ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

Unidad responsable: 250 - ETSECCPB - Escuela Tcnica Superior de Ingenieros de Caminos, Canales y Puertos de
Barcelona
Unidad que imparte: 751 - ECA - Departamento de Ingeniera Civil y Ambiental
Curso: 2015
Titulacin: MSTER UNIVERSITARIO EN INGENIERA DE CAMINOS, CANALES Y PUERTOS (Plan 2012). (Unidad
docente Obligatoria)
Crditos ECTS: 9 Idiomas docencia: Ingls

Profesorado

Responsable: ANTONIO HUERTA CEREZUELA

Otros: ANTONIO HUERTA CEREZUELA, JOEL MONTOY ALBAREDA, ESTHER SALA LARDIES, JOSE
SARRATE RAMOS

Horario de atencin

Horario: Se anunciar al inicio del curso.

Competencias de la titulacin a las cuales contribuye la asignatura

Especficas:
8198. Capacidad para abordar y resolver problemas matemticos avanzados de ingeniera, desde el planteamiento del
problema hasta el desarrollo de la formulacin y su implementacin en un programa de ordenador. En particular,
capacidad para formular, programar y aplicar modelos analticos y numricos avanzados de clculo al proyecto,
planificacin y gestin, as como capacidad para la interpretacin de los resultados obtenidos, en el contexto de la
ingeniera civil.

Metodologas docentes

El curso consiste en: quince semanas de docencia presencial, el trabajo a realizar y auto-aprendizaje. Adems de las 6
horas por semana en el aula, se deben dedicar 9 horas cada la semana, en media, al trabajo personal (auto-aprendizaje).

Por lo menos la mitad de las horas de clase se dedican a trabajar en pequeos grupos (trabajos dirigidos en aula
informtica, ejercicios en el aula convencional, etc)

Objetivos de aprendizaje de la asignatura

Conocimientos de ecuaciones diferenciales en derivadas parciales de la fsica-matemtica. Capacidad para el anlisis y la

resolucin de los problemas matemticos planteados en la ingeniera que involucren estos conceptos. Capacidad para
formular, programar y aplicar modelos analticos y numricos de clculo al proyecto, planificacin y gestin. Capacidad
para interpretar los resultados proporcionados por los modelos en el contexto de la ingeniera.

Relacionar las ecuaciones diferenciales en derivadas parciales con problemas ingenieriles en medio continuo.
Programar soluciones complejas mediante software bsico y obtencin de soluciones numricas.
Desarrollar soluciones analticas a problemas complejos de contorno y valor inicial en varias dimensiones y con
condiciones geomtricas sencillas que permitan realizar un anlisis de dichas soluciones, incluyendo un estudio
paramtrico.

1 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

Utilizar un programa de anlisis numrico para realizar un anlisis de sensibilidad de un problema en el que se resuelva
una ecuacin diferencial ordinaria.
Resolver un problema de contorno en medio contino mediante una ecuacin diferencial en derivadas parciales partiendo
del planteamiento de las mismas hasta su solucin numrica por DF o EF.
Resolver problemas de modelizacin en ingeniera mediante tcnicas numricas.

Teorema de la divergencia, teorema de Green y teorema de Stokes. Conocimientos de ecuaciones diferenciales en

derivadas parciales; existencia y unicidad de soluciones, estabilidad. Tipos de ecuaciones, soluciones analticas en casos
particulares de especial inters en ingeniera. Historia de los modelos numricos y su aplicacin a las obras de ingeniera.
Conocimientos de modelizacin numrica en ingeniera. Conocimientos sobre almacenamiento de nmeros, algoritmos y
anlisis de errores. Conocimientos de mtodos numricos para la determinacin de ceros de funciones. Conocimientos
para la solucin de sistemas de ecuaciones mediante mtodos numricos directos e iterativos bsicos. Conocimientos de
mtodos numricos para la solucin de sistemas no lineales de ecuaciones. Problemas de autovalores. Aproximacin
funcional. Conocimientos para la integracin numrica mediante cuadraturas. Conocimientos para la solucin de
ecuaciones diferenciales ordinarias. Conocimientos para la solucin de ecuaciones en derivadas parciales: diferencias
finitas y elementos finitos.

