- ES Español (Latinoamérica)

- EN English

7.26. Cálculo IV (Obligatorio)
- Semestre: 5to Sem. Créditos: 3
- Horas del curso: Teoría: 1 horas; Práctica: 4 horas;
- Sílabo:
- htmlonly

Español (Latinoamérica)

English - Prerrequisitos:
- MA210 Cálculo III (4to Sem)
- MA121 Algebra Lineal I (3er Sem)
7.26.1. Justificación ↑ Volver arriba
La naturaleza del curso es teórica-práctica, su propósito es desarrollar un marco conceptual y metodológico orientado a proporcionar una sólida formación matemática para la comprensión de todo fenómeno natural. Comprende las siguientes unidades temáticas: Sucesiones en \(R^n\), \(C\), \((R^m, R)\). Derivadas direccionales y Derivación implícita. Isometrías de \(R^n\), cónicas y superficies cuadráticas. Campos vectoriales.
7.26.2. Objetivos Generales ↑ Volver arriba
- Comprender los conceptos de campos vectoriales y operadores diferenciales
- Aplicar integrales de línea y de superficie a problemas físicos
- Dominar los teoremas fundamentales del cálculo vectorial
- Resolver problemas de flujo, circulación y potenciales vectoriales
7.26.3. Contribución a los resultados (Outcomes) ↑ Volver arriba
- ABET-1) Habilidad para identificar, formular y resolver problemas técnicos o científicos ampliamente definidos mediante la aplicación de conocimientos de matemáticas y ciencias y/o temas técnicos en áreas relevantes para la disciplina. (Usage)
7.26.4. Contenido ↑ Volver arriba
7.26.4.1. Diferenciación e Integración Numérica (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Marsden and Tromba, 2003; Stewart, 2016)
Temas
- Aproximaciones por diferencias finitas (adelantadas, atrasadas, centradas)
- Extrapolación de Richardson
- Fórmulas de Newton-Cotes (regla del trapecio, regla de Simpson)
- Cuadratura gaussiana
- Análisis de error para integración numérica
Aprendizaje esperado (Learning Outcomes)
- Calcular derivadas de funciones usando esquemas de diferencias finitas [Usar]
- Aplicar extrapolación de Richardson para mejorar la precisión de aproximaciones numéricas [Usar]
- Implementar reglas de integración numérica (Trapecio, Simpson, Gaussiana) [Usar]
- Comparar la precisión y eficiencia de diferentes métodos de integración numérica [Evaluar]
- Analizar el error para fórmulas de diferenciación e integración numérica [Evaluar]
7.26.4.2. Métodos Numéricos para Ecuaciones Diferenciales Ordinarias (EDOs) (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Marsden and Tromba, 2003; Stewart, 2016)
Temas
- Método de Euler y sus variantes (explícito, implícito)
- Métodos de Runge-Kutta
- Métodos multipaso (Adams-Bashforth, Adams-Moulton)
- Análisis de estabilidad y convergencia para solucionadores de EDOs
- Sistemas de EDOs y EDOs de orden superior
Aprendizaje esperado (Learning Outcomes)
- Implementar solucionadores básicos de EDOs (Euler, Runge-Kutta) [Usar]
- Analizar las propiedades de estabilidad y convergencia de métodos numéricos para EDOs [Evaluar]
- Seleccionar un método numérico apropiado para una EDO dada basado en requisitos de estabilidad y precisión [Evaluar]
- Resolver sistemas de EDOs y convertir EDOs de orden superior a sistemas de primer orden [Usar]
7.26.4.3. Interpolación y Aproximación de Funciones (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Marsden and Tromba, 2003; Stewart, 2016)
Temas
- Interpolación polinomial (formas de Lagrange, Newton)
- Interpolación por splines (splines cúbicos)
- Aproximación por mínimos cuadrados
- Fenómeno de Runge y nodos de Chebyshev
- Análisis de error para interpolación
Aprendizaje esperado (Learning Outcomes)
- Construir polinomios interpoladores usando diferentes métodos [Usar]
- Implementar interpolación por splines cúbicos [Usar]
- Aplicar el método de mínimos cuadrados para ajuste de datos [Usar]
- Explicar el fenómeno de Runge y estrategias para mitigarlo [Familiarizarse]
- Analizar el error de un esquema de interpolación [Evaluar]
7.26.4.4. Búsqueda de Raíces y Optimización Numérica Básica (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Marsden and Tromba, 2003; Stewart, 2016)
Temas
- Método de bisección e iteración de punto fijo
- Método de Newton y método de la secante para búsqueda de raíces
- Análisis de convergencia y orden de convergencia
- Descenso de gradiente para optimización univariada
- Tasa de convergencia y criterios de parada
Aprendizaje esperado (Learning Outcomes)
- Implementar algoritmos de búsqueda de raíces (bisección, Newton, secante) y analizar su convergencia [Usar]
- Clasificar el orden de convergencia de métodos iterativos [Evaluar]
- Aplicar descenso de gradiente para resolver problemas simples de optimización univariada [Usar]
- Diseñar criterios de parada apropiados para métodos iterativos [Usar]
7.26.5. Referencias Bibliográficas ↑ Volver arriba
Marsden, J. E. and Tromba, A. J. (2003). Cálculo Vectorial. Pearson, 5th edition.
Stewart, J. (2016). Cálculo de una variable: Trascendentes tempranas. Cengage Learning, 8th edition.