SOLUCIÓN NUMÉRICA DE ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN
|
|
- Gustavo Naranjo Sánchez
- hace 6 años
- Vistas:
Transcripción
1 SOLUCIÓN NUMÉRICA DE ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN
2 SOLUCION NUMERICA Una solucón de esta ecuacón ncal con CI es una funcón ϕ : ( x ε, x + ε ) R tal que 0 0 ϕ '( x) = f ( x, ϕ( x)), para x ( x ε, x + ε ) 0 0 PROBLEMA: Hallar una aproxmacón numérca de la solucón de la EDO con CI
3 Campo de pendentes f(x,y) Curva solucón pendente Conocemos ϕ a = ϕ x0 ( ) ( ) Queremos obtener una aproxmacón de ϕ ( b) para b> a Consderamos una partcón del ntervalo [ ab, ] a= x0 < x < x < L< xn = b, t t donde h= + lo llamamos tamaño de paso. Observemos que n t, k = kh+ t0 k =,,... n
4 Consderamos la condcón ncal ( x, y ) = ( x, y( x )) = ( a, y( a)) Curva solucón El desarrollo de Taylor er orden alrededor de x 0 y( x) = y( x ) + y '( x )( x x ) + R ( x) obtenemos la aproxmacón lneal de y( x) pendente= cerca de x0 y( x) y( x ) + y '( x )( x x ) tomando x= x = x0+ h obtenemos y( x) = y( x ) = y( x + h) y( x ) + y '( x ) h= y( x ) + f ( x, y ) h
5 En resumen: y = y( x ) y( x ) + f ( x, y ) h = y + f ( x, y ) h En general, tenemos y = y( x ) y( x ) + f ( x, y ) h k+ k+ k k k = y + f ( x, y ) h k k k
6 Ejemplo Método de Euler y = y + f ( t, y ) h= + (3.5)(0.) = yt ( ) y = y + f ( t, y ) h=.35 + f (0.,.35)(0.) =.35 + (3.9837)(0.) SI QUEREMOS APROXIMAR y() CONTINUAMOS CON ESTE PROCESO
7 Ejemplo Consderemos la ecuacón dferencal ordnara Recordemos que no es dfícl encontrar la solucón analítca, medante el método de separacón de varables, de la ecuacón dferencal. Ejercco: Hallar la solucón analítca de la ecuacón dferencal anteror Veamos nuestro prmer ejemplo para resolover ecuacones dferencales ordnaras de prmer orden medante Matlab: functon r = yexact(t,y0,k,s) r = y0*exp(k*t) + s*( - exp(k*t));
8 Se ha defndo una funcón que depende de cuatro argumentos: el temporal, la condcón ncal y dos constantes. Supongamos que sus valores están dados por y0=00, K=, and s=0. Escrbamos el sguente códgo en nuestra pantalla del edtor de Matlab: El sguente comando crea un vector t = 0:0.0:5; El sguente comando crea la gráfca de la solucón plot(t,yexact(t,00,,0)) Fgura : Solucón exacta
9 Estructura computaconal del Método de Euler Paso. defnr f (t, y) Paso. Entrada: Valores ncales t0 and y0 Paso 3. entrada tamaño de paso h # de pasos n Paso 4. salda t0 and y0 Paso 5. para j de a n do Paso 6. k = f (t, y) y = y + h k T = t + h Paso 7. saldas t y y Paso 8. end
10 Programa en Matlab clc; clf; clear all; T=5; tnc=0.0; tfnal=5.0; ync=50.0; n=00; -*(y-t); h=(tfnal-tnc)/n; t=zeros(,n+); y=zeros(,n+); t()=tnc; y()=ync; for =:n t(+)=t()+h; y(+)=y()+h*f(t(),y()); end plot(t,y,'b') ttle('solucones de dy/dt=-*(y-t), y(0)=t medante Euler') axs([ ]) xlabel('tempo'); ylabel('temperatura') hold on plot(t,5,'-r')
11 Gráfca obtenda con Matlab
12 Dferentes números de paso n=5,0
13 Programas Método de Euler en Matlab TIPO FUNCIÓN functon [t,y]=euler_clasco(f,tnc,ync,tfnal,n) h=(tfnal-tnc)/n; t=zeros(,n+); y=zeros(,n+); t()=tnc; y()=ync; for =:n t(+)=t()+h; y(+)=y()+h*f(t(),y()); end TIPO SCRIPT clc; clf; clear all; T=5; tnc=0.0; tfnal=5.0; ync=50.0; n=00; -*(y-t); [t,y]=euler_clasco(f,tnc,ync,tfnal,n); plot(t,y,'b') ttle('solucones de dy/dt=-*(y-t), y(0)=t medante Euler') axs([ ]) xlabel('tempo'); ylabel('temperatura') hold on plot(t,5,'-r')
