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