Objetivos deseados del aprendizaje:

1 .- Demostrar conocimiento y comprensin de: los fundamentos del comportamiento y la aproximacin numrica de
ecuaciones diferenciales; aproximacin funcional; error de truncamiento y errores de las soluciones, la estabilidad,
consistencia y convergencia; mtodos directos e iterativos para sistemas de ecuaciones lineales y problemas de valores
propios.

2 .- Demostrar la capacidad de (pensamiento): entender y formular los procedimientos bsicos numricos y resolver
problemas ilustrativos, identificar los mtodos apropiados para el problema correspondiente.

3 .- Demostrar la capacidad de (habilidades prcticas): comprender las consecuencias prcticas de la conducta de los
mtodos numricos y las soluciones; lgicamente formular mtodos numricos para la solucin por ordenador con un
lenguaje de programacin (Matlab o Octave).

4 .- Demostrar la capacidad de (competencias clave): estudiar de forma independiente, emplear los recursos de la
biblioteca, usar de un ordenador personal para la programacin bsica; tomar apuntes de forma eficiente y administrar el
tiempo de trabajo.

Horas totales de dedicacin del estudiantado

Dedicacin total: 225h Grupo grande/Teora: 27h 12.00%

Grupo mediano/Prcticas: 9h 4.00%
Grupo pequeo/Laboratorio: 42h 01,8m 18.68%
Actividades dirigidas: 2h 58,2m 1.32%
Aprendizaje autnomo: 144h 64.00%

2 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

Contenidos

1.- Introduccin a la modelizacin, a la Dedicacin: 14h 23m

programacin y a los errores Grupo pequeo/Laboratorio: 6h
Aprendizaje autnomo: 8h 23m

Descripcin:
Introduccin a la programacin en MATLAB o OCTAVE.
Concepto y definicin de error (absoluto, relativo, redondeo, truncamiento, cifras significativas) y su propagacin.
Objetivos especficos:
Ser capaz de desarrollar programas sencillos en MATLAB o OCTAVE
Conocer la representacin de nmeros enteros y reales en un ordenador.
Conocer el concepto y definicin de error y como ste afecta al clculo numrico.

2.- Introduccin al MEF Dedicacin: 19h 12m

Grupo grande/Teora: 2h
Grupo mediano/Prcticas: 2h
Grupo pequeo/Laboratorio: 4h
Aprendizaje autnomo: 11h 12m

Descripcin:
Problemas de equilibrio (mecnica de slidos, suelos...), de evolucin (dinmica estructural, calor, consolidacin,
trfico, contaminantes...) y de valores propios (vibraciones estructurales, acstica...).
Classificaci matemtica i fsica d'EDPs.
Obtencin de la forma dbil: para el problema mecnico (principio de los trabajos virtuales) y para el problema
de Laplace (residuos ponderados)
Interpolacin seccional
Discretizacin de la forma dbil
Clculo de integrales
Matrices elementales y ensamblado

Resolucin de un problema de equilibrio mediante el MEF.

Objetivos especficos:
Conocer, saber plantear y analizar varios problemas de ingeniera que requieren la solucin de problemas de
EDPs.
Identificar y clasificar las EDPs de segundo orden, desde un punto de vista matemtico y fsico
Entender el significado de las condiciones de contorno

Entender la utilizacin del MEF como una herramienta para resolver problemas en ingeniera.
Ser capaz de determinar la forma dbil para un problema elptico con condiciones de Dirichlet, Neumann o
Robin.
Poder describir los distintos aspectos numricos del MEF: discretizacin/aproximacin, integracin, ensamblado,
resolucin de ecuaciones, ...

Ser capaz de obtener la forma dbil de un problema de equilibrio. Ser capaz de utilizar el MEF para resolver
problemas de equilibrio.

