La dinámica de sistemas de muchas partículas

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

Download "La dinámica de sistemas de muchas partículas"

Transcripción

1 Parte 4 La dnámca de sstemas de muchas partículas Smulacones de los sstemas de muchas partículas es esencal para el estudo del comportamento clásco de los gases densos, los líqudos y sóldos a partr del análss de los movmentos de átomos y moléculas en la base de leyes de ewton con el fn de analzar sus característcas macroscópcas cualtatvamente. Algunas de las deas báscas de la mecánca estadístca sobre el estado de equlbro y de la teoría cnétca de sstemas macroscópcas se hacen más evdentes medante la smulacón de sstemas de muchas partículas. Estas smulacones nos proporconan posbldad de entender cómo podemos entender a partr del nuestro conocmento de las leyes de la físca a nvel mcroscópco, el comportamento de los gases, líqudos y sóldos y sstemas más complejos, tales como polímeros y proteínas? Por ejemplo, consdere dos tazas de agua preparada en condcones smlares. Cada taza contene aproxmadamente moléculas que nteractúan entre sí y, con una buena aproxmacón, se mueven de acuerdo a las leyes de la físca clásca. Aunque las fuerzas ntermoleculares producen una trayectora complcada para cada molécula práctcamente mpredecble para cada molécula ndvdual, las propedades observables de agua en cada taza son ndstngubles y son fácles de descrbr. Por ejemplo, la temperatura del agua en cada taza es ndependente del tempo a pesar de que las poscones y velocdades de las moléculas ndvduales están cambando contnuamente. Una manera de entender el comportamento de un sstema de muchas partículas cláscas es smular la trayectora de cada partícula. Este enfoque, conocdo como la dnámca molecular, se ha aplcado a sstemas de hasta 10 9 partículas y ha dado mucha percepcón en una varedad de sstemas en los que las partículas obedecen las leyes de la dnámca clásca. Un cálculo de las trayectoras de muchas partículas no sería muy útl al menos que sabíamos de formular las preguntas correctamente. Cuáles son las característcas útles que son necesaras para descrbr estos dversos sstemas de partículas? Cuáles característcas son esencales y cuales relacones exhben los sstemas macroscópcos? Preguntas smlares a éstas son abordadas por la mecánca estadístca, y algunas de las deas de la mecánca estadístca pueden ser analzadas medante las smulacones en computador que se dscuten en este capítulo. Sn embargo, el únco conocmento prevo necesaro para este capítulo es un conocmento de las leyes del movmento de ewton. 4.1 El potencal ntermolecular El prmer paso es especfcar el modelo de sstema que se desee smular. Suponemos que el sstema dnámco se puede tratar cláscamente, las moléculas son esfércas y químcamente nertes y sus estructuras nternas pueden ser gnoradas, y la nteraccón entre cualquer par de partículas depende solamente de la dstanca entre ellos. En este caso el potencal U total de energía es una suma de las nteraccones de dos partículas: 1 B 1 j 1 j U u r (4.1.1) u r ) depende sólo de la magntud de la dstanca entre partículas r j r r j con los números y j. La forma de la nteraccón Aquí j adtva por pares (4.1.1) es apropada para líqudos smples, tales como por ejemplo argón líqudo. La forma de la funcón urj para las moléculas eléctrcamente neutras puede ser encontrada n general a partr de los prmeros prncpos de la mecánca cuántca. Pero dcho cálculo es muy dfícl, y se usualmente se elge para urj en una forma fenomenológca y senclla. Las característcas más mportantes de ur j son dos: una fuerte repulsón para r pequeñas y una atraccón débl para grandes r. La repulsón para pequeñas r es una consecuenca del prncpo de exclusón de Paul. Es decr, las funcones de onda de electrones de dos moléculas deben modfcar su forma al acercamento de las moléculas de manera que se dsmnuya su superposcón, hacendo que nngunos dos electrones puderon estar en los msmos estados cuántcos. El efecto neto es un aumento de la energía cnétca y una nteraccón repulsva las moléculas.

2 El potencal de atraccón débl domnante para mayores separacones de r es debdo a la polarzacón mutua de las moléculas es el llamado potencal de Van der Waals. Una de las formas más comunes de fenomenológcos urj es el potencal de Lennard-Jones: u r r r El gráfco del potencal de Lennard-Jones se muestra en la Fg El prmer térmno, (4.1.2) proporconal a 12 r segundo, proporconal a, corresponde a la nteraccón de corta alcance de repulsón mentras el 6 r, corresponde a la nteraccón de larga alcance a la atraccón de Van der Waals. El potencal tene dos parámetros, la longtud que defne la separacón correspondente al potencal de nteraccón cero y la energía que defne la profunddad del potencal en el mínmo de ur que tene lugar para la separacón 16 r 2. Problema 8.1 Las propedades cualtatvas de la nteraccón de Lennard-Jones (A) Escríbase un programa para grafcar el potencal de Lennard-Jones (8.1) y la magntud de la fuerza correspondente, aplcada a la partícula con el número de la parte de partícula con el número j 12 6 r rj 24 F rj u rj f rj ; f r 2 (4.1.3) rj r r r (B) Para qué valores r la fuerza es gual a cero y para qué valores es repulsva? Cuál es el valor de u r para r 0.8? Hasta qué valor se aumenta potencal s r se dsmnuye 10% hasta r 0.72? Cuál es el valor de u r para r 2.5? (C) Analícese el problema de dos cuerpos que cuya nteraccón se descrbe medante el potencal Lennard-Jones. (D) Escríbase el sstema de ecuacones dferencales para una cadena lneal de átomos que nteractúan entre sí medante el potencal Lennard-Jones Otro tpo de potencal que se usa en la dnámca molecular para descrbrla nteraccón entre átomos enlazados en las moléculas y crstales es el potencal de Morse que es un modelo convenente para la energía potencal de una molécula datómca. Es una mejor aproxmacón para la estructura vbraconal de la molécula que el osclador armónco porque tene en cuenta la anarmoncdad de los enlaces reales e ncluye explíctamente la posbldad tanto para los efectos de la ruptura del enlace como para la exstenca de estados no enlazados. Este potencal tene la forma: r r r r r r u r D D 1 e D e 2e (4.1.4) El potencal de Morse tene una forma smlar al de Lennard-Jones y presenta un mínmo para la separacón la separacón r r0 donde tene un valor u r0 Potencal Morse D y además: Fg. 4.2 Cuando r, el potencal ur tende a cero. Cuando r -, el potencal ur tende a nfnto.

