Code Monkey home page Code Monkey logo

algebra-linear-com-python's Introduction

Álgebra Linear com Python

Aplicações dos tópicos aprendidos na disciplina Álgebra Linear usando a linguagem de programação Python.

apresentacao-algebra-linear-python

Conteúdos do Repositório

Conteúdo Tópicos
Conteúdo A Aprendendo Python
Conteúdo B Aprendendo Numpy
Conteúdo C Aprendendo Matplotlib
Conteúdo D Operações Matriciais
Conteúdo E Aplicação de Matrizes
Conteúdo F Matriz Transposta
Conteúdo G Matriz Inversa
Conteúdo H Determinante
Conteúdo I Sistemas Lineares
Conteúdo J Transformações Lineares
Conteúdo K Estudo de Sistemas de Equações
Conteúdo L Autovalores e Autovetores
Conteúdo M Autovalores em Ecologia
Conteúdo N Transformando um Círculo em uma Elípse
Conteúdo O A Geometria das Transformações Lineares
Conteúdo P Contrução de Curvas por Pontos Especificados
Conteúdo Q Criptografia
Conteúdo R Teoria dos Grafos
Conteúdo S Cadeias de Markov
Conteúdo T Google Page Rank
Conteúdo U Problemas de Mínimos Quadráticos
Conteúdo V Processamento de Imagens Digitais
Conteúdo W Verifique a Instalação

Começando

Essas instruções tem a finalidade de mostrar-lhes como baixar e usar os códigos do repositório em suas máquinas, visando compilar e editar para diversas finalidades.

Pré-requisitos

É interessante que o usuário tenho instalado todo o ambiente de trabalho Python em sua máquina. Caso não seja viável a instalação, não se preocupe. Há outras formas pela qual é possível acessar os progamas do repositório. Vamos apresentar o Google Colab Notebook mais adiante e, através dele, você aprenderá como é possível usá-lo para baixar os progamas e executá-los através do seu navegador Google Chrome.

Instalando

Baixando o ambiente de trabalho Python em sua máquina.

Veja o vídeo abaixo para instalar devidamente o Python em sua máquina (disponível para Windows, Linux e MacOS).

Após todos os procedimentos do vídeo terem sido realizados, abra o prompt de comando da sua máquina e digite os seguintes comandos para importar todas as bibliotecas usadas nos progamas do repositório:

  1. pip install numpy
  2. pip install matplotlib
  3. pip install scipy
  4. pip install jupyter ou pip install jupyter lab
  5. pip install sympy
  6. pip install imageio
  7. pip install ipywidgets

Após importar todas as bibliotecas acima você terá todos os requisitos necessários para compilar os progamas apresentados no repositório. Verifique no progama abaixo se todos as bibliotecas foram devidamente importadas:

Usando o Google Colab Notebook

Como foi dito acima, outra opção razoável é usar o Google Colab Notebook. Vale salientar que por mais completo que seja essa instrumento de trabalho da Google, ele não possuí todas as bibliotecas disponíveis acima. Entretanto, você pode verificar qual célula não compilará. Um dos erros possíveis é a não disponibilidade de algumas no servidor. Para contornar tal fato, crie uma nova célula de código(CODE) e digite pip install [], na qual [] será o nome da biblioteca a ser importada. Veja o vídeo abaixo para ter uma ideia de como utilizar o Google Colab Notebook.

Compilando

Vamos agora aprender a compilar todos os progamas do repositório dado que todos os passos acima estão satisfeitos. O arquivo .ipynb utilizando é um forte instrumento para se utilizar quando deseja-se estudar tópicos de programação voltados para algum assunto didático. No nosso repositório, usamos tal instrumento para trazer aplicações da disciplina de Álgebra Linear computacionalmente. Muito além de ser algo complementar no aprendizado, é também um ótimo começo para quem deseja aprender a linguagem de programação Python, dado que é uma linguagem com amplas funcionalidades para diversas áreas de trabalho.

Como usar os notebooks

Os arquivos com extensão .ipynb são chamados de notebooks. Um notebook é composto por células, essas que obedecem as normas vigentes de boa prática de programação: a ideia da programação sequencial. Uma célula pode ser de dois tipos: célula de código (Code) ou célula de texto (Markdown). As células de texto são independentes entre si em um viés computacional, pois a execução da mesma não vai interferir nas células de código. Sobre o viés do aluno, é interessante para o seu entendimento que a leitura das mesmas seja feito sequencialmente, dado que algumas células desenvolvidas anteriormente ajudam no entendimentos das desenvolvidas posteriormente. As células de código, como foi dito acima, obedecem a ideia da programação sequencial. Desse modo, é fundamental que:

TODAS AS CÉLULAS DE CÓDIGO DEVEM SER EXECUTADAS, DO INÍCIO AO FIM, DADO QUE AS CÉLULAS POSTERIORES SÃO DEPENDENTES DAS CÉLULAS ANTERIORES

Caso contrário, erros de compilação surgirão, interrompendo o funcionamento do progama.

Abrindo um notebook

Para quem optou por instalar na sua máquina o ambiente de trabalho do Python, pode seguir as seguintes instruções para abrir um notebook em sua máquina:

  1. Abra o prompt de comando.
  2. Digite jupyter notebook, caso tenha optado pelo método de instalação pip install jupyter ou digite jupyter lab, caso tenha optado pela opção de instalação pip install jupyter lab.

