Texto y código sujeto bajo Creative Commons Attribution license, CC-BY-SA. (c) Original por Lorena A. Barba, 2013, traducido libremente por F.J. Navarro-Brull para CAChemE.org 
%pylab inline
# El comando de arriba hará que figuras de este notebook se representen junto al texto

import numpy as np                 # estamos importando numpy y abreviándolo con np 
import matplotlib.pyplot as plt    # junto con librería de gráficos 2D, llamándola plt


nx = 41
dx = 2./(nx-1)
nt = 20    # nt es el número de intervalos de tiempo que se desea calcular
dt = .025  # dt es la cantidad de tiempo que cada incremento de tiempo comprende (delta t)

u = np.ones(nx)      # como antes, se inicializa 'u' con cada valor igual a 1.
u[.5/dx : 1/dx+1]=2  # a continuación, u = 2 entre 0,5 y 1 para completar la C.I. (condiciones inicial)

un = np.ones(nx) #inicializar el marcador de posición de conjunto de 'un', para almacenar la solución de tiempo instante por instante

for n in range(nt):  # iteración con respecto al tiempo
    un[:] = u[:] ## copia los valores existentes de 'u' en 'un'
    for i in range(1,nx):  ## ahora iteraremos por el array 'u'
    
     ### Esto que viene a continuación
     ### es la línea del Paso 1, copia exacta. Edítala para nuestra nueva equación.
     ### después descoméntala y ejecuta la celda para evaluar la ec. de conv. no lineal.   
      
         ###u[i] = un[i]-c*dt/dx*(un[i]-un[i-1]) 

        
plt.plot(np.linspace(0,2,nx),u) ## Representa los resultados

from IPython.display import YouTubeVideo
YouTubeVideo('y2WaK7_iMRI')

from IPython.core.display import HTML
def css_styling():
    styles = open("../styles/custom.css", "r").read()
    return HTML(styles)
css_styling()