Este repositorio contiene una serie de prácticas de la asignatura Análisis Numérico del grado en Matemáticas en la UMA, orientadas a resolver problemas de ecuaciones diferenciales mediante métodos numéricos. Las prácticas están diseñadas para que los estudiantes puedan comprender y aplicar los conceptos fundamentales del Análisis Numérico en el contexto de la resolución de problemas con ecuaciones diferenciales.
El repositorio contiene las siguientes prácticas:
- Práctica 1: Métodos unipaso para problemas de valor inicial
- Práctica 2: Métodos de Runge-Kutta encajados (RKp(p+1))
- Práctica 3:
- Práctica 4:
- Práctica 5:
Cada práctica incluye una descripción del problema a resolver, una explicación de los métodos numéricos necesarios para resolver el problema, así como ejemplos y ejercicios para que los estudiantes puedan poner en práctica lo aprendido. Además, se proporcionan archivos de código fuente en Python con implementaciones de los métodos numéricos requeridos.
Las prácticas están diseñadas para ser ejecutadas en un entorno de Python 3. Se requieren las siguientes bibliotecas de Python para ejecutar las prácticas:
- numpy
- scipy
- matplotlib
Se recomienda instalar estas bibliotecas mediante el administrador de paquetes de Python pip.
Para utilizar las prácticas, descargue o clone el repositorio en su máquina local. Cada práctica se encuentra en una carpeta separada y contiene un archivo README.md
con las instrucciones para completar la práctica. Los archivos de código fuente para las prácticas se encuentran en la carpeta src
.
Para ejecutar los archivos de código fuente, abra una terminal en la carpeta src
y ejecute el archivo correspondiente con el comando python nombre_del_archivo.py
. Los archivos de código fuente contienen ejemplos y ejercicios que pueden ser modificados y ejecutados para explorar el comportamiento de los métodos numéricos.
Si desea contribuir a este repositorio, puede hacerlo enviando una solicitud de extracción. Se aceptarán mejoras en cualquier aspecto de las prácticas, incluyendo errores, problemas de claridad, sugerencias de nuevos ejemplos o ejercicios, y mejoras en la implementación de los métodos numéricos.