Introducción al Método de los Elementos Finitos

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Introducción al Método de los Elementos Finitos"

Transcripción

1 S 4 v v 5 Introduccón al Método de los Elementos Fntos Parte 4 Estmacón de error en problemas elíptcos Alberto Cardona, Víctor Facnott Cmec-Intec (UNL/Concet), Santa Fe, Argentna

2 Estmacón de error en problemas elíptcos Para un típco problema elíptco de la forma Hallar u V / a( u, v)=l( v) v V donde se verfca. a(.,.) es una forma blneal smétrca, contnua y V-elíptca.. L(.) es una forma lneal contnua resulta γ u u u v V V α v V S elegmos v=π u V como un nterpolante de u y estmamos el error de nterpolacón u π u V, obtendremos una estmacón del error u u V del MEF. Elegmos π u tal que sus gdl concdan con los de u en V, así el problema de determnar u π u V se reduce a determnar u π u ndvdualmente sobre cada elemento fnto T. Introduccón al Método de los Elementos Fntos

3 Sea Interpolacón con funcones lneales a trozos en D { v v } V=H ( Ω), V = V: P (), T Para c/trángulo T, defnmos : dámetro de = lado más largo de ρ : dámetro del círculo nscrpto en ρ ρ ρ Κ / da una dea de la caldad del elemento (cuanto mayor, mejor) Desgnemos T a una famla de mallas {T } ndexadas por el parámetro = max T Asummos una constante β R +, ndependente de, tal que ρ β T Esta condcón mplca que los trángulos T no pueden ser arbtr. fnos. La constante β es una medda del ángulo más pequeño para cualquer T. Introduccón al Método de los Elementos Fntos 3

4 Interpolacón con funcones lneales a trozos en D (cont) 0 Sean N, =,,,M, los nodos de T. Dado u C Ω, defnmos el nterpolante π u V por π v = v =,,, M.e, π u es la funcón lneal a trozos que concde con u en los nodos x de T. x x Empecemos por estmar el error u π u en cada trángulo. u π u Introduccón al Método de los Elementos Fntos 4

5 Interpolacón con funcones lneales a trozos en D (cont) Teorema Sea T un trángulo de vértces x, =,,3. Dado v C 0 (), sea el nterpolante πv P () defndo por π v( x) = v( x), =,,3. Luego:. v πv max D α v. L () α = L () α ( π ) α = L () ρ α = α max D v v 6 max D v L () donde α α v D v =, α = ( α, α), α = α+ α. α α x y v L () = max v( x) x Nota: la magntud de los errores de nterpolacón en la funcón y sus dervadas prmeras dependen del valor de las dervadas segundas, que es una medda de la curvatura de la superfce descrpta por la funcón. Introduccón al Método de los Elementos Fntos 5

6 Interpolacón con funcones lneales a trozos en D (cont) Dem Como πv P (), usando las funcones de base λ podemos escrbr Usando una expansón de Taylor, en el punto y = x+δ tenemos v( y) = v( x) + ( x) ( yj xj) + R( x, y) j= x j v R( x, y) = ( x+ ξδ) ( y x) ( yj xj) 0< ξ < x x Tomando y = x : 3 3 = = πv( x ) = λ ( x ) πv( x ) λ ( x ) v( x ), j= j Como x x x, =,,3, el resto R (x) resulta acotado por j= v( x ) = v( x) + ( x) ( xj xj) + R( x, x ) x α = L () j p ( x) max D α R x v x, =,,3 R ( x) Introduccón al Método de los Elementos Fntos 6

7 Luego: Interpolacón con funcones lneales a trozos en D (cont) = = = = πv( x) = λ ( x) v( x ) = v( x) λ ( x) + λ ( x) p ( x) + λ ( x) R( x) Veremos luego que: 3 3 λ =, λ p = 0. = = πv( x) = v( x) + λ ( x) R( x) 3 = En consecuenca: v( x) πv( x) λ( x) R( x) λ( x) R( x) max R( x) λ( x) = = = max D α v x α = L (QED ) Introduccón al Método de los Elementos Fntos 7

