Dinámica Espacial en la Formación de Órganos Florales. Yuriria Cortés Poza. 21 de febrero, 2018
|
|
- Luis Olivares Córdoba
- hace 5 años
- Vistas:
Transcripción
1 Dinámica Espacial en la Formación de Órganos Florales Yuriria Cortés Poza 21 de febrero, 2018
2 Problema biológico Configuración espacial de las Angiospermas (250,000 aprox.)
3 Problema biológico Configuración espacial de las Angiospermas (250,000 aprox.) Lacandonia schismática Única excepción conocida: posición de estambres y carpelos está invertida.
4 Arabidopsis thaliana Arabidopsis thaliana: primera planta cuyo genoma completo fue secuenciado.
5 Arabidopsis thaliana Arabidopsis thaliana: primera planta cuyo genoma completo fue secuenciado. Pariente cercano del brócoli y la coliflor.
6 Arabidopsis thaliana Arabidopsis thaliana: primera planta cuyo genoma completo fue secuenciado. Pariente cercano del brócoli y la coliflor. Pertenece a las plantas crucíferas, una familia de la división de angiospermas dicotiledóneas.
7 Objetivo Entender qué mecanismos biológicos son los responsables de determinar la configuración espacial de los órganos florales. Implementar una herramienta numérica capaz de atacar problemas de tipo minimax.
8 Introducción Construimos un modelo matemático, basado en información biológica detallada que reproduce correctamente la configuración espacial de los órganos florales. El modelo consta de un sistema ecuaciones diferenciales parciales de reacción difusión.
9 Introducción Solución mediante Teoría de Sturm- Liouville
10 Introducción Solución mediante Teoría de Sturm- Liouville Implementación de un Algoritmo Genético, utilizando la estructura variacional del sistema.
11 Diferenciación celular
12 Red de regulación genética Red de interacciones entre diferentes genes que controlan, mediante la producción de proteínas, funciones específicas de una célula. Son importantes en muchos aspectos de la vida, incluyendo la diferenciación celular. Su estudio permite entender mecanismos de enfermedades que ocurren cuando estos procesos celulares fallan. Kauffman (1969) utilizó por primera vez redes bo0leanas para modelarlas. Los métodos computacionales para su análisis han demostrado ser muy útiles.
13 Construcción del modelo Datos experimentales Sistema dinámico discreto Puntos de equilibrio # de CI en cada cuenca Paisaje epigenético Campo potencial Sistema de ecuaciones de reacción difusión Solución Buscamos entender a través de la RRG de la flor Arabidopsisthaliana los mecanismos que llevan a determinar la arquitectura de la flor durante la determinación de destino celular.
14 Datos experimentales
15 Datos experimentales Reglas lógicas: 1. FUL (Entradas: AP1, TFL) 00 --> > > > 0 2. FT (Entradas: EMF1) 0 --> > 0 3. AP1 (Entradas: FT, LFY, AG, TFL1, PI, AP3) > > > > > > 0...
16 Construcción del modelo Datos experimentales Sistema dinámico discreto Puntos de equilibrio # de CI en cada cuenca Paisaje epigenético Campo potencial Sistema de ecuaciones de reacción difusión Solución
17 Sistema dinámico discreto Trece nodos, cada uno de los cuales representa a uno de los genes: (FUL, FT, AP1, EMF1, LFY, AP2, WUS, Ag, TFL1, PI, SEP, AP3, UFO) Reglas lógicas que rigen la interacción entre los nodos obtenidas experimentalmente. Estados posibles: 0, 1.
18 Sistema dinámico discreto Iteramos: 2 13 condiciones iniciales. Diez puntos fijos (4 inflorescencias, sépalos, pétalos (con y sin UFO), estambres (con y sin UFO) y carpelos q S = 0,1,1,0,1,1,0,0,0,0,1,0,0, q P = 0,1,1,0,1,1,0,0,0,1,1,1,1, q E = 1,1,0,0,1,1,0,1,0,1,1,1,1, q C = 1,1,0,0,1,1,0,1,0,1,1,0,0. Número c i de condiciones iniciales que van a dar a cada uno de los 4 puntos de equilibrio: c S = 152, c P = 160, c E = 3744 y c C = 3608 (sépalos, pétalos, estambres y carpelos).
19 Modelo Datos experimentales Sistema dinámico discreto Puntos de equilibrio # de CI en cada cuenca Paisaje epigenético Campo potencial Sistema de ecuaciones de reacción difusión Solución
20 Paisaje epigenético Paisajes epigenéticos: introducidos por Waddington (1975), simulan la forma en la que la regulación genética modula el desarrollo. Campo potencial F(u, v) con cuatro cuencas. La ubicación y su profundidad son datos biológicamente significativos.
21 Paisaje epigenético Posición Consideramos las 6 distancias (distancia de Hamming) entre los cuatro puntos: q S, q P, q E, q C. Elegimos mediante un ajuste de mínimos cuadrados, el plano bidimensional que mejor se ajusta a los cuatro puntos fijos. Proyectamos cada uno de los puntos en este plano. Tamaño El tamaño de cada cuenca (su profundidad) será inversamente proporcional al número de condiciones iniciales que van a dar a cada una de ellas.
22 Posición cuencas u S, v S = , ; u P, v P = , u E, v E = , ; u C, v C = ( ,0.2067)
23 Campo potencial F u, v = min *s,p,e,c+ a s u u 2 s + v v 2 2 s, a p u u p + v vp a e u u e 2 + v v e 2, a c u u c 2 + v v c 2, 2, Donde a s = 1 c s, a p = 1 c p, a e = 1 c e, a c = 1 c c.
24 Modelo Datos experimentales Sistema dinámico discreto Puntos de equilibrio # de CI en cada cuenca Paisaje epigenético Campo potencial Sistema de ecuaciones de reacción difusión Solución
25 Sistema de EDP Sistema ecuaciones diferenciales parciales de reacción difusión cuya dinámica está gobernada por un campo potencial F(u, v), u t = d 1 Δu + f u, v v t = d 2 Δv + g u, v, (1) donde f, g = F (definido localmente) y d 1, d 2 son constantes de difusión.
26 Sistema de EDP Sistema ecuaciones diferenciales parciales de reacción difusión cuya dinámica está gobernada por un campo potencial F(u, v), u t = d 1 Δu + f u, v v t = d 2 Δv + g u, v, (1) donde f, g = F (definido localmente) y d 1, d 2 son constantes de difusión. Esto es una aplicación de la propuesta de Turing (La base química de la morfogénesis): «Un sistema de dos moléculas que interactúan, llamados morfógenos podrían establecer gradientes químicos mediante sistemas de reacción difusión.»
