Ejercicios · 4.3 NumPy y Gráficos
5 ejercicios resueltos paso a paso.
4.3 NumPy y Gráficos
1.
Desarrollar una función potencial_lennard_jones(r_array, epsilon=1.0, sigma=0.34) que evalúe de forma vectorizada con NumPy el potencial intermolecular entre dos átomos neutros sobre un array unidimensional de distancias interatómicas en nanómetros.
2.
Desarrollar una función comparar_producto_matriz_vector(M,
v) que reciba una matriz cuadrada y un vector compatible, calculando el producto matriz vector mediante bucles anidados en Python y mediante álgebra matricial en NumPy, comprobando la coincidencia numérica con np.. allclose.
v) que reciba una matriz cuadrada y un vector compatible, calculando el producto matriz vector mediante bucles anidados en Python y mediante álgebra matricial en NumPy, comprobando la coincidencia numérica con np.. allclose.
3.
Desarrollar una función filtrar_senales_numpy(senales, sigma_corte=2.5) que tome un array unidimensional de medidas con ruido gaussiano, identifique los valores anómalos que disten más de sigma_corte desviaciones típicas de la media, y retorne un array limpio donde los outliers se hayan sustituido por la mediana de la serie.
4.
Desarrollar una función calibrar_sensor_lineal(x_patron, y_medida) que ajuste por mínimos cuadrados una recta de calibración entre concentraciones y señales instrumentales, calculando la pendiente, la ordenada en el origen y el coeficiente de determinación R al cuadrado del ajuste.
5.
Desarrollar un script de visualización con Matplotlib que genere una curva de oscilación amortiguada en un intervalo temporal de 0 a 10 s, configure títulos, etiquetas de ejes con unidades, rejilla de fondo, y guarde la figura en formato PNG de alta resolución a 300 puntos por pulgada.