8 Interpolacón con funcones lneales a trozos en D (cont) Se calcula la dervada de πv: π v λ λ λ λ x x x x x ( x = x v x ) = v( x) ( x) + ( x) p ( x) + ( x) R ( x) j = j = j = j = j Veremos luego que tambén: En consecuenca: λ λ = 0, p = x j xj xj 3 π v λ = + R x x x 3 3 = = j j = j x π v λ = R R R j xj x = x j = x j ρ = λ ( x) max ( x) ( x) ρ α 6 max D v x ρ α = L () Introduccón al Método de los Elementos Fntos 8 (QED )

9 Interpolacón con funcones lneales a trozos en D (cont) Lema Para j =, x tenemos: λ λ λ =, λp = 0, = 0, p = = = = x j = xj xj A B C D Dem Notar π v= v s v P. Luego, elgendo v = en : 3 3 πv( x) = v( x) λ( x) = λ ( x) = = (QED A) Dervando la anteror : 3 0 = = λ x j ( x) (QED C) Introduccón al Método de los Elementos Fntos 9

10 Interpolacón con funcones lneales a trozos en D (cont) Recordamos : π v= v λ + λ p + λr = = = p x x ( x) = ( x) ( ) j j j= x j Luego: 3 = λ p 3 = λ ( x) ( x) = ( x x ) k k = k= xk = = = 3 3 λ xk λ xk = k= xk = k= xk 3 3 λxk xk k= xk = k= xk = x k λ = 0 (QED B) Introduccón al Método de los Elementos Fntos 0

11 Interpolacón con funcones lneales a trozos en D (cont) De manera smlar : λ 3 λ = ( x) ( x) ( xk xk) = x x 3 p = x j = j k= k λ λ = x = 3 3 xk = k= xj xk = k= xj xk 3 3 λ λ = xk xk = k= xk = xj k= xk = x j x j δ 0 jk k (QED D) Introduccón al Método de los Elementos Fntos

12 Interpolacón con funcones lneales a trozos en D (cont) El teorema vsto da estmacones en norma L. Ello no nos srve para lograr estmacones de u π u. Ω Notacón: H α v r = D v d H ( Ω) x Ω α = r No es norma, porque puede ser v = r 0, con v 0 (ej: v =, r ) H Ω v r mde la norma L de las dervadas parcales de v de orden gual a r. H ( Ω ) ( Ω) Luego, decmos que v es una semnorma. H r ( Ω) Teorema: Sea T un trángulo de vértces x, =,,3. Dado v C 0 (), sea el nterpolante πv P () defndo por π v( x ) = v( x ), =,,3. Luego, C cte v πv C v v v C v Este teorema es smlar al anteror, pero demostracón más dfícl (no la aremos)., π H ρ H H () L () Introduccón al Método de los Elementos Fntos

13 Interpolacón con funcones lneales a trozos en D (cont) Usando el teorema, podemos calcular π L L H H H u π u = u u C u C u = C u Además, usando la propedad de la trangulacón Luego, ntroducendo β en la cte: ( Ω) Ω T T T C u π u C u C u u 4 H( Ω) H H H T ρ T β β ( Ω) ρ β C u π u u = C u β H( Ω) H Ω H Ω u π u C u L ( Ω ) H Ω Introduccón al Método de los Elementos Fntos 3

14 Interpolacón con polnomos de mayor grado Trabajando con polnomos de grado r se tene r+ r u πu C u r+ u π u C u + L ( Ω) H Ω H Ω) Ω S V H Ω podremos asegurar tambén r ( H r u u C u H ) π + r ( Ω H ( Ω) Notar:. La potenca de cae con el orden de dervacón del error. La cte C es ndependente de u y de S u no tene la regulardad requerda, la potenca de cae: s s u πu C u s u π u C u L ( Ω) H Ω H ( Ω s ) H ( Ω) con s r + Introduccón al Método de los Elementos Fntos 4

15 Interpolacón con polnomos de mayor grado. Ejemplo Sean { } { } T famla de mallas T = de Ω / β { } 0 :, V = v C Ω v P T ρ 3 3 Para el elemento mostrado, defnmos 3 π v= v en los nodos y puntos medos de T En este caso se verfca: 3 v πv C v 3 v π v C v 3 L ( Ω) H Ω H ( Ω) Ω H Introduccón al Método de los Elementos Fntos 5

16 Interpolacón con polnomos de mayor grado. Ejemplo Sean { } { } T famla de mallas T = de Ω / β { } :, 5 V = v C Ω v P T ρ Para el elemento mostrado, defnmos α α D πv= D v en los nodos vértces de T, α π v= en los puntos medos de lados de T n n En este caso se verfca: 6 v π v C v L ( Ω) H 5 v π v C v H( Ω) H 6 4 v π v C v H ( Ω) H 6 6 ( Ω) ( Ω) ( Ω) Introduccón al Método de los Elementos Fntos 6

17 Estmacones de error en MEF para problemas elíptcos Recordamos: u u C u v v V u u C u π u V V V V Usamos luego las estmacones de error de nterpolacón para el error del MEF. 3. Ejemplo Sea el problema Δ u = f en Ω u = 0 sobre Γ { :, } En este caso, V = H 0 Ω y elegmos V = v V v P T r Usando la estmacón de error de nterpolacón, logramos r u u C u H + r Ω H ( Ω) Introduccón al Método de los Elementos Fntos 7

18 Estmacones de error en MEF para problemas elíptcos 4. Ejemplo Sea el problema barmónco ΔΔ u = f en Ω u u = = 0 sobre Γ n En este caso, V = H 0 Ω y s elegmos = { : 5, } V v V v P T y usamos la estmacón de error de nterpolacón, logramos 4 u u C u H Ω H 6 ( Ω) Introduccón al Método de los Elementos Fntos 8

19 Sobre la regulardad de la solucón exacta Vmos que la regulardad de la solucón exacta u nfluye sobre la estmacón de error u u. Veremos aora que la regulardad de u depende de la V regulardad de los datos Δ u = f en Ω Sea el problema de Posson u = 0 sobre Γ. S Γ es suave, para s = 0,, exste C ndep de f tal que o sea u H s+ C f s ( Ω) H ( Ω) s s f H u H + Ω Ω ("ganamos dervadas"). S Γ tene esqunas, u o sus dervadas tenen sngulardades en la esquna aún con f muy suave. Introduccón al Método de los Elementos Fntos 9

20 Sobre la regulardad de la solucón exacta (cont) La solucón u con f suave tene la sguente forma en el entorno de una esquna: π ω con α, β funcones suaves. ur (, θ ) = r α θ + β r, θ. Claramente, s ω > π u H Ω. Se puede mostrar que s Ω polgonal convexo ( ω < π), u H ( Ω) Introduccón al Método de los Elementos Fntos 0

21 Sobre la regulardad de la solucón exacta (cont) ΔΔ u = f en Ω Sea el problema barmónco u u = = 0 sobre Γ n S Γ es suave, resulta s+ 4 s H Ω H ( Ω) s = 0,,, (4.8b) S Γ no es suave y ω<π (4.8b) vale con s=0 ω>π u H 4 (Ω) Introduccón al Método de los Elementos Fntos

22 Métodos adaptvos. S la solucón exacta tene por ej. una sngulardad en una esquna, es natural refnar la malla cerca de esa esquna para mejorar la precsón.. Dado el estmador de error u u u π u C u podríamos contrarrestar el tamaño de con el de, tomando pequeño u H allí donde sea grande. π 3. S u tene la forma ur (, ) r ω π θ = α( θ) + β( r, θ), con 0< γ= <, una manera ω posble de refnar sería defnendo = Cd d γ Nota: el número de elementos así refnados es de gual orden O( - ) que para una malla de unforme. Luego, el refnamento no aumenta sgnfcatvamente el número de ncógntas, pero sí la precsón. H( Ω) H( Ω) H T u H H : dstanca del elemento a la esquna : tamaño de la malla lejos de la esquna u u C Ω Introduccón al Método de los Elementos Fntos

23 Métodos adaptvos (cont.) En gral, se desconoce a pror la naturaleza de la solucón exacta, por lo que no está claro cómo refnar la malla. Métodos adaptvos: métodos de refnamento automátco de la malla, que obtenen nformacón sobre de la suavdad de la solucón de resultados sobre una sucesón de mallas de refnamento progresvo.. Dada una toleranca δ>0, deseamos obtener por MEF una solucón que satsfaga. Dado el estmador de error por u u < δ H( Ω) u u C u la condcón 4.33 se satsfará s elegmos una malla T ={} tal que H T u H( Ω) H T δ C (4.33) (4.34) Introduccón al Método de los Elementos Fntos 3

