diff --git a/lectures/matplotlib.md b/lectures/matplotlib.md
new file mode 100644
index 0000000..3cb7dac
--- /dev/null
+++ b/lectures/matplotlib.md
@@ -0,0 +1,509 @@
+---
+jupytext:
+  text_representation:
+    extension: .md
+    format_name: myst
+kernelspec:
+  display_name: Python 3
+  language: python
+  name: python3
+translation:
+  title: Matplotlib
+  headings:
+    Overview: Overview
+    Overview::Matplotlib's Split Personality: Matplotlib's Split Personality
+    The APIs: The APIs
+    The APIs::The MATLAB-style API: The MATLAB-style API
+    The APIs::The Object-Oriented API: The Object-Oriented API
+    The APIs::Tweaks: Tweaks
+    More Features: More Features
+    More Features::Multiple Plots on One Axis: Multiple Plots on One Axis
+    More Features::Multiple Subplots: Multiple Subplots
+    More Features::3D Plots: 3D Plots
+    More Features::A Customizing Function: A Customizing Function
+    More Features::Style Sheets: Style Sheets
+    Further Reading: Further Reading
+    Exercises: Exercises
+---
+
+(matplotlib)=
+```{raw} jupyter
+<div id="qe-notebook-header" align="right" style="text-align:right;">
+        <a href="https://quantecon.org/" title="quantecon.org">
+                <img style="width:250px;display:inline;" width="250px" src="https://assets.quantecon.org/img/qe-menubar-logo.svg" alt="QuantEcon">
+        </a>
+</div>
+```
+
+# {index}`Matplotlib <single: Matplotlib>`
+
+```{index} single: Python; Matplotlib
+```
+
+## Overview
+
+ഈ lectures-ൽ ഇതിനകം [Matplotlib](https://matplotlib.org/) ഉപയോഗിച്ച് ധാരാളം figures നമ്മൾ ഉണ്ടാക്കിക്കഴിഞ്ഞു.
+
+Matplotlib scientific computing-നായി design ചെയ്ത ഒരു മികച്ച graphics library ആണ്, അതിൽ ഉള്ളവ:
+
+* high-quality 2D, 3D plots
+* സാധാരണ formats-ലെല്ലാം (PDF, PNG, മുതലായവ) output
+* LaTeX integration
+* presentation-ന്റെ എല്ലാ വശങ്ങളിലും fine-grained control
+* animation, മുതലായവ
+
+### Matplotlib's Split Personality
+
+Matplotlib വ്യത്യസ്തമായത് അതു plotting-ന് രണ്ട് വ്യത്യസ്ത interfaces നൽകുന്നു എന്നതിലാണ്.
+
+ഒന്ന് ലളിതമായ MATLAB-style API (Application Programming Interface) ആണ്, MATLAB-ൽ നിന്ന് വരുന്നവർക്ക് പെട്ടെന്ന് ഒരു ഇടം കണ്ടെത്താൻ സഹായിക്കാൻ എഴുതിയത്.
+
+മറ്റേത് കൂടുതൽ "Pythonic" object-oriented API ആണ്.
+
+താഴെ വിവരിക്കുന്ന കാരണങ്ങളാൽ, രണ്ടാമത്തെ API ഉപയോഗിക്കാൻ ഞങ്ങൾ recommend ചെയ്യുന്നു.
+
+എന്നാൽ ആദ്യം, വ്യത്യാസം എന്താണെന്ന് നോക്കാം.
+
+## The APIs
+
+```{index} single: Matplotlib; Simple API
+```
+
+### The MATLAB-style API
+
+introductory treatments-ൽ കാണാവുന്ന തരത്തിലുള്ള ഒരു ലളിതമായ example ഇതാ
+
+```{code-cell} ipython
+import matplotlib.pyplot as plt
+import numpy as np
+
+x = np.linspace(0, 10, 200)
+y = np.sin(x)
+
+plt.plot(x, y, 'b-', linewidth=2)
+plt.show()
+```
+
+ഇത് ലളിതവും സൗകര്യപ്രദവുമാണ്, പക്ഷേ ഒരു പരിധിവരെ limited-ഉം un-Pythonic-ഉം ആണ്.
+
+ഉദാഹരണത്തിന്, function calls-ൽ, പ്രോഗ്രാമർക്ക് അറിയാതെ തന്നെ ധാരാളം objects create ചെയ്യപ്പെടുകയും pass ചെയ്യപ്പെടുകയും ചെയ്യുന്നു.
+
+Python programmers സാധാരണയായി കൂടുതൽ explicit ആയ ഒരു programming style ഇഷ്ടപ്പെടുന്നു (ഒരു code block-ൽ `import this` run ചെയ്ത് രണ്ടാമത്തെ line നോക്കുക).
+
+ഇത് നമ്മെ alternative ആയ, object-oriented Matplotlib API-ലേക്ക് നയിക്കുന്നു.
+
+### The Object-Oriented API
+
+മുൻപത്തെ figure-ന് corresponding ആയ code object-oriented API ഉപയോഗിച്ച് ഇതാ
+
+```{code-cell} python3
+fig, ax = plt.subplots()
+ax.plot(x, y, 'b-', linewidth=2)
+plt.show()
+```
+
+ഇവിടെ `fig, ax = plt.subplots()` എന്ന call ഒരു pair return ചെയ്യുന്നു, അതിൽ
+
+* `fig` ഒരു `Figure` instance ആണ്---ഒരു blank canvas പോലെ.
+* `ax` ഒരു `AxesSubplot` instance ആണ്---plotting ചെയ്യാനുള്ള ഒരു frame ആയി കരുതുക.
+
+`plot()` function യഥാർത്ഥത്തിൽ `ax`-ന്റെ ഒരു method ആണ്.
+
+കുറച്ചു കൂടുതൽ typing ഉണ്ടെങ്കിലും, objects-ന്റെ ഈ explicit ആയ ഉപയോഗം നമുക്ക് മെച്ചപ്പെട്ട control നൽകുന്നു.
+
+നമ്മൾ മുന്നോട്ട് പോകുമ്പോൾ ഇത് കൂടുതൽ വ്യക്തമാകും.
+
+### Tweaks
+
+ഇവിടെ ഞങ്ങൾ line-ന് red color നൽകുകയും legend ചേർക്കുകയും ചെയ്തിരിക്കുന്നു
+
+```{code-cell} python3
+fig, ax = plt.subplots()
+ax.plot(x, y, 'r-', linewidth=2, label='sine function', alpha=0.6)
+ax.legend()
+plt.show()
+```
+
+line-നെ അല്പം transparent ആക്കാൻ `alpha`-യും ഞങ്ങൾ ഉപയോഗിച്ചു---ഇത് അതിനെ കൂടുതൽ smooth ആയി കാണിക്കുന്നു.
+
+`ax.legend()`-നെ `ax.legend(loc='upper center')` ഉപയോഗിച്ച് മാറ്റി legend-ന്റെ location മാറ്റാവുന്നതാണ്.
+
+```{code-cell} python3
+fig, ax = plt.subplots()
+ax.plot(x, y, 'r-', linewidth=2, label='sine function', alpha=0.6)
+ax.legend(loc='upper center')
+plt.show()
+```
+
+എല്ലാം ശരിയായി configure ചെയ്തിട്ടുണ്ടെങ്കിൽ, LaTeX ചേർക്കുന്നത് നിസ്സാരമാണ്
+
+```{code-cell} python3
+fig, ax = plt.subplots()
+ax.plot(x, y, 'r-', linewidth=2, label=r'$y=\sin(x)$', alpha=0.6)
+ax.legend(loc='upper center')
+plt.show()
+```
+
+ticks control ചെയ്യുന്നതും titles ചേർക്കുന്നതും മറ്റും ലളിതമാണ്
+
+```{code-cell} python3
+fig, ax = plt.subplots()
+ax.plot(x, y, 'r-', linewidth=2, label=r'$y=\sin(x)$', alpha=0.6)
+ax.legend(loc='upper center')
+ax.set_yticks([-1, 0, 1])
+ax.set_title('Test plot')
+plt.show()
+```
+
+## More Features
+
+Matplotlib-ന് functions-ന്റെയും features-ന്റെയും ഒരു വലിയ array ഉണ്ട്, ആവശ്യം വരുമ്പോൾ കാലക്രമേണ അവ കണ്ടെത്താം.
+
+ചിലത് മാത്രം ഞങ്ങൾ ഇവിടെ പരാമർശിക്കുന്നു.
+
+### Multiple Plots on One Axis
+
+```{index} single: Matplotlib; Multiple Plots on One Axis
+```
+
+ഒരേ axes-ൽ multiple plots ഉണ്ടാക്കുന്നത് ലളിതമാണ്.
