Última actualización: 08/10/2024


Curso Académico: 2024/2025

Cálculo Numérico
(18262)
Grado en Matemática Aplicada y Computación (Plan: 433 - Estudio: 362)


Coordinador/a: TERAN VERGARA, FERNANDO DE

Departamento asignado a la asignatura: Departamento de Matemáticas

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
Álgebra Lineal, 1º cuatrimestre 1º Cálculo Diferencial, 1º cuatrimestre 1º Cálculo Integral, 2º cuatrimestre 1º Programación, 1º cuatrimestre 1º
Objetivos
Familiarizarse con los conceptos básicos del análisis numérico: algoritmos, estabilidad, precisión, y eficiencia. Interpolar datos con diferentes técnicas: Lagrange, Hermite, a trozos, splines. Calcular aproximaciones numéricas, escogiendo el algoritmo más adecuado en cada aplicación, a los siguientes problemas: cuadratura y derivación, sistemas de ecuaciones lineales y no lineales, mínimos cuadrados lineales. Programar los algoritmos estudiados en clase y utilizar algoritmos ya programados disponibles por ejemplo en MATLAB y otros paquetes software reconocidos. Relacionar problemas reales y sus modelos matemáticos.
Competencias y resultados del aprendizaje
CB1. Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio. CB2. Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio. CB3. Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética. CB4. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado. CB5. Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía. CG1. Que los estudiantes sean capaces de demostrar conocimiento y comprensión de conceptos de matemáticas, estadística y computación y aplicarlos a la resolución de problemas en ciencia e ingeniería con capacidad de análisis y síntesis. CG2. Que los estudiantes puedan formular en lenguaje matemático problemas que se planteen en los ámbitos de la ciencia, la ingeniería, la economía y otras ciencias sociales. CG3. Que los estudiantes puedan resolver computacionalmente con ayuda de las herramientas informáticas más avanzadas los modelos matemáticos que surjan de aplicaciones en la ciencia, la ingeniería, la economía y otras ciencias sociales. CG4. Que los estudiantes demuestren que pueden analizar e interpretar las soluciones obtenidas con ayuda de la informática de los problemas asociados a modelos matemáticos del mundo real, discriminando los comportamientos más relevantes para cada aplicación. CG5. Que los estudiantes puedan sintetizar las conclusiones obtenidas del análisis de modelos matemáticos provenientes de aplicaciones del mundo real y comunicarlas de forma verbal y escrita en inglés, de manera clara, convincente y en un lenguaje accesible para un público general. CG6. Que los estudiantes sepan buscar y utilizar los recursos bibliográficos, en soporte físico o digital, necesarios para plantear y resolver matemática y computacionalmente problemas aplicados que surjan en entornos nuevos, poco conocidos o con información insuficiente. CE1. Que los estudiantes hayan demostrado que conocen y comprenden el lenguaje matemático y el razonamiento abstracto-riguroso y aplicarlos para enunciar y demostrar resultados precisos en diversas áreas de las matemáticas. CE5. Que los estudiantes hayan demostrado que comprenden las técnicas básicas del cálculo numérico, y que tengan capacidad para seleccionar los algoritmos adecuados a cada situación y programarlos en el ordenador. CE6. Que los estudiantes hayan demostrado que conocen los resultados matemáticos fundamentales que sustentan las teorías y el desarrollo de lenguajes de programación y de sistemas inteligentes. CE7. Que los estudiantes puedan modelar matemáticamente procesos tanto discretos como continuos que surjan en aplicaciones reales con especial énfasis en el uso de ecuaciones en diferencias y diferenciales en sus versiones deterministas y estocásticas. CE8. Que los estudiantes sean capaces de discretizar mediante técnicas de interpolación y aproximación modelos matemáticos que describan problemas del mundo real, para resolverlos numéricamente de manera directa o iterativa, e interpretar las soluciones obtenidas. CE9. Que los estudiantes hayan demostrado que pueden resolver problemas matemáticos derivados de nuevos desarrollos en informática. CE10. Que los estudiantes hayan demostrado que conocen y comprender los procedimientos algorítmicos para diseñar y construir programas que solucionen problemas matemáticos prestando especial atención al rendimiento. RA1. Haber adquirido conocimientos avanzados y demostrado una comprensión de los aspectos teóricos y prácticos y de la metodología de trabajo en el campo de la matemática aplicada y computación con una profundidad que llegue hasta la vanguardia del  conocimiento. RA2. Poder, mediante argumentos o procedimientos elaborados y sustentados por ellos mismos, aplicar sus conocimientos, la comprensión de estos y sus capacidades de resolución de problemas en ámbitos laborales complejos o profesionales y especializados que requieren el uso de ideas creativas e innovadoras. RA3. Tener la capacidad de recopilar e interpretar datos e informaciones sobre las que fundamentar sus conclusiones incluyendo, cuando sea preciso y pertinente, la reflexión sobre asuntos de índole social, científica o ética en el ámbito de su campo de estudio. RA5. Saber comunicar a todo tipo de audiencias (especializadas o no) de manera clara y precisa, conocimientos, metodologías, ideas, problemas y soluciones en el ámbito de su campo de estudio.