24 Métodos adaptvos (cont.) 3. La malla que satsfaga 4.34 se determna usando el sguente procedmento: I. Se parte de una malla T = { } de N elementos y se calcula la correspondente u por MEF, con la que se calcula la aproxmacón u a u H. ( ) II. Se construye una nueva malla T ={} dvdendo en 4 trángulos guales cada T, y se calcula la solucón u por MEF, con la que se calcula una aproxmacón a u H ( ). III. Se repte el paso II asta que δ u H T C H Introduccón al Método de los Elementos Fntos 4

25 Métodos adaptvos (cont.). Podemos partr de otros estmadores de error, por ej. u u Cmax max D α u Ω α =. Se busca una malla T ={} tal que C α = L L () max D α u δ T L () 3. Se comenza con una malla gruesa, con la que se calcula una aprox. a Du α. L () Se refna la malla subdvdendo los trángulos que no satsfagan C max α = D α u L () δ 4. Se termna el proceso cuando todos los trángulos satsfacen la condcón anteror. Introduccón al Método de los Elementos Fntos 5

26 Refnamento adaptvo Problema: Δ u = 0 en Ω u = u sobre Γ 0 Crtero de refnamento: max D α u 0. α = L () Introduccón al Método de los Elementos Fntos 6

27 Estmacón de error en norma L Aplcando MEF con V = v: v H 0( Ω) y v P(), T a Δ u = f en Ω Ecuacón de Posson u = 0 sobre Γ en Ω polgonal, el estmador de error resulta Además, emos vsto que { } u u C u u u C u H( Ω) H Ω L ( Ω) H Ω u u C u π L ( Ω) H Ω Teorema 4.3: s Ω es un domno polgonal convexo, y u es la solucón de la ec. de Posson usando EF lneales por trozos, entonces ay una constante C ndependente de u y tal que u u C u L ( Ω) H ( Ω) Introduccón al Método de los Elementos Fntos 7

28 Estmacón de error en norma L (cont.) Demo.: a( uv, ) = ( f, v) v V V a( u, v) = ( f, v) v V V e= u u a( e, v) = 0 v V V Δ ϕ = e en Ω Sea ϕ la solucón del problema dual ϕ = 0 sobre Γ C e ϕ Ω Ω H L e = ( e, e) = ( e, Δ ϕ) = a( e, ϕ) = a( e, ϕ) a( e, π ) L ϕ Ω = a( e, ϕ π ϕ) e ϕ π ϕ H( Ω) H( Ω) H( Ω) H ( Ω) H( Ω) H ( Ω) H( Ω) L( Ω) C e u L ( Ω) H ( Ω) C e ϕ C e ϕ C e e = 0 (QED Introduccón al Método de los Elementos Fntos 8

29 Estmacón de error en norma L (cont.) La cond.de establdad establece que λ una cte. tal que / H( Ω) El menor valor posble de λ es entonces ( f, v) λ = sup v H ( Ω) v u λ α ( f, v) λ v v H ( Ω) Así defndo, λ es en certa una medda de f. Defnmos entonces la nueva norma ( f, v) - f - λ = sup norma en el espaco H ( Ω) dual de H H 0( Ω) Ω v H 0 ( Ω) v v 0 Luego, la condcón de establdad puede escrbrse v f - H( Ω) H ( Ω) α H( Ω) 0 v 0 H( Ω) H( Ω) 0 Introduccón al Método de los Elementos Fntos 9

Vectores en el espacio

Vectores en el espacio ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

Geometría convexa y politopos, día 1

Geometría convexa y politopos, día 1 Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros

Perturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de

Más detalles

Propiedades Asintóticas

Propiedades Asintóticas Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,

Más detalles

INGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1

INGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1 INGENIERÍA DE TELECOMUNICACIÓN BLOQUE En el Aula Vrtual se encuentra dsponble: Materal nteractvo con teoría y ejerccos resueltos. Para acceder a ello deberá pulsar sobre los sguentes enlaces una vez dentro

Más detalles

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D. Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

Resuelve. Unidad 6. Números complejos. BACHILLERATO Matemáticas I. [x ( )][x (2 3 1)] = Cómo operar con 1? Página 147

Resuelve. Unidad 6. Números complejos. BACHILLERATO Matemáticas I. [x ( )][x (2 3 1)] = Cómo operar con 1? Página 147 Undad. Números complejos Matemátcas I Resuelve Págna 7 Cómo operar con? Vamos a proceder como los antguos algebrstas: cuando nos encontremos con seguremos adelante operando con ella con naturaldad y tenendo

Más detalles

Tema 8: Heteroscedasticidad

Tema 8: Heteroscedasticidad Tema 8: Heteroscedastcdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 8 Heteroscedastcdad Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón

Más detalles

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70

Análisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70 Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Dpto. Física y Mecánica

Dpto. Física y Mecánica Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D

Más detalles

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )

( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror

Más detalles

SUCESIONES RECURSIVAS LINEALES

SUCESIONES RECURSIVAS LINEALES SUCESIONES RECURSIVAS LINEALES Juan Saba Susana Tesaur 1 Introduccón Una forma usual de defnr sucesones de números es nductvamente Por ejemplo, s alguen conoce la sucesón de Fbonacc, es probable que la

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011

Departamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011 Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se

Más detalles

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,. º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:

Más detalles

Problemas sobre números complejos -1-

Problemas sobre números complejos -1- Problemas sobre números complejos --.- Representa gráfcamente los sguentes números complejos y d cuáles son reales, cuáles magnaros y, de estos, cuáles magnaros puros: 5-5 + 4-5 7 0 -- -7 4.- Obtén las

Más detalles

5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel...

5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel... CONTENIDO 5 Métodos teratvos para la resolucón de ecuacones algebracas lneales 95 5.1 Método de Gauss-Jacob................................ 95 5.2 Método de Gauss-Sedel................................

Más detalles

Ejercicios y problemas (páginas 131/133)

Ejercicios y problemas (páginas 131/133) 7 Calcula el opuesto y el conjugado de los sguentes números complejos, expresándolos en forma polar: a) z b) z (cos 00 sen 00 ) c) z Expresamos en prmer lugar los números complejos en forma Calcula las

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

USOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES

USOS Y EXTENSIONES DEL MODELO LINEAL CON K VARIABLES Unversdad de San Andrés Departamento de Economía Econometría Semestre de otoño USOS Y ETENSIONES DEL MODELO LINEAL CON K VARIABLES Marana Marchonn marana@depeco.econo.unlp.edu.ar Varables explcatvas bnaras

Más detalles

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que

Y ahora observamos que lo que está entre paréntesis es la derivada de un producto, de modo que Estas son ms notas para las clases del curso Mecánca Raconal (62.11) en la Facultad de Ingenería-UBA. Están aún en proceso de ser completadas, no tenen carácter de texto acabado, por el contraro seguramente

Más detalles

Ecuación de Lagrange

Ecuación de Lagrange Capítulo 6 Ecuacón de Lagrange 6. Introduccón a las ecuacones de Lagrange La mecánca que nos presenta Lagrange en su Mécanque Analytque sgnfca un salto conceptual muy grande respecto de la formulacón Newtonana.

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

Coordenadas Curvilíneas

Coordenadas Curvilíneas Departamento: Físca Aplcada III Mecánca Raconal (Ingenería Industral) Curso 007-08 Coordenadas Curvlíneas 1. Introduccón a. Obetvo: Generalar los tpos de coordenadas conocdos. Cartesanas. Clíndrcas, Esfércas,

Más detalles

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green Propedades efectvas de medos peródcos magneto-electroelástcos a través de funcones de Green utores: Lázaro Makel Sto Camacho Julán Bravo Castllero LOGO Renaldo Rodríguez Ramos Raúl Gunovart Díaz Introduccón

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

Descripción de la deformación y de las fuerzas en un medio continuo

Descripción de la deformación y de las fuerzas en un medio continuo Descrpcón de la deformacón y de las fuerzas en un medo contnuo Mecánca del Contnuo 15 de marzo de 2010 1. Temas tratados con anterordad: Descrpcón cualtatva de un medo contnuo Hpótess del contnuo Elementos

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

CAPÍTULO 18 Interpolación

CAPÍTULO 18 Interpolación CAPÍTULO 8 Interpolacón Con frecuenca se encontrará con que tene que estmar valores ntermedos entre datos defndos por puntos. El método más común que se usa para este propósto es la nterpolacón polnomal.