3 El sgnfcado físco de los parámetros del potencal de Morse: r 0 es la separacón entre los átomos en la poscón del equlbro y D es la energía de dsocacón (energía mínma necesara para la ruptura de la enlace molecular y el parámetro defne la curvatura del potencal cerca de la poscón de equlbro, la cual en su turno está relaconada con la frecuenca propa de las osclacones armóncas de las moléculas. Problema 8.2 Las propedades cualtatvas de la nteraccón de Lennard-Jones (A) Escríbase un programa para grafcar el potencal de Lennard-Jones (8.1) y la magntud de la fuerza correspondente, aplcada a la partícula con el número de la parte de partícula con el número j r rj 2r r0 r r0 F rj u rj f rj ; f r 2D e e (4.1.5) r j (B) Para qué valores r la fuerza es gual a cero y para qué valores es repulsva? Cuál es el valor de u r para r 0.5 r0? Hasta qué valor se aumenta potencal s r se dsmnuye hasta r 0.25r0? Cuál es el valor de u r para r 2.5 r0? (C) Analícese el problema de dos cuerpos que cuya nteraccón se descrbe medante el potencal Morse. (D) Escríbase el sstema de ecuacones dferencales para una cadena lneal de átomos que en un polímero nteractúan entre sí medante el potencal Morse 4.2 Ecuacones dferencales de dnámca molecular en undades admensonales Es convenente elegr las undades de manera que las cantdades calculadas n sean demasado pequeños n demasado grandes. Debdo a que los valores de la dstanca y la energía asocada con líqudos típcos son muy pequeñas en undades del SI, elegremos los parámetros del potencal Lennard-Jones y como las undades de dstanca y energía, respectvamente. Tambén elegremos la undad de masa como la masa de un átomo m. Se puede expresar todas las demás magntudes en térmnos de, y m. Por ejemplo, podemos medr las velocdades en undades de / m 12 y el tempo en undades de m / 12. Los valores de, y m para el argón se dan en la Tabla 8.1. S utlzaremos estos valores, nos encontramos que la undad de tempo es de 2.17 x s. Las undades de algunas de las otras parámetros físcas de nterés se muestran en la Tabla 4.1. En los programas computaconales todas las varables deben estar dadas en las undades admensonales; por ejemplo, el tempo en programas de dnámca molecular se expresan en undades de m / 12. Supongamos que recorrmos nuestro programa de dnámca molecular para 2000 pasos de tempo con un paso de tempo t 0.01 en las undades admensonales. El tempo total de ejecucón de nuestro programa 2000 x 0.01=20 en undades admensonales lo que corresponde al tempo actual t ,34 10 s s para el argón (ver Tabla 8.1). La duracón de una smulacón dnámca molecular típca está en el rango de 10 a 10 4 en undades admensonales, que corresponde a una duracón de aproxmadamente s. Los recorrdos lbres más largos en la práctca son del orden de 10-6 s. En las coordenadas admensonales las fórmulas para energía potencal (4.1.2) y para la fuerza (4.1.3 se puede representar de sguente manera: u r r r (4.2.1)

4 12 6 r r 24 j 1 1 F rj u rj f rj ; f r 2 (4.2.2) rj r r r En el caso del potencal de Morse elegremos los parámetros del potencal r 0 y como las undades de dstanca y energía, respectvamente. Tambén elegremos la undad de masa como la masa de un átomo m. Se puede expresar todas las demás magntudes en térmnos de, y m. Por ejemplo, podemos medr las velocdades en undades de / m 12 y el tempo en undades de m / 12. Tabla 4.1 Sstema de undades utlzadas en smulacones de dnámca molecular para nteraccón de Lennard-Jones. Los valores numércos de, y m están dados para el argón. Parámetro k = 1,38 x J / K es la constante de Boltzmann. La undad de presón está dada para un sstema 2D de dos dmensones. Cantdad Valor Undad para argón longtud 3.4 x m energía 1.65 x J masa m 6, kg tempo m / 12 velocdad / m x s 1,57 x 10 2 m / s fuerza / 4,85 x presón 2 / / 2 1,43 x m -1 temperatura /k 120K En el caso del potencal de Morse elegremos los parámetros r 0 y D como las undades de dstanca y energía, respectvamente. Tambén elegremos la undad de masa como la masa de un átomo m. Se puede expresar todas las demás magntudes en térmnos de r0, D y 2 m. Por ejemplo, podemos medr las velocdades en undades de / 1 D m y el tempo en undades de 12 r m D. En las coordenadas admensonales las fórmulas para energía potencal (4.1.3) y para la fuerza (4.1.5) se pueden representar de sguente manera: 0 / 2r1 r1 u r e 2 e ; r (4.2.3) 0 r rj 2r 1 r 1 F rj u rj f rj ; f r 2 e e (4.2.4) r j 4.3 El algortmo numérco Una vez quedó especfcada la nteraccón entre las partículas, necestamos de ntroducr un método numérco para calcular la trayectora de cada partícula. Con este fn debe estar dsponble un programa Solver la cual permte usando uno de los algortmos consderados en los capítulos anterores para resolver l problema de Cauchy que permte encontrar para partículas las coordenadas y velocdades q t t q t t en el momento del tempo t t partendo de sus valores q t y q t en el momento anteror.

5 Este programa debe satsfacer un conjunto de los crteros para un buen método de ntegracón numérca, por ejemplo conservar el volumen en espaco de fase, seres consstente con las leyes de conservacón conocdas, ser reversble respecto del tempo, tener una precsón sufcente para poder usar los pasos del tempo relatvamente grandes para poder reducr el tempo de CPU necesaro para la smulacón. El número de ecuacones en el problema de Cauchy para partículas puede ser dferente para sstema partcular y depende de la dmensón del espaco D D 1, 2,3 en el cual está desarrollándose el fenómeno físco analzado. En general, cuando entre las partículas no exste nngún tpo de lgaduras aparte de las que se deben a las nteraccones mutuas el número de las ecuacones es gual a 2D, con D ecuacones para las coordenadas y D ecuacones para velocdades. La dmensón del espaco puede consderarse gual a uno D 1 cuando el movmento lbre de todas las partículas está restrngdo a lo largo de una línea, la cual podemos elegr como eje X. En este caso el número de las ecuacones es gual a 2, con ecuacones para las coordenadas x y ecuacones para velocdades v x. Es convenente ntroducr un vector de la dmensón 2, Q q1, q2,, q2 en el cual los prmeros componentes son coordenadas q x, 1, 2,, y las sguentes componentes son las velocdades q v, 1, 2,,. Según estas defncones el problema de Cauchy para las 2 ecuacones dferencales x correspondentes a los componentes del vector Q q q q,,, q t q t; q 0 x, 1, 2,, 0 q t a q1, q2,, q, t; q 0 v x, 1, 2,, Los componentes de los vectores de aceleracón 1 2 tene la sguente forma (4.3.1) a q, q,, q, t, 1, 2,. en la fórmula (4.3.1) se encuentran a partr de la II ley de ewton. Por ejemplo, en el caso de un sstema cerrado de partículas con la msma masa m que se nteractúan entre sí medante un potencal de Lennard Jones (4.2.1) o de Morse(4.2.3), tenendo en cuenta que en undades admensonales la masa de partículas es gual a uno, las aceleracones son guales a: 1 2 a q, q,, q, t f x x, 1, 2,, (4.3.2) j j 1, j Aquí la funcón f r se defne medante las fórmulas (4.2.2) para el potencal de Lennard Jones y (4.2.3) para el potencal de Morse- La dmensón del espaco puede consderarse gual a dos D 2 cuando el movmento lbre de todas las partículas está restrngdo sobre una superfce. En este caso la poscón de las partículas podemos caracterzar usando dos ejes X y Y, y el número de las ecuacones es gual a 4, con 2 ecuacones para las coordenadas x, y y 2 ecuacones para velocdades v x, vy. Es convenente ntroducr un vector Q q q q,,, de la dmensón 4, en el cual los prmeros 2 componentes son coordenadas q x, q y, 1, 2,, y las sguentes 2 componentes son las velocdades q2 v x, q2 v y, 1, 2,,. Según estas defncones el problema de Cauchy para las 4 ecuacones dferencales correspondentes a los componentes del vector Q q1, q2,, q4 tene la sguente forma 0 q t q2 t; q 0 x, 1, 2,, 0 q t q3 t; q 0 y, 1, 2,, 0 q2 t ax q1, q2,, q, t ; q2 0 v x, 1, 2,, 0 q3 t ay q1, q2,, q, t ; q3 0 v y, 1, 2,, (4.3.3)

6 Los 2 componentes de los vectores de aceleracón a q, q,, q, t, a q, q,, q, t, 1, 2,, en las fórmulas (4.3.3) se x 1 2 y 1 2 encuentran a partr de la II ley de ewton. Por ejemplo, en el caso de un sstema cerrado de partículas con la msma masa m que se nteractúan entre sí medante un potencal de Lennard Jones (4.2.1) o de Morse(4.2.3), tenendo en cuenta que en undades admensonales la masa de partículas es gual a uno, las aceleracones son guales a: q q q q a q, q,, q, t f r, a q, q,, q, t f r, 1, 2,, j j x 1 2 j y 1 2 j j 1, j rj j 1, j rj 2 2 j j j r q q q q Aquí la funcón f (4.3.4) r se defne medante las fórmulas (4.2.2) para el potencal de Lennard Jones y (4.2.3) para el potencal de Morse- La dmensón del espaco puede consderarse gual a dos D 2 cuando el movmento lbre de todas las partículas no tene restrccones. En este caso para caracterzar la poscón de las partículas necestamos usar todas tres ejes X, Y y Z y el número de las ecuacones es gual a 6, con 3 ecuacones para las coordenadas x, y, z y 3 ecuacones para velocdades v x, v y, vz. Es convenente ntroducr un vector Q q q q 2,,, de la dmensón 6, en el cual los prmeros 3 componentes son coordenadas q x, q y, q z 1, 2,, y las sguentes 3 componentes q3 v x, q4 v y, q5 v z, 1, 2,, son las velocdades. Según estas defncones el problema de Cauchy para las 6 ecuacones dferencales correspondentes a los componentes del vector Q q q q,,, tene la sguente forma 0 q t q3 t; q 0 x, 1, 2,, 0 q t q4 t; q 0 y, 1, 2,, 0 q2 t q5 t; q 0 y, 1, 2,, 0 q3 t ax q1, q2,, q, t ; q3 0 v x, 1, 2,, 0 q4 t ay q1, q2,, q, t ; q4 0 v y, 1, 2,, 0 q5 t az q1, q2,, q, t; q5 0 v z, 1, 2,, Los 3 componentes de los vectores de aceleracón x 1 2 y 1 2 z 1 2 (4.3.5) a q, q,, q, t, a q, q,, q, t, a q, q,, q, t, 1, 2,, en las fórmulas (4.3.5) se encuentran a partr de la II ley de ewton. Por ejemplo, en el caso de un sstema cerrado de partículas con la msma masa m que se nteractúan entre sí medante un potencal de Lennard Jones (4.2.1) o de Morse(4.2.3), tenendo en cuenta que en undades admensonales la masa de partículas es gual a uno, las aceleracones son guales a: q q q q q q a q q q t f r a q q q t f r a q q q t f r j j 2 2 j x 1, 2,,, j, y 1, 2,,, j, z 1, 2,,, j j 1, j rj j1, j rj j1, j rj 2 2 j j j r q q q q ;,, j 1, 2,, Aquí la funcón f (4.3.6) r se defne medante las fórmulas (4.2.2) para el potencal de Lennard Jones y (4.2.3) para el potencal de Morse- 4.4 Condcones de frontera. Una smulacón efcente debe tener una nformacón completa sobre una cantdad de las característcas relevantes del sstema físco de nterés máxmo posble. Por lo general, medante esta smulacón queremos establecer las propedades macroscópcas de un gas, un líqudo o un sóldo en el bloque que consste al menos de partículas. En estos sstemas la parte de las partículas ubcadas cerca de las paredes del recpente es nsgnfcantemente pequeña. El número de partículas que se pueden estudar en una smulacón

7 de dnámca molecular es típcamente de orden , aunque podemos smular el orden de 10 9 partículas usando clúster de computadores. Para estos sstemas relatvamente pequeños, la parte de las partículas ubcadas cerca de las paredes del recpente en la dferenca con un sstema real en bloque es sgnfcatva, y por lo tanto el comportamento de un sstema de este tpo en una smulacón estaría domnado por los efectos de superfce. La forma más común de reducr al mínmo los efectos de superfce y una manera de smular más adecuadamente las propedades de un sstema en bloque es utlzar un modelo aproxmado en el cual se utlzan en las fronteras del recpente las condcones cíclcas. Para aclarar la dea de esta aproxmacón, consderemos partículas cuyos movmentos están restrngdas a lo largo de una línea de longtud L. La aplcacón de las condcones de contorno cíclcas es equvalente a una suposcón que la línea tene una forma de un círculo, y por lo tanto la separacón máxma entre cualqueras dos partículas no supera el valor L/2 (ver Fg. 4.3). La extensón de las condcones de contorno cíclcas al caso de dos dmensones es equvalente a magnar una caja con bordes recosdos de manera que la caja se converte en la superfce de un torode (ver Fg. 4.4). La versón en tres dmensones de las condcones de contorno peródcas no se puede vsualzar fáclmente, pero los msmos métodos se pueden utlzar. La aplcacón de las condcones de contorno cíclcas es smple: s una de las coordenadas de una partícula sale del rango permtdo debdo a un cruce de una frontera en una dreccón partcular, le sumamos o restamos la longtud L de la caja en esa dreccón hasta que su valor nos converte en un número dentro el rango permtdo. Con este fn se puede utlzar una de las sguentes nstruccones: Ahora dscutremos el sentdo físco de las condcones de contorno cíclcas. Imagnemos con este fn un conjunto de partículas en una caja bdmensonal la que llamaremos a contnuacón como la celda central. El uso de condcones de contorno peródcas mplca que la celda central se duplca un número nfnto de veces para llenar todo el espaco bdmensonal. La fgura 4.5 muestra las prmeras celdas adyacentes a la celda central para el número de partículas = 2. La forma de la celda central debe permtr de llenar todo el espaco medante las traslacones sucesvas. Estas nuevas celdas que se generan en el proceso de una traslacón en dos dreccones se llaman las celdas de magen. Cada celda de la magen contene las partículas orgnales en las msmas poscones relatvas que la celda central. Es decr, las condcones de contorno peródcas producen un sstema de celdas de número nfnto, aunque las poscones de las partículas en las celdas de magen son