3 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

3.- Sistemas de ecuaciones lineales Dedicacin: 24h

Grupo grande/Teora: 4h
Grupo mediano/Prcticas: 2h
Grupo pequeo/Laboratorio: 4h
Aprendizaje autnomo: 14h

Descripcin:
Clasificacin y definiciones.
Mtodos de factorizacin: Crout y Cholesky
Mtodos iterativos: gradientes conjugados (equivalencia con problema de minimizacin, mximo descenso,
gradientes conjugados, algoritmo, propiedades)

Problemas prcticos de sistemas de ecuaciones: almacenamiento, nmero de condicin, precondicionamiento

Resolucin de sistemas lineales utilizando diferentes mtodos y precondicionadors.
Objetivos especficos:
Conocer la clasificacin de los mtodos de resolucin de sistemas de ecuaciones lineales.
Conocer el rango de aplicabilidad de cada mtodo y sus ventajas e inconvenientes computacionales.
Conocer los detalles del anlisis del mtodo de gradientes conjugados y poder implementarlo correctamente.

Conocer los aspectos prcticos fundamentales: renumeracin, nmero de condicin, precondicionadores, cifras
significativas, criterios prcticos de convergencia.
Saber implementar los mtodos de resolucin presentados.
Saber identificar la influencia prctica del nmero de condicin, precondicionadores...

4 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

4.- Ceros de funciones y sistemas no lineales Dedicacin: 9h 36m

Grupo grande/Teora: 2h
Grupo mediano/Prcticas: 1h
Grupo pequeo/Laboratorio: 1h
Aprendizaje autnomo: 5h 36m

Descripcin:
Conceptos bsicos de mtodos iterativos: consistencia, convergencia lineal, superlineal o de orden p, velocidad
de convergencia, factor asinttico.
Mtodos: de Newton, de la secante, de Whittaker.
Introduccin a la resolucin de sistemas no lineales: iteracin funcional, mtodo de iteracin directa, mtodo de
Picard, mtodo de Newton-Raphson.

Problemas prcticos de anlisis de convergencia e influencia de los errores de redondeo.

Objetivos especficos:
Entender el funcionamiento de los mtodos iterativos diferencindolos de los mtodos con nmero finito de
operaciones.
Conocer las propiedades, ventajas e inconvenientes de los esquemas iterativos usuales.
Saber escoger en cada caso el mtodo ms adecuado.
Conocer y comprender las extensiones bsicas a sistemas de ecuaciones.
Saber analizar, representar e interpretar los resultados de los mtodos iterativos.

Evaluacin #1 Dedicacin: 7h 11m

Grupo pequeo/Laboratorio: 3h
Aprendizaje autnomo: 4h 11m

Descripcin:
Resolucin de la evaluacin #1

5 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

5.- Interpolacin y aproximacin Dedicacin: 14h 23m

Grupo grande/Teora: 3h
Grupo pequeo/Laboratorio: 3h
Aprendizaje autnomo: 8h 23m

Descripcin:
Planteamiento general: tipo y criterio de aproximacin
Interpolacin polinmica
Mnimos cuadrados
Aproximacin seccional

Analizar una serie de datos, aproximarlos con diversas metodologas y discutir los resultados.
Objetivos especficos:
Conocer los criterios y tipos de aproximacin usuales y saber discutir sus ventajas e inconvenientes.
Conocer y saber utilizar la interpolacin de Lagrange as como el error de interpolacin: resto de Lagrange.
Entender y saber desarrollar el problema de mnimos cuadrados, saber deducir las ecuaciones normales y
entender la propiedad de ortogonalidad.
Conocer y utilizar la interpolacin polinmica seccional.

Ser capaz de usar y programar algunas funciones intrnsecas para aproximar un conjunto de datos.

6 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

6.- Integracin numrica Dedicacin: 16h 48m

Grupo grande/Teora: 3h
Grupo mediano/Prcticas: 1h
Grupo pequeo/Laboratorio: 3h
Aprendizaje autnomo: 9h 48m

Descripcin:
Planteamiento general, ejemplo con la regla del trapecio
Definicin de orden de una cuadratura
Clasificacin de cuadraturas
Frmulas de Newton-Cotes
Cuadraturas de Gauss
Frmulas compuestas
Problemas prcticos de integracin: MEF
Estudiar la convergencia de las cuadraturas:
- de Newton-Cotes y de Gauss-Legendre a medida que se consideran ms puntos de integracin
- de las cuadraturas compuestas a medida que se aumenta el nmero de intervalos
Objetivos especficos:
Conocer el concepto de integracin numrica y ser capaz de determinar un cuadratura para puntos cualesquiera.
Conocer la clasificacin de las distintas cuadraturas.
Entender las bases de las cuadraturas de Newton-Cotes y Gauss, saber emplearlas entendiendo el concepto de
orden de integracin y coste computacional.
Conocer y saber emplear las cuadraturas compuestas as como sus ventajas e inconvenientes.
Saber aplicar todos los conceptos de integracin al caso del MEF.
Entender cmo se programa una cuadratura numrica
Ser capaz de programar una cuadratura compuesta