+
+randomly മൂന്ന് normal densities generate ചെയ്ത് അവയുടെ mean-ഉള്ള ഒരു label ചേർക്കുന്ന ഒരു example ഇതാ
+
+```{code-cell} python3
+from scipy.stats import norm
+from random import uniform
+
+fig, ax = plt.subplots()
+x = np.linspace(-4, 4, 150)
+for i in range(3):
+    m, s = uniform(-1, 1), uniform(1, 2)
+    y = norm.pdf(x, loc=m, scale=s)
+    current_label = rf'$\mu = {m:.2}$'
+    ax.plot(x, y, linewidth=2, alpha=0.6, label=current_label)
+ax.legend()
+plt.show()
+```
+
+### Multiple Subplots
+
+```{index} single: Matplotlib; Subplots
+```
+
+ചിലപ്പോൾ നമുക്ക് ഒരു figure-ൽ multiple subplots വേണ്ടിവരും.
+
+6 histograms generate ചെയ്യുന്ന ഒരു example ഇതാ
+
+```{code-cell} python3
+num_rows, num_cols = 3, 2
+fig, axes = plt.subplots(num_rows, num_cols, figsize=(10, 12))
+for i in range(num_rows):
+    for j in range(num_cols):
+        m, s = uniform(-1, 1), uniform(1, 2)
+        x = norm.rvs(loc=m, scale=s, size=100)
+        axes[i, j].hist(x, alpha=0.6, bins=20)
+        t = rf'$\mu = {m:.2}, \quad \sigma = {s:.2}$'
+        axes[i, j].set(title=t, xticks=[-4, 0, 4], yticks=[])
+plt.show()
+```
+
+### 3D Plots
+
+```{index} single: Matplotlib; 3D Plots
+```
+
+Matplotlib 3D plots നന്നായി ചെയ്യുന്നു --- ഇതാ ഒരു example
+
+```{code-cell} python3
+from mpl_toolkits.mplot3d.axes3d import Axes3D
+from matplotlib import cm
+
+
+def f(x, y):
+    return np.cos(x**2 + y**2) / (1 + x**2 + y**2)
+
+xgrid = np.linspace(-3, 3, 50)
+ygrid = xgrid
+x, y = np.meshgrid(xgrid, ygrid)
+
+fig = plt.figure(figsize=(10, 6))
+ax = fig.add_subplot(111, projection='3d')
+ax.plot_surface(x,
+                y,
+                f(x, y),
+                rstride=2, cstride=2,
+                cmap=cm.jet,
+                alpha=0.7,
+                linewidth=0.25)
+ax.set_zlim(-0.5, 1.0)
+plt.show()
+```
+
+### A Customizing Function
+
+നിങ്ങൾ പതിവായി ഉപയോഗിക്കുന്ന customizations-ന്റെ ഒരു set നിങ്ങൾ കണ്ടെത്തിയേക്കാം.
+
+നമ്മുടെ axes origin-ലൂടെ പോകണമെന്നും, ഒരു grid ഉണ്ടാകണമെന്നും നമ്മൾ സാധാരണയായി ഇഷ്ടപ്പെടുന്നു എന്ന് കരുതുക.
+
+ഈ changes implement ചെയ്യുന്ന ഒരു custom `subplots` function build ചെയ്യാൻ object-oriented API എങ്ങനെ ഉപയോഗിക്കാം എന്നതിന്റെ [Matthew Doty](https://github.com/xcthulhu)-യുടെ ഒരു നല്ല example ഇതാ.
+
+code ശ്രദ്ധയോടെ വായിച്ച്, എന്താണ് നടക്കുന്നതെന്ന് follow ചെയ്യാൻ കഴിയുമോ എന്ന് നോക്കുക
+
+```{code-cell} python3
+def subplots():
+    "Custom subplots with axes through the origin"
+    fig, ax = plt.subplots()
+
+    # Set the axes through the origin
+    for spine in ['left', 'bottom']:
+        ax.spines[spine].set_position('zero')
+    for spine in ['right', 'top']:
+        ax.spines[spine].set_color('none')
+
+    ax.grid()
+    return fig, ax
+
+
+fig, ax = subplots()  # Call the local version, not plt.subplots()
+x = np.linspace(-2, 10, 200)
+y = np.sin(x)
+ax.plot(x, y, 'r-', linewidth=2, label='sine function', alpha=0.6)
+ax.legend(loc='lower right')
+plt.show()
+```
+
+custom `subplots` function
+
+1. `fig, ax` pair generate ചെയ്യാൻ internal ആയി standard `plt.subplots` function call ചെയ്യുന്നു,
+1. `ax`-ന് ആവശ്യമായ customizations വരുത്തുന്നു, ഒപ്പം
+1. `fig, ax` pair-നെ calling code-ലേക്ക് പാസ് ചെയ്യുന്നു.