Más detalles

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1

i=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1 CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de

Más detalles

16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales

16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales 16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo

Más detalles

Universidad Nacional de Ingeniería P.A Facultad de Ingeniería Mecánica 22/07/11 DACBHCC EXAMEN FINAL DE METODOS NUMERICOS (MB536)

Universidad Nacional de Ingeniería P.A Facultad de Ingeniería Mecánica 22/07/11 DACBHCC EXAMEN FINAL DE METODOS NUMERICOS (MB536) Unversdad Naconal de Ingenería P.A. - Facultad de Ingenería ecánca /7/ EXAEN FINA DE ETODOS NUERICOS B56 DURACION: INUTOS SOO SE PERITE E USO DE UNA HOJA DE FORUARIO ESCRIBA CARAENTE SUS PROCEDIIENTOS

Más detalles

Capítulo V. Teoremas de Fermat, Euler y Wilson

Capítulo V. Teoremas de Fermat, Euler y Wilson Capítulo V Teoremas de Fermat, Euler y Wlson En este capítulo utlzamos los conceptos desarrollados en dvsbldad y conteo para deducr tres teoremas báscos de la teoría de números. En el próxmo capítulo,

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación

Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación Tema 5: Incumplmento de las Hpótess sobre el Térmno de Perturbacón TEMA 5: INCMPLIMIENTO DE LAS HIPÓTESIS SOBRE EL TÉRMINO DE PERTRBACIÓN 5.) Introduccón 5.) El Modelo de Regresón Lneal Generalzado 5.3)

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

Métodos numéricos en Ingeniería: Elementos nitos

Métodos numéricos en Ingeniería: Elementos nitos Métodos numércos en Ingenería: Elementos ntos 18 de septembre de 2004 Contendo Contendo 1 Formulacón varaconal de los problemas de contorno. 1 2 El método de elementos trangulares. 3 2.1 Formulacón varaconal.........................

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Ejercicios Resueltos de Vectores

Ejercicios Resueltos de Vectores Departamento de Matemátca y C C Coordnacón: Calculo II para Ingenería Semestre Eerccos Resueltos de Vectores Sean los vectores en IR : v,,, u,, 4, a,, y b,, 4 : a) Determne los vectores: UV y AB UV AB

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla

Más detalles

ECUACIONES DIFERENCIALES ELÍPTICAS EN DERIVADAS PARCIALES. Armando Blanco A.

ECUACIONES DIFERENCIALES ELÍPTICAS EN DERIVADAS PARCIALES. Armando Blanco A. ECUACIONES DIFERENCIALES ELÍPICAS EN DERIVADAS PARCIALES Armando Blanco A. Captulo V ECUACIONES DIFERENCIALES ELÍPICAS EN DERIVADAS PARCIALES Introduccón Dferencas fntas Métodos de relaacón sucesva Métodos

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

5. DIAGONALIZACIÓN DE MATRICES

5. DIAGONALIZACIÓN DE MATRICES Dagonalzacón Herraentas nforátcas para el ngenero en el estudo del algebra lneal 5. DIAGONALIZACIÓN DE MATRICES 5.1. INTRODUCCIÓN 5.2. VALORES Y VECTORES PROPIOS 5.3. MATRICES DIAGONALIZABLES 5.4. DIAGONALIZACIÓN

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

ECUACIONES DIFERENCIALES Problemas de Valor Inicial

ECUACIONES DIFERENCIALES Problemas de Valor Inicial DIVISIÓN DE IENIAS FÍSIAS Y MATEMÁTIAS DTO. TERMODINÁMIA Y FENÓMENOS DE TRANSFERENIA MÉTODOS AROXIMADOS EN ING. QUÍMIA TF-33 EUAIONES DIFERENIALES roblemas de Valor Incal Esta guía fue elaborada por: rof.