27 Modelo Datos experimentales Sistema dinámico discreto Puntos de equilibrio # de CI en cada cuenca Paisaje epigenético Campo potencial Sistema de ecuaciones de reacción difusión Solución
28 Solución analítica Resolvemos analíticamente el sistema de ecuaciones, como un problema de valores en la frontera utilizando Teoría de Sturm-Liouville. Para verificar el correcto funcionamiento del modelo se repite el procedimiento tanto para la flor silvestre como para sus tres mutantes homeóticos.
29 Problema Nos interesa encontrar las soluciones estacionarias de (1): d 1 Δu + f u, v = 0, d 2 Δv + g u, v = 0. (2) r ε R Dada la geometría de la flor, tomaremos un dominio anular Ω definido como Ω=*z: r ε z R+ (eliminamos el centro para evitar singularidades).
30 Ecuaciones desacopladas En coordenadas polares: d 1 (u rr + 1 r u r + 1 r 2 u θθ) + f u, v = 0 d 2 (v rr + 1 r v r + 1 r 2 v θθ) + g u, v = 0. Dado que f, g = F = 2a k u u k, 2a k v v k, donde k es tal que F u, v = a k ( u u k 2 + v v k 2, las dos ecuaciones resultan estar desacopladas.
31 Ecuación diferencial ordinaria Consideramos soluciones son radialmente simétricas. Obtenemos entonces las ecuaciones diferenciales ordinarias siguientes: d 1 u + 1 r u + f u = 0 d 2 v + 1 r v + g v = 0 donde f u = 2a k u u k, g v = 2a k v v k.
32 Problema de valores en la frontera Tenemos un problemas diferente por cada cuenca que se visita. u, v R = (u 0, v 0 ), un punto en la cuenca de sépalos. Para trabajar con un problema de Valores en la Frontera homogéneas, hacemos un cambio de coordenadas, obteniendo: 0 R r ε d 1 u + 1 r u + f u = 0 u R r ε = 0, u 0 = 0, d 2 v + 1 r v + g v = 0 v R r ε = 0, v 0 = 0, donde f u = 2a S (u + u 0 u S ) y g v = 2a S (v + v 0 v S ).
33 Problema de Sturm-Liouville Reescribimos en forma de S-L donde c 1 = 2a S /d 1 y c 2 = c 1 u S u 0. Definimos el operador diferencial ru + c 1 ru = c 2 r (4) L = d dr r d dr + c 1r y consideraremos ahora el problema de eigenvalores L φ r = λφ(r)ς(r) sujeto a las condiciones de frontera φ R r ε = 0, φ 0 = 0, donde λ es el eigenvalor asociado a la eigenfunción φ y ς es una función de peso por ajustar. Resolviendo reducimos el problema (4) a la ecuación de Bessel: r 2 φ + rφ + r 2 ξ 2 φ = 0 Utilizamos el método de Frobenius, con φ (0)=0.
34 Solución al PVF (u(r)) La solución al problema de valores en la frontera estará dada por d 1 u + 1 r u 2a S u + u 0 u S = 0 u R r ε = 0, u 0 = 0 u(r)= n=2 b n π π cos (r senθ nθ)dθ 0 con b n = u S u 0 π R rε π 0 r( 0 cos r senθ nθ dθ)dr n 2 R rε 1 π cos r senθ nθ dθ)2 dr 0 r ( 0
35 Solución al PVF (v(r)) Análogamente, para el segundo problema de valores en la frontera d 2 v + 1 r v 2a S v + v 0 v S = 0 v R r ε = 0, v 0 = 0 encontramos la solución v(r)= n=2 c n π π cos (r senθ nθ)dθ 0 con c n = v S v 0 π R rε π 0 r( 0 cos r senθ nθ dθ)dr n 2 R rε 1 π cos r senθ nθ dθ)2 dr 0 r ( 0
36 Segunda condición de frontera Queda por ajustar el valor de R. Para esto utilizamos la segunda condición de frontera u, v R r ε = 0. Buscamos entonces el valor de R para el cual la solución evaluada en ese valor sea cero, resolviendo iterativamente las integrales que aparecen en las soluciones, ajustando los valores de R hasta alcanzar el valor deseado. Llamamos a esta primera solución u S, v S.
37 Solución por trozos La solución u S, v S será válida mientras esté en la cuenca de sépalos. Al salir de esta primera cuenca, contaremos con la ubicación y la pendiente de la solución en el punto de salida. De esta forma, los siguientes problemas a resolver (en el resto de las cuencas), P S serán problemas de valores iniciales. (u 0, v 0 ) E C
38 Solución por trozos Si la solución u S, v S cruza la frontera de sépalos en r = r 1, será entonces válida para todo r (r 1, R-. Sea u 1, v 1 = u S, v S r 1, el valor de la solución en el punto de cruce. P S (u 1, v 1 ) r 1 R E C
39 Problema de valores iniciales Problemas de valores iniciales: d 1 u + 1 r u + f u = 0 u r 1 = u 1, u r 1 = u 1 d 2 v + 1 r v + g v = 0 v r 1 = v 1, v r 1 = v 1 donde f u = 2a k u u k, g v = 2a k v v k. Como en el caso anterior, las soluciones u = u k r, v = v k (r) serán válidas sólo en la cuenca k y en un intervalo (r 2, r 1 -, con r 2 < r 1.
40 Problema de valores iniciales Tendremos un conjunto de j soluciones, donde la i-ésima solución será válida en el intervalo (r j, r j 1 -. Pegando suavemente el conjunto de soluciones obtendremos la solución al problema, la cuál será continua y diferenciable (por la forma en la que fue construida). r 2 r 1 R
41 Soluciones u(r), v(r), r Solución en la cuenca de : sépalos pétalos estambres carpelos solución u(r) solución v(r)
42 Solución en el espacio u-v Centros de la cuenca: sépalos pétalos estambres carpelos solución (u,v)(r) contorno cuencas
43 Distribución del tamaño de los radios Solución en la cuenca de : sépalos pétalos estambres carpelos
44 Mutantes Utilizamos mutantes homeóticos (los genes homeóticos son los responsables de estructuras específicas en plantas y animales) para validar el modelo.