14 %%%PROGRAMA DEL METODO DE EULER MODIFICADO CON UN ARCHIVO TIPO SCRIPT%%% %%%ECUACION DIFERENCIAL ORDINARIA dy/dt=k(y-c)%%%% k = ; c = 0; y0= 00; npuntos = 50; %%Numero de pasos%% h = 0.; y = zeros(npuntos,); %Incalzamos el vector 'y' de poscones con ceros% t = zeros(npuntos,); %Incalzamos el vector 't' de tempos con ceros% y() = y0; %Poscon ncal% t() = 0.0; %Tmepo ncal% for j = : npuntos %- % loop para el tamaño de paso% y(j+) = y(j) + (h/) * ((k*(y(j)-c)+ y(j) +h*k*(y(j)-c))); t(j+) = t (j) + h; end
15 %%Hemos termnado la smulacon numerca%% %%Para el ERROR%% z = exp(t + log(80))+ 0; %Solucon analtca de la ecuacon %%Empezemos la parte de la vsualzacon%% plot (t,y,'-bo',t,z,'r') grd on xlabel('tempo') ylabel('y(t)') legend('solucon numerca','solucon analtca') ttle('solucon numerca medante Euler mejorado Vs solucon analtca')
16 Euler mejorado (Heun, predctor-corrector) 0 0 Predctor: y% = y + f ( x, y ) h Corrector: y = y f ( x, y ) + f ( x, y% ) h f ( x, y% ) f ( x0, y0) y% f x y f x y y + % { (, ) (, )} 0 0 x = x + h x0 0 x = x + h x0 0 Predctor: y% = y + f ( x, y ) h Corrector: + y = y + + f ( x, y ) + f ( x, y% + + ) h
17 Ejemplo Euler-mejorado
18 Comparacón Euler vs. Euler-mejorado
19 Estructura computaconal del Método de Euler Mejorado Paso. defnr f (t, y) Paso. Entrada: Valores ncales t0 and y0 Paso 3. entrada tamaño de paso h # de pasos n Paso 4. salda t0 and y0 Paso 5. para j de a n do Paso 6. k = f (t, y) k = f (t + h, y + h k) y = y + (h/) (k + k) t = t + h Paso 7. saldas t y y Paso 8. end
20 Programa Euler-mejorado en Matlab functon [t,y]=euler_mejorado(f,tnc,ync,tfnal,n) h=(tfnal-tnc)/n; t=zeros(,n+); y=zeros(,n+); t()=tnc; y()=ync; for =:n t(+)=t()+h; P=f(t(),y()); P=f(t()+h,y()+h*P); y(+)=y()+(h/)*(p+p); end tnc=0.0; tfnal=.0; ync=50.0; n=000; -*(y-5); [t3,y3]=euler_mejorado(f,tnc,y nc,tfnal,n); plot(t3,y3,'b') ttle('solucones de dy/dt=-*(y- 5), y(0)=t medante Eulermejorado') axs([0 0 55]) xlabel('tempo'); ylabel('temperatura') axs([0 0 55])
21
22 Método de Punto Medo (o Polígono mejorado) Se usa el método de Euler para realzar una predccón del valor de la solucón usando la pendente en un punto ntermedo del ntervalo h y+ / = y+ f ( x, y ) y + = y+ f ( x+ /, y+ / ) h
23 Geometría Punto Medo Predccón h y y f x y = 0+ ( 0, 0) 0+ y = y + f ( x, y ) h f ( x, y ) f ( x0, y0) ( x0, y0) y 0+ y x 0 x x h = x = x0+ h
24 Punto Medo Predccón h y = y+ fxy (, ) + y = y + f ( x, y ) h + + +
25 Qué hemos hecho hasta el momento? Queremos aproxmar numercamente solucones de EDO s de prmer orden dy = dx f ( x, y) Flosofía: Valor nuevo = valor vejo + pendente * (tamaño_paso) y = y + ϕ * h y + + valor nuevo, y valor vejo ϕ pendente, h tamaño de paso
26 Runge Kuta Buscamos un método de la forma Valor nuevo = valor vejo + pendente * (tamaño_paso) y = y + ϕ * h y + + valor nuevo, y valor vejo ϕ pendente, h tamaño de paso De manera que la pendente sea una pendente ponderada sobre dstntos puntos del ntervalo [x(),x(+)].