Más detalles

CAMPOS DE VELOCIDADES DE LOS DISCOS

CAMPOS DE VELOCIDADES DE LOS DISCOS CAMPOS DE VELOCIDADES DE LOS DISCOS Los dscos galáctcos se modelan como anllos crculares concéntrcos. S Ω es la velocdad angular del anllo y r el vector que va hasta el centro, sendo n el vector untaro

Más detalles

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa

Geometría Axiomática de la Convexidad Parte II: Axiomática de Cápsula convexa Geometría Axomátca de la Convexdad Parte II: Axomátca de Cápsula convexa Juan Carlos Bressan Resumen En la Parte I estudamos una axomátca de segmentos, en la que defnmos los convexos y estudamos sus propedades

Más detalles

60 EJERCICIOS de NÚMEROS COMPLEJOS

60 EJERCICIOS de NÚMEROS COMPLEJOS 60 EJERCICIOS de NÚMEROS COMPLEJOS. Resolver las sguentes ecuacones en el campo de los números complejos a) x -x+=0 (Soluc ) b) x +=0 (Soluc ) c) x -x+=0 (Soluc ) d) x +x+=0 (Soluc ) e) x -6x +x-6=0 (Soluc,

Más detalles

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006

Capítulo 4 Probabilidades Estadística Computacional II Semestre 2006 Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo 4 Probabldades Estadístca Computaconal II Semestre 006 Profesores: Héctor llende (hallende@nf.utfsm.cl) Carlos Valle (cvalle@nf.utfsm.cl)

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

TEMA 5. INTERPOLACION

TEMA 5. INTERPOLACION Tema 5: Interpolacón TEM 5. INTERPOLCION. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos. RESUMEN 7. Programacón en Matlab Cálculo numérco en

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón

Más detalles

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1. Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.

Más detalles

Ejercicios Resueltos de NÚMEROS COMPLEJOS

Ejercicios Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Números Complejos. Formas de epresarlos.- Halla las raíces de los sguentes números: 00 Solucón: ± 00 00 ± 0 ± ±.- Representa

Más detalles

Métodos cuantitativos de análisis gráfico

Métodos cuantitativos de análisis gráfico Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos

Más detalles

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A

CI42A: ANALISIS ESTRUCTURAL. Programa CI42A CI4A: ANALISIS ESTRUCTURAL Prof.: Rcardo Herrera M. Programa CI4A NÚMERO NOMBRE DE LA UNIDAD OBJETIVOS DURACIÓN 4 semanas Prncpo de los trabajos vrtuales y teoremas de Energía CONTENIDOS.. Defncón de trabajo

Más detalles

Números complejos. Actividades. Problemas propuestos. Matemáticas 1 Bachillerato? Solucionario del Libro

Números complejos. Actividades. Problemas propuestos. Matemáticas 1 Bachillerato? Solucionario del Libro Matemátcas Bachllerato? Soluconaro del Lbro Actvdades Dado el número complejo se pde: qué valor ha de tener x para que x? Calcula el opuesto de su conjugado Calcula el conjugado de su opuesto x x x El

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS

TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

CAPITULO 5 TRAYECTORIAS EN R 3. Platón.

CAPITULO 5 TRAYECTORIAS EN R 3. Platón. CAPITULO 5 La geometría es una cenca del conocmento del ser pero no de lo que esta sueto a la generacón o a la muerte. La geometría es una cenca de lo que sempre es Platón. TRAYECTORIAS EN R 5. Interpretacón

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

4. PROBABILIDAD CONDICIONAL

4. PROBABILIDAD CONDICIONAL . ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra

Más detalles

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador.

sea un nº real. Hallar su cociente. Solución. Se multiplica numerador y denominador por el conjugado del denominador. . Hallar "a" para que el complejo : a a) sea real puro b) sea magnaro puro Lo prmero de todo es hacer la dvsón en forma bnómca, multplcando numerador y denomnador por el conjugado del denomnador, de esta

Más detalles

Fuerzas distribuidas. 2. Momento de inercia

Fuerzas distribuidas. 2. Momento de inercia Dpto. Físca y Mecánca Fuerzas dstrbudas d Centro de gravedad centro de masas. Centro de gravedad, centro de masas. Momento de nerca ntroduccón. Fuerzas dstrbudas Cálculo de centrodes y centros de gravedad

Más detalles

ESTADÍSTICA UNIDIMENSIONAL

ESTADÍSTICA UNIDIMENSIONAL ESTADÍSTICA UNIDIMENSIONAL La estadístca undmensonal trata de resumr la nformacón contenda en una tabla que contene nformacón de una sola varable en unos pocos números. Las meddas de poscón pueden ser:

