README.md

Proyecto de MN en Google Colaboratory

Warning

El proyecto aún se encuentra en fase de desarrollo por lo que pueden existir errores y código incompleto

Proyecto que contiene una serie de jupyter notebooks con documentación sobre los diferentes algoritmos a utilizar en la asignatura, su implementación en python, y una sección para insertar los datos y obtener los resultados de cada algoritmo.

La forma de uso sugerida es a través de Google Colaboratory, servicio en línea para la ejecución de código python de manera sencilla, rápida y segura, y sin la necesidad de instalar nada, en cualquier plataforma: Windows, Linux, MacOs, Android y IOs.

También se puede emplear de forma local mediante Jupyter Lab.

Directorio de enlaces de los notebooks a Google Colab

Note

El directorio se encuentra ordenado por capítulos según el libro de texto de MN

• Cap 1: Teoría de Errores
  • Medidas del Error
  • Cifras significativas
  • Cifras decimales
  • Cifras exactas
• Cap 2: Raíces de Ecuaciones Algebraicas
  • Separación de raíces
    • Método Gráfico
    • Teorema de Bolzano-Cauchy
    • Regla de Descartes
    • Fórmula de Lagrange
  • Resolución de ecuaciones algebraicas
    • Método de Bisección
    • Método de Regula Falsi (Falsa Posición)
    • Método de Newton-Raphson
    • Método de Secantes
• Cap 3: Sistemas de Ecuaciones Lineales y Matrices
  • Convertir matriz a la forma X = MX + C
  • Matriz con diagonal predominante
  • Método de Jacobi
  • Método de Gauss-Seidel
• Cap 4: Aproximación de Funciones
  • Método de LaGrange
  • Método de Newton
• Cap 5: Integración Numérica
  • Método de los Trapecios
  • Método de Simpson
• Cap 6: Optimización Numérica
  • Sin restricciones
    • Búsqueda Secuencial Uniforme
    • Búsqueda Secuencial Acelerada
  • Con restricciones
    • Bisección
    • Sección de Oro
• Cap 7: Ecuaciones Diferenciales Ordinarias
  • Método de Euler
  • Método de Runge-Kutta 2 (RK2)
  • Método de Runge-Kutta 4 (RK4)
• Extras:
  • Playground
  • Playground para graficar
  • Calculadora de Límites
  • Calculadora de Derivadas
  • Calculadora de Integrales
• Documentación de bibliotecas usadas:
  • Matrices (Arrays) en NumPy
  • Funciones en NumPy
  • Funciones en SymPy
  • Graficar en SymPy
  • Graficar en MatPlotLib

Modo de Uso

Acceder a los notebooks en Google Colab

Para poder acceder a los notebooks en Colab se puede realizar:

• Explorando los archivos en el repositorio:

  

  [!NOTE] Una vez dentro del archivo .ipynb deseado, pruebe a cambiar el enlace de github.com/... a githubtocolab.com/...

• Utilizando el directorio de enlaces que se encuentra en este Readme

Entorno de Desarrollo de Google Colab

Tips:

• Para la navegación organizada dentro del archivo se puede emplear el índice proporcionado por la página
• Para poder empezar a ejecutar el notebook se debe conectar a un entorno de ejecución de Google Colab
• Cambiar los datos de entrada en las secciones de inserción de datos para poder obtener los resultados deseados
• Para ejecutar el nuevo código, ir a la pestaña Entorno de ejecución y seleccionar la opción Reiniciar y ejecutar todo, aceptando todas las ventanas emergentes
• Para poder ver los resultados dirigirse a la sección de salida de datos

Versión de Escritorio (Google Chrome)

Versión Móvil (Google Chrome)

Acceder a los notebooks mediante Jupyter Lab

Para poder acceder a los notebooks en Jupyter Lab se deben realizar los siguientes pasos (Windows):

• Descargar e instalar python 3

• Descargar los notebooks de Github

• Abrir la consola del sistema (cmd) en la localización de los notebooks (shift+click derecho -> Abrir ventana de comandos aquí)

• Instalar las dependencias necesarias mediante pip install (Ej: pip install numpy), o usando el archivo requeriments.txt incluido en este repositorio

• Lanzar sistema mediante el comando jupyter lab

Entorno de Desarrollo de Jupyter Lab

Tutorial de Jupyter Lab

Bibliotecas Empleadas:

• numpy~=1.26.0
• matplotlib~=3.8.0
• scipy~=1.11.2
• sympy~=1.12
• jupyterlab~=4.0.6
• pandas~=2.1.1