27 Runge Kuta de Cuarto Orden (Acto de fe) Valor nuevo = valor vejo + pendente * (tamaño_paso) y k+ y = y + ϕ * h k+ valor nuevo, y valor vejo ϕ pendente, h tamaño de paso k k
28 y = y + ϕ * h, ϕ = + k k k k ( ) k k n n n3 n4 k, k, k,4 k,3 y + y t t = + + h + t t h
29 Ejemplo Runge Kuta Cuarto Orden f ( t, y) = t+ 4y Tamaño de paso: yt ( ) = yt ( + h) = y(0+ 0.) 0 = y(0.) y.506
30 Otro ejemplo y () =? Tamaño de paso Es necesaro realzar dos juegos de cálculos Calculamos las cuatro pendentes Reptendo el proceso
31 ϕ Obtencón de Runge Kuta de Segundo Orden y y ϕh = + + ϕ= ak + ak + K+ a k M M es una pendente ponderada de salda a constantes k = f ( t, y ) k = f ( t + ph, y + q kh) k = f ( t + ph, y + q kh+ q kh) 3 M k = f ( t + p h, y + q kh q k h) M M M, M, M N
32 Aproxmacón de la solucón por sere de Taylor de segundo orden alrededor de t= t h yt h yt y t h y t Pero podemos calcular y '( t ) y y ''( t ) 3 ( + ) = ( ) + '( ) + ''( ) + Oh ( ) y '( t ) = f ( t, yt ( )) f ( t, yt ( )) f ( t, yt ( )) y ''( t ) = + y '( t ) t y f ( t, yt ( )) f ( t, yt ( )) = + t y f ( t, yt ( ))
33 La aproxmacón obtenda está dada por yt ( ) yt ( h) + = + h yt ( ) + y '( t ) h+ y ''( t ) f ( t, yt ( )) f ( t, yt ( )) h = yt ( ) + f ( t, yt ( )) h+ + f ( t, yt ( )) t y De esta forma, (, ( )) (, ( )) ( )= ( ) (, ( )) f t yt f t yt yt yt f t yt h f ( t, yt ( )) h t y
34 Aproxmacón por Sere de Taylor a prmer orden de una funcón de dos varables f ( t, y ) f ( t, y ) f ( t+ H, y + K) f ( t, y ) + H + K t y Para aproxmar k tomamos ( ) ( ) H = ph y K = q kh De esta forma, obtenemos k = f ( t + ph, y + q kh) f ( t, y ) f ( t, y ) = f ( t, y ) + ph + qkh t y [ ] [ ]
35 De esta forma ϕ = ak + ak f ( t, y ) f ( t, y ) = af ( t, y ) + a f ( t, y ) + ph + qkh t y [ ] [ ] f ( t, y ) f ( t, y ) = [ a+ a] f ( t, y ) + h ap + aq k t y f ( t, y ) f ( t, y ) = [ a+ a] f ( t, y ) + h ap + aq f ( t, y ) t y
36 En consecuenca, y yt ( ) = y + ϕh= yt ( ) + ϕh + + f ( t, y ) f ( t, y ) = yt ( ) + [ a+ a] f ( t, y ) + h ap + aq f ( t, y ) h t y f ( t, y ) f ( t, y ) = yt ( ) + [ a+ a] f ( t, y ) h+ ap + aq f ( t, y ) h t y En resumen, f ( t, y ) f ( t, y ) yt ( + ) = yt ( ) + a+ a f ( t, y ) h+ ap + aq f ( t, y ) h t y [ ]
37 Hemos obtendo dos aproxmacones para yt ( + ), a saber: (, ( )) (, ( )) ( )= ( ) (, ( )) f t yt f t yt yt yt f t yt h f ( t, yt ( )) h x y f ( t, y ) f ( t, y ) yt ( + ) = yt ( ) + a+ a f ( t, y ) h+ ap + aq f ( t, y ) h t y Igualando coefcentes [ ] a+ a =, ap = y aq =
38 Es decr, a = a, p = y q = a a Por lo que tenemos una nfndad de Métodos de Runge Kuta de orden, uno por cada valor que le demos al parámetro ndependente a
39 Casos partculares a = a = p = q = donde y y ϕh = + + ϕ= ak + ak = + k = f ( t, y ) [ k k ] k = f ( t + ph, y + q kh) = f ( t + h, y + kh) = f ( t + h, y + f ( t, y ) h) Por lo tanto y y f ( t, y ) + f ( t + h, y + kh) h + = + Euler modfcado (Heun o predctor-corrector)!!!!!!
