numpy Resumen

la librería de funciones numpy facilitan el cálculo numérico, con datos de vectores y matrices en forma de «arrays».

El orden de las instrucciones es el que aparece en los post del blog.

instrucciones
import numpy as np Importar librerias de funciones Numpy, python numérico, usando un álias de dos letras «np»:
vector=np.arange(a,b,dt) crea un vector con valores en el rango [a,b) y espaciados dt.

t=np.arange(0,10,2)>>> t
array([0, 2, 4, 6, 8])
np.pi constante con valor π

>>> np.pi
3.141592653589793
np.sin(t)
np.cos(t)
función trigonométrica en radianes. La variable t puede ser un escalar o un arreglo.

>>> t=0.65
>>> np.sin(0.65)
0.60518640573603955
>>> t=[0, 0.3, 0.6]
>>> np.sin(t)
array([ 0. , 0.29552021, 0.56464247])
np.abs() obtiene el valor absoluto de un número. En el caso de un número complejo obtiene la parte real.
np.real(complejo)
np.imag(complejo)
obtiene la parte real de los números complejos en un vector. Se aplica lo mismo para la parte imaginaria del número complejo.
complex(a,b) crea el número complejo a partir de los valores de a y b.
a=2
b=3
el resultado es: 2+3j
np.piecewise(t, t>=donde, [1,0]) función que crea a partir de t, los valores de la condicion t>=donde, ubicando los valores de 1, para otro caso es 0. Usada en la funcion escalón.
np.roots([a,b,c]) obtiene las raíces del polinomio:
ax2+bx+c

siendo:

x2 + 3 x + 2 = (x+1)(x+2)
>>> np.roots([1,3,2])
array([-2., -1.])
np.linalg.solve(A,B) Resuelve el sistema de ecuaciones dado por una matriz A y un vector B. siendo, por ejemplo:

 0 =  c1 +  c2
-5 = -c1 - 2c2

c1 = -5 
c2 = 5
>>> A = [[ 1, 1],
	 [-1,-2]]
>>> B = [0,-5]
>>> np.linalg.solve(A,B)
array([-5.,  5.])
>>>