import torch

# Crear un tensor desde una lista
tensor_a = torch.tensor([1, 2, 3, 4])
print(tensor_a)

# Crear un tensor de tamaño 3x3 con valores aleatorios
tensor_b = torch.rand(3, 3)
print(tensor_b)

# Crear un tensor de ceros de tamaño 2x2
tensor_c = torch.zeros(2, 2)
print(tensor_c)

# Crear un tensor de unos de tamaño 2x2
tensor_d = torch.ones(2, 2)
print(tensor_d)

# Suma de tensores
tensor_sum = tensor_a + tensor_d
print(tensor_sum)

# Resta de tensores
tensor_diff = tensor_a - tensor_d
print(tensor_diff)

# Multiplicación de tensores
tensor_mul = tensor_a * tensor_d
print(tensor_mul)

# División de tensores
tensor_div = tensor_a / tensor_d
print(tensor_div)

# Producto punto de dos tensores
tensor_e = torch.tensor([1, 2])
tensor_f = torch.tensor([3, 4])
dot_product = torch.dot(tensor_e, tensor_f)
print(dot_product)

# Acceder a un elemento específico
element = tensor_a[1]
print(element)

# Acceder a una sub-sección del tensor
sub_tensor = tensor_a[1:3]
print(sub_tensor)

# Cambiar la forma de un tensor
tensor_g = torch.rand(2, 3)
reshaped_tensor = tensor_g.view(3, 2)
print(reshaped_tensor)

# Transponer un tensor
transposed_tensor = tensor_g.t()
print(transposed_tensor)

# Suma de todos los elementos
sum_all = tensor_a.sum()
print(sum_all)

# Promedio de todos los elementos
mean_all = tensor_a.mean()
print(mean_all)

# Máximo y mínimo de todos los elementos
max_val = tensor_a.max()
min_val = tensor_a.min()
print(max_val, min_val)

# Paso 1
tensor_h = torch.rand(4, 4)
print("Tensor H:\n", tensor_h)

# Paso 2
tensor_ones = torch.ones(4, 4)
tensor_sum = tensor_h + tensor_ones
print("Suma:\n", tensor_sum)

# Paso 3
tensor_mul = tensor_sum * 2
print("Multiplicación:\n", tensor_mul)

# Paso 4
max_val = tensor_mul.max()
min_val = tensor_mul.min()
print("Máximo:", max_val)
print("Mínimo:", min_val)

# Paso 1
tensor_i = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("Tensor I:\n", tensor_i)

# Paso 2
element = tensor_i[2, 2]
print("Elemento en (2, 2):", element)

# Paso 3
first_row = tensor_i[0, :]
print("Primera fila:", first_row)

# Paso 4
reshaped_tensor = tensor_i.view(1, 9)
print("Tensor re-formado:\n", reshaped_tensor)