40 Casos partculares a = 0, a = p = q = donde y y ϕh = + + ϕ= ak + ak = k k = f ( t + ph, y + q kh) = f ( t+ h, y+ f ( t, y ) h) y+ = y + f ( t+ h, y + khh ) = y + f ( t, y+ khh ) + Por lo tanto
41 y+ = y + f ( t+ h, y + khh ) = y + f ( t, y + khh ) y% = y + kh= y + f ( t, y ) h + y+ = y+ f ( t+ h, y + khh ) = y + f ( t, y% ) h Obtenemos el Método de Punto Medo
42 Geometría del método y = y + kh= y + f ( t, y ) h y y = y + f ( t, y% ) h % f ( t, y ) y % y + t = t + h t + t + f ( t, y% ) t + + y + h
43 Predccón h y y f x y = 0+ ( 0, 0) 0+ y = y + f ( x, y ) h f ( x, y ) f ( x0, y0) ( x0, y0) y 0+ y x 0 x x h = x = x0+ h
44 Sstemas de ecuacones dferencales ax ''( t) + bx '( t) + cxt ( ) = F( t) Cond. nc: xt ( ) = x, x '( t ) = x% con el cambo de varables yt ( ) = x '( t) tenemos que y '( t) = x ''( t). En consecuenca x ' = y b c y ' = F( t) y x a a a
45 x ' = y b c y ' = F( t) y x a a a x ' = f ( x, yt, ) = y b c y ' = f( x, yt, ) = F( t) y x a a a x x ' xt ( ) x Y = Y ' =, Y ( t ) = = = Y y y ' yt ( 0) x% 0 Tomamos F( Y, t) f ( x, yt, ) = f( x, yt, )
46 En resumen, obtenemos una ecuacón de la forma Y ' = F( Y, t), Y ( t ) = Y Muy semejante a una veja conocda: 0 0 y ' = f ( yt, ), yt ( ) = y 0 0 La cual aproxmamos numércamente medante dstntos algortmos : P.ej. Euler y = y + + hf ( y, t )
47 Extendendo a sstemas de ecuacones Y = Y + + hf( Y, t ) x ( ) + x f x, y, t = + h y y f x, y, t ( ) + En resumen: x = x + hf x, y, t ( ) + y = y + hf x, y, t ( ) +
48 Euler para sstemas f ( x, y) = x 4 y, f ( x, y) = x+ y (,, ) ( 4 ) (,, ) ( ) x = x + hf x y t = x + h x y + y = y + hf x y t = x + h x + y + f( x0, y0) f( x0, y0) f( x, y ) f( x, y )
49 Punto Medo para Sstemas de Ecuacones Predccón h y = y+ f ( y, t ) + = y y f ( y, t ) h Correccón h Y = Y + F( Y, t ) + = x + x h f( x, y, t ) y = + y f( x, y, t ) + h x = x + f ( x, y, t ) + h y = y + f ( x, y, t ) + Y Y f ( Y, t ) h f( x, y, t ) x x h = + y y + f( x, y, t ) + + h x = x + f ( x, y, t ) h y = y + f ( x, y, t ) + + +
50 Dnámca de poblacones: depredador-presa Y R = F Y (0) = h= 0., n= 80
51 tnc=0.0, tfnal=8; xnc=.0,ync=.0; n=80; *x-.*x.*y; -y+0.9*x.*y; [t,x,y]=rk4_plano_mm(f,f,tnc,xnc,ync,tfnal,n); [t,x,y]=euler_clasco_plano(f,f,tnc,xnc,ync,tfnal,n); fgure() plot(t,x,'r',t,y,'b ), legend('t vs x','t vs y') ttle('t vs x,t vs y') fgure() plot3(t,x,y,'g'), ttle('t vs x vs y') fgure(3) plot(x,y,'g'),ttle('x vx y') fgure(4) plot(t,x,'r',t,y,'b'),legend('t vs x','t vs y') ttle('t vs x,t vs y') fgure(5) plot3(t,x,y,'k ), ttle('t vs x vs y') fgure(6) plot(x,y,'k'), ttle('x vx y') fgure(7) plot(x,y,'g',x,y,'k'), ttle('x vx y') Rutna en Matlab para comparar los métodos de Euler smple y Runge- Kutta de orden 4
52
53
54
55
56 Tarea Dar los esquemas teratvos para sstemas de dos ecuacones dferencales de prmer orden para los métodos de Euler Mejorado Runge Kutta de orden 4 Euler haca atrás
2. Métodos Numéricos Aplicados a Ecuaciones Diferenciales
... Méodo de Euler Haca Adelane Anexo -4. Méodos Numércos Aplcados a Ecuacones Dferencales Párase del más smple po de ecuacón dferencal ordnara, que la de po lneal de prmer orden, el clásco Problema de
Más detallesCurso de Métodos Numéricos. Ecuaciones diferenciales ordinarias
Curso de Métodos Numéricos. Ecuaciones diferenciales ordinarias Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Universidad: ITESM CEM Fecha: Lunes, 11 de noviembre de 2014
Más detallesMétodos Numéricos - Cap. 7. Ecuaciones Diferenciales Ordinarias PVI 1/8
No se puede mostrar la imagen en este momento. Métodos Numéricos - Cap. 7. Ecuaciones Diferenciales Ordinarias PVI 1/8 Ecuaciones Diferenciales Ordinarias (EDO) Una Ecuación Diferencial es aquella ecuación
Más detallesEcuaciones diferenciales ordinarias
Ecuacones derencales ordnaras Motvacón Las ecuacones que se componen de una uncón desconocda de sus dervadas son llamadas ECUACIONES DIFERENCIALES ales ecuacones desempeñan un papel mportante en ngenería
Más detallesrsums Aproxima la integral de f mediante sumas de Riemann y realiza una representación gráfica de los rectángulos.
PRÁCTICA INTEGRACIÓN Práctcas Matlab Práctca : Integracón Objetvos o Calcular ntegrales defndas de forma aproxmada, utlzando sumas de Remann. o o o Profundzar en la comprensón del concepto de ntegracón.
Más detalles10. 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 detallesUN EXPERIMENTO NUMERICO SOBRE EL PROBLEMA DE LOS TRES CUERPOS EN Mat Lab 5.1
UN EXPERIMENTO NUMERICO SOBRE EL PROBLEMA DE LOS TRES CUERPOS EN Mat Lab 5. Lc. Juan Valentín Mendoza Mogollón Docente del Departamento de Matemátcas Unversdad Naconal de Pura, Perú juan_valentn_m@hotmal.com
Más detallesECUACIONES DIFERENCIALES Problemas de Valor Inicial
DIVISIÓN DE IENIAS FÍSIAS Y MATEMÁTIAS DTO. TERMODINÁMIA Y FENÓMENOS DE TRANSFERENIA MÉTODOS AROXIMADOS EN ING. QUÍMIA TF-33 EUAIONES DIFERENIALES roblemas de Valor Incal Esta guía fue elaborada por: rof.
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 3
Análisis Numérico para Ingeniería Clase Nro. 3 Ecuaciones Diferenciales Ordinarias Introducción Problemas de Valores Iniciales Método de la Serie de Taylor Método de Euler Simple Método de Euler Modificado
Más detallesEL 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 detalles5. 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 detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesPráctica 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 detallesUniversidad Nacional de Ingeniería P.A Facultad de Ingeniería Mecánica 22/07/11 DACBHCC EXAMEN FINAL DE METODOS NUMERICOS (MB536)
Unversdad Naconal de Ingenería P.A. - Facultad de Ingenería ecánca /7/ EXAEN FINA DE ETODOS NUERICOS B56 DURACION: INUTOS SOO SE PERITE E USO DE UNA HOJA DE FORUARIO ESCRIBA CARAENTE SUS PROCEDIIENTOS
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES. Universidad Simón Bolívar
ECUACIONES DIFERENCIALES ORDINARIAS CON CONDICIONES INICIALES Unversdad Smón Bolívar Prelmnares El comportamento de muchos procesos íscos, sobre todo aquellos dependentes del tempo, puede ser descrto utlzando
Más detalles1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.
º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesVectores en el espacio
ectores en el espaco Los puntos y los vectores en el espaco se pueden representar como ternas de números reales (a,b,c) c b a Por el Teorema de Ptagoras, la norma del vector = (a,b,c) es = a 2 +b 2 +c
Más detallesPreliminares Problemas de Valor Inicial Problemas de Contorno ECUACIONES DIFERENCIALES ORDINARIAS
ECUACIONES DIFERENCIALES ORDINARIAS Contenido Preliminares 1 Preliminares 2 3 El Método de Disparo Lineal Contenido Preliminares 1 Preliminares 2 3 El Método de Disparo Lineal Preliminares Las ecuaciones
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesPráctica II: Problemas de valor inicial en EDO s.
AMPLIACIÓN DE MATEMÁTICAS o Ing. de Telecomunicación y Aeronáutica) Departamento de Matemática Aplicada II. Universidad de Sevilla CURSO ACADÉMICO 008-009 Práctica II: Problemas de valor inicial en EDO
Más detallesMETODOS MULTIPASOS METODOS DE ADAMS
METODOS MULTIPASOS Los métodos de euler, Heun, Taylor y Runge-Kutta se llaman método de un paso porque en el cálculo de cada punto sólo se usa la información del último punto. Los métodos multipaso utiliza
Más detallesINSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS
ESCUELA: CARRERA: ESPECALDAD: COORDNACON: DEPARTAMENTO: UPCSA NGENERA EN TRANSPORTE ACADEMAS DE MATEMATCAS CENCAS BASCAS ASGNATURA: MATEMATCAS APLCADAS : TMMA SEMESTRE: 4 CREDTOS: 8 VGENTE: ENERO 2000
Más detallesECUACIONES DIFERENCIALES ELÍPTICAS EN DERIVADAS PARCIALES. Armando Blanco A.
ECUACIONES DIFERENCIALES ELÍPICAS EN DERIVADAS PARCIALES Armando Blanco A. Captulo V ECUACIONES DIFERENCIALES ELÍPICAS EN DERIVADAS PARCIALES Introduccón Dferencas fntas Métodos de relaacón sucesva Métodos
Más detallesRegresión Lineal Simple y Correlación
4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesESTADÍSTICA. 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 detallesProblemas 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 detallesINGENIERÍA ENZIMÁTICA
Dvsón de Cencas Bológcas y de la Salud Ingenería Boquímca Industral INGENIERÍA ENZIÁTICA PROBLEARIO Dr. Sergo Huerta Ochoa NOTA: Los ejerccos presentados en este problemaro, son una recoplacón de problemas:
Más detallesCAPÍTULO 18: OBTENCIÓN DE VALORES DE FUNCIONES TRIGONOMÉTRICAS
CAPÍTULO 18: OBTENCIÓN DE VALORES DE FUNCIONES TRIGONOMÉTRICAS Dante Guerrero-Chanduví Pura, 2015 FACULTAD DE INGENIERÍA Área Departamental de Ingenería Industral y de Sstemas CAPÍTULO 18: OBTENCIÓN DE
Más detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesCAPÍTULO 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 detalles5. SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS Y PARCIALES
5. SOLUCIÓN DE ECUACIONES DIFERENCIALES ORDINARIAS Y PARCIALES 5.1. Fundamentos matemáticos 5.2. Métodos de un paso 5.2.1. Método de Euler La idea del método de Euler es muy sencilla y está basada en el
Más detallesDepartamento Administrativo Nacional de Estadística
Departamento Admnstratvo Naconal de Estadístca Dreccón de Censos Demografía METODOLOGIA ESTIMACIONES Y PROYECCIONES DE POBLACIÓN, POR ÁREA, SEXO Y EDAD PARA LOS DOMINIOS DE LA GRAN ENCUESTA INTEGRADA DE
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesEjercicios Resueltos de Vectores
Departamento de Matemátca y C C Coordnacón: Calculo II para Ingenería Semestre Eerccos Resueltos de Vectores Sean los vectores en IR : v,,, u,, 4, a,, y b,, 4 : a) Determne los vectores: UV y AB UV AB
Más detallesPROYECCIONES DINÁMICAS DE POBLACIONES FEMENINAS POR GRUPOS ETÁREOS
INVESTIGACIÓN & DESARROLLO, No. 5: 07 3 (2005) ISSN 84-6333 PROYECCIONES DINÁMICAS DE POBLACIONES FEMENINAS POR GRUPOS ETÁREOS RESUMEN Evelyn Álvarez Serra* y Mayra Alfaro Mednacel** *Unversdad Prvada
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesModelos 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 detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesElectricidad 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 detallesEcuaciones Diferenciales
Ecuaciones Diferenciales Manuel Valenzuela Rendón Centro de Sistemas Inteligentes Tecnológico de Monterrey, Campus Monterrey Octubre 2007 M. Valenzuela (Centro de Sistemas Inteligentes) Ecuaciones Diferenciales
Más detallesPRÁCTICA 3. Programación de ficheros M
PRÁCTICA 3. Programacón de fcheros M Perodo de realzacón: Semanas 3 y 4 del curso Fecha límte de entrega: 5 de marzo de 0 Se pde subr al Moodle un únco fchero apelldo_p3.pdf con la solucón de los sguentes
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detalles5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS.