Más detalles

Integración por el método de los residuos

Integración por el método de los residuos Semana 13 - lase 38 Tema 6: Varable ompleja 1. Introduccón Integracón por el método de los resduos Las expansones de funcones en seres de potencas dejan resduos al detener la expansón a para una determnada

Más detalles

Campo eléctrico. Líneas de campo. Teorema de Gauss. El campo de las cargas en reposo. Campo electrostático

Campo eléctrico. Líneas de campo. Teorema de Gauss. El campo de las cargas en reposo. Campo electrostático qco sθ qz Ez= 4 zπε0 2+ R2 = 4πε0 [z2 +R2 ]3/ 2 El campo de las cargas en reposo. Campo electrostátco ntroduccón. Propedades dferencales del campo electrostátco. Propedades ntegrales del campo electromagnétco.

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1

NÚMEROS COMPLEJOS. y sabemos que no podemos calcular raíces de números negativos en R. Para resolver este problema introduciremos el valor i = 1 NÚMEROS COMPLEJOS 1. Qué es un número complejo? Defncones. La ecuacón x + 1 = 0 no tene solucón en el campo real puesto que s ntentamos resolverla tendremos que x = ± 1 y sabemos que no podemos calcular

Más detalles

Determinación de H-matrices. R. Bru, C. Corral, I. Gimenez, J. Mas

Determinación de H-matrices. R. Bru, C. Corral, I. Gimenez, J. Mas XX Congreso de Ecuacones Dferencales y Aplcacones X Congreso de Matemátca Aplcada Sevlla, 24-28 septembre 2007 (pp. 1 8) Determnacón de H-matrces R. Bru, C. Corral, I. Gmenez, J. Mas Insttut de Matemàtca

Más detalles

Números Complejos. Matemática

Números Complejos. Matemática Números Complejos Matemátca 4º Año Cód. 40-6 M r t a R o s t o V e r ó n c a F l o t t J u a n C a r l o s B u e Dpto. de Matemátca Los Números Complejos. Una amplacón más en el campo numérco La necesdad

Más detalles

Determinar el momento de inercia para un cuerpo rígido (de forma arbitraria).

Determinar el momento de inercia para un cuerpo rígido (de forma arbitraria). Unversdad de Sonora Dvsón de Cencas Exactas y Naturales Departamento de Físca Laboratoro de Mecánca II Práctca #3: Cálculo del momento de nerca de un cuerpo rígdo I. Objetvos. Determnar el momento de nerca

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

Cinemática del Brazo articulado PUMA

Cinemática del Brazo articulado PUMA Cnemátca del Brazo artculado PUMA José Cortés Parejo. Enero 8. Estructura del brazo robótco El robot PUMA de la sere es un brazo artculado con artculacones rotatoras que le proporconan grados de lbertad

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

Problemas de Interfase Electrizada. Química Física Avanzada Iñaki Tuñón 2010/2011

Problemas de Interfase Electrizada. Química Física Avanzada Iñaki Tuñón 2010/2011 Problemas de Interfase Electrzada Químca Físca Avanzada Iñak Tuñón 00/0 IE. Calcula el espesor de la doble capa eléctrca para las sguentes dsolucones acuosas a 5ºC: a)0 - M KCl; b) 0-6 M KCl; c) 5 0-3

Más detalles

Por: Ing César Chilet León

Por: Ing César Chilet León Por: Ing César Chlet eón 1 El flujo de potenca tambén es conocdo tambén como flujo de carga. El flujo de potenca es una herramenta para el análss de redes. En tareas de planfcacón de redes Determnacón

Más detalles

Mecánica Clásica ( Partículas y Bipartículas )

Mecánica Clásica ( Partículas y Bipartículas ) Mecánca lásca ( Partículas y Bpartículas ) Alejandro A. Torassa Lcenca reatve ommons Atrbucón 3.0 (0) Buenos Ares, Argentna atorassa@gmal.com Resumen Este trabajo consdera la exstenca de bpartículas y

Más detalles

Regresión Cuantílica o Quantile Regression

Regresión Cuantílica o Quantile Regression Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles