- ES Español (Latinoamérica)

- EN English

7.40. Análisis Numérico III (Obligatorio)
- Semestre: 7mo Sem. Créditos: 4
- Horas del curso: Teoría: 2 horas; Práctica: 4 horas;
- Sílabo:
- htmlonly

Español (Latinoamérica)

English - Prerrequisitos:
- MA325 Análisis Numérico II (6to Sem)
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
- Comprender la teoría fundamental de los métodos numéricos para Problemas de Valor Inicial (PVI).
- Dominar la construcción y el análisis de los métodos de Runge-Kutta de alto orden.
- Evaluar la estabilidad y convergencia de los esquemas numéricos.
- 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
- Repaso de Existencia y Unicidad (Continuidad de Lipschitz)
- Métodos elementales: Euler, Heun y métodos de series de Taylor
- Análisis de error: Error de truncamiento local y error global
- Consistencia, Convergencia y Cero-estabilidad
Aprendizaje esperado (Learning Outcomes)
- Formular aproximaciones discretas para sistemas diferenciales continuos [Usage]
- Derivar el error de truncamiento local para métodos básicos de un paso [Assessment]
- 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
- Estructura general de los métodos de Runge-Kutta (RK)
- Tablas de Butcher y condiciones de orden
- Métodos de Runge-Kutta explícitos e implícitos
- Control adaptativo del tamaño del paso: Runge-Kutta-Fehlberg (RK45)
Aprendizaje esperado (Learning Outcomes)
- Construir métodos RK de alto orden utilizando Tablas de Butcher [Usage]
- Implementar algoritmos adaptativos para optimizar el costo computacional [Assessment]
- 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
- Fórmulas de Adams-Bashforth y Adams-Moulton
- Métodos de Predictores-Correctores
- Teoría General de métodos lineales de pasos múltiples (Teoremas de Dahlquist)
- Comparación entre métodos RK y de pasos múltiples
Aprendizaje esperado (Learning Outcomes)
- Desarrollar códigos de pasos múltiples para integración eficiente a largo plazo [Usage]
- Verificar la condición de las raíces para la cero-estabilidad [Assessment]
- 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
- Definición y caracterización de Sistemas Rígidos (Stiff)
- Análisis de Estabilidad Lineal: La ecuación de prueba y Regiones de Estabilidad
- A-estabilidad y L-estabilidad
- Fórmulas de Diferenciación Regresiva (BDF) y métodos implícitos para rigidez
Aprendizaje esperado (Learning Outcomes)
- Identificar la rigidez en sistemas físicos mediante el análisis de autovalores [Assessment]
- Graficar e interpretar regiones de estabilidad en el plano complejo [Usage]
- 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.