UNIVERSIDAD AUTONOMA METROPOLITANA PROGRAMA DE ESTUDIOS 1 2

UNIDAD IZTAPALAPA LICENCIATURA EN MATEMTICAS CLAVE 213203 HORAS TEORIA 4 OBJETIVO(S) HORAS PRACTICA 1

DIVISION CIENCIAS BSICAS E INGENIERA TRIMESTRE 9

MODELOS MATEMATICOS I CREDITOS OBL. (X) OPT. ( ) 9 SERIACION Estadstica I, EDO II, Optimizacin Lineal

Al finalizar el curso, el alumno ser capaz de: 1. Comprender conceptos bsicos del proceso de modelado matemtico mediante el estudio de casos tipo. Entender la formulacin de modelos matemticos concretos ya sean continuos discretos en sus vertientes determinista y/o estocstica. 2. Integrar conocimientos de diferentes reas de la matemtica para modelar problemas o fenmenos diversos. Se recomienda apoyarse en el uso de herramientas analticas y computacionales para el estudio de los modelos matemticos obtenidos. 3. Participar en grupos de trabajo y comunicar en forma oral y escrita tcnicas, mtodos y resultados relacionados con los modelos.

CONTENIDO SINTETICO El alumno trabajar modelos propuestos por el profesor a lo largo del trimestre. Entre los modelos propuestos se recomiendan modelos deterministas y estocsticos ya sean continuos o discretos. Algunos ejemplos son los siguientes: 1. Modelos de dinmica de poblaciones a tiempo discreto y continuo: crecimiento de poblaciones y la ecuacin logstica discreta. Dinmica de poblaciones de una especie: Modelos Malthusiano y logstico. Modelo general de interaccin entre dos poblaciones: modelo depredador-presa (Volterra-Lotka), dos especies en competencia, modelo de Volterra-Lotka para ms de dos especies. Propagacin de enfermedades epidemiolgicas. Posibles referencias bibliogrficas son 1, 2, 3, 4, 8 y 9. 2. Principios de balance, flujo de calor, flujo elctrico, aplicaciones de los teoremas integrales del clculo vectorial, conservacin de masa, ecuacin de continuidad, ley de Fourier, conductividad trmica y balance e energa. Flujo elctrico y analoga entre conduccin trmica y elctrica. Ecuacin de calor unidimensional, diferentes condiciones de frontera, ecuacin estacionaria y no estacionaria. Conveccin y difusin, ecuaciones de la dinmica de fluidos. Posibles referencias bibliogrficas son 5, 6 y 7. 3. Modelos estocsticos, proceso de Poisson, sistemas de espera (colas), de inventarios y ejercicio de opciones. Teora de colas, modelos poblacionales tales como los procesos de nacimiento puro, muerte pura, nacimiento y muerte, con segmentacin y ramificacin. Modelos epidemiolgicos con teora de colas. Posibles referencias bibliogrficas son 2, 10, 11 y 12.

MODALIDADES DE CONDUCCION DEL PROCESO DE ENSEANZA-APRENDIZAJE El profesor describir algunos ejemplos de modelacin matemtica, haciendo nfasis en las hiptesis, planteamiento y construccin del modelo, as como la interpretacin de resultados. Se recomienda motivar los modelos en forma intuitiva mediante ejemplos sencillos tomados de problemas, tanto matemticos como de otras disciplinas. En cada tema se deben considerar de manera importante las diferencias entre usar modelos deterministas o modelos aleatorios. Se recomienda que el alumno combine el uso de herramientas analticas y de software computacional para obtener informacin de soluciones numricas para los modelos obtenidos. Se recomienda que los alumnos realicen al menos una presentacin oral y escrita de los modelos asignados durante el curso.

MODALIDADES DE EVALUACION Se ponderarn las siguientes actividades a criterio del profesor: - Tareas y participacin en los procesos de planteamiento de los modelos. - Solucin de problemas tanto en las sesiones tericas como en las prcticas. - Evaluacin de los reportes escritos y presentaciones orales de los proyectos asignados. - La evaluacin de recuperacin ser global o complementaria, a juicio de los sinodales,y el alumno deber presentar los reportes escritos del proyecto asignado y presentarlo oralmente.

BIBLIOGRAFA 1. K. Kreith and D. Chakerian, Iterative Algebra and Dynamic Modeling, Springer-Verlag, 1999. 2. E. Renshaw, Modelling Biological Population in Space and Time , Cambridge University Press, 1990. 3. R. Illner,C.S. Bohun, S. McCollum, Mathematical Modelling, A Case Studies Approach, Student Mathematical Library series, vol. 27, American Mathematical Society, 2005. 4. M. Braun, Differential Equations and their Applications, Fourth ed., Springer-Verlag 1994. 5. S. J. Farlow, Partial Differential Equations for Scientists and Engineers, Dover, 1993. 6. Gilbert Strang, Computational Science and Engineering ,, Wellesley-Cambridge Press, 2007. 7. E. Zeidler, Applied functional analysis, applications to mathematical physics , Springer (109), 1995. 8. Stefan Ma y YingcunXia. Mathematical understanding of infectious disease dynamics. World Scientific Publishing Co. Pte. Ltd. 2009. 9. Richard H. Enns. Its a nonlinear world. Springer Undergraduate Texts in Mathematics and Technology. Springer Verlag. 2011. 10. W. Feller, Introduccin a la teora de probabilidades y sus aplicaciones, Limusa, 1973. 11. D. Mooney and R. Swiift, A course in mathematical modeling, Mathematical Association of America, 1999. 12. Sheldom M. Ross, Introduction to Probability Models, 10th Edition, 2010.

SELLO