Metadata-Version: 2.4
Name: RH23003UNO
Version: 0.1.1
Summary: Este paquete contiene métodos numéricos en Python
Author: Isai Hidalgo
Author-email: isai.arh18@gmail.com
License: MIT
Keywords: métodos numéricos,python
Classifier: Development Status :: 5 - Production/Stable
Classifier: Intended Audience :: Education
Classifier: Operating System :: Microsoft :: Windows :: Windows 10
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Description-Content-Type: text/plain
License-File: LICENSE.txt
Requires-Dist: numpy
Dynamic: author
Dynamic: author-email
Dynamic: classifier
Dynamic: description
Dynamic: description-content-type
Dynamic: keywords
Dynamic: license
Dynamic: license-file
Dynamic: requires-dist
Dynamic: summary

# MÃ©todos NumÃ©ricos en Python

Este repositorio contiene implementaciones en Python de varios **mÃ©todos numÃ©ricos fundamentales** utilizados para resolver problemas matemÃ¡ticos como bÃºsqueda de raÃ­ces y resoluciÃ³n de sistemas de ecuaciones lineales. Estos mÃ©todos son comÃºnmente usados en computaciÃ³n cientÃ­fica, ingenierÃ­a y matemÃ¡ticas aplicadas.

## ðŸ”§ MÃ©todos Implementados

# 1. MÃ©todo de BisecciÃ³n
**FunciÃ³n:** `biseccion()`  
Encuentra una raÃ­z de una funciÃ³n continua en un intervalo dado `[a, b]` utilizando el **mÃ©todo de bisecciÃ³n**.  
- **Entradas:** funciÃ³n `f`, intervalo `[a, b]`, tolerancia, nÃºmero mÃ¡ximo de iteraciones  
- **Salida:** raÃ­z aproximada, nÃºmero de iteraciones  
- **Extras:** Muestra el progreso por iteraciÃ³n si `verbose=True`.

---

# 2. Regla de Cramer
**FunciÃ³n:** `cramer(coefficient, ind_terms)`  
Resuelve un sistema de ecuaciones lineales usando la **Regla de Cramer**.  
- **Entradas:**  
  - `coefficient`: Matriz de coeficientes (NxN)  
  - `ind_terms`: Vector de tÃ©rminos independientes (Nx1)  
- **Salida:** Vector con las soluciones

---

# 3. DescomposiciÃ³n LU
**FunciÃ³n:** `descomposicion_lu(coefficient, ind_terms)`  
Resuelve un sistema usando **descomposiciÃ³n LU** (algoritmo de Doolittle).  
- **Entradas:** Matriz de coeficientes y vector de tÃ©rminos independientes  
- **Salida:** Vector soluciÃ³n `x`  
- **Nota:** Incluye sustituciÃ³n hacia adelante y hacia atrÃ¡s.

---

# 4. EliminaciÃ³n de Gauss
**FunciÃ³n:** `gauss(coefficient, ind_terms)`  
Resuelve un sistema lineal usando **eliminaciÃ³n de Gauss** con pivoteo parcial.  
- **Entradas:** Matriz de coeficientes y vector de tÃ©rminos independientes  
- **Salida:** Vector soluciÃ³n `x`

---

# 5. Gauss-Jordan
**FunciÃ³n:** `gauss_jordan(coefficient, ind_terms)`  
Resuelve un sistema lineal usando **eliminaciÃ³n Gauss-Jordan**, reduciendo la matriz a su forma escalonada reducida.  
- **Entradas:** Matriz de coeficientes y vector de tÃ©rminos independientes  
- **Salida:** Vector soluciÃ³n `x`

---

# 6. MÃ©todo Iterativo de Gauss-Seidel
**FunciÃ³n:** `gauss_seidel(A, b, tol=1e-10, max_iter=1000)`  
Resuelve un sistema lineal iterativamente usando el **mÃ©todo de Gauss-Seidel**.  
- **Entradas:** Matriz de coeficientes `A`, vector de tÃ©rminos independientes `b`  
- **Salida:** Vector soluciÃ³n `x`  
- **Notas:**  
  - Usa una estimaciÃ³n inicial `[10, 10, 10]`  
  - Muestra los valores en cada iteraciÃ³n  
  - Convergencia basada en la norma de la diferencia entre iteraciones.

---

# 7. MÃ©todo Iterativo de Jacobi
**FunciÃ³n:** `jacobi(A, b, tol=1e-10, max_iter=1000)`  
Resuelve un sistema lineal usando el **mÃ©todo iterativo de Jacobi**.  
- **Entradas:** Matriz de coeficientes `A`, vector de tÃ©rminos independientes `b`  
- **Salida:** Vector soluciÃ³n `x`  
- **Notas:**  
  - EstimaciÃ³n inicial `[10, 10, 10]`  
  - Muestra el progreso de cada iteraciÃ³n  
  - Se detiene si la convergencia se alcanza dentro de la tolerancia.

---

Requisitos
- Python 3.x
- `numpy`

Instala las dependencias:
```bash
pip install numpy


Change Log 
===========

0.1.1 (12-04-25)
----------------
- First release
