- ES Español (Latinoamérica)

- EN English

7.33. Análisis Numérico II (Obligatorio)
- Semestre: 6to Sem. Créditos: 4
- Horas del curso: Teoría: 2 horas; Práctica: 4 horas;
- Sílabo:
- htmlonly

Español (Latinoamérica)

English - Prerrequisitos:
- MA221 Análisis Numérico I (5to Sem)
7.33.1. Justificación ↑ Volver arriba
Este curso avanza en el estudio de métodos numéricos para problemas matemáticos avanzados, enfocándose en ecuaciones diferenciales, integración numérica y problemas de valores propios. Desarrolla habilidades para implementar y analizar algoritmos numéricos sofisticados con aplicaciones en ingeniería y ciencias computacionales, con énfasis en estabilidad y eficiencia computacional.
7.33.2. Objetivos Generales ↑ Volver arriba
- Resolver numéricamente ecuaciones diferenciales ordinarias y parciales
- Aplicar métodos avanzados de integración y diferenciación numérica
- Analizar problemas de valores propios y descomposiciones matriciales
- Evaluar la estabilidad y convergencia de métodos numéricos avanzados
7.33.3. 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)
- ABET-2) Habilidad para formular o diseñar un sistema, proceso, procedimiento o programa para el propósito previsto. (Usage)
7.33.4. Contenido ↑ Volver arriba
7.33.4.1. Métodos Numéricos para Ecuaciones Diferenciales Ordinarias (EDOs) (20 horas) [Habilidades ABET-1,ABET-2] ↑ Volver arriba
Referencias Bibliográficas: (Burden et al., 2016; Chapra and Canale, 2015)
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]
7.33.4.2. Diferenciación e Integración Numérica (20 horas) [Habilidades ABET-1,ABET-2] ↑ Volver arriba
Referencias Bibliográficas: (Burden et al., 2016; Chapra and Canale, 2015)
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]
7.33.4.3. álgebra Lineal Numérica (20 horas) [Habilidades ABET-1,ABET-2] ↑ 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]
7.33.4.4. Interpolación y Aproximación de Funciones (20 horas) [Habilidades ABET-1,ABET-2] ↑ 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]
7.33.5. 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.