+
+### Style Sheets
+
+Matplotlib-ലെ മറ്റൊരു ഉപകാരപ്രദമായ feature [style sheets](https://matplotlib.org/stable/gallery/style_sheets/style_sheets_reference.html) ആണ്.
+
+uniform ആയ styles-ഉള്ള plots create ചെയ്യാൻ നമുക്ക് style sheets ഉപയോഗിക്കാം.
+
+`plt.style.available` എന്ന attribute print ചെയ്ത് available styles-ന്റെ ഒരു list നമുക്ക് കണ്ടെത്താം
+
+
+```{code-cell} python3
+print(plt.style.available)
+```
+
+ഇപ്പോൾ style sheet set ചെയ്യാൻ `plt.style.use()` method നമുക്ക് ഉപയോഗിക്കാം.
+
+ഒരു style sheet-ന്റെ പേര് എടുത്ത് ആ style ഉപയോഗിച്ച് വ്യത്യസ്തമായ plots വരയ്ക്കുന്ന ഒരു function എഴുതാം
+
+```{code-cell} python3
+
+def draw_graphs(style='default'):
+
+    # Setting a style sheet
+    plt.style.use(style)
+
+    fig, axes = plt.subplots(nrows=1, ncols=4, figsize=(10, 3))
+    x = np.linspace(-13, 13, 150)
+
+    # Set seed values to replicate results of random draws
+    np.random.seed(9)
+
+    for i in range(3):
+
+        # Draw mean and standard deviation from uniform distributions
+        m, s = np.random.uniform(-8, 8), np.random.uniform(2, 2.5)
+
+        # Generate a normal density plot
+        y = norm.pdf(x, loc=m, scale=s)
+        axes[0].plot(x, y, linewidth=3, alpha=0.7)
+
+        # Create a scatter plot with random X and Y values 
+        # from normal distributions
+        rnormX = norm.rvs(loc=m, scale=s, size=150)
+        rnormY = norm.rvs(loc=m, scale=s, size=150)
+        axes[1].plot(rnormX, rnormY, ls='none', marker='o', alpha=0.7)
+
+        # Create a histogram with random X values
+        axes[2].hist(rnormX, alpha=0.7)
+
+        # and a line graph with random Y values
+        axes[3].plot(x, rnormY, linewidth=2, alpha=0.7)
+
+    style_name = style.split('-')[0]
+    plt.suptitle(f'Style: {style_name}', fontsize=13)
+    plt.show()
+
+```
+
+ചില styles എങ്ങനെയാണ് കാണപ്പെടുന്നത് എന്ന് നോക്കാം.
+
+ആദ്യം, `seaborn` എന്ന style sheet ഉപയോഗിച്ച് graphs വരയ്ക്കാം
+
+```{code-cell} python3
+draw_graphs(style='seaborn-v0_8')
+```
+
+plots-ലെ colors നീക്കം ചെയ്യാൻ നമുക്ക് `grayscale` ഉപയോഗിക്കാം
+
+```{code-cell} python3
+draw_graphs(style='grayscale')
+```
+
+`ggplot` എങ്ങനെയാണ് കാണപ്പെടുന്നത് എന്നത് ഇതാ
+
+```{code-cell} python3
+draw_graphs(style='ggplot')
+```
+
+`dark_background` എന്ന style-ഉം നമുക്ക് ഉപയോഗിക്കാം
+
+```{code-cell} python3
+draw_graphs(style='dark_background')
+```
+
+list-ലെ മറ്റ് styles പരീക്ഷിക്കാൻ ഈ function നിങ്ങൾക്ക് ഉപയോഗിക്കാം.
+
+താൽപ്പര്യമുണ്ടെങ്കിൽ, നിങ്ങളുടെ സ്വന്തം style sheets തന്നെ create ചെയ്യാവുന്നതാണ്.
+
+നിങ്ങളുടെ style sheets-നുള്ള Parameters `plt.rcParams` എന്ന dictionary പോലുള്ള variable-ൽ store ചെയ്യപ്പെടുന്നു
+
+```{code-cell} python3
+---
+tags: [hide-output]
+---
+ 
+print(plt.rcParams.keys())
+
+```
+
+നിങ്ങളുടെ style sheets-ന് set ചെയ്യാവുന്ന ധാരാളം parameters ഉണ്ട്.