8 déntcas a las poscones de las partículas en la célula central. Estas condcones de contorno tambén mplcan que cada punto en la celda es equvalente y que no hay nnguna superfce. Cuando las partículas se desplazan en la celda orgnal las partículas en las celdas de magen tambén se desplazan de manera smlar. Por eso no hay necesdad analzar todas las celdas, es sufcente consderar el movmento solo de las partículas en la celda central. Cuando una partícula entra abandona la celda central, smultáneamente otra partícula entra o abandona de la celda de magen a través de la frontera opuesta. La fuerza total que actúa sobre una partícula con el número en la celda central con cada partícula con el número j de la celda central y celdas de mágenes. De esta manera, s la partícula con el número nteractúa no solo con la partícula j en la celda central, entonces esta partícula tambén nteractúa con todas las réplcas peródcas de partícula j. Por lo tanto, hay un número nfnto de las contrbucones a la fuerza sobre cualquera partícula dada. Para las nteraccones de largo alcance, tales como el potencal de Coulomb, estas aportacones tenen que ser ncludos utlzando unos métodos especales. Para las nteraccones de corto alcance, tales como los potencales Lennard-Jones y Morse podemos reducr el número de contrbucones medante la adopcón de la aproxmacón de magen mínma, según la cual se supone que la partícula en la celda central nteractúa sólo con la magen más cercana de la partícula j; la nteraccón se establece gual a cero s la dstanca de la magen desde la partícula es mayor que L/2. Un ejemplo de la aproxmacón mínma de la magen se muestra en la Fgura Programa de Dnámca Molecular. Control de precsón A contnuacón dscutremos sobre un programa de dnámca molecular para smular un sstema bdmensonal de partículas que nteractúan a través del potencal de Lennard-Jones. Elegmos dos en lugar de tres dmensones, ya que es más fácl de vsualzar los resultados y los cálculos no se duran mucho tempo. En prncpo, nosotros podríamos defnr para cada partícula un arreglo aparte con toda nformacón sobre los vectores de poscón, la velocdad y aceleracón. Sn embargo, este camno sería muy nefcente ya que ocuparía más memora y tempo de CPU en la comparacón con el uso solo un arreglo con la representacón toda la nformacón para todas las partículas. En su lugar de esto, vamos a almacenar las componentes x e y de los vectores de las poscones y las componentes un arreglo del estado y almacenar las componentes a x y V x y V y de los vectores de las velocdades en a y de las aceleracones de las partículas en una arreglo separada. Debdo a que el sstema es determnsta, la naturaleza del movmento se determna por las condcones ncales. Una eleccón adecuada de las condcones ncales es más dfícl de lo que parece a la prmera vsta. Por ejemplo, cómo podemos elegr la confguracón ncal (un conjunto de poscones y velocdades) que corresponden a un líqudo con una temperatura deseada? De acuerdo con el teorema de equpartcón, la energía cnétca meda de una partícula por grado de lbertad es kt / 2, donde k es la constante de Boltzmann y T es la temperatura. Podemos usar esta condcón para analzar los cambos de la temperatura en el tempo t : 2 K t 1 k T t m V t m V t D k T t (4.5.1) 2 2 B B D D 1 1 Aquí K la energía cnétca total de las partículas, V es el vector se la velocdad de la partícula con la masa m y D es la dmensón del espaco y k B es la constante de Boltzmann. osotros podemos usar la relacón (4.5.1) escoger un conjunto de las velocdades ncales. En el procedmento a contnuacón para el caso de las partículas déntcas con la masa m 1 se escoge un conjunto de las velocdades aleatoras de tal manera que el momento lneal total sea gual a cero y después se realza un re escalamento de las velocdades para obtener el valor deseado de la energía cnétca total ncal que satsfaga la condcón (4.5.1)

9 0, Sy 0 ; functon _ Set _ Velocty ( Energy,, Vx, Vy ) Asgn Sx for 1, do Asgn Vx random 0.5; Vy random 0.5; Sx Sx Vx ; ; Sy Sy Vy ; Asgn fx Energy Sx; fy Energy Sy ; for 1, do Asgn Vx Vx fx; Vy Vy fy S nuestro procedmento de solucón de ecuacones dnámcas es adecuado, nosotros encontraremos que una vez establecdas velocdades ncales de modo que la temperatura ncal es el valor selecconado, este procedmento debe garantzar que la temperatura del sstema mantendrá esta temperatura mentras que el sstema tende al equlbro. La determnacón de unas condcones ncales que satsfagan una confguracón del sstema deseada se logra por medo de un proceso teratvo.. S el sstema es un gas dludo, podemos elegr las poscones ncales de las partículas colocándolos al azar, asegurándose de que no hay dos partículas ubcadas demasado cerca el uno al otro. S dos partículas estuveran demasado cerca, ellas ejercerían la fuerza repulsva F, una sobre otra muy grande y cualquer método de ntegracón smple con los pasos t fntos puede fallar, sendo la aceleracón grande. Para evtar esta posbldad las coordenadas de partículas escogdas al azar al nco garantzan que no hay nngunas dos partículas con la separacón menor que r 0 valor que corresponde al mínmo del potencal de nteraccón entre partículas (en el caso del potencal de Lennard-Jones r ). El sguente programa método coloca partículas al azar dentro una celda rectangular con las dmensones Lx, L y de tal manera que no haya dos partículas con la separacón menor que r 0 _ ( 0,,,,, ) 1 ; 1 ; functon Set Poston Gas r Lx Ly x y Asgn x Lx random y Ly random for 2, do for j 1, 1 do Asgn dst r0 / 2; r0 do Asgnx j Lx random y j Ly random Whle dst ; ; 2 2 ; ; sgn dst x j x y j y Este algortmo es nefcente cuando la densdad es alta. Encontrar una confguracón aleatora de partículas en la que no hay dos partículas que están más cerca de r para altas densdades se converte en un procedmento nefcaz. En este caso como una de las alternatvas posbles es elegr las poscones ncales al azar sn tener en cuenta las separacones entre ellas y además nclur unas fuerzas fctcas de frenado proporconales al cuadrado de la velocdad. El objetvo de dcha fuerza es amortguar la aceleracón de las partículas cuyas velocdades se hacen demasado grandes debdo a las fuerzas de repulsón ejercdas sobre ellos. A contnuacón, tendría que correr por un tempo este programa hasta que todas las velocdades satsfagan la condcónv t 1, 1, 2,,. A medda que las velocdades se hacen más pequeños, se puede reducr gradualmente el coefcente de la frccón. Otra opcón se presente en el sguente algortmo functon _ Set _ Rectangular _ Lattce ( nx, ny, Lx, Ly, x, y ) Asgn dx Lx nx 1 ; dy Ly ny 1 ; k 0 ; for 1, nx do for j 1, ny do Asgnk k 1, x k dx 1 ; y k dy j 1 ;

