

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Los mejores documentos en venta realizados por estudiantes que han terminado sus estudios
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Descubre las mejores universidades de tu país según los usuarios de Docsity
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Una introducción al paquete scipy de python, con énfasis en las funciones relacionadas con la integración numérica y las ecuaciones diferenciales ordinarias (edos). Se muestra cómo utilizar las funciones quad, odeint y root para resolver problemas de integración y ecuaciones no lineales respectivamente. Además, se importan y se utilizan numpy y matplotlib.
Qué aprenderás
Tipo: Ejercicios
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
In [ ]: print("SciPy") In [ ]: print("Conjunto de paquetes para computación científica general") print("Integración, optimización, interpolación, procesamiento de señales digitales, estadís ticas...") print("Normalmente interfaces a programas muy utilizados escritos en Fortran, o C++") In [1]: %matplotlib inline In [2]: import import numpynumpy asas npnp import import matplotlib.pyplotmatplotlib.pyplot asas pltplt In [ ]: print("Integración numérica") In [3]: from from scipyscipy importimport integrate In [4]: def def f(x): return return np.exp(-x ** 2 ) In [ ]: "Y ahora simplemente utilizamos la función quad, que recibe como argumentos la función y los límites de integración." In [5]: integrate.quad(f, 0 , 5 ) In [6]: def def f(x, A, B): return return A * np.exp(-B * x ** 2 ) In [7]: integrate.quad(f, 0 , 5 , args=(1.0, 1.0)) In [ ]: "Ecuaciones diferenciales ordinarias (EDOs)" Out[5]: (0.8862269254513955, 2.3183115139669666e-14) Out[7]: (0.8862269254513955, 2.3183115139669666e-14)
In [ ]: "Dentro del paquete integrate tenemos también funciones para resolver ecuaciones diferencial es ordinarias (EDOs), como es el caso de la función odeint. Esta función puede resolver cual quier sistema del tipo:" In [8]: def def f(y, t): return return - y In [9]: y0 = 1. In [10]: t = np.linspace( 0 , 3 ) In [11]: sol = integrate.odeint(f, y0, t) In [12]: plt.plot(t, sol) In [13]: def def f(y, t): return return np.array([y[ 1 ], - y[ 0 ]]) In [14]: t = np.linspace( 0 , 10 ) In [15]: y0 = np.array([1.0, 0.0]) In [16]: sol = integrate.odeint(f, y0, t) In [17]: plt.plot(t, sol[:, 0 ], label='$y$') Out[12]: [<matplotlib.lines.Line2D at 0x2085f996640>]