Skip to main content

Librería para resolver sistemas de ecuaciones lineales y no lineales.

Reason this release was yanked:

fail import

Project description

BR23021UNO

Autor: [Joyser Leonel Barrera Romero]
Versión: 1.0.0
Descripción: Librería para resolver sistemas de ecuaciones lineales y no lineales utilizando métodos numéricos. Permite resolver ecuaciones usando los siguientes métodos : Eliminación de Gauss, Gauss-Jordan, Regla de Crammer,Descomposición LU, Jacobi, Gauss-Seidel y Bisección.

Instalación

Para instalar la librería, usa el siguiente comando en tu terminal:

pip install BR23021UNO 

Dependencias

Para que la librería funcione correctamente, asegúrate de instalar las siguiente dependencia:

pip install numpy 

Ejemplos de uso

biseccion:

            #import math
            # Definir la función que queremos evaluar
            funcion = lambda x: x**4 + 0.5*(x**3) - 2*x - 5
            #Llamar a la funcion
            raiz, iteraciones = biseccion(funcion,100,0)

            # Mostrar el resultado con 6 cifras significativas
            print(f"Raiz de funcion por biseccion es igual a {raiz:.6f}, encontrada en un total de {iteraciones} iteraciones.")

            #Salida esperada: 
            #Raiz de funcion por biseccion es igual a 50.000000, encontrada en un total de 0 iteraciones.

crammer:

            # Matriz de coeficientes (A) y vector de términos independientes (b)
            A = [
                [2, 1, 3],
                [3, -2, -1],
                [1, 3, 2]
            ]

            b = [1, 0, 5]

            # Resolver el sistema Ax = b usando la regla de Cramer
            solucion = cramer(A, b)

            print(f"Solución del sistema: {solucion}")

            #Resultado esperado : Solución del sistema: [ 1.  2. -1.]

descomposicion_lu:

            # Definir la matriz de coeficientes (A) y el vector de términos independientes (b)
A = np.array([
    [25, 5, 1],
    [64,  8, 1],
    [144,  12, 1]
], dtype=float)

b = np.array([106.8, 177.2, 279.2], dtype=float)

# Resolver el sistema Ax = b usando la descomposición LU
solucion = lu_solve(A, b)

print("Solución del sistema:", solucion)
 ##Resultado esperado: Solución del sistema: [ 0.29047619 19.69047619  1.08571429]

eliminacion_gauss

    # Definir la matriz de coeficientes A y el vector de términos independientes b
    A = np.array([
    [2, 3, 1],
    [1, 1, 2],
    [1, -1, -1]
    ], dtype=float)

    b = np.array([0, 1, -1], dtype=float)

    # Resolver el sistema Ax = b usando el método de eliminación de Gauss
    solution = gauss_elimination(A, b)

    print(f"Solución del sistema: {solution}")
    ##Salida esperada: Solución del sistema: [-0.33333333 -0.          0.66666667]

gauss_jordan

    # Definir la matriz de coeficientes del sistema Ax = b
    coefficients = [
        [1, 1, -1],
        [1, -2, 3],
        [2, -1, 3]
    ]

    # Definir el vector de términos independientes
    ind_terms = [2, 0, 3]

    # Resolver el sistema mediante el método de Gauss-Jordan
    solution = gauss_jordan(coefficients, ind_terms)

    # Mostrar la solución del sistema
    print("Solución del sistema:", solution)
    #Resultado esperado: Solución del sistema: [1. 2. 1.]

gauss_seidel

    #Definir la matriz
    A = np.array([
        [9, 2, -1],
        [7, 8, 5],
        [3, 4, -10]
    ], dtype=float)

    b = np.array([-2, 3, 6], dtype=float)

    # Resolver el sistema usando el método de Gauss-Seidel
    solution = gauss_seidel(A, b)

    # Mostrar la solución encontrada
    print("La solución aproximada del sistema es:", solution)

    #Resultado esperado: La solución aproximada del sistema es: [-0.48501362  1.01226158 -0.34059946]

jacobi

    #Definimos la matriz
    A = np.array([
        [2, -1, 1],
        [1, 2, -1],
        [1, 1, 1]
    ], dtype=float)

    b = np.array([7, 6, 12], dtype=float)

    # Resolver el sistema Ax = b usando el método de Jacobi
    solution = jacobi(A, b)

    # Mostrar la solución aproximada 
    print("La solución aproximada del sistema es:", solution)

    #Solucion esperada: La solución aproximada del sistema es: [3. 4. 5.]

Contacto

Email: br23021@ues.edu.sv
GitHub: (https://github.com/JoyserB/BR23021UNO)
Universidad de El Salvador

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

BR23021UNO-1.2.0.tar.gz (5.2 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

BR23021UNO-1.2.0-py3-none-any.whl (7.3 kB view details)

Uploaded Python 3

File details

Details for the file BR23021UNO-1.2.0.tar.gz.

File metadata

  • Download URL: BR23021UNO-1.2.0.tar.gz
  • Upload date:
  • Size: 5.2 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.11.9

File hashes

Hashes for BR23021UNO-1.2.0.tar.gz
Algorithm Hash digest
SHA256 9f0d2f9ab982d5953d05072457c22ac039ac5d0f0a4969c0d69bfba69f0f032d
MD5 01f08a075363240ecb587bb26b3aacf9
BLAKE2b-256 0dfaac811bf5bf5348207079b98ae1493b63cd2fc313c64ef534807630e7fea5

See more details on using hashes here.

File details

Details for the file BR23021UNO-1.2.0-py3-none-any.whl.

File metadata

  • Download URL: BR23021UNO-1.2.0-py3-none-any.whl
  • Upload date:
  • Size: 7.3 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.1.0 CPython/3.11.9

File hashes

Hashes for BR23021UNO-1.2.0-py3-none-any.whl
Algorithm Hash digest
SHA256 b055db7d65ff15e5d44a1f3b584cd090c137f909cd9d0a7b2fef9859a35f9036
MD5 c74c9bd17362bff8f994be212b8c5871
BLAKE2b-256 47d34fcb298317f9119ff4774953e58fc83db8d8288bc090f91698af3a3988da

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page