45 Mutante APT1
46 Mutante Pi
47 Mutante Ag
48 Solución numérica Estructura variacional Técnicas minimax: Teorema de Paso de Montaña La solución de mínima energía del funcional será justamente aquella que recorra las cuatro cuencas en el orden correcto, pasando entre cada pareja por el paso de montaña correspondiente. Utilizamos Algoritmos Genéticos para encontrar esa solución de mínima energía.
49 Teorema de Paso de Montaña Ambrosetti, Rabinowitz. Sea X un espacio de Banach y Φ C 1 (X R) un funcional que satisface la condición de Palais-Smale (condición de compacidad), si se cumple que i) Φ 0 = 0 ii) Existen constantes ρ > 0, tales que Φ u α si u = ρ iii) Existe e X con e > ρ tal que Φ e 0 entonces Φ tiene un punto crítico c α de la forma c = inf Φ γ t, max γ Γ t,0,1- donde Γ = *γ C 0,1, R : γ 0 = 0, γ 1 = e+. Cuando X = R 2 las condiciones (ii) y (iii) implican que se encuentra en un valle rodeado de montañas.
50 Estructura variacional Definimos el Lagrangiano L como: L = 1 2 d 1 u 2 + d 2 v 2 + F u, v, y consideramos el funcional φ u, v = Ω L(u, v) dxdy (3) Las ecuaciones de Euler-Lagrange para el funcional φ son las soluciones estacionarias de nuestro sistema: d 1 Δu + f u, v = 0, d 2 Δv + g u, v = 0. El problema se reduce a encontrar los puntos críticos del funcional (3).
51 Algoritmo genético Implementamos un AG para minimizar el funcional. Los métodos numéricos para implementar el TPM y técnicas minimax son muy escasos, debido a la naturaleza inestable de las soluciones obtenidas por el TPM. Los Algoritmos Genéticos (AG) son eficientes incluso con este tipo de complicaciones y sin embargo hay muy poco trabajo hecho al respecto. Nuestro AG buscará la pareja de soluciones al sistema de ecuaciones anterior, encontrando los puntos críticos del funcional (3). Esto es una implementación del Teorema del Paso de Montaña para n valles.
52 Algoritmo genético Dominio Ω: disco de radio R Iniciaremos las iteraciones en r = R, en algún punto (u 0, v 0 ) dentro de la cuenca de sépalos, es decir: u, v R = u 0, v 0. (4) Buscaremos soluciones polinomiales de grado 4.
53 Simetría radial Considerando que las soluciones son radialmente simétricas u = v θ θ i.e. = 0, obtenemos la EDP: y u u = x x y. Resolviéndola concluimos que las características son círculos con centro en el origen u es función par de x y de y además u es constante en las características por lo que: u = ξ x 2 + y 2, donde ξ C 1 (R) es arbitraria y toda solución tendrá esa forma. Análogamente v = η x 2 + y 2, η C 1 (R) arbitraria.
54 Soluciones Buscaremos entonces soluciones polinomiales de la forma u = ξ x 2 + y 2 = ξ 2 r 2 = α i=1 α i r 2i v = η x 2 + y 2 = η 2 r 2 = β i=1 β i r 2i.
55 Coeficientes Utilizando la condición inicial u, v R = u 0, v 0 se determina α 0, β 0. 4 α 0 = u i α i R 2i, β 0 = v i β i R 2i Así: i=1 4 u r = u i + α i r 2i R 2i, 4 i=1 i=1 (5) 4 i=1 (6) v r = v i + β i r 2i R 2i.. El algoritmo determinará los coeficientes α i, β i, i = 1,, 4 de (5), (6) y que minimicen el funcional (3).
56 Algoritmo genético Algoritmo: Inicialización Generación g=1 Población de N individuos Evaluación Óptimo sin encontrar Selección Cruza Óptimo encontrado FIN Generación g=g+1 Mutación
57 Inicialización Se inicializa aleatoriamente (dentro de un rango adecuado) una población de N individuos: α 1 α 2 α 3 α 4 β 1 β 2 β 3 β 4 Cada uno define una pareja de funciones suaves u, v Ω (en este caso polinomios). α 0, β 0 quedan fijos a partir de la condición inicial.
58 Evaluación Se evalúa el funcional, en cada pareja de funciones (u, v) de cada individuo: φ(u, v) = Ω L u, u, v, v, r dr. Se le asigna una medida de desempeño a cada individuo, que será inversamente proporcional al valor de φ(u, v).
59 Selección con elitismo Método de la ruleta: se eligen a los individuos que sobrevivirán para la siguiente generación. La probabilidad de cada individuo de ser elegido es proporcional a su valor de desempeño. Cada individuo podrá ser elegido más de una vez o ninguna. El número de individuos en cada generación se mantiene constante. Elitismo: los E mejores individuos siempre pasan a la siguiente generación sin modificarse, garantizando así que el mejor individuo en cada generación sea al menos igual de apto que el mejor de la generación anterior.
60 Cruza y mutación Cruza Mutación
61 Criterio de paro Una vez encontrado un individuo con un desempeño satisfactorio, el programa se detiene. Puesto que no se conoce de antemano el mínimo buscado, se considera que el programa ha encontrado un óptimo (pseudoóptimo) cuando la mejora en desempeño de una generación a otra es tan pequeña como se desea.
62 Resultados Después de ejecutar el algoritmo genético, éste encuentra la solución en menos de 120 iteraciones y obtenemos los siguientes resultados: Los coeficientes α i, β i de las funciones polinomiales 4 u r = u i + i=1 α i r 2i R 2i, v r = v i + 4 i=1 β i r 2i R 2i encontradas por el Algoritmo son: α 1 = α 2 = α 3 = α 4 = β 1 = β 2 = β 3 = β 4 = y el valor de φ evaluado en las funciones encontradas es φ =
63 Resultados El orden en el que se visitan las cuencas y el valor de r al cambiar de una a otra son las siguientes: Cuenca r Sépalos [1, 0.93) Pétalos [0.93, 0.73) Estambres [0.73, 0.45) Carpelos [0.45, 0]
64 Parámetros Núm. de individuos 30 Max núm de generaciones 200 Probabilidad de cruza 80% Probabilidad de mutación 20% Elitismo 2
65 Resultados u r v(r)
66 Resultados
67 Resultados
68 Resultados
69 Resultados Nuestros resultados (en ambos casos) coinciden con la distribución espacial que se observa en la gran mayoría de las angiospermas tanto en la flor silvestre como en los mutantes homeóticos. Este resultado sugiere que este patrón espacial emerge como resultado de las interacciones entre los genes de la RRG (las proteínas que éstos sintetizan) y la acción del campo difusivo.