Jupyter Notebook tem o mesmo funcionamento do Jupyter Lab, a única diferença é que o segundo é uma versão do aplicativo mais recente que a primeira.

  1. Após ter feito isso, será criado no seu prompt de comando uma espécie de servidor local e o aplicativo será aberto em seu browser padrão.

NÃO FECHE O SEU PROMPT DE COMANDO ENQUANTO ESTIVER USANDO O JUPYTER NOTEBOOK OU JUPYTER LAB, CASO CONTRÁRIO, O KERNEL DO APLICATIVO SERÁ ENCERRADO JUNTO.

  1. Caso você queira criar um novo notebook, clique na opção "New Launcher". Dentro do progama:
  • Ícone do disquete("Save the notebook contents and create checkpoint"): salva o seu progama;
  • Ícone de +("Insert a cell below"): Insere uma célula no seu notebook;
  • Ícone de tesoura("Cut the selected cells"): corta alguma célula selecionada do seu progama;
  • Ícone de copiar("Copy the selected cells"): copia uma célula do seu progama;
  • Ícone da prancheta("Paste cells from the clipboard"): cola a célula copiada;
  • Ícone de dar play("Run the selected cells and advance"): compila a célula selecionada;
  • Ícone de parar("Interrupt the Kernel"): Interrompe a compilação da célula em processo;
  • Ícone de reiniciar("Restart the Kernel"): Reinicia a compilação da célula em processo;
  • Opção Markdown: Transforma a célula selecionada em uma célula de texto;
  • Opção Code: Transforma a célula selecionada em uma célula de código;
  1. Caso você queira criar uma pasta, clique na opção "New folder".
  2. Caso você queira adicionar um novo arquivo .ipynb do seu computador, clique na opção "Upload Files".

Para quem optou usar o Google Colab Notebook, pode seguir as seguintes instruções para executar um notebook em um servidor pelo Google Browser.

  1. Logo no início, aparecerá uma janela com diversas opções, nela você pode fazer os seguintes passos:
  • Na aba "Examples", temos uma série de progamas .ipynb fornecidos pelo Google para familiarizar o usuário com o aplicativo;
  • Na aba "Recent", é possível ver os progamas .ipynb acessados recentemente;
  • Na aba "Google Drive", você verá todos os seus progamas criados;

Todos os progamas criados no Google Colab Notebook são salvos no Google Drive e vinculado a conta do usuário.

  • Na aba "GitHub", pode-se copiar a URL do repositório que tem uma extensão .ipynb e usá-lo para abrir o progama do GitHub no Google Colab Notebook de forma direta;

PARA USUÁRIOS DO GOOGLE COLAB NOTEBOOK, ESSA SERÁ A FORMA DE ACESSAR OS PROGRAMAS DO NOSSO REPOSITÓRIO

  • Na aba "Upload" você pode adicionar um progama .ipynb do seu computador diretamente no Google Colab Notebook.
  1. Na opção "New Python3 Notebook" você conseguirá criar um novo notebook. Vamos agora aprender os comandos para prosseguir com essa criação.
  • Na opção "+ Code", você pode adicionar uma célula de código;
  • Na opção "+ Text", você pode adicionar uma célula de texto;
  • Clicando em "file": salva o seu progama;
  • Ícone de lixeira: exclui alguma célula selecionada do seu progama;
  • Nos três pontos para ter acesso a mais opções na célula, você pode achar a opção "Copy cell", para copiar a célula;
  • Ao lado de cada célula, há uma opção para compilar ela, assim, você pode executar as células de código;
  • Clicando na opção "runtime", você pode achar a opção "Run all", para compilar todas as células do progama de uma vez só;

Baixando Arquivos do GitHub

Baixar pelo próprio GitHub

  1. Primeiramente, clique no arquivo que você deseja baixar no GitHub.
  2. Após clicar no arquivo desejado com extensão .ipynb, você conseguirá ver o arquivo, mas não poderá interagir com ele.
  3. Clique na opção Raw e, após isso, clique em "Ctrl + S" para salvar o arquivo em seu computador.
  4. Repare que o tipo do arquivo está como um documento de texto, você deve modificar essa opção para "Todo tipo de arquivo" e modificar também o nome do documento. A extensão .ipynb deve ser mantida.
  5. O nome do documento deve terminar com .ipynb, respeitando as regras ao colocar o nome no arquivo, para que ele compile.
  6. Abra o seu Jupyter Notebook ou Google Colab Notebook.
  7. Faça o upload do arquivo e pronto, você terá um arquivo .ipynb na qual você pode interagir, editar, remover ou adicionar células.

Usando o nbviewer

O próprio Jupyter Project fornece uma ferramenta para que o usuário consiga baixar e visualizar arquivos .ipynb a partir do GitHub. Segue o link do site para acessar o nbviewer.

  1. Insira o link do progama disponível do repositório e clique em pesquisar.
  2. Clique em "Download Notebook" para baixar o arquivo na sua máquina.

Usando o binder para compilar os progamas

Uma opção terciária para executar os progamas .ipynb é usando o binder, do próprio nbviewer. Veja os passos abaixo:

  1. Insira o link do progama disponível no repositório e clique em pesquisar.
  2. Clique na opção "Execute on Binder".
  3. Abrirá no browser um aplicativo Jupyter Notebook.

Minicurso de Git GitHub

minicurso-git-github

Caso ainda haja dúvidas

algebra-linear-com-python's People

Contributors

algebralinearufcg avatar alyssonmach avatar

Stargazers

 avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar  avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.