+
+നിങ്ങളുടെ style sheet-ന് parameters set ചെയ്യുക: 
+
+1. നിങ്ങളുടെ സ്വന്തം [`matplotlibrc` file](https://matplotlib.org/stable/users/explain/customizing.html) create ചെയ്തുകൊണ്ട്, അല്ലെങ്കിൽ
+2. `plt.rcParams` എന്ന dictionary പോലുള്ള variable-ൽ store ചെയ്ത values update ചെയ്തുകൊണ്ട്
+
+രണ്ടാമത്തെ method ഉപയോഗിച്ച് overlaid ആയ density lines-ന്റെ style മാറ്റാം
+
+```{code-cell} python3
+from cycler import cycler
+
+# set to the default style sheet
+plt.style.use('default')
+
+# You can update single values using keys:
+
+# Set the font style to italic
+plt.rcParams['font.style'] = 'italic'
+
+# Update linewidth
+plt.rcParams['lines.linewidth'] = 2
+
+
+# You can also update many values at once using the update() method:
+
+parameters = {
+
+    # Change default figure size
+    'figure.figsize': (5, 4),
+
+    # Add horizontal grid lines
+    'axes.grid': True,
+    'axes.grid.axis': 'y',
+
+    # Update colors for density lines
+    'axes.prop_cycle': cycler('color', 
+                            ['dimgray', 'slategrey', 'darkgray'])
+}
+
+plt.rcParams.update(parameters)
+
+
+```
+
+```{note} 
+
+ഈ settings `global` ആണ്. 
+
+`.rcParams`-ലെ parameters മാറ്റിയ ശേഷം generate ചെയ്യുന്ന ഏതൊരു plot-ഉം ഈ setting-ന്റെ ബാധ്യതയിലായിരിക്കും.
+
+```
+
+```{code-cell} python3
+fig, ax = plt.subplots()
+x = np.linspace(-4, 4, 150)
+for i in range(3):
+    m, s = uniform(-1, 1), uniform(1, 2)
+    y = norm.pdf(x, loc=m, scale=s)
+    current_label = rf'$\mu = {m:.2}$'
+    ax.plot(x, y, linewidth=2, alpha=0.6, label=current_label)
+ax.legend()
+plt.show()
+```
+
+നിങ്ങളുടെ style വീണ്ടും default ആയി മാറ്റാൻ `default` style sheet വീണ്ടും apply ചെയ്യുക
+
+```{code-cell} python3
+
+plt.style.use('default')
+
+# Reset default figure size
+plt.rcParams['figure.figsize'] = (10, 6)
+
+```
+
+## Further Reading
+
+* [Matplotlib gallery](https://matplotlib.org/stable/gallery/index.html) ധാരാളം examples നൽകുന്നു.
+* Nicolas Rougier, Mike Muller, Gael Varoquaux എന്നിവരുടെ ഒരു നല്ല [Matplotlib tutorial](https://scipy-lectures.org/intro/matplotlib/index.html).
+* [mpltools](https://tonysyu.github.io/mpltools/index.html) plot styles-ന്റെ ഇടയിൽ എളുപ്പത്തിൽ switch ചെയ്യാൻ അനുവദിക്കുന്നു.
+* [Seaborn](https://github.com/mwaskom/seaborn) Matplotlib-ൽ common ആയ statistics plots സുഗമമാക്കുന്നു.
+
+## Exercises
+
+```{exercise-start}
+:label: mpl_ex1
+```
+
+function plot ചെയ്യുക
+
+$$
+f(x) = \cos(\pi \theta x) \exp(-x)
+$$
+
+`np.linspace(0, 2, 10)`-ലെ ഓരോ $\theta$-ക്കും $[0, 5]$ എന്ന interval-ൽ.
+
+എല്ലാ curves-ഉം ഒരേ figure-ൽ വയ്ക്കുക.
+
+output ഇതുപോലെ കാണപ്പെടണം
+
+```{image} /_static/lecture_specific/matplotlib/matplotlib_ex1.png
+:scale: 130
+:align: center
+```
+
+```{exercise-end}
+```
+
+```{solution-start} mpl_ex1
+:class: dropdown
+```
+
+ഇതാ ഒരു solution
+
+```{code-cell} ipython3
+def f(x, θ):
+    return np.cos(np.pi * θ * x ) * np.exp(- x)
+
+θ_vals = np.linspace(0, 2, 10)
+x = np.linspace(0, 5, 200)
+fig, ax = plt.subplots()
+
+for θ in θ_vals:
+    ax.plot(x, f(x, θ))
+
+plt.show()
+```
+
+```{solution-end}
+```
\ No newline at end of file