70 Conclusiones Consideramos que este trabajo tiene un doble interés. Por un lado, la metodología propuesta para la construcción del modelo proporciona una forma de entender el funcionamiento de las redes de regulación genética y en el caso de las angiospermas abre camino hacia la identificación de los genes responsables de la determinación de la configuración espacial que presentan. La metodología propuesta es lo suficientemente general, como para ser utilizada para estudiar otros organismos. Una aportación importante en este trabajo es considerar a los morfógenos de Turing como combinaciones de actividades de genes (proteínas sintetizadas por éstos).
71 Conclusiones Por otro lado, el algoritmo genético que implementamos aprovecha la estructura variacional del problema, que se vuelve uno de optimización no estándar. Consideramos que el algoritmo implementado es lo suficientemente general para poderse adecuar a otros problemas de optimización no estándar.
72 Trabajo en curso Demostrar analíticamente que la solución de mínima energía, en efecto pasa por los cuatro puntos de montaña (generalización del Teorema de Paso de Montaña). Lacandonia: Explorar con algoritmos genéticos dónde se dan cambios en el orden de los verticilos a partir del paisaje epigenético. Contamos ahora con más información experimental de la Lacandonia que estamos utilizando para el modelo y comparar con los resultados que tenemos. Atacar otros problemas variacionales con el método numérico propuesto en este trabajo.
73 Gracias.
Coordenadas esferoidales prolatas.
Apéndice A. Coordenadas esferoidales prolatas. Las coordenadas esferoidales prolatas (ξ, η, φ) son coordenadas de revolución donde φ es el ángulo azimutal. Están formadas por la intersección de un elipsoide
Más detallesCónicas. Clasificación.
Tema 7 Cónicas. Clasificación. Desde el punto de vista algebraico una cónica es una ecuación de segundo grado en las variables x, y. De ese modo, la ecuación general de una cónica viene dada por una expresión
Más detallesModelo de reactor cilíndrico
Universitat Politècnica de València Dpto. de Ingeniería Química y Nuclear Modelo de reactor cilíndrico Antoni Vidal-Ferràndiz, Sofia Carlos, Gumersindo Verdú 12 de mayo de 2016 Índice 1 Introducción Solución
Más detalles3. Método de Rayleigh-Ritz
3. Método de Rayleigh-Ritz La solución del problema de elasticidad consiste en encontrar la función desplazamiento u válida para todo el dominio y que verifique las condiciones de contorno. El método de
Más detalles(x + 3) 2 (y (x)) 2 dx, x + 3 ln(5) Solución: Comenzamos construyendo el funcional. F (x, y, p) = (x + 3) 2 p 2 λy 2
UNIVERSIDAD DE GRANADA Modelos Matemáticos II. 5 de mayo de 016 EJERCICIO 1. Se considera el funcional definido en F[y] (x + 3 (y (x dx, D { y C 0 [, ] C0(, 1 tal que ( } (y(x 1 π dx 1, sen ln(x + 3 y(x
Más detallesTEORIA ELECTROMAGNETICA FIZ 0321 (2)
TEORIA ELECTROMAGNETICA FIZ 0321 (2) Ricardo Ramírez Facultad de Física, Pontificia Universidad Católica, Chile 2do. Semestre 2006 Solución de problemas de electrostática Ecuación de Laplace Coordenadas
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 7
Análisis Numérico para Ingeniería Clase Nro. 7 Sistemas de Ecuaciones No Lineales Temas a tratar: Método de Bisección. Método de Punto Fijo. Método de Punto Fijo Sistemático. Método de Newton-Raphson.
Más detallesFormulación de Galerkin El método de los elementos finitos
Clase No. 28: MAT 251 Formulación de Galerkin El método de los elementos finitos Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/
Más detallesGuía Semanas 13 y RESUMEN. Universidad de Chile. Ingeniería Matemática. Triedro de vectores y factores escalares. Supongamos que r.
1. RESUMEN Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo en Varias Variables 08-1 Ingeniería Matemática Guía Semanas 13 y 14 Triedro de vectores y factores
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesAlgoritmos Genéticos para la Construcción de Modelos Autorregresivos para Series de Tiempo y Funciones de Transferencia Discretas.
Algoritmos Genéticos para la Construcción de Modelos Autorregresivos para Series de Tiempo y Funciones de Transferencia Discretas. Dr. Pedro Flores Pérez EMNO 2013 Orígen del problema Entradas Salidas
Más detallesOptimización. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Optimización 1 / 19
Optimización Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Optimización 1 / 19 Introducción Problema general de optimización (minimización) Dado f : Ω R
Más detallesSistemas de Ecuaciones Diferenciales
Semana 8 - Clase 5// Tema 4: Sistemas y Series Sistemas de Ecuaciones Diferenciales Cuando consideramos la evolución de sistemas con varios grados de libertad o con varias partículas, naturalmente arribamos
Más detallesMétodo de mínimos cuadrados (Continuación)
Clase No. 11: MAT 251 Método de mínimos cuadrados (Continuación) Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesMatemática Avanzada. Clase Nro. 22
Matemática Avanzada Clase Nro. 22 Octavio Miloni Facultad de Cs. Astronómicas y Geofísicas - Universidad Nacional de La Plata / 28 Aplicaciones a la Física Matemática Teoria del Potencial Problema de Contorno
Más detallesALGORITMOS GENÉTICOS. En lugar de envidiar la naturaleza debemos emularla Holland
ALGORITMOS GENÉTICOS En lugar de envidiar la naturaleza debemos emularla Holland Algoritmos genéticos Algoritmos basados en los principios de la evolución natural Se utilizan en problemas donde no se pueden
Más detallesColominas I., Gómez H. Problemas de EDPs en la matemática aplicada 63/117
Colominas I., Gómez H. Problemas de EDPs en la matemática aplicada 63/117 5. Se desea estudiar la distribución estacionaria de temperaturas en el interior de una esfera homogénea de radio R, centrada en
Más detallesEstructura estelar estática
Estructura estelar estática Introducción A lo largo de su existencia, una estrella se encuentra en un estado de equilibrio delicado. Pequeños cambios pueden provocar inestabilidades locales o globales.