Descripción de contenidos: Programa
1. Introducción: errores, algoritmos, y estimaciones Fuentes de error, error de redondeo y truncamiento, propagación. Números máquina, aritmética de coma flotante. Polinomios de Taylor y error. Estimación y acotación de errores. Paso óptimo. Aritmética intervalar. 2. Ecuaciones y sistemas de ecuaciones no lineales Teorema del valor medio y número de ceros en un intervalo. Bisección, Secante, Newton-Raphson. Iteración simple (punto fijo). Orden de convergencia y análisis de los errores en cada método. Sistemas de ecuaciones no lineales. Métodos acelerados, de Taylor, de interpolación. 3. Métodos directos para sistemas de ecuaciones lineales Sistemas lineales, estabilidad: número de condición. Sistemas triangulares. Eliminación Gaussiana. Pivotajes. Cálculo de determinantes e inversas de matrices. Métodos de ortogonalización y mejoras a los métodos anteriores. Métodos iterativos (Jacobi, Gauss-Seidel, SOR). Problemas lineales de mínimos cuadrados. Regresión. Ecuaciones normales y método QR. Sistemas sobredeterminados. Aplicaciones. Transformada Rápida de Fourier. 4. Interpolación polinómica: Lagrange, Hermite, a trozos, splines Interpolación de Newton/Lagrange, errores. Nodos equiespaciados o no. Fenómeno de Runge. Interpolación de Hermite. Extrapolación de Richardson. Splines. Splines cúbicos naturales. 5. Cuadratura y derivación numérica Derivación numérica: hacia atrás, adelante, centrada, general, orden superior. Errores. Integración numérica: fórmulas de Newton-Côtes. Errores. Integración adaptativa.
Actividades formativas, metodología a utilizar y régimen de tutorías
ACTIVIDADES FORMATIVAS, METODOLOGÍA A USAR Y REGIMEN DE TUTORIAS CLASES TEÓRICO-PRÁCTICAS [44 horas con un 100% de presencialidad, 1.67 ECTS] Conocimientos que deben adquirir los alumnos. Estos recibirán las notas de clase y tendrán textos básicos de referencia para facilitar el seguimiento de las clases y el desarrollo del trabajo posterior. Se resolverán ejercicios, prácticas problemas por parte del alumno y se realizarán talleres y prueba de evaluación para adquirir las capacidades necesarias. TUTORÍAS [4 horas con un 100% de presencialidad, 0.15 ECTS] Asistencia individualizada (tutorías individuales) o en grupo (tutorías colectivas) a los estudiantes por parte del profesor. TRABAJO INDIVIDUAL O EN GRUPO DEL ESTUDIANTE. [98 horas con 0% de presencialidad, 3.72 ECTS] TALLERES Y LABORATORIOS. [8 horas con 100% de presencialidad, 0.3 ECTS] EXAMEN FINAL. [4 horas con 100% de presencialidad, 0.15 ECTS] Se valorarán de forma global los conocimientos, destrezas y capacidades adquiridas a lo largo del curso. METODOLOGÍAS DOCENTES CLASE TEORÍA. Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporcionan los materiales y la bibliografía para complementar el aprendizaje de los alumnos. PRÁCTICAS. Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo. TUTORÍAS. Asistencia individualizada (tutorías individuales) o en grupo (tutorías colectivas) a los estudiantes por parte del profesor. PRÁCTICAS DE LABORATORIO. Docencia aplicada/experimental a talleres y laboratorios bajo la supervisión de un tutor.
Sistema de evaluación
  • Peso porcentual del Examen Final 40
  • Peso porcentual del resto de la evaluación 60

Calendario de Evaluación Continua


Convocatoria extraordinaria: normativa
Bibliografía básica
  • [CM] Moler, C. B. Numerical computing with MATLAB. SIAM. 2004
  • [KA] Atkinson, K.. Elementary Numerical Analysis. John Wiley and Sons. 2004
  • [MF] Mathews, J. H., Fink, K. D.. Numerical methods using Matlab, 3rd edition. Prentice-Hall. 1998
  • [TB] Trefthen, L. N., Bau, D., III. Numerical Linear Algebra. SIAM. 1997
Bibliografía complementaria
  • L. N. Trefethen. Approximation Theory and Approximation Practice (Extended Ed.). SIAM. 2020
  • P. C. Hansen, V. Pereyra, G. Scherer. Least Squares Data Fitting with Applications. Johns Hopkins University Press. 2013
  • [HH] Higham, D., Higham, N.. MATLAB guide, 2nd edition. SIAM. 2005
  • [QSS] Quarteroni, A., Sacco, R., Saleri, F.. Numerical mathematics. Springer. 2007

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.