7.40. Análisis Numérico III (Obligatorio)

7.40. Análisis Numérico III (Obligatorio)

Figura 7.40: Mapa de Conexión. MA326 Análisis Numérico III

7.40.1. Justificación ↑ Volver arriba

El curso de Análisis Numérico 3 se centra en la solución computacional de Ecuaciones Diferenciales Ordinarias (EDO). En la matemática computacional, muchos sistemas no pueden resolverse analíticamente; por lo tanto, comprender la convergencia, estabilidad y eficiencia de los integradores numéricos es vital. Este curso abarca desde los métodos básicos de un paso hasta los esquemas avanzados de Runge-Kutta y el tratamiento especializado de ecuaciones rígidas (stiff), los cuales son críticos para simular reacciones químicas, circuitos eléctricos y mecánica estructural.

7.40.2. Objetivos Generales ↑ Volver arriba

  1. Comprender la teoría fundamental de los métodos numéricos para Problemas de Valor Inicial (PVI).
  2. Dominar la construcción y el análisis de los métodos de Runge-Kutta de alto orden.
  3. Evaluar la estabilidad y convergencia de los esquemas numéricos.
  4. Implementar algoritmos especializados para Ecuaciones Diferenciales Rígidas.

7.40.3. 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-3) Habilidad para desarrollar y llevar a cabo experimentos o probar hipótesis, analizar e interpretar datos y utilizar el juicio científico para obtener conclusiones. (Usage)

7.40.4. Contenido ↑ Volver arriba

7.40.4.1. Solución Numérica de EDOs: Fundamentos (20 horas) [Habilidades ABET-1,ABET-3] ↑ Volver arriba

Referencias Bibliográficas: (Burden et al., 2016; Heath, 2002)

Temas

  1. Repaso de Existencia y Unicidad (Continuidad de Lipschitz)
  2. Métodos elementales: Euler, Heun y métodos de series de Taylor
  3. Análisis de error: Error de truncamiento local y error global
  4. Consistencia, Convergencia y Cero-estabilidad

Aprendizaje esperado (Learning Outcomes)

  1. Formular aproximaciones discretas para sistemas diferenciales continuos [Usage]
  2. Derivar el error de truncamiento local para métodos básicos de un paso [Assessment]
  3. Analizar el impacto del tamaño del paso en la estabilidad numérica [Familiarity]
7.40.4.2. Métodos de Runge-Kutta (20 horas) [Habilidades ABET-1,ABET-3] ↑ Volver arriba

Referencias Bibliográficas: (Quarteroni et al., 2007; Butcher, 2016)

Temas

  1. Estructura general de los métodos de Runge-Kutta (RK)
  2. Tablas de Butcher y condiciones de orden
  3. Métodos de Runge-Kutta explícitos e implícitos
  4. Control adaptativo del tamaño del paso: Runge-Kutta-Fehlberg (RK45)

Aprendizaje esperado (Learning Outcomes)

  1. Construir métodos RK de alto orden utilizando Tablas de Butcher [Usage]
  2. Implementar algoritmos adaptativos para optimizar el costo computacional [Assessment]
  3. Probar el orden de convergencia para esquemas RK específicos [Familiarity]
7.40.4.3. Métodos Lineales de Pasos Múltiples (20 horas) [Habilidades ABET-1,ABET-3] ↑ Volver arriba

Referencias Bibliográficas: (Burden et al., 2016; Quarteroni et al., 2007)

Temas

  1. Fórmulas de Adams-Bashforth y Adams-Moulton
  2. Métodos de Predictores-Correctores
  3. Teoría General de métodos lineales de pasos múltiples (Teoremas de Dahlquist)
  4. Comparación entre métodos RK y de pasos múltiples

Aprendizaje esperado (Learning Outcomes)

  1. Desarrollar códigos de pasos múltiples para integración eficiente a largo plazo [Usage]
  2. Verificar la condición de las raíces para la cero-estabilidad [Assessment]
  3. Seleccionar métodos adecuados basados en el compromiso entre memoria y precisión [Familiarity]
7.40.4.4. Ecuaciones Rígidas y Estabilidad Absoluta (20 horas) [Habilidades ABET-1,ABET-3] ↑ Volver arriba

Referencias Bibliográficas: (Heath, 2002; Butcher, 2016)

Temas

  1. Definición y caracterización de Sistemas Rígidos (Stiff)
  2. Análisis de Estabilidad Lineal: La ecuación de prueba y Regiones de Estabilidad
  3. A-estabilidad y L-estabilidad
  4. Fórmulas de Diferenciación Regresiva (BDF) y métodos implícitos para rigidez

Aprendizaje esperado (Learning Outcomes)

  1. Identificar la rigidez en sistemas físicos mediante el análisis de autovalores [Assessment]
  2. Graficar e interpretar regiones de estabilidad en el plano complejo [Usage]
  3. Aplicar resolvedores implícitos para superar restricciones del tamaño de paso en problemas rígidos [Assessment]

7.40.5. Referencias Bibliográficas ↑ Volver arriba

Burden, R. L., Faires, J. D., and Burden, A. M. (2016). Análisis Numérico. Cengage Learning, 10th edition.

Heath, M. T. (2002). Scientific Computing: An Introductory Survey. McGraw-Hill, 2nd edition.

Quarteroni, A., Sacco, R., and Saleri, F. (2007). Numerical Mathematics. Springer, 2nd edition.

Butcher, J. C. (2016). Numerical Methods for Ordinary Differential Equations. Wiley, 3rd edition.

¿Encontraste una errata, un curso desactualizado, un enlace roto, o tienes una sugerencia? Cuéntanos.

Escanea para abrir en tu teléfono