Más detallesIntroducción a la complejidad computacional
Introducción a la complejidad computacional definida sobre anillos arbitrarios 18 de junio de 2016 Fuente: http://www.utmmcss.com/ Por qué otro modelo? Continuo vs discreto. Intuición interiorizada del
Más detallesIntroducción a la resolución numérica de problemas para ecuaciones en derivadas parciales (I)
Introducción a la resolución numérica de problemas para ecuaciones en derivadas parciales (I) Dpto. EDAN, Universidad de Sevilla Dpto. EDAN, Universidad de Sevilla () Resolución de EDP 1 / 15 Recordatorio
Más detallesMATEMATICAS III (Lic. en Economía. 14/07/04) Convocatoria adelantada de Septiembre
Departamento de Métodos Cuantitativos en Economía y Gestión Universidad de Las Palmas de G.C. MATEMATICAS III (Lic. en Economía. 14/7/4) Convocatoria adelantada de Septiembre 1. (*) Sea f(x, y) : { ax
Más detalles1) Determinar qué elección de h asegurará, a priori, que la solución numérica del P.C.: con el método de diferencias centrales, existe y es única.
I. Resolución numérica de Problemas de Contorno en E.D.O.: Métodos en diferencias finitas 1) Determinar qué elección de h asegurará, a priori, que la solución numérica del P.C.: y (x) + 4 sen x y (x) 4
Más detalles2. Método de separación de variables
APUNTES DE AMPIACIÓN DE MATEMÁTICAS II PARA INGENIEROS DE TEECOMUNICACIONES Elaborados por Arturo de Pablo, Domingo Pestana y José Manuel Rodríguez 2. Método de separación de variables 2.1. Separación
Más detalles2. Sistemas de ecuaciones lineales
2 Sistemas de ecuaciones lineales 2 Ejercicios resueltos Ejercicio 2 Estudiar el número de condición de Frobenius de la matriz a b A a + ε b Solución: El determinante de A es A ab + ba + ε b ε Si b 0 y
Más detallesa) Analice la continuidad en (1,0). E1) Dada F : IR 2 π g : D IR 2 I R 2 2 2
Ejemplos de parcial de Análisis Matemático II Los ítems E1, E, E3 E4 corresponden a la parte práctica Los ítems T1 T son teóricos (sólo para promoción) T1) Sea F : IR IR diferenciable tal que F(,) 00 =
Más detallesTema 12: Ecuaciones diferenciales de primer orden Métodos elementales de integración. Teoremas de existencia y unicidad. Aplicaciones.
Álgebra Tema 1: Fundamentos Lógica matemática. Teoría de conjuntos. Tema 2: Combinatoria Combinatoria. Conjuntos parcialmente ordenados. Tema 3: Sistemas de ecuaciones lineales Eliminación gaussiana. Sistemas
Más detallesObservación: El método de Euler, es el método de Taylor de orden 1.
METODO DE TAYLOR TEOREMA DE TAYLOR DE ORDEN N Sea y(t) una función tal que sea n veces continuamente diferenciable en el intervalo [a,b] y existe y (N+1) existe en [a, b] Para todo t k + [a, b] abrá un
Más detallesEl Problema de Cauchy para EDPs de Primer Orden
Capítulo 2 El Problema de Cauchy para EDPs de Primer Orden Este capítulo está dedicado al estudio de EDPs de primer orden, esto es, ecuaciones en las que sólo aparecen derivadas parciales de a lo sumo
Más detallesMétodos Matemáticos de la Física 1 Solución Examen Parcial Espacios Vectoriales y vectores cartesianos Octubre 2004
Nombre Métodos Matemáticos de la Física Solución Examen Parcial Espacios Vectoriales y vectores cartesianos Octubre 4. Los vectores en R en coordenada cartesianas los definimos como a = a x^ı + a y^j +
Más detallesVariación de un funcional Funcional ( ) 1.6 Introducción al cálculo variacional 1.6. Introducción al cálculo variacional
1.6. Introducción al cálculo variacional El cálculo variacional estudia los métodos, llamados variacionales, que permiten hallar los valores estacionarios de los funcionales. Puesto que un funcional representa
Más detallesESTRUCTURA DE LA MATERIA
7/03/18 FUNDAMENTOS DE LA MECÁNICA CUÁNTICA 0 7/03/18 FUNDAMENTOS DE LA MECÁNICA CUÁNTICA 1 7/03/18 FUNDAMENTOS DE LA MECÁNICA CUÁNTICA 1 7/03/18 FUNDAMENTOS DE LA MECÁNICA CUÁNTICA 3 7/03/18 FUNDAMENTOS
Más detallesEDP/M2NI/MASTERICCP/UC
MASTER U. en Ingeniera de Caminos, Canales y Puertos Métodos Matemáticos y Numéricos en Ingeniería CURSO 2014-15 - Bloque I: EDP Hoja 1 - Preliminares: valores propios y desarrollos en serie de Fourier.