Evaluacin #2 Dedicacin: 7h 11m

Grupo pequeo/Laboratorio: 3h
Aprendizaje autnomo: 4h 11m

Descripcin:
Resolucin de la evaluacin #2

7 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

7.- Modelizacin con EDOs Dedicacin: 19h 12m

Grupo grande/Teora: 3h
Grupo pequeo/Laboratorio: 5h
Aprendizaje autnomo: 11h 12m

Descripcin:
Planteamiento general: reduccin a orden uno, problemas de valor inicial (PVI), de contorno (PC) o de valores
propios, teorema de existencia y unicidad.
Mtodos basados en la aproximacin de la derivada: Euler, Euler hacia atrs.
Error de truncamiento; consistencia; error local y global; orden; estabilidad absoluta.
Mtodos de paso simple (Runge-Kutta): mtodos de segundo y cuarto orden.
Mtodos de prediccin-correccin.
Modelizacin y resolucin numrica de un problema de ingeniera descrito mediante EDOs.
Objetivos especficos:
Entender el concepto de Problema de Valor Inicial (PVI) bien planteado.
Saber identificar y clasificar un problema de EDOs (para cualquier orden y dimensin).
Ser capaz de expresar una EDO de alto orden como un sistema de EDOs de primer orden.
Saber determinar si se trata de un Problema de Valor Inicial (PVI) o un Problema de Contorno (PC).
Entender los conceptos de convergencia, orden de convergencia y estabilidad absoluta.
Conocer las propiedades bsicas de los mtodos de Runge- Kutta. Entender su forma general y ser capaz de
aplicarlos. Saber diferenciar los mtodos explcitos, semi-implcitos e implcitos.
Saber modelizar un problema de ingeniera como un sistema de EDOs.
Saber utilizar una librera para resolucin numrica de EDOs.

8 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

8.- Modelizacin con EDPs Dedicacin: 28h 47m

Grupo grande/Teora: 6h
Grupo mediano/Prcticas: 2h
Grupo pequeo/Laboratorio: 4h
Aprendizaje autnomo: 16h 47m

Descripcin:
Mtodo de los elementos finitos para problemas elpticos: condiciones de contorno, organizacin de los clculos,
conceptos de precisin y eficiencia numrica.
Problemas dinmicos: matriz de masa, de rigidez y de amortiguamiento; mtodo de Newmark; conceptos de
estabilidad y precisin temporal.
Problemas hiperblicos de dinmica estructural

Resolucin de un problema dinmico.

Objetivos especficos:
Saber plantear la forma adimensional de los problemas de valor inicial o de contorno (en particular "calor")
Conocer las bases del MEF: forma dbil, condiciones de contorno, integracin, tipos de matrices, algoritmo.
Entender los conceptos de precisin en MEF (elpticos) y saber como identificar problemas y plantear soluciones.
Saber plantear un problema de dinmica estructural con el MEF.
Entender el concepto de estabilidad (condicional e incondicional), diferenciarlo del concepto de precisin
temporal y saber distinguir entre los mtodos explcitos e implcitos.
Conocer las caractersticas fundamentales de la resolucin de problemas dinmicos.
Entender el uso el mtode de Newmark para la integracin temporal de problemas dinmicos.
Saber programar el mtodo de Newmark y analizar su comportamiento

9.- Optimizacin y simulacin Dedicacin: 14h 23m

Grupo grande/Teora: 2h
Grupo mediano/Prcticas: 2h
Grupo pequeo/Laboratorio: 2h
Aprendizaje autnomo: 8h 23m

Descripcin:
Optimizacin del diseo en funcin del coste, problema de flujo en medio poroso con permeabilidades definidas
como variables aleatorias.
Introduccin a la optimizacin
Simulacin basada en el mtodo de Montecarlo.
Trabajo dirigido: simulacin
Objetivos especficos:
Conocer y plantear un problema complejo que implica optimizacin y simulacin.
Conocer, saber identificar, plantear y clasificar un problema de optimizacin.
Conocer los fundamentos del mtodo de Montecarlo
Saber aplicar los conceptos de optimizacin y simulacin a un problema concreto.