5.0 ESTADÍSTICOS PARA DATOS AGRUPADOS. Para organzar los datos a medda que el número de observacones crece, es necesaro condensar más los datos en tablas apropadas, a fn de presentar, analzar e nterpretar
Más detallesDpto. 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 detalles16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales
16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesTEMA 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 detallesElectricidad 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 detallesNuevo método de aproximaciones sucesivas para obtención de raíces de polinomios
Nuevo método de apromacones sucesvas para obtencón de raíces de polnomos Roberto Elzondo Vllarreal A, Vrglo A. González A,B, Ramón Cantú Cuéllar A A FIME-UANL B CIIDIT-UANL roelzon@hotmal.com, vrgonzal@gmal.com,
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesIntroducción 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 detalles2 Métodos de solución de ED de primer orden
CAPÍTULO Métodos de solución de ED de primer orden.4 Ecuaciones diferenciales de Bernoulli Una ecuación diferencial ordinaria de primer orden de la forma a 0.x/y 0 C a.x/y D f.x/y r ; con r 0; : se denomina
Más detallesGuía de ejercicios #1
Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje
Más detalles2 Dos tipos de parámetros estadísticos
Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,
Más detallesFísica 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 detallesDiferenciación numérica: Método de Euler explícito
Clase No. 21: MAT 251 Diferenciación numérica: Método de Euler explícito Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesValoración de opciones financieras por diferencias finitas
Valoracón de opcones fnanceras por dferencas fntas José Mª Pesquero Fernández Dpto. Nuevos Productos - Tesorería BBVA mpesquero@grupobbva.com Indce INDICE. Introduccón. La ecuacón dferencal 3. Dferencas
Más detallesResumen 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 detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesCAPÍTULO 18 Interpolación
CAPÍTULO 8 Interpolacón Con frecuenca se encontrará con que tene que estmar valores ntermedos entre datos defndos por puntos. El método más común que se usa para este propósto es la nterpolacón polnomal.
Más detallesINGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1
INGENIERÍA DE TELECOMUNICACIÓN BLOQUE En el Aula Vrtual se encuentra dsponble: Materal nteractvo con teoría y ejerccos resueltos. Para acceder a ello deberá pulsar sobre los sguentes enlaces una vez dentro
Más detallesEjercicios Resueltos de NÚMEROS COMPLEJOS
Ejerccos Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Números Complejos. Formas de epresarlos.- Halla las raíces de los sguentes números: 00 Solucón: ± 00 00 ± 0 ± ±.- Representa
Más detallesFugacidad. 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 detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesCurso de Métodos Numéricos. Derivada Numérica
Curso de Métodos Numéricos. Derivada Numérica Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Universidad: ITESM CEM Fecha: Jueves, 01 de octubre de 2014 Tópicos 1 Definición
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detallesTema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1
Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para
Más detallesEcuaciones en Derivadas Parciales y Análisis Numérico. Prácticas
Ecuaciones en Derivadas Parciales y Análisis Numérico Prácticas Capítulo 2. Ecuaciones diferenciales ordinarias (EDOs). 2.1 Resolución de una ecuación diferencial ordinaria. Vamos a resolver numéricamente
Más detallesTransmisión de calor por el Método de los Elementos Finitos
ransmsón de calor por el Método de los Elementos Fntos Introduccón e estuda la dfusón del calor en un medo contnuo Flujo térmco: cantdad de calor transferda por undad de área q qx = q y El flujo térmco
Más detallesTRABAJO 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 detalles1. Modelos Expresados en Variables de Estado 1
2 3 Modelo en Varables de Estado.doc 1 1. Modelos Exresados en Varables de Estado 1. Modelos Exresados en Varables de Estado 1 1.1. Introduccón 2 1.2. Defncón 2 1.3. Forma General 9 1.4. Solucón 1 1.5.
Más detallesPARÁMETROS DE UNA DISTRIBUCIÓN DE PROBABILIDAD DISCRETA Media aritmética: μ = x
Dstrbucones de Probabldad dscretas-bn1b DISTRIBUIONES DISRETAS DE PROBABILIDAD Dstrbucones dscretas son aquellas en las que la varable sólo puede tomar valores aslados. Ejemplo: lanzar una moneda ( valores:
Más detallesGUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia
GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal
Más detallesEcuaciones de primer orden Ecuaciones de segundo orden Sistemas de ecuaciones de primer orden Modelo Malthusiano dp dt = rp, P(0) = P 0 donde r es la
Simulación numérica Ander Murua Donostia, UPV/EHU Ecuaciones de primer orden Ecuaciones de segundo orden Sistemas de ecuaciones de primer orden Modelo Malthusiano dp dt = rp, P(0) = P 0 donde r es la diferencia
Más detallesOSCILACIONES 1.- INTRODUCCIÓN
OSCILACIONES 1.- INTRODUCCIÓN Una parte relevante de la asgnatura trata del estudo de las perturbacones, entenddas como varacones de alguna magntud mportante de un sstema respecto de su valor de equlbro.
Más detallesEjercicios y problemas (páginas 131/133)
7 Calcula el opuesto y el conjugado de los sguentes números complejos, expresándolos en forma polar: a) z b) z (cos 00 sen 00 ) c) z Expresamos en prmer lugar los números complejos en forma Calcula las
Más detallesDistribución del potencial electrostático en una placa cuadrada utilizando el método de elementos finitos
Dstrbucón del potencal electrostátco en una placa cuadrada utlzando el método de elementos fntos Jaro Madrgal Argáez 1 Jame Barbosa Pérez Manuel Julo García 3 Resumen Este artículo expone la solucón al
Más detallesGeometría convexa y politopos, día 1
Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n
Más detallesTema 6: Ecuaciones diferenciales lineales.
Tema 6: Ecuaciones diferenciales lineales Una ecuación diferencial lineal de orden n es una ecuación que se puede escribir de la siguiente forma: a n (x)y (n) (x) + a n 1 (x)y (n 1) (x) + + a 0 (x)y(x)
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesIntroducción a la Química Computacional. Reservados todos los derechos de reproducción. Luis A. Montero Cabrera, Universidad de La Habana, Cuba, 2006.
TEORÍA SIMPLE DE ORBITALES MOLECULARES DE ÜCKEL (MO) En 93 Erck ückel planteó que la combnacón lneal de orbtales atómcos (LCAO) tomados como funcones hdrogenodes del tpo p z permte calcular los estados
Más detallesPregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?
Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesMétodos 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 detallesESTADÍSTICA 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 detallesExamen 4 de Febrero de 2005
Arqutectura de Computadores 1 Examen Período Febrero 2005 Instruccones Examen 4 de Febrero de 2005 Indque su nombre completo y número de cédula en cada hoja. Numere todas las hojas e ndque la cantdad total
Más detalles7º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA 7º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA México D.F., 12 al 14 de Octubre de 2005
7º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA 7º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Méxco D.F., 1 al 14 de Octubre de 005 ANÁLISIS DINÁMICO DE UN EQUIPO DE ENSAYO DE AMORTIGUADORES Zabalza
Más detallesPráctica 9. line([xini,xend]',[yini,yend]','color','r','linewidth',4, 'MarkerSize',12,'LineStyle','-','Marker','*')
PRÁCTICA DERIVADA PARCIAL. PLANO TANGENTE Prácticas Matlab Práctica 9 Objetivos Determinar las derivadas parciales de una función de forma simbólica. Representar el campo gradiente y mostrar su interpretación
Más detallesMétodos Numéricos en Ecuaciones Diferenciales Ordinarias
Tema 4 Métodos Numéricos en Ecuaciones Diferenciales Ordinarias 4.1 Introducción Estudiaremos en este Tema algunos métodos numéricos para resolver problemas de valor inicial en ecuaciones diferenciales
Más detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesPROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)
PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón
Más detalles7. Ecuaciones en derivadas parciales. ( Chema Madoz, VEGAP, Madrid 2009)
7. Ecuaciones en derivadas parciales ( Chema Madoz, VEGAP, Madrid 2009) 1 Ecuaciones en derivadas parciales F x, y,, u, u x, u y,, u xx, u xx, u yy,, u xxx, = 0 Tanto para EDPs como para sistemas de EDPs,
Más detallesFunciones de dos variables:extremos locales de funciones de dos variables. Condición necesaria. Teorema de los valores extremos.
Funciones de dos variables:extremos locales de funciones de dos variables. Condición necesaria.. 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Contenidos 1 Introducción 2 3 4 Índice
Más detalles