Más detallesMétodo de mínimo cuadrados (continuación)
Clase No. 10: Método de mínimo cuadrados (continuación) MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesUnidad 6 Geometría euclídea. Producto escalar
Unidad 6 Geometría euclídea Producto escalar PÁGINA 131 SOLUCIONES 1 La recta 4 x 3y + 6 = 0 tiene de pendiente 4 m = 3 4 Paralela: y 1 = ( x ) 4x 3y 5 = 0 3 4 Perpendicular: y 1 = ( x ) 3x + 4y 10 = 0
Más detallesTRAZADO DE LÍNEAS EQUIPOTENCIALES
TRAZADO DE LÍNEAS EQUIPOTENCIALES Nota: Traer, por comisión un pendrive o cualquier otro tipo de dispositivo estándar de almacenamiento de datos. Objetivo: El objetivo de este trabajo es determinar en
Más detallesEcuaciones lineales de segundo orden
GUIA 5 Ecuaciones lineales de segundo orden En esta guía estudiaremos algunos conceptos básicos relativos a las ecuaciones diferenciales lineales así como algunas técnicas que permiten el cálculo explícito
Más detallesMétodos Matemáticos en Física
L4G. Método de Fourier: problemas de Sturm-Liouville ( según Cap.4, libro APL) Obtendremos ahora una visión mas amplia de los usos potenciales del método de Fourier. Siguiendo esta línea, presentaremos
Más detallesMetodos libres de mallas y teoría de funciones radiales
Metodos libres de mallas y teoría de funciones radiales Pedro González-Casanova Henríquez DGSCA, UNAM Seminarios de Modelación Computacional Sociedad Mexicana de Metodos Numericos en Ingenieria y Ciencias
Más detallesEsquema variacional para estimar la velocidad de flujos geofisicos
Esquema variacional para estimar la velocidad de flujos geofisicos Marco A. Nunez, Jorge E. Sánchez-Sánchez, Ciro F. Flores Rivera Universidad Autnoma Metropolitana Iztapalapa Departamento de Fsica, Problema:
Más detallesCapítulo 5. Integrales sobre curvas y superficies
Capítulo 5. Integrales sobre curvas y superficies 5.1. Integrales de funciones escalares sobre curvas 5.2. Integrales de campos vectoriales sobre curvas 5.3. Teorema de Green 5.4. Integrales sobre superficies
Más detallesEcuaciones lineales de orden superior
ANEXO GUIA 5 Ecuaciones lineales de orden superior Las ideas presentadas para ecuaciones lineales de segundo orden se pueden generalizar a ecuaciones lineales de orden n d n x n + a n 1(t) dn 1 x n 1 +
Más detallesCapítulo VI. Diferenciabilidad de funciones de varias variables
Capítulo VI Diferenciabilidad de funciones de varias variables La definición de diferenciabilidad para funciones el cociente no tiene sentido, puesto que no está definido, porque el cociente entre el vector
Más detallesINTRODUCCIÓN A LA TEORÍA DE PERTURBACIONES USANDO ÁLGEBRA COMPUTACIONAL. Universidad de Sonora
Nivel Superior INTRODUCCIÓN A LA TEORÍA DE PERTURBACIONES USANDO ÁLGEBRA COMPUTACIONAL José Ítalo Sánchez Gil Inna Shingareva Martín G. García A. Universidad de Sonora Resumen Este trabajo es una introducción
Más detallesEl Algoritmo Round-Trip para el Operador de Elasticidad
El Algoritmo Round-Trip para el Operador de Elasticidad Posgrado en Ciencia e Ingeniería de la Computación. Unión Geofísica Mexicana, Octubre 2008. Introducción Descripción La paralelización del cálculo
Más detallesAproximación funcional. Introducción
Aproximación funcional. Introducción Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Objetivos Entender
Más detallesMETODOS MATEMATICOS DE LA FISICA II.
METODOS MATEMATICOS DE LA FISICA II. EXAMEN DEL PRIMER PARCIAL 3 de enero de 24 GRUPO I (Pedro López Rodríguez).. (2.5 puntos) Calcular el flujo del campo F (x, y, z) = (x, y, 2z) a través de la superficie
Más detallesIX. Vibración de sistemas continuos
Objetivos:. Determinar expresiones para la energía cinética y potencial de sistemas continuos: barras y vigas.. Emplear métodos variacionales para deducir la ecuación de unidimensional: barras (axial)
Más detallesDescomposición de Jordan
Descomposición de Jordan Gonzalo Flores García Julio 7 Problema. Obtenga la descomposición de Jordan de la matriz A = 5 4 4 Solución. Se puede verificar que p A (λ) = A λi = ( λ) 4, con lo que el único
Más detalles1. Se considera el siguiente problema isoperiméétrico: calcular el mínimo relativo del funcional. xy (x) 2 dx,
GRADO EN MATEMÁTICAS UNIVERSIDAD DE GRANADA Modelos Matemáticos II de julio de 4 Curso 3/4 Se considera el siguiente problema isoperiméétrico: calcular el mínimo relativo del funcional en el espacio D
Más detallesAPUNTES DE LEVAS. Las levas se pueden diseñar para la función de salida que se desee.
APUNTES DE LEVAS Una leva es un elemento mecánico que sirve para impulsar a otro elemento, llamado seguidor para que desarrolle un movimiento especificado, por contacto directo. Los sistemas de leva-seguidor
Más detalles3. Bifurcaciones en sistemas continuos
31 3. Bifurcaciones en sistemas continuos En sistemas dinámicos continuos hay dos bifurcaciones elementales: fold y Hopf. En este capítulo se estudian las condiciones que determinan la aparición de estas
Más detallesDinámica poblacional. Caso: Una población
Dinámica poblacional. Caso: Una población Jesús López Estrada última revisión Febrero de 25 Resumen Se estudía la evolución del crecimiento de una población bajo distintos supuestos de modelación, lo que
Más detallesFacultad de Ciencias UNAM. Diferenciación Numérica. Alumno: Siddhartha Estrella Gutiérrez. Materia: Análisis Numérico
Facultad de Ciencias UNAM Tema: Diferenciación Numérica Alumno: Siddhartha Estrella Gutiérrez. Materia: Análisis Numérico Profesor: Pablo Barrera 2 INDICE Preliminares 3 Diferenciación numérica 5 Ejemplos
Más detallesResolución de la ecuación de Schrödinger monodimensional
Resolución de la ecuación de Schrödinger monodimensional I. FUNDAMENTO TEÓRICO En Mecánica cuántica, el estado físico de un sistema unidimensional de una partícula viene descrito completamente por una
Más detallesSeries de Laurent. R n (z) = (z z 0) n C. ( z. Para probar esta afirmación partimos de la fórmula integral de Cauchy escrita convenientemente = 1
Semana 3 - lase 37 Series de Laurent. Otra vez Taylor y ahora Laurent Anteriormente consideramos series complejas de potencias. En esta sección revisaremos, desde la perspectiva de haber expresado la derivada
Más detallesCapítulo 7. Subterráneo
Capítulo 7 Solución n Numérica de la Ecuación n de Flujo Subterráneo Teoría a de Flujo Subterráneo Semestre 2008-1 Alberto Rosas Medina 1 Índice Polinomios de Lagrange Diferencias Finitas en una Dimensión
Más detallesModelo Numérico de Ajuste de Campos de Viento
Modelo Numérico de Ajuste de Campos de Viento G. Montero, R. Montenegro, J. M. Escobar, E. Rodríguez, J. M. González-Yuste Instituto Universitario de Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería
Más detallesANTES: vamos a discutir primero solución general de Ec. Laplace en coordinadas cilíndricas (2D)
PROBLEMA 1 2 Calculo de distribución de potencial electroestático Anillo: con potencial exterior/interior conocido 1 ANTES: vamos a discutir primero solución general de Ec. Laplace en coordinadas cilíndricas
Más detallesRedes Neuronales. Las redes neuronales son modelos computacionales que buscan imitar el funcionamiento
Redes Neuronales Las redes neuronales son modelos computacionales que buscan imitar el funcionamiento de las neuronas biológicas. Se usan principalmente para el reconocimiento de patrones complejos. Para
Más detallesPara formar el sistema de coordenadas polares en el plano, se fija un punto O llamado polo u origen, se traza un rayo inicial llamado eje polar.
