El material contenido en este repositorio sirve de soporte dinámico para un curso general de métodos numéricos para ciencias e ingeniería.
Para descarga de una copia local del repositorio:
-
hacer click en la opcion Clone or download y luego escoger Download ZIP
-
usando git en sistemas LINUX/UNIX, usar en la terminal:
git clone https://github.com/pachocamacho1990/MetNum_Py.git
Para poder usar los contenidos de este repositorio desde un computador personal se recomienda instalar la version completa de Anaconda (que incluye iPython y Jupyter Notebook). Luego, se sugiere cargar los notebooks de Jupyter usando Jupyter lab.
-
La base de ejecucion en los notebooks de Jupyter es el lenguaje iPython, se recomienda leer la documentacion sobre su uso aquí.
-
Los notebooks también se pueden cargar online desde la pagina de Jupyter (en la opcion Try it in your browser).
-
El repositorio puede cargarse online en un ambiente interactivo usando binder:
-
También es posible usar un ambiente interactivo y colaborativo en Deepnote aquí:
Solución numérica de ecuaciones
- Métodos de Bisección y posición Falsa
- Métodos de Newton y Secante
- Método del punto fijo
- Polinomios de Newton y Lagrange
- Teorema de Interpolacion
- Trazadores Cúbicos
- Mínimos cuadrados lineales
- Introduccion a Scikit-Learn
- Introduccion a Tensorflow
Solución de sistemas de ecuaciones
- Reducción Gaussiana
- Factorizacion LU
Solución de ecuaciones diferenciales ordinarias
- Método de Euler y Euler Mejorado
- Métodos de Taylor
- Métodos de Runge-Kutta
- Método de Verlet
Ecuaciones en derivadas parciales: diferencias finitas.
- Modelos 1D: Advección y difusión
- Modelos 2D: Advección y difusión
- Cuantificación del error numérico
- Ecuación de Navier-Stokes
Parte del contenido de este curso se apoya en los siguientes libros:
-
Arévalo Ovalle, D., Bernal Yermanos, M. A., & Posada Restrepo, J. A. (2017), Matemáticas para Ingeniería. Métodos numéricos con Python, Bogotá: Editorial Politécnico Grancolombiano (click aquí).
-
Sauer, Timothy, Análisis numérico. Segunda edición. PEARSON EDUCACIÓN. México. 2013(click aquí).
y en las siguientes publicaciones:
- Fanaee-T, Hadi, and Gama, Joao, "Event labeling combining ensemble detectors and background knowledge", Progress in Artificial Intelligence (2013): pp. 1-15, Springer Berlin Heidelberg, doi:10.1007/s13748-013-0040-3.