- ES Español (Latinoamérica)

- EN English

7.27. Análisis Numérico I (Obligatorio)
- Semestre: 5to Sem. Créditos: 3
- Horas del curso: Teoría: 1 horas; Práctica: 4 horas;
- Sílabo:
- htmlonly

Español (Latinoamérica)

English - Prerrequisitos:
- MA112 Cálculo II (3er Sem)
- MA122 Algebra Lineal II (4to Sem)
- AI161 IA Aplicada (2do Sem)
7.27.1. Justificación ↑ Volver arriba
Este curso introduce los métodos numéricos fundamentales para resolver problemas matemáticos mediante algoritmos computacionales. Desarrolla habilidades para implementar y analizar métodos numéricos en álgebra lineal, ecuaciones no lineales e interpolación, con énfasis en el análisis de error y la estabilidad numérica.
7.27.2. Objetivos Generales ↑ Volver arriba
- Comprender los fundamentos de la aritmética computacional y análisis de error
- Implementar métodos numéricos para sistemas de ecuaciones lineales
- Resolver ecuaciones no lineales usando métodos iterativos
- Aplicar técnicas de interpolación y aproximación de funciones
7.27.3. 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)
7.27.4. Contenido ↑ Volver arriba
7.27.4.1. Aritmética Computacional y Análisis de Error (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Burden et al., 2016; Chapra and Canale, 2015)
Temas
- Aritmética de punto flotante y el estándar IEEE
- Fuentes de error: truncamiento, redondeo y discretización
- Propagación de error y número de condición
- Estabilidad de algoritmos numéricos
- Error absoluto, relativo y directo/inverso
Aprendizaje esperado (Learning Outcomes)
- Definir los diferentes tipos de errores en computación numérica (redondeo, truncamiento, discretización) [Familiarizarse]
- Explicar los principios de representación y aritmética de punto flotante según el estándar IEEE [Familiarizarse]
- Calcular el error absoluto y relativo de una aproximación [Usar]
- Analizar la propagación de errores en una secuencia de operaciones aritméticas [Usar]
- Distinguir entre la condición de un problema y la estabilidad de un algoritmo [Evaluar]
- Calcular el número de condición de un problema simple (ej., multiplicación matriz-vector) [Usar]
7.27.4.2. álgebra Lineal Numérica (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Burden et al., 2016; Chapra and Canale, 2015)
Temas
- Descomposición LU y sus aplicaciones
- Descomposición QR y problemas de mínimos cuadrados
- Descomposición en Valores Singulares (SVD) y sus aplicaciones
- Número de condición y estabilidad numérica de sistemas lineales
- Métodos iterativos para sistemas lineales (Jacobi, Gauss-Seidel, Gradiente Conjugado)
Aprendizaje esperado (Learning Outcomes)
- Implementar algoritmos de descomposición LU y QR para resolver sistemas lineales [Usar]
- Explicar el significado geométrico y algebraico de la Descomposición en Valores Singulares [Familiarizarse]
- Usar SVD para aplicaciones como aproximación matricial y análisis de componentes principales [Usar]
- Analizar la estabilidad de un sistema lineal usando su número de condición [Evaluar]
- Seleccionar e implementar un método iterativo apropiado para resolver sistemas lineales grandes y dispersos [Evaluar]
7.27.4.3. Búsqueda de Raíces y Optimización Numérica Básica (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Burden et al., 2016; Chapra and Canale, 2015)
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]
7.27.4.4. Interpolación y Aproximación de Funciones (20 horas) [Habilidades ABET-1] ↑ Volver arriba
Referencias Bibliográficas: (Burden et al., 2016; Chapra and Canale, 2015)
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]
7.27.5. Referencias Bibliográficas ↑ Volver arriba
Burden, R. L., Faires, J. D., and Burden, A. M. (2016). Análisis Numérico. Cengage Learning, 10th edition.
Chapra, S. C. and Canale, R. P. (2015). Métodos Numéricos para Ingenieros. McGraw-Hill, 7th edition.