10 En este caso, se presenta la forma más fácl de obtener una confguracón ncal con la densdad deseada colocando las partículas en un retículo regular. S la temperatura es alta o s el sstema está dludo, el sstema se funde y se converta en un líqudo o un gas; de lo contraro, se mantendrá un sóldo. Las poscones de las partículas se ubcan sobre una red rectangular. Para que el método sea smple, el usuaro debe especfcar el número de partículas por la fla nx y el número por la columna y se ntroduce un contador k para fjar el número de cada partícula. Problema Aproxmacón al equlbro (A) Consdere =64 partículas nteractuantes entre sí medante del potencal de Lennard-Jones en una celda cuadrada de tamaño L=10- Incalce el sstema con la temperatura T=1 K y deje el correr el programa de dnámca molecular con el paso t 0.01 y asegúrese que el programa funcona correctamente. La energía total debe conservarse aproxmadamente y las mágenes de las partículas no deben salr fuera de la celda. (B) La temperatura del sstema defnda medante la fórmula (4.5.1) está cambándose en la comparacón con el valor ncal? El valor de la temperatura defnda por la fórmula (4.5.1) posblemente está fluctuándose alrededor su valor medo y cuál es este valor medo? (C) Presente hstograma del número de partículas en la funcón del tempo y analícese su evolucón. Encuéntrese el valor promedo de las velocdades y comparece el hstograma con la dstrbucón de Maxwell. (D) Consdere =64 partículas en una celda con las dmensones L 20, L 10 ubcados ncalmente todas en la parte zquerda y analícese como con el tempo se vara el número de las partículas n 0 L x 10 n2 t. (E) Elabórese un programa que calcula los números de las partículas n t, n t, n t, n t x y x x y y hasta el momento del tempo t y grafíquese,,, 1 t en la parte zquerda y la a de la celda que atravesan las cuatro paredes nx t t nx t t ny t t ny t t en la funcón del tempo. Se observa en estos gráfcos la aproxmacón al equlbro? Cómo se puede utlzar estos resultados para analzar la presón del gas sobre la pared de una celda? Problema Sensbldad a las condcones ncales Modfíquese el programa para consderar las sguentes condcones ncales para =11 partículas que se desplazan al nco en la msma dreccón y con las velocdades guales ( V 1; V 0 vea Fg ). Escogese L L 10 y el paso x y t 0.01 y verfíquese que el sstema eventualmente se acerca al equlbro. Porque s, o porque no? (A) Cambe la velocdad de una partícula colocando V ; V El comportamento del sstema es dferente del caso consderado en el punto (A)? El sstema eventualmente se aproxma al equlbro? trayectoras de partículas son sensbles a las condcones ncales? Explíquese porque esto x x comportamento mplca la condcón que cas todos estados ncales con la msma energía total conducen al msmo comportamento cualtatvo? (B) Modfíquese el programa de manera que sea posble analzar la evolucón del sstema durante un tempo determnado (por ejemplo 100 pasos) y después nce un proceso reversble. Esto se puede realzar s se realce los cambos: t t, v v, 1, 2, y y Fg Condcones ncales especales; flechas muestran magntudes y dreccones de velocdades ncales de partículas

11 Regresan las partículas a sus poscones ncales? Qué ocurre s el proceso de reversa nca más tarde? Qué ocurre s se dsmnuye el paso t? (C) Explíquese Por qué se puede conclur que el sstema es caótca? Las trayectoras calculadas son las msmas que las trayectoras verdaderas? De Problemas y 4.5.2, vemos que desde el punto de vsta mcroscópco, las trayectoras parecen bastante complejo. Por el contraro, desde el punto de vsta macroscópco, el sstema puede descrbrse de forma más senclla. Por ejemplo, en el problema podemos dentfcar el equlbro del sstema medante la especfcacón de n (t), el número de partículas ubcadas en la mtad zquerda de la celda en el momento del tempo t. Las observacones de la varable macroscópca n (t) deben ser coherentes con las sguentes dos propedades generales de los sstemas de muchas partículas: 1. Después de la elmnacón de una restrccón nterna, un sstema aslado sufre los cambos en el tempo de un estado "menos aleatora" haca un estado "más caótco". 2. Un sstema cuyas característcas macroscópcas son ndependentes del tempo se encuentra en el estado de equlbro. Las característcas macroscópcas en un sstema en el equlbro tenen unas fluctuacones relatvamente pequeñas sobre un valor promedo que es ndependente del tempo. Las fluctuacones relatvas se hacen más pequeñas cuando el número de partículas se vuelve más grande. En los problemas 4.5.1b y 4.5.1c, se encontró que las partículas llenan la caja y no vuelven a su confguracón ncal. Esto nos permte defnr la dreccón del tempo t. Esta dreccón se defne mejor s se consdera la mayor cantdad de partículas. Hay que tener en cuenta que las leyes del movmento de ewton son reversble en el tempo, y no hay una razón a pror que para el tempo exsta una dreccón preferda. Todo lo anteror se puede analzar en el problema estudando una solo característca macroscópca que en este caso es la concentracón de las partículas al lado zquerda de la celda t nt Area. Antes de consderar otras característcas macroscópcas, cada vez hay que controlar la energía total y verfcar de que el algortmo usado mantene constante la energía total, al selecconar razonablemente el paso de ntegracón total. t. Tambén se recomenda realzar otro chequeo calculando el momento lneal

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

Capítulo 11. Movimiento de Rodamiento y Momentum Angular

Capítulo 11. Movimiento de Rodamiento y Momentum Angular Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular

Más detalles

Física I Apuntes de Clase 2, Turno D Prof. Pedro Mendoza Zélis

Física I Apuntes de Clase 2, Turno D Prof. Pedro Mendoza Zélis Físca I Apuntes de Clase 2, 2018 Turno D Prof. Pedro Mendoza Zéls Isaac Newton 1643-1727 y y 1 y 2 j O Desplazamento Magntudes cnemátcas: v m r Velocdad meda r r 1 r 2 r velocdad s x1 2 r1 x1 + r2 x2 +

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

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

Electricidad y calor

Electricidad y calor Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage:  Algunas definiciones Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

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

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.

