UNIVERSIDAD AUTÓNOMA DE YUCATÁN
FACULTAD DE MATEMÁTICAS
MISIÓN
Formar profesionales altamente capacitados, desarrollar
investigación y realizar actividades de extensión, en Matemáticas
y Computación, así como en sus diversas aplicaciones.
ALGORITMOS NUMÉRICOS
Quinto semestre
LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN
Agosto 2006 – Enero 2007
LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN
Objetivos:
Formar profesionales calificados en el área de las ciencias de la computación para
desarrollar tecnología computacional, realizar actividades de investigación, y utilizar de
manera óptima sus diversas aplicaciones, con apego a la ética profesional y el servicio a la
sociedad.
Objetivos específicos:
a) Desarrollar modelos teóricos y prácticos utilizando las ciencias matemáticas y
computacionales para implementar aplicaciones novedosas y eficientes.
b) Analizar, diseñar, desarrollar e implantar software de base y de aplicaciones,
utilizando o creando metodologías y ambientes computacionales, con base en la
estructura, operación y necesidades de información de las organizaciones y las
industrias a las que pertenecen.
ALGORITMOS NUMÉRICOS
Semestre: Quinto
Horas: 56 T 16 P
Hrs/sem: 4.5
Créditos: 9
Clave: MT-10
DESCRIPCIÓN DE LA ASIGNATURA:
Se plantean problemas matemáticos que se relacionan con uno o varios de los temas básicos
de las matemáticas cuya solución existe y es única, aproximando ésta numéricamente
mediante el uso de un algoritmo numérico y una computadora. La parte práctica se
desarrolla mediante software científico (un paquete matemático como MATLAB,
aprovechando su ambiente visual y sus funciones robustas construidas, así como las
facilidades para programar en dicho paquete o bien en un lenguaje de alto nivel).
OBJETIVO:
Diseñar e implantar algoritmos numéricos para calcular aproximaciones a
problemas matemáticos.
CONTENIDO
1. SOLUCIÓN DE ECUACIONES DE UNA VARIABLE (8 sesiones)
Un primer encuentro con los métodos iterativos. Aquí son los que aproximan el cero de
una función real de variable real.
1.1 Método de la bisección.
1.2 Método de la regla falsa.
1.3 Método de la secante.
1.4 Método de Newton.
2. SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES (8 sesiones)
Distinguir los métodos estables y no estables, para aproximar la solución de un sistema
cuadrado de ecuaciones lineales. También se mide cuando el sistema es o no estable.
2.1 Sistemas lineales triangulares.
2.2 Eliminación gaussiana y pivoteo parcial.
2.3 Factorización triangular LU.
2.4 El número de condición de una matriz cuadrada.
3. FUNCIONES NO LINEALES DE VARIAS VARIABLES (6 sesiones)
Aprender a aproximar la solución de problemas matemáticos más complejos.
3.1 Iteración del punto fijo.
3.2 El método iterativo de Seidel.
3.3 El método de Newton-Raphson.
4. INTERPOLACIÓN (6 sesiones)
Comprender que este problema tiene un carácter práctico, ya que, aparece en varias
disciplinas aplicadas.
4.1 Interpolación general.
4.2 Interpolación polinomial.
4.3 Interpolación de Lagrange.
4.4 Interpolación de Newton.
5. AJUSTE DE CURVAS (10 sesiones)
(MÍNIMOS CUADRADOS LINEAL)
Otro tema de carácter aplicado, además de comprender los problemas matemáticos en
este tema, se tendrá la capacidad para aproximar la solución numérica de manera
estable.
5.1 Rectas de regresión.
5.2 Ajuste de curvas lineal.
5.3 Descomposición QR via Gram-Schmidt.
5.4 Interpolación polinomial a trozos.
6. INTEGRACIÓN NUMÉRICA (8 sesiones)
La integración numérica es una herramienta esencial para la ciencia y la ingeniería, para
obtener valores aproximados de integrales definidas que no se pueden calcular
analíticamente.
6.1 Introducción a la integración numérica.
6.1 Las reglas compuestas del trapecio y de Simpson.
6.2 Integración adaptiva.
7. SOLUCIÓN DE ECUACIONES DIFERENCIALES (10 sesiones)
Las ecuaciones diferenciales se usan habitualmente para construir modelos matemáticos
de problemas de la ciencia y la ingeniería. A menudo se presenta el caso de que no hay
una solución analítica conocida, por lo que se necesitan aproximaciones numéricas.
7.1 El método de Euler.
7.2 El método de Heun.
7.3 Los métodos de Runge-Kutta.
7.4 Métodos de predictor-corrector.
ESTRATEGIAS DE ENSEÑANZA:
Conferencia, interrogatorio, resolución de ejercicios, tormenta de ideas, uso de software,
trabajo en equipos, demostración, investigaciones bibliográficas.
CRITERIOS DE EVALUACIÓN:
Exámenes: 50 puntos.
Tareas y proyectos: 50 puntos.
Total: 100 puntos.
BIBLIOGRAFIA:
1. Burden, R.L.; Faires, J.D. Análisis Numérico. Grupo Ed. Iberoamérica 1998.
2. Fausett, Laurene V. Applied Numerical Analysis using Matlab. Prentice Hall 1999.
3. Mathews, John H.; Fink, Kurtis D. Métodos Numéricos con MATLAB. Prentice Hall
2000.
4. Van Loan, Charles F. Introduction to Scientific Computing. Prentice Hall 1997.
5. Wheatley, G. Análisis Numérico con Aplicaciones. Prentice Hall 2000.
PERFIL ACADÉMICO DEL DOCENTE: Licenciado en Matemáticas, Licenciado en
Ciencias de la Computación o afín, preferentemente con posgrado y experiencia docente, de
investigación o de trabajo en el área.
Elaboración: M. en C. María Elena García Álvarez.
M. en C. José López Estrada.
Fecha de Elaboración: Diciembre, 2004.
