@profecamor

import numpy as np # ============================== # Función de prueba # ============================== def f(x): return np.exp(x) # Derivada exacta de f(x)=e^x def df_exacta(x):

import numpy as np import matplotlib.pyplot as plt def tabla_diferencias_divididas(x, y): """ Construye la tabla de diferencias divididas de Newton. """ x = np.array(x, dtype=float) y = np.array(y, dtype=float)

import numpy as np def jacobi(A, b, x0=None, tol=1e-8, max_iter=100): """ Método de Jacobi para resolver Ax = b. Parámetros ---------- A : array_like Matriz de coeficientes.

import numpy as np import matplotlib.pyplot as plt # ========================================== # Serie de Taylor de sin(x) alrededor de x0 # ========================================== # Punto de expansión x0 = 1.0 # Punto de expansión

import math # Datos experimentales d = 24.2 # Diámetro de la esfera en mm medido con el pie de rey o tornillo micrométrico m = 18.44 # Masa en gramos Deltad = 0.05 # Resolución del instrumento en mm Deltam = 0.05 # Resolución de la báscula en g # Volumen de la esfera V = π d³ / 6

import math # Datos experimentales d = 21.6 # Diámetro (en mm) del objeto medido con pie de rey o tornillo micrométrico z = 46.0 # Espesor (en mm) del objeto medido con pie de rey o tornillo micrométrico m = 6.45 # Masa del objeto medida en gramos Deltad = 0.05 # Resolución del instrumento en mm Deltaz = 0.05 # Resolución del instrumento en mm Deltam = 0.05 # Resolución de la báscula en gramos

import numpy as np import matplotlib.pyplot as plt def newton(f, df, x0, tol=1e-6, max_iter=100): puntos = [] # para guardar las aproximaciones x = x0 for i in range(max_iter): fx = f(x) dfx = df(x) if abs(dfx) < 1e-12:

#Permite acceder a información interna del sistema y del tipo float. import sys import math print("=== Representación de números en computador ===") # 1. Problema clásico x = 0.1 y = 0.2 z = 0.3 print("0.1 + 0.2 =", x + y)

import numpy as np import matplotlib.pyplot as plt def biseccion(f, a, b, tol=1e-3, max_iter=100): puntos = [] # para guardar los puntos medios # Verificar si hay raíz en los extremos fa = f(a) fb = f(b) if abs(fa) < tol: print(f"La raíz está en el extremo izquierdo: x = {a}")

(* ===================================== *) (* 1) Parámetros del sistema *) (* ===================================== *) ClearAll["Global`*"]; m = 1; l = 2; R = 1; g = 9.81; \[Omega] = 1.74; T = (2 \[Pi])/\[Omega]; (* periodo del forzamiento *)

from vpython import * # ------------------------- # Parámetros del sistema # ------------------------- g = 9.81 # m/s^2 m = 1 # kg (masa del bob) l = 2 # m (longitud del péndulo) R = 1 # m (radio del disco) omega = 1.72 # rad/s (velocidad angular del disco)

import numpy as np import matplotlib.pyplot as plt from scipy.integrate import solve_ivp # --------------------------- # Parámetros del sistema # --------------------------- m = 1.0 l = 2.0 R = 1.0

import numpy as np import math # Datos th1 = (2)* math.pi/180 #ángulo de la banderilla por la dilatación del vidrio th2 = (12)*math.pi/180 #ángulo de la banderilla por la dilatación del bronce th3 = (13)*math.pi/180 #ángulo de la banderilla por la dilatación del aluminio T0 = 25.3 #Temperatura inicial de las varillas en el ambiente en °C T1 = 95.3 #Temperatura del agua pasando por las varillas en °C

import math import matplotlib.pyplot as plt import numpy as np # Datos ensayo = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] theta = [35.5, 32.2, 35.2, 35.5, 36.0, 32.7, 31.7, 34.2, 31.9, 31.5] # Cálculo de μ = tan(θ) convirtiendo grados → radianes mu = [math.tan(math.radians(ang)) for ang in theta]

import numpy as np # Datos #Temperaturas medidas en °C Tx = 95 #Temperatura inicial de la sustancia Ta = 25.5 #Temperatura inicial del agua T = 28.5 #Temperatura de equilibrio #Masas medidas en gramos ma = 49.49 #Masa del agua que esta dentro del vaso mx = 28.59 #Masa de la sustancia problema

import random import sys SECRET_LEN = 4 # Cambia a 3–6 si quieres otra dificultad DIGITS = "0123456789" # Se permiten ceros a la izquierda ALLOW_REPEATS = False # Si lo pones True, deja dígitos repetidos def generar_secreto(n=SECRET_LEN, allow_repeats=ALLOW_REPEATS): if allow_repeats: return "".join(random.choice(DIGITS) for _ in range(n))

import numpy as np from scipy.integrate import solve_ivp import matplotlib.pyplot as plt # Parámetros del sistema alpha = -0.2 beta = 1.0 gamma = 0.9 omega = 0.6 # Cambia a 0.3, 0.7, 0.8, etc.

import numpy as np # Datos ms = 92.7 # masa de los objeto: plomo 227.3, hierro 433.9, aluminio 149.3 y laton 92.7 me = 10.9 # masa de empuje: plomo 20.1, hierro 55.7, aluminio 55 y laton 10.9 pa = 0.997 # densidad del agua en g/cm³ # Sensibilidades de la balanza Deltams = 0.1 deltame = 0.1

import numpy as np import matplotlib.pyplot as plt # Datos experimentales J.A. Joaqui, B.D. Tovar and H.L. Valencia #tiempos = np.array([0.448, 0.587, 0.553, 0.485, 0.680, 0.629, 0.731, 0.705]) #distancias = np.array([0.97, 1.68, 1.50, 1.16, 2.25, 1.93, 2.62, 2.41]) #Esperimento PhyPhox tiempos = np.array([0.382, 0.434, 0.488, 0.539, 0.586, 0.629, 0.66, 0.702]) distancias = np.array([0.70, 0.95, 1.2, 1.45, 1.70, 1.95, 2.2, 2.45])

import matplotlib.pyplot as plt import numpy as np # Datos experimentales para un MRUA tiempos = np.array([0, 2.90, 4.74, 5.73, 6.70, 7.65, 8.48, 9.17, 9.84]) distancias = np.array([0, 2, 4, 6, 8, 10, 12, 14, 16]) #Esperimento PhyPhox #tiempos = np.array([0.382, 0.434, 0.488, 0.539, 0.586, 0.629, 0.66, 0.702]) #distancias = np.array([0.70, 0.95, 1.2, 1.45, 1.70, 1.95, 2.2, 2.45])