Física (plan 2002) 2025-1

Séptimo Semestre, Física Computacional

REGLAS DEL CURSO

Curso: Física Computacional, miércoles y viernes de 7:00 a 10:00.

Libro de Texto:

• Computational Quantum Mechanics, J. Izaac, J. Wang, 2^nd Edition, Springer, SUI (2019).
• Numerical Methods for Engineers, S. C. Chapra, 8^th Edition, Ed. McGraw Hill, USA (2021).
• Machine Learning Engineering, A. Burkov, 1^st Edition, Ed. True Positive Inc., USA (2020).

Profesor: Dr. Isaías Rodríguez Aguirre
Cubículo A-111, Instituto de Investigaciones en Materiales
e-mail: isurwars@ciencias.unam.mx

Primer ayudante: Sebastián Calderón Alba
Cubículo A-111, Instituto de Investigaciones en Materiales
e-mail: sca@ciencias.unam.mx

Segundo ayudante: Por determinar

Temario:

El curso se dividirá en 4 bloques cada uno de ellos con 4 semanas de duración. Tratando de cubrir la mayor cantidad de temas incluidos en el temario del curso.

1. Repaso de programación y Métodos iterativos
   • Repaso de programación
     • Repaso desde cero de programación.
     • Sistemas numéricos de punto flotante y lenguajes.
     • Errores numéricos y su amplificación.
   • Métodos iterativos
     • Interpolación y extrapolación.
     • Método NewtonRaphson
     • Evaluación numérica de soluciones.
2. Integración y Derivación Numérica
   • Métodos numéricos de integración y derivación
     • Diferenciación numérica.
     • Integración numérica.
   • Ecuaciones diferenciales ordinarias
     • Métodos implícitos y de multipaso.
     • Métodos de RungeKutta.
     • Estabilidad de las soluciones.

3. Métodos numéricos matriciales.
   • Análisis numérico de problemas matriciales
     • Inversión de matrices y número de condición.
     • Valores propios de matrices tridiagonales.
   • Problemas clásicos y cuánticos de valores propios
     • Algoritmo de Numerov.
     • Integración de problemas con valores en la frontera.
     • Formulación matricial para problemas de valores propios.
4. Métodos numéricos contemporáneos
   • Simulación computacional
     • Métodos monte carlo.
     • Dinámica molecular.
   • Aprendizaje de máquina y ciencia de datos
     • Manejo y limpieza de una base de datos.
     • Reducción y análisis dimensional de una base de datos.
     • Métodos de Regresión y Clustering.

Lenguaje:

• No se espera que el alumno sepa ningún lenguaje de programación, se dedicaran las primeras semanas del curso en aprender a programar en Python. Se espera que los trabajos sean entregados en Python, el apoyo a los alumnos en las clases se dará principalmente en Python.
• Si el alumno domina algún otro lenguaje de programación y prefiere entregar los exámenes en ese lenguaje, se aceptarán y se calificarán, pero será responsabilidad de cada alumno llevar a cabo los ejercicios y correcciones por su cuenta en el lenguaje de su elección.

Impartición de clase:

La clase será presencial, en el salón de clases asignado por la facultad. (A menos que recibamos alguna indicación por parte de alguna autoridad competente).

Página del curso:

El material del curso se compartirá mediante la plataforma Google Classroom, con clave de la clase: 4a4woxh

Calificaciones:

• Habrá cuatro tareas exámenes, al final de cada bloque.
• El promedio de las cuatro evaluaciones será el 100 % de la calificación
• No habrá reposiciones de los exámenes.

Dr. Isaías Rodríguez Aguirre