Más detalles

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley

Más detalles

Estimación no lineal del estado y los parámetros

Estimación no lineal del estado y los parámetros Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

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

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica. TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo

Más detalles

Sistemas Lineales de Masas-Resortes 2D

Sistemas Lineales de Masas-Resortes 2D Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte

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

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

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π EQUILIBRIO DE FASES Reglas de las fases. Teorema de Duhem S consderamos un sstema PVT con N especes químcas π fases en equlbro se caracterza por: P, T y (N-1) fraccones mol tal que Σx=1 para cada fase.

Más detalles

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste

Más detalles

Mecánica Estadística: Estadística de Maxwell-Boltzmann

Mecánica Estadística: Estadística de Maxwell-Boltzmann Ludwg Boltzmann 1844-1906 James Clerk Maxwell 1831-1879 E. Martínez 1 Lápda de Boltzmann en el cementero de Vena S=k ln W E. Martínez 2 S=k ln W Entropía, una propedad termodnámca Una medda de nuestra

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D.

CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 01. Ing. Diego A. Patiño G. M.Sc, Ph.D. CAPITULO 3º SOLUCIÓN ECUACIÓN DE ESTADO- 0 Ing. Dego A. Patño G. M.Sc, Ph.D. Solucón de la Ecuacón de Estado Solucón de Ecuacones de Estado Estaconaras: Para el caso estaconaro (nvarante en el tempo),

Más detalles

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas

Más detalles

ANEXO A: Método de Interpolación de Cokriging Colocado

ANEXO A: Método de Interpolación de Cokriging Colocado ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

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

Niveles de Energía. Electrónicos Vibracionales Rotacionales + correcciones

Niveles de Energía. Electrónicos Vibracionales Rotacionales + correcciones Termouímca El valor ue obtenemos para la energía del sstema en un calculo de estructura electrónca como Hartree-Fock corresponde típcamente a la energía electrónca del sstema en su estado fundamental.

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

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

Introducción a Vacío

Introducción a Vacío Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el

Más detalles

Capítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS

Capítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco

Más detalles

FUNDAMENTOS DE MECÁNICA ESTADÍSTICA

FUNDAMENTOS DE MECÁNICA ESTADÍSTICA Departamento de Físca Aplcada III Capítulo : Físca estadístca Capítulo FUNDAMENTOS DE MECÁNICA ESTADÍSTICA.- INTRODUCCIÓN A LA MECÁNICA ESTADÍSTICA CLÁSICA. La mecánca está basada en certos prncpos fundamentales,

Más detalles

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

Una Reformulación de la Mecánica Clásica

Una Reformulación de la Mecánica Clásica Una Reformulacón de la Mecánca Clásca Antono A Blatter Lcenca Creatve Commons Atrbucón 30 (2015) Buenos Ares Argentna Este trabajo presenta una reformulacón de la mecánca clásca que es nvarante bajo transformacones

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS INGENIERÍA EN SISTEMAS AMBIENTALES

INSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS INGENIERÍA EN SISTEMAS AMBIENTALES ESCUELA NACONAL DE CENCAS BOLÓGCAS NGENERÍA EN SSTEMAS AMBENTALES HORAS DE TEORÍA 5 ASGNATURA TERMODNÁMCA BÁSCA HORAS DE PRÁCTCA 4 SEMESTRE 3 CRÉDTOS 14 OBJETVO: EL ESTUDANTE MANEJARÁ CORRECTAMENTE LA

Más detalles

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales

CAPÍTULO IV. IV.1 Correlación de los resultados experimentales CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la

Más detalles

TEMA 4. TRABAJO Y ENERGIA.

TEMA 4. TRABAJO Y ENERGIA. TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero

Más detalles

Teoría de Elección Social

Teoría de Elección Social Teoría de Eleccón Socal Hemos vsto que las asgnacones del mercado, bajo certas condcones, son efcentes. Sn embargo, exsten otras consderacones mportantes sobre las característcas de dcha asgnacón (dstrbucón,

Más detalles

Una Reformulación de la Mecánica Clásica

Una Reformulación de la Mecánica Clásica Una Reformulacón de la Mecánca Clásca Antono A Blatter Lcenca Creatve Commons Atrbucón 30 (2015) Buenos Ares Argentna Este trabajo presenta una reformulacón de la mecánca clásca que es nvarante bajo transformacones

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

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

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron

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

INSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS INGENIERÍA EN SISTEMAS AMBIENTALES

INSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS INGENIERÍA EN SISTEMAS AMBIENTALES NSTTUTO POLTÉCNCO NACONAL ESCUELA NACONAL DE CENCAS BOLÓGCAS NGENERÍA EN SSS AMBENTALES HORAS DE TEORÍA 5 ASGNATURA TERMODNÁMCA BÁSCA HORAS DE PRÁCTCA 4 SEMESTRE 3 CRÉDTOS 14 OBJETVO: EL ESTUDANTE MANEJARÁ

Más detalles

Pista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador.

Pista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador. ITM, Insttucón unverstara Guía de Laboratoro de Físca Mecánca Práctca : Colsones en una dmensón Implementos Psta curva, soporte vertcal, cnta métrca, eseras metálcas, plomada, dspostvo óptco dgtal, varlla

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

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

ESTÁTICA DEL SÓLIDO RÍGIDO

ESTÁTICA DEL SÓLIDO RÍGIDO DSR-1 ESTÁTICA DEL SÓLIDO RÍGIDO DSR-2 ESTÁTICA DEL SÓLIDO RÍGIDO La estátca estuda las condcones bajo las cuales los sstemas mecáncos están en equlbro. Nos referremos úncamente a equlbro de tpo mecánco,

Más detalles

Guía de Laboratorio de Física Mecánica. ITM, Institución universitaria.