Coordenadas polares. Las coordenadas polares es un sistema de coordenadas que define la posición de un punto en un espacio bidimensional en función de los ángulos directores y de la distancia al origen
Más detallesIntroducción a la optimización con algoritmos. Ejercicios. 0 2 f(x + t(y x))(y x)dt. J(x + t(y x))(y x)dt siendo J la matriz Jacobiana de F.
Introducción a la optimización con algoritmos Ejercicios Preliminares 1. Demostrar que si f C 2 (IR n ), f : IR n IR entonces f(y) f(x) = 1 0 2 f(x + t(y x))(y x)dt. 2. Demostrar que si F C 1 (IR n ),
Más detallesx (0) si f (x) = 2s 1, s > 1 d) f 3. Analizar la existencia de derivadas laterales y de derivada en a = 0, para las siguientes funciones:
FACULTAD DE CIENCIAS EXACTAS Y NATURALES UNIVERSIDAD DE BUENOS AIRES COMPLEMENTOS DE ANÁLISIS MAESTRíA EN ESTADíSTICA MATEMÁTICA SEGUNDO CUATRIMESTRE 2007 PRÁCTICA 7 1. Usando sólo la definición de derivada,
Más detallesIntroducción a la Optimización Matemática
Introducción a la Optimización Matemática Modelos de Optimización Tienen como propósito seleccionar la mejor decisión de un número de posibles alternativas, sin tener que enumerar completamente todas ellas.
Más detallesMejoras a algoritmos genéticos. Inteligencia Computacional Blanca A. Vargas Govea Sep 25, 2012
Mejoras a algoritmos genéticos Inteligencia Computacional Blanca A. Vargas Govea vargasgovea@itesm.mx Sep 25, 2012 Conocer las mejoras usuales a algoritmos genéticos 2 1. Diseñar una representación 2.
Más detallesEcuaciones de evolución para el p Laplaciano fraccionario.
Ecuaciones de evolución para el p Laplaciano fraccionario. JULIO D. ROSSI con J. M. Mazón, J. Toledo (U. Valencia) http://mate.dm.uba.ar/ jrossi Ecuaciones de evolución no locales. Sea J : R N R, radial,
Más detallesUAM CSIC Grupo 911 Febrero Ejercicios Resueltos del Tema Asignatura de Matemáticas Grado en Química
UAM I Grupo 911 Febrero 213 Ejercicios Resueltos del Tema 2.2.6 Asignatura de Matemáticas Grado en Química Lista de ejercicios en estas páginas: 1 7 y 9 12. Nota: Los ejercicios pueden contener errores,
Más detallesTEORIA MATEMATICAS 5 PRIMER PARCIAL
Def: Grafica de una función TEORIA MATEMATICAS 5 PRIMER PARCIAL Sea:. Definimos la grafica de f como el subconjunto de formado por los puntos, de en los que es un punto de U. Simbólicamente grafica es:
Más detalles4. Bifurcaciones en sistemas discretos
38 4. Bifurcaciones en sistemas discretos En este capítulo se presentan las condiciones mínimas que definen la aparición de las bifurcaciones elementales en sistemas dinámicos discretos. Estas bifurcaciones
Más detallesCiencia y Sociedad ISSN: Instituto Tecnológico de Santo Domingo República Dominicana
Ciencia y Sociedad ISSN: 0378-7680 dpc@mail.intec.edu.do Instituto Tecnológico de Santo Domingo República Dominicana Sukhomlin, N. Estudio de simetría y de posibilidades de la resolución exacta de las
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesMÉTODOS NUMÉRICOS DE LA
SEMINARIOS DE MODELACIÓN COMPUTACIONAL MÉTODOS NUMÉRICOS DE LA MODELACIÓN COMPUTACIONAL MARTÍN N DÍAZD, IGEOF-UNAM, MEXICO 1 Contenido Etapas de la Modelación Computacional Métodos Numéricos Método de
Más detallesTema 7. El espacio vectorial R n Conceptos generales
Tema 7 El espacio vectorial R n. 7.1. Conceptos generales Un vector es un segmento orientado que queda determinado por su longitud, dirección y sentido. Sin embargo, desde el punto de vista del Álgebra,
Más detalles1. Campos vectoriales y formas diferenciales
Capítulo Orientación. Campos vectoriales formas diferenciales En este capítulo introduciremos el concepto de orientación, mu importante en el análisis de variedades, en particular la teoriá de integración.
Más detallesEstudio unificado de métodos de alto orden para ecuaciones no lineales
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 pp. 1 6) Estudio unificado de métodos de alto orden para ecuaciones no lineales
Más detallesSea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares).
Capítulo 6 Espacios Vectoriales 6.1 Definiciones Sea V un conjunto no vacío (cuyos elementos se llamarán vectores) y sea K un cuerpo (cuyos elementos se llamarán escalares). Definición 6.1.1 Se dice que
Más detallesPara localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. R es una cuaterna { O,i, j, k}
Geometría afín del espacio MATEMÁTICAS II 1 1 SISTEMA DE REFERENCIA. ESPACIO AFÍN Para localizar un punto o un objeto en el espacio necesitamos un sistema de referencia. Definición: Un sistema de referencia
Más detallesFísica Estadística. Tercer curso del Grado en Física. J. Largo & J.R. Solana. Departamento de Física Aplicada Universidad de Cantabria
Tercer curso del Grado en Física largoju at unican.es J. Largo & J.R. Solana solanajr at unican.es Departamento de Física Aplicada Universidad de Cantabria Indice I termodinámicas a partir de Gases Ideales
Más detallesCONSIDERACIONES GENERALES SOBRE ESTÁTICA
CONSIDERACIONES GENERALES SOBRE ESTÁTICA Índice 1. CONCEPTOS ÚTILES 2 1.1. Configuración geométrica de un sistema....................... 2 1.2. Ligaduras....................................... 2 1.3. Coordenadas
Más detalles5. ESFUERZOS INTERNOS EN VIGAS
5. ESFUERZOS INTERNOS EN VIGAS 5.. Introducción En este capítulo se estudiarán las fuerzas internas que existen al interior de un sólido (más específicamente en vigas) y que son las que mantienen unidas
Más detallesSuponemos que la función de transmitancia del holograma modula únicamente la fase de la onda de lectura.
5. Hologramas delgados Hologramas delgados de fase Suponemos que la función de transmitancia del holograma modula únicamente la fase de la onda de lectura. Función de transmitancia (registrada en plano
Más detallesAMPLIACIÓN DE MATEMÁTICAS. Curso 2013/14 Examen final de junio Teoría y Problemas
AMPLIACIÓN DE MATEMÁTICAS. Curso 23/4 Examen final de junio. 8 6 24 Teoría y Problemas. Contestar a las siguientes cuestiones: (a) (.5 puntos) Dada una función :[ ) R de clase,demostrarlafórmula L[ ]()
Más detallesModelos en EDPs. Damián Ginestar Peiró. Departamento de Matemática Aplicada Universidad Politécnica de Valencia. Curso
Modelos en EDPs Damián Ginestar Peiró Departamento de Matemática Aplicada Universidad Politécnica de Valencia Curso 2008-2009 (UPV Modelos en EDPs Curso 2008-2009 1 / 67 Programa 1 Ecuaciones hiperbólicas
Más detallesDEPARTAMENTO DE MATEMATICA CARRERAS: QUIMICA, ALIMENTOS, FISICA, CIVIL. CALCULO II MAXIMOS Y MINIMOS (27 septiembre 2015)
DEPARTAMENTO DE MATEMATICA CARRERAS: QUIMICA, ALIMENTOS, FISICA, CIVIL CALCULO II MAXIMOS Y MINIMOS (27 septiembre 2015) ( Docente : G. Cupé C. ). La vida es un problema de optimización con restricciones.
Más detallesSobre algunas relaciones entre la probabilidad... y las ecuaciones diferenciales
Sobre algunas relaciones entre la probabilidad y las ecuaciones diferenciales rafael.granero@uam.es Madrid, Octubre 2009 Índice I Primeros conceptos: El movimiento browniano. Ecuaciones diferenciales estocásticas.
Más detallesUna metodología para el estudio de la frecuencia de ciclos ĺımite en ecuaciones diferenciales con retardo
Una metodología para el estudio de la frecuencia de ciclos ĺımite en ecuaciones diferenciales con retardo Romina Cobiaga y Walter Reartes Universidad Nacional del Sur Junio 2017 1 / 16 Introducción Se
Más detallesMATEMÁTICASII Curso académico BLOQUE GEOMETRÍA TEMA 2: Puntos, rectas y planos del espacio.
MATEMÁTICASII Curso académico 2015-2016 BLOQUE GEOMETRÍA TEMA 2: Puntos, rectas y planos del espacio. 2.1 SISTEMA DE REFERENCIA. COORDENADAS DE UN PUNTO Elegimos un punto del espacio que llamamos origen
Más detallesPseudo-resumen de Electromagnetismo
Pseudo-resumen de Electromagnetismo Álvaro Bustos Gajardo Versión 0.6β, al 27 de Octubre de 2011 1. Cargas. Ley de Coulomb 1.1. Carga eléctrica La carga eléctrica es una propiedad cuantitativa de la materia,
Más detallesEcuaciones en Derivadas Parciales y Análisis Numérico
Ecuaciones en Derivadas Parciales y Análisis Numérico Prácticas Capítulo 3. Diferencias finitas para la ecuación del calor. 3.1 Resolviendo la ecuación del calor Vamos a resolver la ecuación del calor
Más detallesRespuestas de la Serie 2
Respuestas de la Serie 2 1. N h 2 Ĥ = 2 2M I I=1 }{{} A n h 2 2 + 2m i }{{} B N N I=1 J>I kz 2 e 2 R I R J } {{ } C N n kze 2 I } i R I r i {{} D + n n ke 2 r j>i i r j }{{} E a) En el orden en el que
Más detallesEcuaciones Diferenciales Ordinarias y Simulación con Matlab
Ecuaciones Diferenciales Ordinarias y Simulación con Matlab L. Héctor Juárez Valencia y M a Luisa Sandoval Solís Departamento de Matemáticas, Universidad Autónoma Metropolitana-Iztapalapa, D. F., México
Más detallesGuía Semana 8 1. RESUMEN. Universidad de Chile. Ingeniería Matemática
1. RESUMEN FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo en Varias Variables 08-1 Guía Semana 8 Puntos críticos y optimización sin restricciones. Dada f : Ω Ê, los puntos x 0
Más detallesCuadratura Gaussiana basada en polinomios ortogonales.
Clase No. 20: MAT 251 Cuadratura Gaussiana basada en polinomios ortogonales. Dr. Alonso Ramírez Manzanares CIMAT, A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña
Más detallesTEMA 3 Aproximación de funciones: interpolación y ajuste
TEMA 3 Aproximación de funciones: interpolación y ajuste Chelo Ferreira González Isaac Newton (1643-1727) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones
Más detallesPara las ecuaciones diferenciales ordinarias no lineales no existen métodos generales.
Unidad IV: Sistemas continuos (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados a las ecuaciones
Más detallesUn recorrido por Clawpack: Breve teoría y ejemplos.
Un recorrido por Clawpack: Breve teoría y ejemplos. Javier de Jesús Cortés Aguirre. Seminario del Laboratorio de Cómputo Científico. Facultad de Ciencias, UNAM. 14 de mayo del 2009. Introducción. CLAWPACK
Más detallesCapítulo VII. La recta y el plano en el espacio. Contenido:
Capítulo VII. La recta y el plano en el espacio Objetivo: El alumno aplicará el álgebra vectorial para obtener las diferentes ecuaciones de la recta y del plano, así como para determinar las relaciones
Más detallesUniversidad Diego Portales
Universidad Diego Portales Facultad de Ingeniería. Instituto de Ciencias Básicas Asignatura: Cálculo II LABORATORIO Nº 0 Longitud de arco y Volumen de sólido de revolución Contenido: Longitud de arco en
Más detallesPruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León
Selectividad Junio 14 Pruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León MATEMÁTICAS II EJERCICIO Nº páginas: INDICACIONES: 1.- OPTATIVIDAD: El alumno deberá escoger una de
Más detalles