9 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

Evaluacin #3 Dedicacin: 7h 11m

Grupo pequeo/Laboratorio: 3h
Aprendizaje autnomo: 4h 11m

Descripcin:
Resolucin de la evaluacin #3

Trabajo de curso Dedicacin: 4h 48m

Grupo pequeo/Laboratorio: 2h
Aprendizaje autnomo: 2h 48m

Descripcin:
Presentacin y discusin del trabajo de curso
Objetivos especficos:
Saber presentar, analizar y discutir crticamente un problema completo de modelizacin numrica

Sistema de calificacin

1.- Debe entregarse el trabajo prctico de curso en la fecha indicada para poder ser evaluado.
2.- Los contenidos de todas las evaluaciones estarn de acuerdo con toda la materia impartida desde el inicio del curso.
3.- Los estudiantes deben asistir al examen provistos de una calculadora sin conexin a internet. No est permitida la
utilizacin de telfonos mviles, ordenadores, tabletas ni otros dispositivos electrnicos.
4.- En las evaluaciones no est permitida la consulta de apuntes, libros de texto, problemas resueltos ni ningn otro tipo
de documentacin.
5.- La deshonestidad acadmica ser severamente castigada, de acuerdo con la normativa acadmica vigente.
6.- La calificacin final de la asignatura se obtiene a partir de las calificaciones de las distintas pruebas segn:
Nota = max[A^(1/2)*TC^(1/5)*E^(1/5)*TD^(1/10) , PC^(4/5) * TC^(1/5)]
donde:

A es la media aritmtica ponderada de las evaluaciones: 25% la #1 y 2, 50% la #3;

TC es la media aritmtica ponderada del trabajo de curso: 10% las fichas de seguimiento, 45% la realizacin y
presentacin del pster, y 45% el informe final del trabajo;

Durante el curso se realizarn una serie de ejercicios y trabajos dirigidos. Algunos de ellos se recogern al final de la
sesin y se evaluarn. De estos, los mejor evaluados (tres de cada cuatro) se utilizarn para calcular la media aritmtica
de los ejercicios, E, y la media aritmtica de los trabajos dirigidos, TD.

PC es la prueba de conjunto.

10 / 11 Universitat Politcnica de Catalunya

 ltima modificacin: 04-11-2015

250402 - MODELNUM - Modelizacin Numrica

Normas de realizacin de las actividades

Si no se realiza alguna de las actividades de laboratorio o de evaluacin continuada en el periodo programado, se

considerar como puntuacin un cero.

La entrega del Trabajo de Curso es obligatoria para poder ser evaluado, ver las normas de presentacin en el apartado
"Actividades".

Bibliografa

Bsica:
Zienkiewicz, O.C.; Morgan. K. Finite elements and approximation. Mineola, NY: Dover, 1983. ISBN 9780486453019.
Quarteroni A.; Saleri, F.; Gervasio, P. Scientific computing with MATLAB and Octave. 3rd ed. Heidelberg: Springer-Verlag,
2010. ISBN 9783642124297.

Complementaria:
Huerta, A.; Sarrate, J.; Rodrguez-Ferran, A.,. Mtodos numricos. Introduccin, aplicaciones y programacin. Edicions UPC,
2001 (Errores, Sistemas de ecuaciones).
Hoffman, J.D. Numerical methods for engineers and scientists. 2nd ed. rev. and exp. New York: Marcel Dekker, 1992. ISBN
0824704436.
Trefethen, L.N.; Bau III, D.. Numerical linear algebra. SIAM, 1997 (Systems of linear equations).
Shampine L.W.. Numerical solution of ordinary differential equations. Chapman & Hall, 1994 (Modeling with ODEs).
Stoer, J.; Bulirsch, R.. Introduction to numerical analysis. Springer-Verlag, 1980.
Recktenwald G.W.. Numerical methods with MATLAB. Implementations and Applications. Prentice Hall, 2000.

11 / 11 Universitat Politcnica de Catalunya