Guía de Laboratorio de Física Mecánica. ITM, Institución universitaria. Guía de Laboratoro de Físca Mecánca. ITM, Insttucón unverstara. Práctca 0. Colsones. Implementos Psta curva, soporte vertcal, cnta métrca, eseras metálcas, plomada, dspostvo óptco dgtal, varlla corta,

Más detalles

ECUACIONES DIFERENCIALES EN LA FÍSICA DE MATERIALES: SOLUCIONES NUMÉRICAS

ECUACIONES DIFERENCIALES EN LA FÍSICA DE MATERIALES: SOLUCIONES NUMÉRICAS vel Superor ECUACIOES DIFERECIALES E LA FÍSICA DE MATERIALES: SOLUCIOES UMÉRICAS Álvaro Posada Amarllas Departamento de Investgacón en Físca, Unversdad de Sonora Resumen Muchos problemas en la Cenca pueden

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

Tiempos de relajación T 1 y T 2

Tiempos de relajación T 1 y T 2 empos de relajacón y Levtt,;Haacke, 7/4/ RI - Lus Agulles Pedrós Relajacón y dnámca: Supongamos un sstema de espnes alnados cuyo campo vertcal es estátco. d dt Supongamos el campo horzontal por acople

Más detalles

Cinemática del movimiento rotacional

Cinemática del movimiento rotacional Cnemátca del movmento rotaconal Poscón angular, θ Para un movmento crcular, la dstanca (longtud del arco) s, el rado r, y el ángulo están relaconados por: 180 s r > 0 para rotacón en el sentdo anthoraro

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón

Más detalles

Es el movimiento periódico de un punto material a un lado y a otro de su posición en equilibrio.

Es el movimiento periódico de un punto material a un lado y a otro de su posición en equilibrio. 1 Movmento Vbratoro Tema 8.- Ondas, Sondo y Luz Movmento Peródco Un móvl posee un movmento peródco cuando en ntervalos de tempo guales pasa por el msmo punto del espaco sempre con las msmas característcas

Más detalles

TEMA 2 Revisión de mecánica del sólido rígido

TEMA 2 Revisión de mecánica del sólido rígido TEMA 2 Revsón de mecánca del sóldo rígdo 2.. ntroduccón SÓLDO RÍGDO SÓLDO: consderar orentacón y rotacón RÍGDO: CONDCÓN DE RGÍDEZ: - movmento: no se alteran dstancas entre puntos - se gnoran las deformacones

Más detalles

Tallerine: Energías Renovables. Fundamento teórico

Tallerine: Energías Renovables. Fundamento teórico Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................

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

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.

5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las

Más detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo

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

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

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN

COLEGIO INGLÉS MEDIDAS DE DISPERSIÓN COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

6 Minimización del riesgo empírico

6 Minimización del riesgo empírico 6 Mnmzacón del resgo empírco Los algortmos de vectores soporte consttuyen una de las nnovacones crucales en la nvestgacón sobre Aprendzaje Computaconal en la década de los 990. Consttuyen la crstalzacón

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

La representación Denavit-Hartenberg

La representación Denavit-Hartenberg La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado

Más detalles

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco

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

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

Física General 1 Proyecto PMME - Curso 2007 Instituto de Física Facultad de Ingeniería UdelaR

Física General 1 Proyecto PMME - Curso 2007 Instituto de Física Facultad de Ingeniería UdelaR Físca General 1 Proyecto PMME - Curso 2007 Insttuto de Físca Facultad de Ingenería UdelaR ANÁLISIS E INFLUENCIA DE DISTINTOS PARÁMETROS EN EL ESTUDIO DE LA ESTÁTICA DE CUERPOS RÍGIDOS. Sebastán Bugna,

Más detalles

CAMPO MAGNÉTICO CREADO POR CORRIENTES RECTILÍNEAS INDEFINIDAS

CAMPO MAGNÉTICO CREADO POR CORRIENTES RECTILÍNEAS INDEFINIDAS Departamento de Físca - UBU enero de 2017 1 CAMPO MAGNÉTICO CREADO POR CORRIENTES RECTILÍNEAS INDEFINIDAS En esta hoja podrán vsualzar el campo magnétco creado por una, dos tres o cuatro correntes rectlíneas

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

Examen de Física-1, 1 del Grado en Ingeniería Química Examen final. Septiembre de 2014 Cuestiones (Un punto por cuestión).

Examen de Física-1, 1 del Grado en Ingeniería Química Examen final. Septiembre de 2014 Cuestiones (Un punto por cuestión). Examen de Físca-, del Grado en Ingenería Químca Examen fnal. Septembre de 204 Cuestones (Un punto por cuestón. Cuestón (Prmer parcal: Un satélte de telecomuncacones se mueve con celerdad constante en una

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

Departamento: Física Aplicada III. Mecánica Racional (Ingeniería Industrial) Curso Estática Analítica

Departamento: Física Aplicada III. Mecánica Racional (Ingeniería Industrial) Curso Estática Analítica Departamento: Físca Aplcada III Mecánca Raconal (Ingenería Industral) Curso 007-8. Estátca Analítca. Introduccón: Necesdad de elmnar de las ecuacones mecáncas las fuerzas vnculares. Conceptos ncales a.

Más detalles

CLAVE - Laboratorio 1: Introducción

CLAVE - Laboratorio 1: Introducción CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica

CAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica CAPÍTULO III. METODOLOGÍA 1 III.1 Evaluacón del pelgro sísmco La determnacón drecta del pelgro sísmco rara vez se puede hacer debdo a la falta de nformacón en cuanto a las aceleracones que se han producdo

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO

Más detalles