Ingreso

Indices en arreglos

Bloque de procedimiento

Bloque de Salida

Ejemplos: ejercicios resueltos con bases numéricas

Actividades independientes

1. Número Decimal a Binario

2. Ejercicio: Cinco en binario

3. Algoritmo Decimal a Binario

Algoritmo en Python

Ejercicios: