MainJIMPA 2015

JORNADAS DE INVESTIGACIN DE
MATEMTICAS PURAS Y APLICADAS EN LA

UNIVERSIDAD SIMN BOLVAR
JIMPA-USB 2015
Sartenejas, 10 al 12 de junio de 2015
LIBRO DE RESMENES
e-mail : jimpa@usb.ve
www.jimpa.eventos.usb.ve
In memoriam Prof. Claudio Margaglio.
Introduccin
Las Jornadas de Investigacin de Matemticas Puras y Aplicadas (JIMPA 2015) fueron
organizadas por los Departamentos de Matemticas Puras y Aplicadas, Cmputo Cientfico
y Estadstica, Procesos y Sistemas y de Computacin y Tecnologa de la Informacin de la
Universidad Simn Bolvar, con el propsito de incentivar y promocionar la investigacin
desarrollada en esta rea, en los diversos Departamentos de esta casa de estudios.
Patrocinantes
FUNINDES
Decanato de Estudios de Postgrado
Asociacin de Profesores de la USB
Asociacin de Egresados de la USB
Asociacin de Amigos de la USB
Profesores Premios Polar
Divisin de Ciencias Fsicas y Matemticas
Departamento de Procesos y Sistemas
Departamento de Relaciones Pblicas de la USB
Departamento de Relaciones Interinstitucionales de la USB
Departamento de Computacin y Tecnologa de la Informacin
Comit Cientfico
Comit Organizador
Ren Escalante (Coordinador)
Aurora Olivieri (Coordinadora)
Jhonnathan Arteaga
Claudia Antonini
Blai Bonet
Jhonnathan Arteaga
Lelys Bravo
Xiomara Contreras
Sal Buitrago
Ren Escalante
Sabrina Garbn
Luis G. Mrmol
Isabel Llatas
Zoraida Martnez
Yamilet Quintana
Jess Nieto
Domingo Quiroz
Gustavo Snchez
Vctor Sirvent
Vladimir Strauss
Minaya Villasana
Minicursos
Conferencias Plenarias
0.1
Sobre el problema de distinguir nmeros primos de nmeros compuestos
0.2
Ideas de optimizacin con restricciones para evitar resonancia en grandes estructuras. 12
0.3
Estructuras algebraicas de Clifford y algunas aplicaciones
11
13
lgebra
1.4
Nuevo mtodo para encontrar proyecciones en espacio con producto interno
1.5
Cadenas de subgrupos para calcular icp de QG para G grupo nilpotente, a partir de pares
fuertemente Shoda
16
II
15
Anlisis, Geometra, Topologa y Ecuaciones

Diferenciales
2.6
La integral de Henstock-Kurzweil como el lmite de una corrida
18
2.7
Aplicaciones de la Teora de Ramsey en la Teora de espacios de Banach
19
R2
2.8
Un modelo proyectivo para la geometra de Mbius de
2.9
Las 3 estructuras bsicas en Geometra Computacional: Cpsula Convexa, Triangulacin

de Delaunay y Diagrama de Voronoi
21
2.10
Ecuaciones con retardo en espacios de sucesiones
22
2.11
El Mtodo del Punto Fijo para Ecuaciones Diferenciales Parciales en el Plano
24
III
20
Anlisis Numrico, Optimizacin y Modelaje Matemtico
3.12
Adaptatividad de soluciones usando esquemas mimticos en problemas estacionarios 26
3.13
Un esquema mimtico hbrido para problemas de contorno
27
3.14
Un nuevo esquema mimtico para la ecuacin de onda en geofsica
28
3.15
3d viscoelastic anisotropic seismic modeling with high-order mimetic finite-differences29
3.16
Two algorithms for Consistent Prototype Selection: NEHS and Relaxed NEHS
3.17
Uso de submuestreo y vecinos ms cercanos en las Mquinas de Vectores de Soportes 32
3.18
El comportamiento fotomtrico del ojo humano ante el contraste lumnico y la luz retinal
armnica
33
30
3.19
Simulacin de la distribucin de oxgeno en un tejido tumoral empleando algoritmos

residuales
34
3.20
Estudio comparativo entre un mtodo mimtico, un mtodo conservativo y diferencias

finitas estndar para la resolucin de la ecuacin de calor no esttica
36
3.21
Resolucin numrica de un problema de valores en la frontera del tipo mixto no-autnomo

usando aproximaciones Tau segmentadas
37
3.22
Solucin explcita del problema de Regulacin Lineal Cuadrtica para sistemas representados mediante funciones de Laguerre
38
3.23
Aceleracin espectral de mtodos de punto fijo.
39
3.24
Esquemas de aceleracin para el algoritmo de Dykstra
40
3.25
Criterio de separabilidad de conjuntos para el reconocimiento de patrones usando programacin lineal

41
3.26
Pythonizando el cmputo cientfico
IV
42
Educacin e Historia de las Matemticas
4.27
Describir la solucin de problemas matemticos aplicados en el ciclo de iniciacin universitaria (CIU) de la Universidad Simn Bolvar
44
4.28
La docencia de las matemticas aplicadas en la USB: estado, alcance y algunas experiencias

45
4.29
De la braquistcrona a la Misin Rosetta
46
4.30
El uso de foros de discusin virtual como apoyo en la enseanza de las matemticas
47
4.31
Influencia de actividades de carcter investigativo en la actitud de los estudiantes hacia el

estudio de matemticas
48
Matemticas Discretas
5.32
Efectos de la incertidumbre en la deteccin de comunidades en sistemas elctricos de

potencia
51
5.33
Nmeros difusos y algunos ordenamientos
5.34
Sobre la no-definibilidad en la lgica de primer orden de problemas tipo Ramsey en grafos

finitos.
55
VI
53
Probabilidades y Estadstica
6.35
El criterio del cuadrado medio del error aplicado a la regresin componentes principales57
6.36
Uso de mtodos de aprendizaje no supervisado en el modelaje de la relacin de la incidencia

de malaria y la deforestacin
59
Minicursos
Jornadas de Investigacin de Matemticas Puras y Aplicadas

Universidad Simn Bolvar
Introduction to Mimetic Difference Methods

J OS C ASTILLO
Computational Science Research Center, San Diego State University, San Diego, CA, USA.
e-mail: jcastillo@mail.sdsu.edu
Minera de grandes volmenes de datos

C ARENNE L UDEA
Escuela de Matemtica de la Universidad Central de Venezuela, Caracas, Venezuela.
e-mail: carenne.ludena@ciens.ucv.ve
Enumeracin de rboles, ecuaciones diferenciales

autnomas y clculo diferencial combinatorio
M IGUEL M NDEZ
Instituto Venezolano de Investigaciones Cientficas, Caracas, Venezuela.
e-mail: mmendez@ivic.gob.ve
10
Conferencias Plenarias

0.1
Sobre el problema de distinguir nmeros primos de

nmeros compuestos
P EDRO B ERRIZBEITIA
Departamento de Matemticas Puras y Aplicadas, Universidad Simn Bolvar, Caracas, Venezuela.
e-mails: pedrob@usb.ve
Resumen
Daremos un recorrido por las ideas ms importantes que han contribudo a producir algoritmos
cada vez ms eficientes que permiten distinguir los numeros primos de los compuestos, o lo que
es lo mismo, que permiten determinar la primalidad de cualquier entero positivo n. Mostraremos
como la bsqueda de los llamados numeros perfectos, un concepto que tiene mas de 2500 aos
de antiguedad, ha influido en el desarrollo de estas ideas. Recordaremos las contribuciones muy
antiguas de Euclides y Eratstenes, ms adelante las de Fermat, Euler, Lucas y Proth, para luego
esbozar el inmenso desarrollo del tema en el siglo XX, describiendo extensiones de los teoremas
de Lucas y de Proth, que conducen al llamado algoritmo de Ciclotoma o APRCL (siglas de los
apellidos de sus autores). No dejamos de mencionar a los algoritmos ECPP, basados en la teora
de curvas elpticas, que dominaron la escena hacia finales del siglo XX. El recorrido sigue en el
siglo XXI, describiendo el algoritmo AKS, el primer algoritmo de complejidad polinomial que
determina la primalidad de cualquier entero positivo n, para finalizar con una breve descripcin de
la llamada version prctica de AKS, que iniciamos poco despus de los autores de AKS.
12

0.2
Ideas de optimizacin con restricciones para evitar

resonancia en grandes estructuras.
M ARCOS R AYDAN
Departamento de Cmputo Cientfico y Estadstica, Universidad Simn Bolvar, Caracas, Venezuela.
e-mails: mraydan@usb.ve
Resumen
Las grandes estructuras (edificios altos, puentes, aviones, entre otras) se disean para soportar
fuerzas naturales exteriores como terremotos, vientos fuertes y personas en movimiento; y en
especial se deben evitar las vibraciones extremas, conocidas como resonancia. En esta presentacin
discutiremos dos enfoques diferentes, que combinan tcnicas de optimizacin con restricciones y
estimacin de autovalores cuadrticos, para evitar el fenmeno de resonancia.
13

0.3
Estructuras algebraicas de Clifford y algunas aplicaciones

C ARMEN J. VANEGAS
e-mails: cvanegas@usb.ve
Resumen
La charla tratar sobre las lgebras de Clifford dependiendo de parmetros y algunos resultados
recientes del correspondiente anlisis de Clifford. Algunos ejemplos y resultados mostrarn que
dichas lgebras pueden cubrir ecuaciones diferenciales parciales ms generales que lo posible en el
contexto del anlisis de Clifford clsico.
14
lgebra

1.4
Nuevo mtodo para encontrar proyecciones en espacio

con producto interno
V ICTOR J. R AMIREZ V.
e-mails: ramirezv@usb.ve
Palabras clave: producto interno, proyecciones
Resumen
Sea S un subconjunto finito del espacio con producto interno V (real o complejo), y sea H el
subespacio de V generado por S. En esta charla exhibir un mtodo elemental para hallar la
proyeccin de v sobre H, para cada vector v de V . En este mtodo no haremos uso del algoritmo de
ortonormalizacin de GramSchmidt para encontrar la proyeccin de v sobre H. Slo haremos uso
de los mtodos bsicas de solucin a sistemas de ecuaciones lineales.
Bibliografa
[1] Carl D. Meyer. Matrix Analysis and Applied Linear Algebra. SIAM (2000).
16

1.5
Cadenas de subgrupos para calcular icp de QG para G

grupo nilpotente, a partir de pares fuertemente Shoda
R ICARDO F RANQUIZ , AURORA O LIVIERI
Departamento de Matemtica, Universidad Simn Bolvar, Caracas, Venezuela.
e-mails: rfranquiz@usb.ve, olivieri@usb.ve
Palabras clave: grupo nilpotente, lgebras de grupo, idempotentes centrales primitivos, pares fuertemente
Shoda, cadena de subgrupos.
Resumen
En el 2003 Jesper, Leal y Paques [1] encontraron, para G un grupo finito nilpotente, una tcnica
alternativa a la forma clsica para calcular los idempotentes centrales primitivos de QG a partir
de parejas de subgrupos de G, que son parte de una cadena de subgrupos con ciertas propiedades.
Luego en 2004 Olivieri, del Ro y Simn [2] cambiaron las condiciones sobre las parejas de
subgrupos, ampliando el alcance a la clase de los grupos finitos monomiales que contiene a todos
los grupos nilpotentes. Aunque este ltimo resultado es ms general, no se conoca si las parejas
que satisfacen las condiciones de [1] cumplen las dadas [2]. En [3] se presenta un contraejemplo
de una cadena que satisface las condiciones de [1] pero no las de [2]. Dado un par fuertemente
Shoda, se puede calcular los los idempotentes centrales primitivos de QG y siguiendo el algoritmo
derivado del resultado obtenido en [1] se puede construir la cadena de subgrupos de G mencionada
anteriormente. En esta charla mostraremos algunas indicaciones sobre los subgrupos que aparecen
en este proceso y su relacin con la pareja original.
Bibliografa
[1] Jespers, Eric, Leal, Guilherme y Paques, Antonio (2003), Central idempotents in the rational group algebra of a
finite nilpotent group., Journal of Algebra and its Applications. V. 2, 57-62. (2003)
[2] Olivieri, Aurora; del Ro, ngel y Simn, Juan Jacobo, On monomial characters and central idempotents of
rational group algebras.,Communications in Algebra. V. 32, 1531-1550. (2004).
[3] Franquiz, Ricardo, Cadenas de subgrupos vs pares fuertemente Shoda, en el clculo de icp de QG para G
nilpotente. Tesis de Maestra. Universidad Simn Bolvar.
[4] GAP - Groups, Algorithms, Programming -, A System for Computational Discrete Algebra http://www.gapsystem.org. Version 4.6.5., (2013).
[5] Knaap, C., Silva, C.E., The uncountability of the unit interval. http://arxiv.org/pdf/1209.5119, 2012.
[6] Wedderga, - Wedderburn Decomposition of Group Algebras -G.A.P. package, http://www.gap-system.org/Packages/wedderga.html
Version 4.5.4.(2013).
17
II
Anlisis, Geometra,
Topologa y Ecuaciones
Diferenciales

2.6
La integral de Henstock-Kurzweil como el lmite de una

corrida
J OS G ASCN
rea de Matemtica, Universidad Nacional Abierta, Caracas, Venezuela.
e-mails: jogascon@una.edu.ve
Palabras clave: lema de Cousin, corridas(runs), integral de Henstock-Kurzweil, no numerabilidad.
Resumen
La nocin on de corridas(runs) es un concepto de convergencia que abarca el de Moore-Smith
y permite unificar la presentacin de distintas integrales: Riemann, Stieljes, entre otras. En este
trabajo presentamos la definicin de la integral de Henstock-Kurzweil por medio del concepto
de corridas(runs). Tambin aplicaremos el lema de Cousin para dar una nueva prueba de la no
numerabilidad de R.
Bibliografa
[1]
[2]
[3]
[4]
[5]
[6]
Bartle, R., Return to the Riemann Integral, Amer. Math. Monthly, 103 (1996), 625-632.
Gascon, J., Another proof that the real numbers R are uncountable,por aparecer en Amer. Math. Monthly.
Iribarren, I., Un segundo curso de integracin, La integral de Henstock-Kurzweil.2007, Equinoccio.
Levy, E., An unusual proof that the reals are uncountable. http://arxiv.org/abs/0901.0446, 2009.
Knaap, C., Silva, C.E., The uncountability of the unit interval. http://arxiv.org/pdf/1209.5119,2012.
Millington,H., Runs and integration, Real Analysis Exchange,Vol.30(1)(2004-2005), pp.115-122.
19

2.7
Aplicaciones de la Teora de Ramsey en la Teora de

espacios de Banach
1
A LEJANDRA C CERES1
Departamento de Matemtica, Universidad de Carabobo, Naguanagua, Venezuela.

e-mail: caceres.rigo@gmail.com
Palabras clave: Espacio de James, espacio de Maurey-Rosenthal, espacio de Tsirelson, espacio de Schlumprecht, bases de Schauder, bases retractivas, bases incondionales, distorsin, ultrafiltros.
Resumen
La Teora Combinatoria, en especial la Teora de Ramsey y el Anlisis Funcional eran dos reas
de la matemtica aparentemente desconectadas pero en las ltimas 6 dcadas se han construido
puentes entre ellas. Esto ha permitido usar tcnicas propias de la Teora Combinatoria Infinita
en la resolucin de problemas de la Teora de espacios de Banach. Los problemas atacados
con este enfoque son bastante variados, y entre ellos se tiene: estudio de los distintos tipos de
incondicionalidad de las bases de Schauder (usando sucesiones spreading, spreading models y teora
de barreras); clasificacin de los espacios de Banach (usando teoremas tipo Ramsey y analizando
sus subespacios). El trabajo contempla una revisin de algunas de estas contribuciones, tales como,
la contruccin de los espacios de Tsirelson, Schlumprecht, James y de Maurey-Rosenthal; este
ltimo, pieza fundamental en la resolucin del problema de las bases incondicionales y proporciona
un excelente ejemplo del uso de la teora de barreras en la construccin combinatoria de espacios
de Banach. Adems, se da una nueva demostracin de la retractividad de la base unitaria de este
espacio.
Bibliografa
[1] C. Di Prisco y J. Lpez Abad, Teora de Ramsey y espacios de Banach, XXI Escuela Venezolana de Matemticas EMALCA, 2008.
[2] R. C. James, Bases and reflexivity of Banach spaces, Ann. of Math., Vol. 52, pp. 518527, 1950.
[3] B. Maurey and H. Rosenthal,Normalized weakly null sequences with no unconditional subsequences, Studia
Math., Vol. 61, pp. 77-98, 1977.
[4] E. Odell y T. Schlumprecht, The distortion problem, Acta Math., Vol. 173, pp. 259-281, 1994.
[5] T. Schlumprecht, An arbitrarily distortable Banach space, Israel Journal of Mathematics, Vol. 76, pp. 81-95,
1991.
[6] B. S. Tsirelson,Not every Banach space contains ` p or c0 , Functional Anal. Appl., Vol. 8, pp. 138-141, 1974.
[7] W. T. Gowers y B. Maurey, The unconditional basic sequence problem, J. Amer. Math. Soc., Vol. 6, pp. 851-874,
1993.
[8] W. T. Gowers, An infinite ramsey theorem and some Banach-space dichotomies, Annals of Mathematics, Vol. 156,
pp. 797-833, 2002.
[9] C. Bessaga y A. Pelczynski, A generalization of results of r. c. James concerning absolute bases in banach spaces,
Studia Math., Vol. 17, pp. 166-174, 1958.
[10] A. Cceres, Sobre las aplicaciones de la Teora de Ramsey en la Teora de espacios de Banach, Tesis de Maestra:
IVIC, 2014.
[11] A. Cceres, Caracterizacin de propiedades dinmicas en espacios topolgicos usando ultrafiltros, Tesis de
Pregrado: Universidad de Carabobo, 2011.
20

2.8
Un modelo proyectivo para la geometra de Mbius de R2

S ANDRA D E G UGLIELMO
Departamento de Matemtica, Facultad de Ingeniera, Universidad de Carabobo, Valencia, Venezuela.
e-mails: sdeguglielmo@uc.edu.ve
Palabras clave: circunferencias generalizadas, grupo de Mbius, espacio proyectivo.
Resumen
R2
El grupo de Mbius de
es el generado por las inversiones sobre circunferencias y las reflexiones
sobre rectas del plano. As, la geometra de Mbius de R2 es la geometra de la familia de rectas y
circunferencias del plano bajo la accin del grupo de Mbius.
Cada recta o circunferencia de R2 , escrita de forma general como:
a(x2 + y2 ) + bx + cy + d = 0
puede ser representada por el punto (a, b, c, d) = P R4 . Sin embargo esta representacin no es
nica, pues para cada 6= 0 ( R), los puntos ( a, b, c, d) corresponden a la misma curva,
pero dicha recta o circunferencia puede ser asociada de manera biunvoca al punto de P3 = P(R4 ):
hPi = { P : 6= 0}
El propsito central de este trabajo es modelar la geometra de Mbius mediante el espacio
proyectivo real tridimensional P3 para caracterizar el conjunto de transformaciones que operan en
dicha geometra.
Bibliografa
[1] Pfiefer R., Circles, vectors and linear algebra,,Mathematics magazine, Vol. 66, Nmero 2, 1999.
[2] Becker J.M., A new geometrical approach for new Hough-like transform,Vision geometry VII, Vol. 3454, 1998.
[3] Grousson S., Modles gomtriques pour de nouvelles interpretations en imagerie, Tesis de Doctorado, Universidad de Saint-Etienne, France 2002
21

2.9
Las 3 estructuras bsicas en Geometra Computacional:

Cpsula Convexa, Triangulacin de Delaunay y Diagrama
de Voronoi
O SMER M ONTILLA , A LFREDO E SPEJO
Departamento de Matemtica, Universidad Nacional Abierta, Caracas, Venezuela.
e-mails: osmerlex@gmail.com
Palabras clave: Geometra Computacional (GC), Cpsula convexa (CC), Triangulacin de Delaunay (TD),
Diagrama de Voronoi (DV), Polgonos, Conjuntos Finitos de Puntos
Resumen
Esta investigacin se ubica en los fundamentos de la geometra computacional (GC), que une
las reas de geometra, la teora de grafos, algoritmos y programacin estructurada. Se utiliza
el software de clculo numrico SCILAB y sus mdulos (Sivp y Metanet), adems del software
Geogebra para implementar prcticas y ejecutar algoritmos. Aplicaciones importantes de la GC
incluyen la robtica, sistemas de informacin geogrfica (GIS), diseno
de circuitos integrados,
ingeniera civil y urbanismo, visin computacional y muchos otros. Se enfatizan los conjuntos
finitos de puntos en los que se puede encontrar su envoltura o cpsula convexa (CC), la triangulacin
de Delaunay (TD) y el diagrama de Voronoi (DV), -tres estructuras muy relacionadas entre s y con
muchas aplicaciones. Se har notar entre otras ideas de desarrollo, la relacin que existe entre un
teorema de Lebesgue-Brouwer con el Diagrama de Voronoi, el ndice de proximidad y la bsqueda
de algoritmos eficientes para ciertos problemas propuestos.
Bibliografa
[1] Thiessen, A. and Alter, C., Climatological Data, Monthly Weather R., Vol. 39, No. 1082, 1911.
[2] Adams, C., Morgan, F. and Sullivan, J., When soap bubbles collide, 2006.
[3] Priego, J. and Porres, M., La Triangulacin de Delaunay aplicada a los Modelos Digitales del Terreno, Universidad
Politcnica de Valencia, 2002.
[4] Devadoss, S. and Orourke, J., Discrete and Computational Geometry, Princeton University Press, 2011.
22

2.10
Ecuaciones con retardo en espacios de sucesiones

L UIS G ERARDO M RMOL B OSCH , C ARMEN J UDITH VANEGAS
Escuela de Matemticas, Universidad Simn Bolvar, Caracas, Venezuela.
e-mails: lgmarmol@usb.ve, cvanegas@usb.ve
Resumen
Let X be l p , 1 p < or co . Consider the following equation
n
x(t)
= A0 x(t) + Ai x(t hi )t 0
i=1
x(0) = r
x( ) =
(2.10.1)
hn < 0,
f ( )
(2.10.2)
where 0 < h1 < < hn are the delaying points, x(t) X for t > 0, Ai B(X) i = 0, . . . , n and
f : [hn , 0] X must also sahsfy f (0) = x(0) = r and f ( ) 6= 0 for every such that hn < 0.
Here, the convergence is in the norm of X. The fundamental concepts of derivative and integral for
vector functions of a single variable can be extended to a function F : [0, ) X.
We simply express F as a function of its components and do the calculus operations on that components
0
0
If F(t) = { fi (t)}
i=1 , we have F (t) = { f i (t)}i=1
Z
Z b
F(t) dt =
a
fi (t) dt
.
i=1
In view of these definitions, it is easily checked that the basic theorems about continuity, differentiability and integrability are also valid in this case. Using standard arguments, it can also be proven
that
Z t

Z t

x(s) ds
||x(s)||X ds.

0
We also have, as usual, eAt =

k=0
(t A)k
k!
for A B(X).
Note that the functions x X which we are working with should satisfy
i) x(t) X for every t 0.
ii) x0 (t) RX for every t 0.
iii) g(t) n
= atox(s) ds X for every t 0.
x(t) =
y(t) =
et
iq
, where C and q
i=1
{y(t) ai }
i=1 ,
where
{ai }
i=1
1
p
is a example of this. More generally, the same is true for
X and g is differentiable function on R.
In the next pages we will show that(2.10.2) can be rewritten as an abstract differential equation of
the form
z(t) = A z(t)
z(0) = z0 ,
(2.10.3)
23

where A is the infinitesimal generator of a co semigroup {Tt }t0 on a suitable Banach space, and
we will prove same important properties of {Tt }t0 and A (including same spectral properties).
Finally, as an application, we will characterize the null-controllability by using some techniques
from functional analysis and operator theory. The control u is constrained to lie in a separable
wekly compact subset of an arbitarry Banach space U.
Bibliografa
[1] Brcenas D., Diestel J., Constrained Controllability in Non Reflexive Banach Spaces, Quaestiones Mathematicae,
18, 185-198, (1995).
[2] Curtain R.F., Zwart H.J., An Introduction to Infinite-Dimensional Linear Systems Theory , Texts in Applied
Mathematics 21, Sringer Verlag, New York- Berlin, (1995).
[3] Iakovleva V., Vanegas C.J., On the solution of differential equations with delayed and advanced arguments,
Electronic Journal of Differential Equations, Conference 13, 57-63, (2005).
[4] Iakovleva V., Manzanilla R., Mrmol L.G., Vanegas C.J., Solutions and constrained null-controllability for a
differential-difference equation, Accepted in Mathematica Slovaca in 2013. To appear in 2014.
[5] Manzanilla R., Mrmol L.G., Vanegas C.J. On the controllability of a differential equation with delayed and advanced arguments, Abstract and applied Analysys Vol. 2010, p.p 1-16, article ID 307409, doi 10.1155/2010/307409
[6] Peichl G., Schappacher W., Constrained Controllability in Banach Spaces, SIAM Journal of Control and Optimization, 24, 1261-1275, (1986).
24

2.11
El Mtodo del Punto Fijo para Ecuaciones Diferenciales

Parciales en el Plano
O BER NAVARRO
Departamento de Formacin General y Ciencias Bsicas, Universidad Simn Bolvar, Caracas, Venezuela.
e-mails: obernavarro@usb.ve
Palabras clave: El Problema de Dirichlet, Ecuaciones diferenciales no-lineales, Operadores integrales,lgebras tipo Clifford
Resumen
El problema de Dirichlet, satisfaciendo la condicin de frontera
Re w = g en
Im w(z0 ) = c
para la ecuacin diferencial parcial z w = h es rigurosamente analizado desde el punto de vista
del anlisis complejo para un dominio simplemente conexo en el plano. Se demuestra que este
problema se puede resolver a traves de la aplicacin de los teoremas de la teora topolgica del
punto fijo y el principio de contraccin del anlisis real a travs del operador
W = (w,h) + T F(., w, h)
Finalmente, se describe como esta metodologa puede implementarse en algebras tipo Cliford para
intentar resolver el problema de una manera ms general, es decir, en dimensiones superiores. El
cual constituye y representa una parte interesante, de las nuevas tendencias dentro del tpico.
Bibliografa
[1] Doan Cong, Dinh., Dirichlet boundary problems for monogenics functions in clifford analysis. Complex Variables
and Eliptic Equations: An international journal 59 1201-1213, 2004.
[2] I.N Vekua., Generalized analitic functions. Pergamon, 1962.
[3] E. Escassut ., W. Tutschke & C.C Yang (eds)., Some Topics on Value Distribution and Differentiability in Complex
and p-Adic Analysis. Science Press.Beijing, 2008.
[4] G.F Manjavidze & W. Tutchske., Some boundary value problems for first order non-lineal differential system on
the plane Boundary value problems of the theory of analitic function and their applications 1, 79-124, 1983.
[5] H Begehr.,Boundary value problems in complex analysis. Boletin de la asosiacin matemtica venezolana. Vol
XII, 2005.
[6] Vanegas J.C., A survey on the structures of clifford type and applications to partial differential equations. Chapter
8 in [3] 107-118, 2008.
[7] W. Tutschke & J.C Vanegas., Mtodos del analisis complejo en dimensiones superiores . XXI Escuela Venezolana
de Matemticas, 2008.
[8] W. Tutschke & J.C Vanegas., Fixed-point theorems and their applications to differential equations . XVIII Escuela
Venezolana de Matemticas, 2005.
[9] W. Tutschke., The distinguishing boundary in clifford analysis. Advances in applied Clifford algebras. (published
on line july 2014), 2014.
25
III
Anlisis Numrico,
Optimizacin y Modelaje
Matemtico

3.12
Adaptatividad de soluciones usando esquemas mimticos

en problemas estacionarios
A BDUL A. L UGO J.1,2 , G IOVANNI C ALDERN2
1 Universidad
Politcnica Territorial del Oeste de Sucre Clodosbaldo Russian, Cuman 6101 - Venezuela,
e-mail: abdull@ula.ve, abdulmath@gmail.com
2 Grupo Ciencias de la Computacin, Departamento de Matemticas, Facultad de Ciencias, Universidad de
Los Andes, Mrida 5101 - Venezuela,
e-mail: giovanni@ula.ve
Palabras clave: mtodo mimtico, adaptatividad de soluciones, estimacin de error
Resumen
Se presentan procesos adaptativos para definir mallas ptimas, con el objetivo de calcular la solucin
de problemas usando esquemas mimticos. La experimentacin numrica evidencia los buenos
resultados en problemas de contorno. La estimacin del error, se realiza de diversas maneras usando
las versiones discretas de los operadores divergencia y gradiente.
Bibliografa
[1] Caldern G. y Lugo A. Estimacin del error y adaptatividad en esquemas mimticos para problemas de contorno,
Boletin de la Asociacin Matemtica Venezolana. (Aceptado, por aparecer en el volumen 2 2015.)
[2] Lugo A., Puello J., Caldern G. Adaptatividad con estrategia basada en movimientos de mallas usando esquemas
mimticos. Preprint, 2015.
[3] Lugo Abdul, Generacin de mallas optimas basadas en esquemas mimticos para problemas de contorno, Tesis de
Doctorado, Facultad de Ciencias, Universidad de Los Andes, Venezuela, 201*.
[4] Guevara J., Freites M., and Castillo J. A new second order finite difference conservative scheme. Divulgaciones
Matemticas, 13(1):107122, 2005.
[5] Guevara J.M. Sobre los esquemas mimticos de diferencias finitas para la ecuacin esttica de difusin. Trabajo de
ascenso no publicado, Facultad de Ciencias, UCV, Caracas, Venezuela. 2005.
[6] Hyman J.M. and Shashkov M., The approximation of boundary conditions for mimetic finite difference methods.
Computers Math. Applic., 36(5):7999, 1998.
[7] Batista E. D., Castillo J. E.: Mimetic Schemes on non-uniform structured meshes, Electronic Transactions on
Numerical Analysis, Volumen 34, pp. 152162, Kent State University, 2009.
[8] Castillo J. and Grone R.D. A matrix analysis approach to higher-order approximations for divergence and gradients
satisfying a global conservation law. SIAM J. Matrix Anal. Appl., 25(1):128-142, 2003.
[9] Dez P. and Caldern G. Goal-oriented error estimation for transient parabolic problems. Computational Mechanics,
35(5):631646, 2007.
[10] Juan J. Tapia, P. Gilberto Lpez Adaptive pseudospectral solution of a diffuse interface model, Journal of Computational and Applied Mathematics 224:101117, 2009.
[11] Weizhang Huang and Robert D. Russell, Moving Mesh strategy based on a gradient flow equation for twodimensional problems. SIAM J. Sci. Comput., 20(3):9981015, 1999.
[12] Weizhang Huang and Robert D. Russell, Adaptive Moving Mesh Methods. Springer, New York, 2011.
[13] Castillo J., Miranda G., Mimetic discretization methods, CRC Press, 2013.
27

3.13
Un esquema mimtico hbrido para problemas de

contorno
C. C HACN S UESCN 1 , J.M. G UEVARA J ORDN 2
1 rea
de Matemtica, Universidad Nacional Abierta, Caracas,Venezuela.

e-mail: ccsuescun@gmail.com
Escuela de Matemtica, Universidad Central de Venezuela, Caracas,Venezuela.
e-mail: jmguerajordan@gmail.com
Palabras clave: mtodo mimtico, hbrido, problema de contorno, condiciones de Robin, punto de ensilladura.
Resumen
Se presenta un nuevo esquema mimtico hbrido de segundo orden para la aproximacin de
problemas de contorno bajo condiciones generales tipo Robin. El esquema consiste en escribir
el sistema de ecuaciones asociado a las discretizaciones mimticas de los problemas de contorno
como un sistema de punto de silla. Aunque este ltimo tiene mayor dimensin y es ms costosa
su solucin permite obtener mejores aproximaciones de la derivada que las obtenidas mediante
formulaciones no hbridas usualmente utilizadas.
Bibliografa
[1] Chacn Suescn C. Un Mtodo Mimtico Mixto para Ecuaciones Elpticas, Tesis de Maestra. UCV (en preparacin).
[2] Guevara-Jordan J.M., Rojas S., Freites M. and Castillo J., Convergence of a mimetic finite difference method for
static diffusion equations, Advances in Difference Equations, 2007.
28

3.14
Un nuevo esquema mimtico para la ecuacin de onda en

geofsica
F. S OLANO -F EO1 , J.M. G UEVARA -J ORDN1 , O. ROJAS2
1
2
Escuela de Matemticas, Universidad Central de Venezuela, Caracas,Venezuela.

e-mail: freysimar.solano@ciens.ucv.ve,jmguevarajordan@gmail.com
Escuela de Computacin, Universidad Central de Venezuela, Caracas,Venezuela.
e-mail: rojasotilio@gmail.com
Palabras clave: mimtico, explcito, acstica, diferencias finitas, condiciones absorbentes, sismograma.
Resumen
Se presenta un nuevo esquema mimtico explcito de segundo orden en espacio para la ecuacin de
onda acstica en mallas escalonadas uniformes con una discretizacin leapfrog en tiempo. Se compara el nuevo esquema numrico con el mtodo de diferencias finitas estandar bajo condiciones de
fronteras absorbentes y libres simultaneamente, encontrndose mejores condiciones de estabilidad
para el esquema propuesto. Igualmente se evidencia la efectividad de las condiciones absorbentes
en el contexto geofsico mediante la generacin de sismogramas sintticos.
Bibliografa
[1] Solano F., Guevara-Jordan J.M., Rojas O, Otero B. and Rodriguez R., A new mimetic scheme for the acoustic
wave equation, aceptado en Journal of Computational and Applied Mathematics.
[2] Guevara-Jordan J.M., Rojas S., Freites M. and Castillo J., Convergence of a mimetic finite difference method for
static diffusion equations, Advances in Difference Equations, 2007.
[3] Solano F., Guevara-Jordan J.M. and Rojas O., An explicit mimetic method for transient beam equations, SVMNI,
2012.
29

3.15
3d viscoelastic anisotropic seismic modeling with

high-order mimetic finite-differences
M IGUEL F ERRER1 , J OSEP DE LA P UENTE1 , J OS C ASTILLO2
Department of Computer Applications in Science and Engineering, Barcelona Supercomputing Center,

Barcelona, Spain.
e-mail: miguel.ferrer@bsc.es, josep.delapuente@bsc.es
2 Computational Science Research Center, San Diego State University, San Diego, CA, USA.
e-mail: jcastillo@mail.sdsu.edu
Palabras clave: mimetic, seismic
Resumen
We present a scheme to solve three-dimensional viscoelastic anisotropic wave propagation on
structured staggered grids. The scheme uses a fully-staggered grid (FSG) or Lebedev grid, which
allows for arbitrary anisotropy as well as grid deformation. This is useful when attempting to
incorporate a bathymetry or topography in the model. The correct representation of surface waves
is achieved by means of using high-order mimetic operators, which allow for an accurate, compact
and high-order solution at the physical boundary condition. Furthermore, viscoelastic attenuation is
represented with a generalized Maxwell body approximation, which requires auxiliary variables
to model the convolutional behavior of the stresses in lossy media. We present the schemes
accuracy with a series of tests against analytical and numerical solutions. Similarly we show the
schemes performance in high-performance computing platforms. Due to its accuracy and simple
pre- and post-processing, the scheme is attractive for carrying out thousands of simulations in quick
succession, as is necessary in many geophysical forward and inverse problems both for the industry
and academia.
Bibliografa
30

3.16
Two algorithms for Consistent Prototype Selection: NEHS

and Relaxed NEHS
A LEJANDRO F LORES , E MELY A RRIZ
Dpto. de Computacin y Tecnologa de la Informacin Universidad Simn Bolvar, Caracas, Venezuela.
e-mails: aflores@ldc.usb.ve, arraiz@ldc.usb.ve
Palabras clave: nearest neighbor rule, prototype selection, training-set consistent subset, nearest enemy
Resumen
The nearest neighbor rule (NN) [5] is among the most popular nonparametric classification methods.
Given a training-set T of n labeled instances, represented as points in Rd , the NN rule classifies
a query point with the class of its nearest neighbor in T . Despite its simplicity, the popularity of
the NN rule relies on its classification performance. In fact, its probability of error is bounded by
twice the Bayes probability of error [2] (i.e., the minimum of any decision rule). Therefore, the
nearest neighbor contains at least half the discrimination information of an infinite- size training-set
[9, 4]. However, the NN rule is often criticized for its time and space requirements. One common
misconception, is that the NN rule should store the entire training-set to maintain its classification
performance. In fact, vast amount of training-set reduction methods have been proposed (for a
comprehensive survey see [8, 10, 11]). Also known as Prototype Selection algorithms, the goal is
to reduce the initial training-set T by selecting a subset of prototypes R T to be used by the NN
rule. Furthermore, one logical approach is to select a subset that allows the NN rule to correctly
classify the rest of the instances of T : a property known as consistency. A set of prototypes R T
is said to be a training-set consistent subset of T , if and only if for each instance in T R, its nearest
neighbor in R belongs to the same class [7]. The nearest enemy is yet another concept in the scope
of the NN rule [3, 12]. Given an instance t T , the nearest enemy (NE) of t is the nearest neighbor
of t in T of different class. We define the NE hypersphere of an instance t T as the d-dimensional
hypersphere centered at t and with radius equal to the distance between t and its NE. On this notion,
we describe a stronger property that yields consistency: given a set of prototypes R T , for every
instance t T R there must exist an instance r R inside the NE hypersphere of t. Now, we propose
two novel prototype selection algorithms: NEHS and RNEHS. NEHS (Nearest Enemy Hypersphere
Selection) is a constructive algorithm based on the property described, and it tends to select only
instances closer to the decision borders. RNEHS (Relaxed NEHS ) is a relaxation of NEHS that
also guarantees a consistent selection. However, RNEHS selects not only border instances, but
also well distributed interior instances. Besides its simplicity, we show that both algorithms are
order-independent, and have quadratic worst-case time complexity. Our results show that NEHS is
competitive with a state- of-the-art algorithm for consistent prototype selection called FCNN [1],
and therefore, with well established approaches like CNN [7] and RNN [6]. This is not the case
for RNEHS, given that selects interior instances as well as instances closer to the decision borders.
However, RNEHS performs quite an interesting selection, and we illustrate possible applications of
this approach.
Bibliografa
[1] F. Angiulli., Fast nearest neighbor condensation for large data sets classification., Knowledge and Data Engineering, IEEE Transactions on, 19(11):14501464, 2007.
[2] T. Cover and P. Hart., Nearest neighbor pattern classification. IEEE Trans. Inf. Theor., 13(1):2127, Jan. 1967.
31

[3] B. V. Dasarathy. Nearest unlike neighbor (nun): an aid to decision confidence estimation.Pattern Analysis and
Machine Intelligence, IEEE Transactions on, (1):7578, 1981.
[4] L. Devroye. On the inequality of cover and hart in nearest neighbor discrimination., Pattern Analysis and Machine
Intelligence, IEEE Transactions on, (1):7578, 1981.
[5] E. Fix and J. L. Hodges. Discriminatory analysis, nonparametric discrimination: Consistency properties., US Air
Force School of Aviation Medicine, Technical Report 4(3):477+, Jan. 1951.
[6] G. W. Gates. The reduced nearest neighbor rule (corresp.). IEEE Transactions on Information Theory, 18(3):431433,
1972.
[7] P. Hart. The condensed nearest neighbor rule (corresp.). IEEE Trans. Inf. Theor., 14(3):515516, Sept. 1968.
[8] N. Jankowski and M. Grochowski. Comparison of instances seletion algorithms i. algorithms survey. In Artificial
Intelligence and Soft Computing-ICAISC 2004, pages 598603. Springer, 2004.
[9] C. J. Stone.Consistent nonparametric regression. The annals of statistics, pages 595620, 1977.
[10] G. Toussaint. Open problems in geometric methods for instance-based learning. In J. Akiyama and M. Kano,
editors, JCDCG, volume 2866 of Lecture Notes in Computer Science, pages 273283. Springer, 2002.
[11] G. Toussaint.Proximity graphs for nearest neighbor decision rules: Recent progress. In Progress, Proceedings
of the 34 th Symposium on the INTERFACE, pages 1720, 2002.
[12] D. R. Wilson and T. R. Martinez. Instance pruning techniques. In Proceedings of the Fourteenth International
Conference on Machine Learning, ICML 97, pages 403411, San Francisco, CA, USA, 1997. Morgan Kaufmann
Publishers Inc.
32

3.17
Uso de submuestreo y vecinos ms cercanos en las

Mquinas de Vectores de Soportes
M ARIA G ONZALEZ -L IMA , S ERGIO C AMELO , A DOLFO Q UIROZ
1
Departamento de Matemticas, Universidad Militar Nueva Granada, Colombia

e-mail: maria.gonzalezl@unimilitar.edu.co
2,3 Departamento de Matemticas, Universidad de los Andes, Colombia.
e-mail: sa.camelo38@uniandes.edu.co; aj.quiroz1079@uniandes.edu.co
Palabras clave: Mquinas de Vectores de Soportes, submuestreo, k-vecinos ms cercanos
Resumen
Mquinas de Vectores de Soporte (SVM) es una tcnica de aprendizaje supervisado usada para
clasificar datos en diferentes clases. Requiere de una fase de entrenamiento para determinar los
denominados vectores soportes, en la cual hay que resolver un problema de optimizacin cuadrtico,
convexo, de gran escala, lo cual requiere de un gran costo computacional. En la literatura hay
diferentes opciones para reducir el tamao de este problema, usando sus condiciones de optimalidad.
En esta charla se presentar una idea alternativa basada en tcnicas de submuestreo y el clculo de
vecinos cercanos que permite encontrar una solucin aproximada a muy bajo costo. Se presentarn
resultados numericos en problemas SVM.
33

3.18
El comportamiento fotomtrico del ojo humano ante el

contraste lumnico y la luz retinal armnica
O MAR C ORDERO .
rea de Matemticas, Universidad Nacional Abierta, Caracas, Venezuela.
e-mails: omarcordero17@una.edu.ve
Palabras clave: modulacin transferida, funcin de modulacin transferida de Michelson, estimulacin
lumnica, adaptacin retinal.
Resumen
La anatoma retiniana la conforma una estructura nerviosa de clulas, unas con forma de bastones
conectadas en grupos las cuales responden a un rea general de estmulos luminosos y otras con
forma de conos acopladas de forma individual con otras fibras nerviosas, de modo que los estmulos
que llegan a cada una de ellas se reproducen y permiten distinguir los pequeos detalles de la visin.
Sin discutir los pormenores del campo de la neurologa en la percepcin visual, se presentar la
manipulacin de datos numricos y las representaciones grficas del comportamiento de la Funcin
de Modulacin Transferida de Michelson, la cual plantea la respuesta neuronal ante la sensibilidad
ptica debido a los niveles de luminosidad del ambiente.
Bibliografa
[1] Akirawa, K., Mizuno, S., Kinoshita, M. y Stavenga, G., Co expression of Two Visual Pigments in a Photoreceptor
Causes an Abnormally Broad Spectral Sensitivity in the Eye of the Butterfly Papilioxuthu. The Journal of
Neuroscience, Vol. 23, No. 11, pp. 4527-4532, 2003.
[2] Bravo,S., Mtodos Matemticos avanzados para Cientficos e Ingenieros, Universidad de Extremadura, 2006.
[3] Cao, J., Dynamics in Neuroscience, McGraw-Hill Research Documents, 2004.
[4] Clifford, D., Retinal Light Adaptation, PTC Corp, 2003.
[5] Hernndez, M, Mecanismos de Deteccin del Contraste Cromtico y de Luminancia en el Sistema Visual Humano,
Servicio de Publicaciones de la Universidad de Murcia, Vol. 17, No. 2, pp. 219-233, 2013.
34

3.19
Simulacin de la distribucin de oxgeno en un tejido

tumoral empleando algoritmos residuales
W ILLIAM L A C RUZ
Departamento de Electrnica, Computacin y Control, Facultad de Ingeniera, Universidad Central de
Venezuela, Caracas, Venezuela.
e-mail: william.lacruz@ucv.ve
Palabras clave: Distribucin de oxgeno, Tejido tumoral, Algoritmo residual, Mtodo de diferencias finitas,
Modelos de reaccin-difusin
Resumen
A las clulas tumorales, como a todas las otras clulas, el oxgeno se le suministra a travs
de los capilares. Sin embargo, la estructura de los capilares en el tejido tumoral difiere de la
estructura uniforme en el tejido normal. La distribucin de oxgeno es un componente importante
del microambiente del tumor y tiene un impacto significativo sobre el tratamiento y el control
del cncer. La hipoxia, o falta de contenido de oxgeno, se ha asociado con la resistencia al
tratamiento [4]. Este aspecto hace que la cuantificacin de la distribucin de oxgeno del tumor
y el estudio de su impacto en los mtodos de tratamiento sean temas de gran importancia en
la investigacin mdica. Se han propuestos varios procedimientos para medir la distribucin de
oxgeno del tejido, empleando polarografa, gammagrafa o tcnicas de resonancia magntica.
Sin embargo, muchos de estos procedimientos son invasivos o padecen problemas de muestreo
o limitaciones en la resolucin. Tales inconvenientes pueden disminuir la importancia de los
resultados. En consecuencia, la modelacin terica de la distribucin de oxgeno a travs de
simulaciones computacionales puede ser una alternativa prctica para determinar la distribucin de
oxgeno en escala microscpica. Pero, tales simulaciones pueden consumir mucho tiempo de CPU
segn sea el algoritmo utilizado para la resolucin numrica del problema. El problema tratado en
este trabajo es la simulacin de la distribucin de oxgeno en un tejido tumoral en 2-D, segn el
modelo matemtico propuesto por Dasu et al. [1],

2
2
D p + p + qmax p = 0,
para (x, y) R R2 ,
x 2 y2
p+
(3.19.1)
p(x, y) = 0, para (x, y) R.

donde p(x, y) es la presin parcial del oxgeno, R es el borde del dominio espacial R que representa
un tejido tumoral con nv vasos sanguneos (por mm2 ), D es el coeficiente de difusin del oxgeno,
qmax > 0 es la tasa mxima de consumo de oxgeno y es la presin parcial en la que la tasa de
consumo disminuye a la mitad del mximo valor. Especficamente, proponemos la utilizacin de
dos recientes algoritmos residuales (variaciones y extensiones de los algoritmos introducidos en
[2] y [3]) para la resolucin numrica del sistema de ecuaciones no lineales, que se obtiene de la
discretizacin de (3.19.1) a travs del mtodo de Diferencias Finitas. A diferencia de los mtodos
tradicionales para sistemas de ecuaciones no lineales (mtodo de Newton, mtodo de Broyden,
mtodos de Newton inexactos, etc.) que requieren el uso de derivadas y que, adems, ameritan
un gran almacenamiento en memoria, los algoritmos residuales propuestos son mtodos libres
de derivadas y de bajo almacenamiento en memoria. Nuestros resultados numricos preliminares
indican que los mtodos propuestos permiten determinar eficientemente la distribucin de oxgeno
en un tejido tumoral para problemas sintticos.
35

Bibliografa
[1] Dasu A., Toma-Dasu I., and Karlsson M. Theoretical Simulation of Tumour Oxygenation and Results from Acute
and Chronic Hypoxia. Physics in Medicine and Biology, Vol. 48, pp. 2829-2842, 2003.
[2] La Cruz W. A Projected Derivative-Free Algorithm for Nonlinear Equations with Convex Constraints. Optimization
Methods & Software, Vol. 29, No. 1, pp. 2441, 2014.
[3] La Cruz W. Residual Spectral Algorithm for Solving Monotone Equations on a Hilbert Space. Applied Mathematics
and Computation, Vol. 219, pp. 66336644, 2013.
[4] Vaupel P. and A. Mayer A. Hypoxia in Cancer: Significance and Impact on Clinical Outcome. Cancer and Metastasis
Reviews, Vol. 26, No. 2, pp. 225-239, 2007.
36

3.20 Estudio comparativo entre un mtodo mimtico, un

mtodo conservativo y diferencias finitas estndar para la
resolucin de la ecuacin de calor no esttica
G ISELLE S OSA -J ONES , O SWALDO J IMNEZ , J HONNATHAN A RTEAGA
e-mails: gsjones@usb.ve, oswjimenez@usb.ve, jarteaga@usb.ve
Palabras clave: mtodo mimtico, mtodo conservativo, diferencias finitas, comparacin, ecuacin de calor
no esttica, capa lmite
Resumen
En este trabajo se propone comparar tres mtodos numricos para resolver el problema de transferencia de calor no esttico, sobre un dominio bidimensional y con condiciones de borde tipo
Robin:
u (Ku) = f
t
u
u + K
=F
si (x, y)
/
si (x, y)
Los mtodos que se comparan son el Theta-Mtodo Mimtico, el Mtodo Conservativo y Diferencias Finitas. En todos los casos se consideran ejemplos de tipo capa lmite (boundary layer), de
los cuales se conoce la solucin analtica. Especficamente, se comparan los mtodos en cuanto a
convergencia, caractersticas de la implementacin y errores en las soluciones obtenidas.
Bibliografa
[1] Castillo J.E. and Grone R.D., A matrix analysis approach to higher-order approximations for divergence and
gradients satisfying a global conservation law, SIAM Journal on Matrix Analysis and Applications, Vol. 25, No.
1, pp. 128-142, 2003.
[2] Arteaga J., Anlisis de nuevos esquemas conservativos para la ecuacin no esttica de difusin, Tesis de
Doctorado, Universidad Central de Venezuela, 2012.
[3] Carslaw H.S. and Jaeger J.C., Conduction of heat in solids, Oxford University Press, 1959.
37

3.21
Resolucin numrica de un problema de valores en la

frontera del tipo mixto no-autnomo usando
aproximaciones Tau segmentadas
C ARMEN DA S ILVA1 , R EN E SCALANTE2
1
Escuela de Matemtica, Facultad de Ciencias, Universidad Central de Venezuela, Caracas, Venezuela.

e-mail: carmen.dasilva@ciens.ucv.ve
2 Departamento de Cmputo Cientfico y Estadstica, Universidad Simn Bolvar, Caracas, Venezuela.
e-mail: rescalante@usb.ve
Palabras clave: mtodo Tau, mtodo Tau segmentado, ecuacin diferencial funcional del tipo mixto
no-autnoma, aproximaciones polinmicas
Resumen
En este trabajo presentamos un nuevo enfoque para resolver numricamente un problema con valores
en la frontera, y que est definido por una ecuacin diferencial funcional del tipo mixto (EDFTM)
no-autnoma. En este enfoque, extendemos las ideas presentadas en [1] sobre el caso autnomo, al
caso no-autnomo. Adems, aproximamos los coeficientes de la EDFTM no-autnoma, mediante
polinomios de grados menores o iguales al grado de la aproximacin polinmica a trozos requerida,
como una extensin a lo desarrollado en [2] para el caso no-autnomo. Para nuestros propsitos,
empleamos el mtodo Tau segmentado [3], con el cual, se obtienen aproximaciones polinmicas
a trozos para estimar la solucin analtica del problema. Realizamos comparaciones entre los
resultados obtenidos con el enfoque propuesto y la solucin analtica conocida del problema. Los
resultados numricos obtenidos en la experimentacin numrica realizada, fueron satisfactorios,
logrando aproximar la solucin analtica del problema sobre intervalos largos.
Bibliografa
[1] Da Silva C. y Escalante R., Segmented Tau approximation for a forward-backward differential equation, Comput.
with Math. Appl., Vol. 62, pp. 4582-4591, 2011.
[2] Da Silva C. y Escalante R., Numerical solution of a linear mixed-type functional differential equation using the
segmented Tau method, Ingeniera y Ciencias Aplicadas: Modelos Matemticos y Computacionales. E. Dvila, J.
Del Ro, M. Cerrolaza y R. Chacn (Editores). ISBN: 978-980-7161-04-6, pp. MM 19-MM 24, 2014.
[3] Ortiz E.L., Step by step Tau method - Part I: Piecewise polynomial approximations, Comput. Math. Appl., Vol. 6,
pp. 381-392, 1975.
38

3.22
Solucin explcita del problema de Regulacin Lineal

Cuadrtica para sistemas representados mediante
funciones de Laguerre
J UAN P. R EQUEZ1 , M IGUEL S TREFEZZA2 , G USTAVO S NCHEZ3 , E RNESTO G RANADO4
1
Universidad Centroccidental Lisandro Alvarado, Venezuela.

e-mail: jprequez@ucla.edu.ve
2 Departamento de Procesos y Sistemas, Universidad Simn Bolvar, Venezuela.
e-mail: strefeza@usb.ve
e-mail: gsanchez@usb.ve
e-mail: granado@usb.ve
Palabras clave: Funciones de Laguerre. Regulador Lineal Cuadrtico. Solucin Explcita
Resumen
La identificacin en trminos de funciones de Laguerre conduce a una descripcin relativamente
sencilla, la cual permite incorporar conocimiento tanto cuantitativo como cualitativo acerca del
proceso considerado. Los modelos de Laguerre as obtenidos admiten una representacin en el
Espacio de Estados caracterizada por una estructura particular. En este trabajo se demuestra que
dicha estructura viene asociada a una solucin explcita del problema de Regulacin Cuadrtica
Lineal, lo cual se propone como resultado central. Adicionalmente, el desempeo del controlador
obtenido se compara con respecto a controladores de tipo PID, considerando sistemas de prueba
ampliamente estudiados en la literatura.
Bibliografa
[1] Astrm, K. J. and Panagopoulos, H. and Hgglund, T., Design of PI Controllers Based on Non-convex Optimization,
Automatica, vol. 34, num. 5, pp. 585-601, 1998.
[2] Bemporad, Alberto and Morari, Manfred and Dua, Vivek and Pistikopoulos, Efstratios N., The Explicit Linear
Quadratic Regulator for Constrained Systems, Automatica, vol. 38, num. 1, pp. 3-20, 2002.
[3] Wahlberg B., System Identification Using Laguerre Models, IEEE Transactions on Automatic Control, vol. 36,
num. 5, pp. 551-562, 1991.
[4] Zervos C., Blanger P.R. and Dumont G. A., On PID Controller Tuning using Orthonormal Series Identification,
Automatica, vol. 24, num. 2, pp. 165-175, 1988.
39

3.23
Aceleracin espectral de mtodos de punto fijo.

E LIEZER P EALOZA , L UIS M ANUEL H ERNNDEZ -R AMOS
Centro de Clculo Cientfico y Tecnolgico, Universidad Central de Venezuela, Caracas, Venezuela. e-mails:
guit51@hotmail.com, luis.hernandez@ciens.ucv.ve
Palabras clave: Mtodo de Punto Fijo, Mtodos tipo residual, Gradiente espectral
Resumen
En este trabajo se propone acelerar la iteracin de Banach-Picard para encontrar los puntos fijos de
operadores mediante estrategias de tipo residual para hallar los ceros de funciones. Los resultados
son mostrados en problemas de factibilidad lineal dividida, minimizacin con restricciones, etc.
Bibliografa
[1] Byrne, Charles, A unified treatment of some iterative algorithms in signal processing and image reconstruction,
Inverse Problems, Vol. 20, No. 1, pp. 103, 2004, IOP Publishing.
[2] Byrne, Charles L, Applied iterative methods, AK Peters Wellesley, 2008.
[3] Birgin, Ernesto G and Martnez, Jos Mario and Raydan, Marcos, Nonmonotone spectral projected gradient
methods on convex sets, SIAM Journal on Optimization, Vol. 10, No. 4, pp. 1196-1211, 2000.
[4] Bauschke, Heinz and Deutsch, Frank and Hundal, Hein and Park, Sung-Ho, Accelerating the convergence of
the method of alternating projections, Transactions of the American Mathematical Society, Vol. 355, No. 9, pp.
3433-3461, 2003.
[5] Cegielski, Andrzej, Methods for finding fixed points of nonexpansive operators in a Hilbert space, Leiter des
Instituts fur Mathematik, Ilmenau, 2008.
[6] Cegielski, Andrzej, Iterative methods for fixed point problems in Hilbert spaces, Springer, 2013.
[7] Cheney, E and Kincaid, David, Numerical mathematics and computing, Cengage Learning, 2012.
[8] Heath, Michael T, Scientific computing, McGraw-Hill, 2001.
[9] Hernndez-Ramos, Luis Manuel, Mtodos de proyecciones alternantes va optimizacin numrica., Tesis de
Doctorado, Universidad Central de Venezuela, 2011.
[10] Hernndez-Ramos, Luis M and Escalante, Ren and Raydan, Marcos, Unconstrained optimization techniques for
the acceleration of alternating projection methods, Numerical functional analysis and optimization, Vol. 32, No.
10, pp. 1041-1066, Taylor & Francis, 2011.
[11] Kincaid, David Ronald and Cheney, Elliott Ward, Numerical analysis: mathematics of scientific computing, vol. 2,
American Mathematical Soc., 2002.
[12] La Cruz, William and Martnez, Jos and Raydan, Marcos, Spectral residual method without gradient information
for solving large-scale nonlinear systems of equations, Mathematics of Computation, Vol. 75, No. 255, pp.
1429-1448, 2006.
[13] Cruz, William La and Raydan, Marcos, Nonmonotone spectral methods for large-scale nonlinear systems,
Optimization Methods and Software, Vol. 18, No. 5, pp. 583-599, Taylor & Francis, 2003.
[14] Escalante, Ren and Raydan, Marcos, Alternating projection methods, Vol. 8, 2011, SIAM.
[15] Saad, Yousef, Iterative methods for sparse linear systems, SIAM, 2003.
40

3.24
Esquemas de aceleracin para el algoritmo de Dykstra

W ILLIAMS L PEZ
Departamento de Fsica y Matemticas, Ncleo Universitario Rafael Rangel, Universidad de Los Andes,
Trujillo, Venezuela.
e-mail: wlopez@ula.ve
Palabras clave: Algoritmo de Dykstra, mtodos de proyecciones alternantes, proyecciones ortogonales,
aceleracin.
Resumen
El algoritmo de Dykstra es un mtodo de proyecciones alternantes que resuelve el problema de
optimizacin de encontrar el punto ms cercano, a un punto dado, en la interseccin de un nmero
finito de conjuntos convexos cerrados en un espacio de Hilbert [1, 2]. La desventaja principal del
algoritmo de Dykstra es su lenta convergencia. En este trabajo proponemos y analizamos esquemas
para la aceleracin de la convergencia del algoritmo de Dykstra.
Bibliografa
[1] J. P. Boyle y R. L. Dykstra. A method for finding projections onto the intersections of convex sets in Hilbert
spaces. In Advances in Order Restricted Statistical Inference. Lecture Notes in Statistics, Springer, Berlin V. 37,
2847, 1985.
[2] R. L. Dykstra. An algorithm for restricted least-squares regression. Journal of the American Statistical Association
V. 78, 837842, 1983.
[3] R. Escalante y M. Raydan Alternating Projection Methods. SIAM, 2011.
[4] W. Lpez y M. Raydan. An acceleration scheme for Dykstras algorithm. Enviado a Computational Optimization
and Applications, 2015.
41

3.25 Criterio de separabilidad de conjuntos para el

reconocimiento de patrones usando programacin lineal
E SNIL G UEVARA1 , A NTHONY C HO1 , F ERNANDO C EDEO1,2 ,F REDDY NAREA2
1
Departamento de Matemtica, Universidad de Carabobo, FACYT, Brbula, Edo. Carabobo

e-mails: ejguevara@uc.edu.ve,adcho@uc.edu.ve
2 Centro de Investigaciones Mdicas y Biotecnolgicas de la Universidad de Carabobo.
e-mail: fjcedeno@uc.edu.ve,fjnarea@uc.edu.ve
Palabras clave: programacin lineal, separabilidad no lineal, clasificacin de conjuntos, patrones
Resumen
El problema de reconocimiento de patrones en un conjunto de datos consiste en encontrar criterios
que permitan distinguir conjuntos disjuntos o heterogneos entre s. En particular, el caso de dos
subconjuntos que pueden ser separados por un hiperplano o una superficie no lineal, ayudara a
entender la estructura de los datos y a establecer los mtodos necesarios para realizar el proceso de
clasificacin. La programacin lineal consiste en maximizar o minimizar una funcin objetivo lineal,
donde las variables estan sujetas a restricciones que se expresan mediante sistemas de inecuaciones
lineales. En este trabajo se busca implementar un criterio de separabilidad cuadrtica basado en
el valor de la funcin objetivo, as como comparar el mximo margen de separacin entre ambos
conjuntos con otro mtodo de clasificacin. Para ilustrar la metodologa se usarn espectros de
reflexin difusa para la clasificacin de pureza en arcillas.
Bibliografa
[1] Mangasarian, O. L, Linear and Nonlinear Separation of Patterns by Linear Programming Operation Research,
Vol. 3, pginas. 444-452, 1965.
[2] W. Highleyman, A note on Linear Separability, IRE trans. Electronic Computers, pginas 777-778, 1959.
[3] Anthony Cho et al., Criterio de Clasificacin de datos usando programcin matemtica, Memorias del Congreso
CIMENICS, 2014.
42

3.26
Pythonizando el cmputo cientfico

O SWALDO J IMNEZ

e-mail: oswjimenez@usb.ve
Palabras clave: Python, Pythonizar, Cmputo Cientfico, Software Libre, Mdulo de Python
Resumen
Desde la introduccin del concepto decopyleft"por Richard Matthew Stallman en 1984, el desarrollo de Software Libre se ha planteado como una necesidad en todas las actividades humanas
que requieren del uso de programas de computadoras. En particular en el mbito del Cmputo
Cientfico, herramientas computacionales de altsimo nivel como Matlab de la compaa MathWorks, han dominado la escena por muchos aos y se han vuelto prcticamente indispensables
en el quehacer cotidiano de ingenieros y cientficos alrededor del mundo. Sin embargo, Matlab es
Software propietario y privativo, de muy elevado costo, lo cual dificulta su uso tanto en la Academia
como en la Industria.
Algunos de los desarrollos de Software Libre y de Cdigo Abierto que se presentan como alternativas a Matlab son Octave, Scilab, Python y ms recientemente Julia del MIT. De estas herramientas,
Python ha tenido un gran auge en los aos recientes, debido a su capacidad de integracin con otros
sistemas, especialmente en el mbito web.
En esta charla se hablar de las herramientas que Python proporciona para emprender desarrollos
en las reas relacionadas con el cmputo cientfico, haciendo nfasis en sus fortalezas y sealando
algunas de sus debilidades. Esto incluye las herramientas no propias de Python, sino desarrolladas
por terceros para ste, que es lo que se conoce como los "mdulos"de Python. Aunque la charla no
tiene la intencin de profundizar en aspectos tcnicos del lenguaje, se muestran algunas tcnicas
que podran mejorar la efectividad de los desarrollos computacionales efectuados con Python.
Se concluye la presentacin mencionando algunos mdulos particulares de Python, tales como
Numpy, Scipy, Matplotlib y Ipython, que facilitan tanto la enseanza del Cmputo Cientfico como
el desarrollo de aplicaciones computacionales de carcter cientfico.
Bibliografa
[1] Python Official Web Page: www.python.org
[2] Python Documentation: //docs.python.org/3/
43
IV
Educacin e Historia de las

Matemticas

4.27
Describir la solucin de problemas matemticos aplicados

en el ciclo de iniciacin universitaria (CIU) de la
A NDRS A RMANDO H ERNNDEZ C DOVA
Departamento de Formacin General y Ciencias Bsicas, Universidad Simn Bolvar, Sede del Litoral,
Venezuela.
e-mails: andrezh@usb.ve
Palabras clave: comprensin del problema, resolucin de problemas, rol del docente, trabajo de campo
descriptivo
Resumen
El objetivo de esta investigacin es describir la solucin de problemas matemticos de los estudiantes
del Ciclo de Iniciacin Universitaria (CIU) de la Universidad Simn Bolvar sede del Litoral y cmo
el docente apoya este proceso. Se realiz una investigacin de campo de carcter descriptivo. Para
ello, los estudiantes resolvieron problemas, desarrollando o consolidando sus habilidades y destrezas
en la comprensin y solucin de los mismos. Y el docente desarroll estrategias didcticas para
apoyar este proceso. El anlisis de la informacin se efectu a travs de la observacin participante
del docente investigador, quien not que al comenzar el proceso de solucin de problemas los
estudiantes no podan redactar la comprensin del problema y aplicaban el ensayo y error; despus
que el docente aplic las estrategias, los estudiantes pudieron resolver los problemas utilizando los
pasos de la gua terica-prctica de Matemticas II CIU-Litoral.
Bibliografa
[1] Barrientos, O., La actitud cientfica ante la resolucin de problemas matemticos La Paz: IIICAB, 2010.
[2] Campistrous, L y Rizo, C., Aprender a resolver problemas aritmticos, La Habana: Editorial pueblo y educacin,
1996
[3] Polya, G., How to solve it., New Jersey: Princeton University, 1957.
[4] Serres, Y., Aspectos a considerar en un diseo de instruccin centrado en el proceso de solucin de problemas
matemticos. Caso del Curso Introductorio de la Facultad de Ingeniera de la UCV, Acta Latinoamericana de
Matemtica Educativa, 13, 2000.
45

4.28
La docencia de las matemticas aplicadas en la USB:

estado, alcance y algunas experiencias
R EN E SCALANTE
Departamento de Cmputo Cientfico y Estadstica, Universidad Simn Bolvar, Caracas, Venezuela. e-mail:
rescalante@usb.ve
Palabras clave: matemticas aplicadas, programas de estudio, pregrado, postgrado, modelos matemticos
Resumen
En este trabajo, derivado de la experiencia del autor en la Coordinacin Docente de Matemticas
en la USB, se proponen cuatro programas de estudio para el pregrado (Lic. en Matemticas) y tres
para el postgrado (Maestra y Doctorado en Matemticas) en el rea conocida como matemticas
aplicadas. Adems, se diserta brevemente acerca de la naturaleza del trmino matemticas aplicadas
[1], buscando precisar el concepto. Por ltimo, se especula respecto a la aplicabilidad o no de las
propuestas de estudio sealadas mediante el uso de algunos modelos matemticos conocidos de la
biologa-matemtica [2].
Bibliografa
[1] Von Neumann J., The Mathematician. In J.R. Newman, editor, The World of Mathematics", Vol. 4, pages
2053-2063, 1956.
[2] Edelstein-Keshet L., Mathematical Models in Biology, Society for Industrial and Applied Mathematics (SIAM),
Philadelphia, 2005.
46

4.29
De la braquistcrona a la Misin Rosetta

G USTAVO S NCHEZ
Departamento de Procesos y Sistemas, Universidad Simn Bolvar, Venezuela.
e-mail: gsanchez@usb.ve
Palabras clave: Clculo de Variaciones, Control ptimo, Historia de las Matemticas
Resumen
En este trabajo se presenta una breve introduccin del problema de la braquistcrona (trayectoria
de descenso en tiempo mnimo). Posteriormente se analiza el impacto que tuvo este modelo en el
Clculo de Variaciones, la Teora del Control ptimo y finalmente en el desarrollo de la industria
aeronutica y aeroespacial. En particular se consideran los aspectos ms relevantes de la Misin
Rosetta, dirigida por la Agencia Espacial Europea, la cual, desde el punto de vista del autor,
representa uno de los avances tecnolgicos ms impresionantes en lo que va de siglo.
Bibliografa
[1] Jeff Babb and James Currie The Brachistochrone Problem: Mathematics for a Broad Audience via a Large Context
Problem The Montana Mathematics Enthusiast, ISSN 1551-3440, Vol. 5, n.2-3, pp.169-184, 2008
[2] Roman Debski Gradient-Based Algorithms in the Brachistochrone Problem Having a Black-Box Represented
Mathematical Model Journal of Telecommunications and Information Technology, vol 1, 2014
[3] Glassmeier, Karl-Heinz and Boehnhardt, Hermann and Koschny, Detlef and Kuhrt, Ekkehard and Richter, Ingo
The Rosetta Mission: Flying Towards the Origin of the Solar System Space Science Reviews, vol 128, n 124, 2007
[4] Herman H. Goldstine A History of the Calculus of Variations from the 17th through the 19th Century SpringerVerlag New York Inc, 1980
[5] Gary Lowlor A New Minimization Proof for the Brachistochrone The American Mathematical Monthly, Volume
103, Number 3, pp. 242-249, 1996
[6] Eberhard Knobloch Leibniz and the Brachistochrone Documenta Mathematica Extra Volume ISMP, 15-18, 2012
[7] Rosetta Space Probe European Space Agency Mission URL: http://www.aerospace-technology.com/projects/rosetta/
47

4.30
El uso de foros de discusin virtual como apoyo en la

enseanza de las matemticas
AURORA O LIVIERI
Departamento de Matemticas puras y aplicadas. Universidad Simn Bolvar, Caracas, Venezuela. e-mail:
olivieri@usb.ve
Palabras clave: enseanza de las matemticas, usos de TICS
Resumen
Dado que el debate sigue siendo la mejor manera de aprender matemtica, el estudiante y el profesor
pueden extenderlo fuera del aula y de manera abierta, para que otros compaeros se incluyan o
beneficien de ella. Aunque el lenguaje utilizado en esta rea, lleno de smbolos y frmulas, es un
inconveniente que dificulta iniciar una discusin en un foro, se puede conseguir una comunicacin
efectiva adaptndose al entorno virtual seleccionado.
En los tres cursos de lgebra, que corresponden a las materias obligatorias de esta rea en los
programas de licenciatura en matemticas y licenciatura en fsica de la Universidad Simn Bolvar,
durante el 2014 se utilizaron los foros de discusin virtual como apoyo a las clases presenciales.
En este trabajo [1], se enumerarn los obstculos encontrados y cmo sortearlos, adems de
darn sugerencias, recomendaciones y ejemplos para la creacin y uso de foros. Abordaremos
tambin, ventajas y desventajas de las plataformas usadas. Finalmente mostrar las opiniones de
los estudiantes que tomaron uno o varios de estos cursos.
Bibliografa
[1] Olivieri, Aurora, El uso de foros de dicusin virtual como apoyo en la enseanza de las matemticas, preprint,
2015.
48

4.31
Influencia de actividades de carcter investigativo en la

actitud de los estudiantes hacia el estudio de matemticas
A NNA C HVANOVA , R AMN A BANCN
Departamento de Matemticas Puras y Aplicadas, Universidad Simn Bolvar, Caracas, Venezuela. e-mails:
achvanova@usb.ve, rabancin@usb.ve
Palabras clave: actividades de carcter investigativo, estudio de matemticas, labor de un matemtico
Resumen
Un estudio realizado en los aos 2000-2012 en la Universidad Simn Bolvar (USB) muestra que
entre las tres carreras en matemticas (Matemticas, Matemticas Aplicadas y Didcticas de las
Matemticas) el 57 % de los estudiantes no terminan sus estudios, debido a que son expulsados
por rgimen de permanencia de estos programas de estudio u optan por cambiarse de carrera
a otras reas del conocimiento, (Abancin y Strauss, 2013). Posiblemente los estudiantes que
ingresan a los programas en matemticas no tengan una idea correcta acerca de los contenidos y
principios del estudio en las carreras en matemtica, as como los conocimientos acerca de cul es la
esencia de la labor de los matemticos profesionales. El propsito de esta investigacin es verificar
cmo las actividades de carcter investigativo (actividades diseadas para dar a los estudiantes la
oportunidad de trabajar como los cientficos) influye en la actitud de los estudiantes hacia el estudio
de matemticas. Para tal fin, es importante tener en cuenta que la eleccin consciente de una carrera
en matemticas supone que el aspirante tiene inters por esta disciplina y posee una idea precisa
de cul es el trabajo en el rea. Para esto se elabor una clase informativa para familiarizar a los
estudiantes con algunos elementos de investigaciones en el rea de matemticas, como por ejemplo:
realizacin de experimentos, bsqueda de patrones, bsqueda de contraejemplos. Adems, se dise
una encuesta construda en base a la escala de Likert con cinco niveles (Blanco, 2005), donde se
propone especificar el nivel de acuerdo o desacuerdo con cada una de las cinco proposiciones: 1)
Creo que las matemticas pueden ser divertidas; 2) Me gusta solucionar problemas de matemticas
con concha de mango"; 3) Creo que la profesin de un matemtico es interesante; 4) Tengo idea
de cul es la labor de los matemticos; y 5) Quiero estudiar matemticas en la universidad. As,
que cada elemento de Likert permite evaluar de 1 a 5 puntos uno de los aspectos de la actitud
de los estudiantes hacia el estudio de las matemticas. La encuesta fue aplicada al inicio de la
clase informativa (pre-test) y al final de la clase (pos-test). En el experimento participaron 64
estudiantes de la USB del primer ao del pregrado de la cohorte 2014. Los resultados muestran
que el nivel de acuerdo"de los estudiantes para cada una de las afirmaciones de la encuesta creci
para el final de la clase, obteniendo un promedio de crecimiento absoluto de 0,51; adems, el
mayor crecimiento en el nivel de acuerdo"se observa para la cuarta afirmacin. La investigacin
permite concluir que la realizacin de las actividades de carcter investigativo durante una sola clase
puede influir de manera notable en el inters de los estudiantes por las matemticas; y favorecen
significativamente en la construccin de la concepcin sobre la labor de un matemtico profesional.
Esto lleva como consecuencia la formacin de una actitud consciente de los aspirantes ante el
estudio de matemticas.
Bibliografa
[1] Abancn, R. A. y Strauss, V., Trayectoria acadmica de los estudiantes de las licenciaturas en matemticas
de la universidad Simn Bolvar durante la ltima dcada, I Congreso de Educacin Matemtica de Amrica Central y el Caribe (CEMACYC). Recuperado de http://www.centroedumatematica.com/memoriasicemacyc/memorias_completo.html, 2013
49

[2] Blanco, N. y Alvarado, M. E., Escala de actitud hacia el proceso de investigacin cientfico social, Revista de
Ciencias Sociales, Vol. XI, No. 3, 2005.
50
Matemticas Discretas

5.32
Efectos de la incertidumbre en la deteccin de

comunidades en sistemas elctricos de potencia
J OS M ORONTA1 , C LAUDIO ROCCO2
1
Departamento de Tecnologa Industrial, Universidad Simn Bolvar, Caracas,Venezuela.

e-mail: jmoronta@usb.ve
2 Escuela de Bsica de Ingeniera, Universidad Central de Venezuela, Caracas,Venezuela.
e-mail: croccoucv@gmail.com
Palabras clave: Deteccin de comunidades, ndice de similaridad, Monte Carlo, propagacin de incertidumbre.
Resumen
Una comunidad se define como un grupo de nodos de una red o grafo, con alta cohesin estructural
entre s y escasa conexin con el resto de la red [1].La deteccin de comunidades y la determinacin
de los enlaces inter comunidades se ha utilizado en diversas reas [2,3,4] como herramienta para
estudiar la vulnerabilidad de sistemas, en especial, ante ataques intencionales. La particin ideal de
una red en comunidades, no posee una definicin rigurosa y, en algunos casos, puede depender del
algoritmo de deteccin de comunidades seleccionado [1]. Aun cuando se suponga que un algoritmo
determina la particin ptima de una red, pueden existir fuentes de incertidumbre asociadas a los
parmetros de la red que produzcan particiones distintas. Uno de estos parmetros es el peso de
los enlaces del grafo, un valor numrico que representa alguna caracterstica particular de la red
(por ejemplo, capacidad de transporte (MW), confiabilidad ( %), reactancia elctrica (Ohm), entre
otros). La diversidad o similaridad entre las particiones que se puedan generar es cuantificada a
partir de diversos ndices de comparacin (IC), normalizados en el intervalo [0,1] (en general si el
IC es igual uno, las dos particiones comparadas son iguales) [5-8].
En este trabajo se propone un estudio de propagacin de incertidumbre mediante el mtodo
de simulacin de Monte Carlo [9]. Esto es, se analiza cmo la diversidad de la particin de la
red obtenida con los pesos originales de los enlaces (particin base P0) vara al considerar la
incertidumbre de los pesos de los enlaces. En cada muestra i (i=1,..,Nmuestras): se genera un
conjunto de pesos de los enlaces (modelados a travs de variables aleatorias con parmetros
conocidos), se determina la particin Pi de la red y se evala el ndice IC seleccionado al comparar
P0 y Pi. Como resultado, se obtiene una aproximacin a la funcin de densidad de probabilidad del
ndice IC seleccionado, de la que se pueden calcular diversas estadsticas (por ejemplo, percentiles).
El anlisis de los resultados permite evaluar la sensibilidad de la particin base ante la presencia
de incertidumbre en los pesos y sugerir acciones para proponer esquemas de diseno robusto. La
propuesta se ilustra utilizando la red asociada al sistema elctrico de potencia italiano en 380 kV.
Bibliografa
[1] Fortunato S., Community detection in graphs, Physics Reports, Vol. 486, No. 3, pp. 75-174, 2010.
[2] Mei S., Zhang X. and Cao M., Power Grid Complexity, Tsinghua University Press, 2011.
[3] Rocco C., and Ramirez-Marquez J., Vulnerability metrics and analysis for communities in complex networks,
Reliability Engineering and System Safety , Vol. 96, No. 10, pp. 1360-1366, 2011.
[4] Bogojeska A., and Kanevce A., Topological and structural analysis of the electric power grid of Southeast Europe,
Proceedings of the 3rd International Conference on Information, Society, and Technology , pp. 12-16, 2013.
52

[5] Rand W., Objective criteria for the evaluation of clustering methods, Journal of the American Statistical association, Vol. 66, No. 336, pp. 846-850, 1971.
[6] Hubert L. and Arabie P., Comparing partitions, Journal of classification, Vol. 2, No. 1, pp. 193-218, 1985.
[7] Melia M., Comparing clusterings by the variation of information, Learning theory and kernel machines, Springer
Berlin Heidelberg, 2003.
[8] Danon L., Diaz-Guilera A., Duch J. and Arenas A., Comparing community structure identification,Journal of
Statistical Mechanics: Theory and Experiment, Vol. 2005, No. 9, pp. 128-142, 2005.
[9] Pesonen J. and Hyvovenn E., Interval Approach Challenges Monte Carlo Simulation, Reliable Computing, Vol. 2,
No. 2, pp. 155-160, 1996.
53

5.33
Nmeros difusos y algunos ordenamientos
S ORAYA C ARRASQUEL1 , DAVID C ORONADO2 , R ICARDO M ONASCAL1 , ROSSELINE

RODRGUEZ1 , L EONID T INEO1
1
Departamento de Computacin y Tecnologa de la Informacin, Universidad Simn Bolvar,

Caracas,Venezuela.
e-mail: scarrasuel@usb.ve, rmonascal@usb.ve, crodrig@usb.ve, leonid@usb.ve
2 Departamento de Formacin General y Ciencias Bsicas, Universidad Simn Bolvar, Camur, Edo. Vargas,
Venezuela.
e-mail: dcoronado@usb.ve
Palabras clave: Nmeros Difusos, Conjuntos Difusos, Integral de Choquet
Resumen
Los conjuntos difusos [1] se caracterizan por una funcin de membresa F cuyo rango est en el
intervalo real [0, 1], cunto ms se acerca a 1 el grado de membresa de un elemento, ste est ms
posiblemente (o certeramente) incluido en el conjunto. As, 0 es la medida de completa exclusin y
1 la de completa inclusin. En casos donde el dominio es un subconjunto de nmeros, y la funcin
de membresa est normalizada y es convexa, lo llamaremos Nmero difuso.
Los nmeros difusos pueden ser de diferentes formas, de acuerdo a la definicin dada. Para efectos
de este trabajo nos restringiremos a dos formas de definicin conmunmente usadas: definicin por
extensin y definicin trapezoidal.
En muchos casos es deseable establecer un orden total en un conjunto de nmeros difusos. Muchos
autores [2], [3] han propuesto diferentes ordenamientos. La mayora de los mtodos presentados
hasta el momento son slo rdenes parciales, otros mtodos no estan de acuerdo con la intuicin
humana y otros no pueden comparar nmeros difusos con nmeros precisos.
Un contexto en que sera deseable establecer un orden total en un conjunto de nmeros difusos es
en el resultado de una consulta a bases de datos difusos. Sin embargo, los distintos investigadores
en el rea de bases de datos difusos han preferido dejar a un lado el tema de ordenamiento debido a
lo poco satisfactorio que les resultaban los existentes [4].
Yuan [yuan91 ] afirma que no existe un mtodo nico de ordenamiento que satisfaga todas las
necesidades y por tanto, clasifica los mtodos existentes en base a los siguientes criterios para ser
de utilidad en dominios especficos: presentacin difusa, racionalidad, distinguibilidad y robustez.
Estos criterios los usaremos para clasificar nuestras propuestas de ordenamiento.
Para un conjunto de nmeros clsicos X, la relacin de orden total usual mayor que"(>) se
puede representar mediante una funcin booleana f> : X X {0, 1}, donde f> (x1 , x2 ) = 1 si
x1 > x2 y f> (x1 , x2 ) = 0 en caso contrario. Nosotros proponemos extender esta nocin para nmeros
difusos, de manera de poder obtener una medida de verdad de la relacin mayor que"para dos
nmeros difusos d1 y d2 . Es decir, dados (d1 , d1 ) y (d2 , d2 ) dos nmeros difusos en un universo X,
definiremos la relacin d1 < d2 de forma difusa, i.e., asignaremos una medida, d1 <d2 = f> (d1 , d2 )
donde f> : X X [0, 1]. Esto lo haremos con una doble integral de f> respecto a las funciones
de membresa d1 y d2 .
Ahora bien, en la teora de conjuntos difusos existen dos tipos de integrales difusas [5], la de Sugeno
y la de Choquet, por lo que aplicaremos este principio con cada integral y en base a ellas definiremos
dos nuevos ordenamientos de nmeros difusos, stos constituyen nuestro aporte original en el tema.
Adicionalmente, verificaremos, para cada propuesta de ordenamiento, los criterios de presentacin
difusa, racionalidad y robustez definidos por Yuan. El criterio de distinguibilidad no es aplicable ya
que nuestra propuesta es terica.
54

Bibliografa
[1] Zadeh L.A. Fuzzy Sets, Information and Control, Vol. 8, pp. 338-353, 1965.
[2] Bortolan G. and Degani. R., A review of some methods for ranking fuzzy subsets, Fuzzy Sets and Systems, Vol. 15,
N 1, pp. 1-19, 1985
[3] Chen, Shan-Huo, Ranking fuzzy numbers with maximizing set and minimizing set, Fuzzy Sets and Systems, Vol.
17, N 2, pp. 113-129, 1985.
[4] Galindo J., A. Urrutia and M. Piattini, Fuzzy Databases: Modeling, Design and Implementation, Idea Group
Publishing Hershey, USA, 2006.
[5] Yuan. Y., Criteria for evaluating fuzzy ranking methods, Fuzzy Sets and Systems, Vol. 43, N 2, pp. 139-157, 1991.
[6] de Campos. L. M. and Bolanos. J., Characterization and comparison of Sugeno and Choquet integrals, Fuzzy
Sets and Systems, Vol. 52, pp. 61-67, 1992.
55

5.34
Sobre la no-definibilidad en la lgica de primer orden de

problemas tipo Ramsey en grafos finitos.
N ERIO B ORGES
e-mails: nborges@usb.ve
Palabras clave: Teora de modelos finitos, complejidad descriptiva, grafos, coloraciones de lados en grafos,
combinatoria, mtodos lgicos en computacin.
Resumen
Considrese un triple de grafos finitos no dirigidos F, G, H. Si para toda 2-coloracin de los lados
de F e.g. usando rojo y azul se obtiene un subgrafo rojo isomorfo a G o un subgrafo azul isomorfo
a H, entonces se escribe F (G, H). Si no, entonces se escribe F 9 (G, H).
Si los grafos G, H son fijos, se denota por A RROWING(G, H) a la clase que consta de los grafos F
tales que F (G, H).
El objetivo de este trabajo es mostrar que A RROWING(G, H) no es definible en primer orden. Para
ello se utilizan herramientas bien conocidas de la teora de modelos finitos, como el Teorema de
Hanf, y el concepto de (G, H)-transmisor, conocido en combinatoria finita.
Bibliografa
[1] Borges N., A sufficient condition for first order non-definability of arrowing problems, a publicarse en el Boletn
de la Asociacin Venezolana de Matemticas.
[2] Burr S., Neetril, Rdl V., On the use of senders in generalized Ramsey theory for graphs, Discrete Mathematics,
Vol. 54 (1985) pp. 1-13.
[3] Immerman N., Descriptive Complexity. Springer, 1998.
56
VI
Probabilidades y Estadstica

6.35
El criterio del cuadrado medio del error aplicado a la

regresin componentes principales
O BER NAVARRO
Departamento de Formacin General y Ciencias Bsicas, Universidad Simn Bolvar, Caracas, Venezuela.
e-mails: obernavarro@usb.ve
Palabras clave: Regresin Lineal Restringida,Descomposicin en valores singulares, Multicolinealidad,
Los F-test
Resumen
La regresin componentes principales (RCP)es una tcnica proveniente de la teora del anlisis de
regresin lineal basada en el modelo lineal de prediccin
Y = X +e
(6.35.1)
que utiliza a los componentes principales (CP) para reducir el nmero de variables en el conjunto de
datos X y resolver el problema de multicolinealidad (alta correlacin entre las variables regresoras)
transformando el modelo (6.35.1) en la forma RCP
Y = 0 1 + Zs s +
En este caso, se debe decidir el nmero de componentes s a retener en el modelo RCP debido a
que una mala seleccin de ellos se traduce en la introduccn de ruido en la data y la prediccin
es muy pobre. Por consiguiente, la seleccin de este nmero s de componentes principales es un
problema critico cuando se usa esta metodologa y que bajo la filosofa de Jackson, Perez-neto y
Sommers [2] aun no existe concenso sobre el mtodo ms adecuado a utilizar. En esta investigacin
se introduce un mtodo basado en el criterio del cuadrado medio del error propuesto por ToroVizcarrondo-Wallace [9] para la validacin de modelos lineales. El mtodo intenta, de manera
secuencial, encontrar el nmero s de componentes principales adecuados a un modelo lineal PCR y
se compara su efectividad con la validacin cruzada (el cual implica un considerable esfuerzo de
clculo computacional). Los ejemplos numricos son analizados e ilustrados con el software libre
R de CRAN Project.
Bibliografa
[1] Bjrn-Helge Mevik & Ron Wehrens ., The pls Package:Principal Components and Partial Least Square Regresion
in R, Journal of Statisctical Software 18, 2007.
[2] D.Jackson, Peres Neto & K.M Somers ., How many principals components? Stopping rules for determinig the
number,Computational Statistic and Data Analysis 49, 974-997, 2005.
[3] Chambers,J.M & Hastie T.J., Statistical Models in S. Wadsworth and Brooks-Cole, 1992.
[4] Chatterjee, S & B.Price .Regression Analysis by example. Wiley New York, 1977.
[5] Greene Williams H ., Econometric Analysis. Prentice Hall, 2000.
[6] Ian Jolliffe ,. Principal Components Analysis. Springer Verlag, 2000.
[7] Julian Faraway (2004)., Linear Models with R, Chapman & Hall/CRC, 2004.
58

[8] M.Revan zcale., Principals components regression estimator and a test for the restrictions. Statistic 43 541-551,
2009.
[9] Toro, Vizcarrondo & T.D Wallace., A Test of the Mean Square Error Criterion for Restrictions in Linear Regresion,
JASA, 63, 558-572, 1968.
[10] Chang and H. Yang ., Combining two parameters and principals components estimators. Statistical Papers 53
549-562, 2012.
59

6.36
Uso de mtodos de aprendizaje no supervisado en el

modelaje de la relacin de la incidencia de malaria y la
deforestacin
F RANCISCO L AGUNA1 , M ARA E UGENIA G RILLET2 , C ARENNE L UDEA3 , J OS R. L EN4
1
Departamento de Cmputo Cientfico y Estadstica, Universidad Simn Bolvar, Caracas,Venezuela.

e-mail: gargola72@gmail.com
2 Laboratorio de Biologa de Vectores y Parsitos, IZET. Facultad de Ciencias. Universidad Central de
Venezuela, Caracas, Venezuela.
e-mail: mariaeugeniagrillet@gmail.com
3 Escuela de Matemtica. Facultad de Ciencias. Universidad Central de Venezuela, Caracas, Venezuela.
e-mail: carinludena@gmail.com
4 Escuela de Matemtica. Facultad de Ciencias. Universidad Central de Venezuela, Caracas, Venezuela.
e-mail: chichileon3 @hotmail.com
Palabras clave: Aprendizaje no supervisado, Regresin Poisson, Malaria, Deforestacin
Resumen
En este trabajo se explora la hiptesis de que existe una relacin entre la alta incidencia de malaria
en el este del estado Bolvar y la deforestacin causada por la actividad minera. Esta hiptesis
de trabajo se prob mediante un modelo de regresin Poisson de la incidencia parasitaria dado el
ndice de vegetacin de diferencia normalizada (NDVI), el cual ha sido utilizado ampliamente en la
teledeteccin como una medida indirecta de la deforestacin. Las localidades se segmentaron en
funcin al NDVI registrado en ella y su posicin geogrfica con lo que se logro una importante
reduccin en el valor AIC del modelo, lo cual permite suponer una mejora en la bondad de ajuste.
La segmentacin de las localidades fue hecho mediante un algoritmo de agrupamiento que consiste
en que a partir de una matriz W no-negativa de pesos se construye una matriz de adyacencia,
asignando a cada entrada el valor de 1 si el valor en W es mayor a un umbral escogido y 0 de lo
contrario. A partir de esta matriz de adyacencia se agrupan las localidades de modo tal que todas
las localidades dentro de cada grupo estn conectadas pero no exista ningn tipo de conexin entre
grupo. La matriz W usada para este trabajo sigue la forma:
W (i, j) = C (i, j) exp (d (i, j))
(6.36.1)
siendo C(i,j) la correlacin entre las series de NDVI registradas en las localidades i y j, mientras
d(i,j) la distancia geogrfica entre las dos localidades.
Bibliografa
[1] Grillet ME et al, State transition detection in the spatio-temporal incidence of malaria., Spatial and Spatiotemporal Epidemiology 1 251259, 2010.
[2] C Uneke., Deforestation and Malaria in sub-Saharan Africa: an overview., The Internet Journal of Tropical
Medicine. 2008 Volume 6 Number 1.
[3] Hastie T., Tibshirani R., The Elements of Statistical Learning: Data Mining, Inference, and Prediction., Springer,
2008.
60

MainJIMPA 2015

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

MainJIMPA 2015

Încărcat de

Drepturi de autor:

Formate disponibile

JORNADAS DE INVESTIGACIN DE

MATEMTICAS PURAS Y APLICADAS EN LA

Sartenejas, 10 al 12 de junio de 2015

In memoriam Prof. Claudio Margaglio.

Ren Escalante (Coordinador)

Aurora Olivieri (Coordinadora)

Sobre el problema de distinguir nmeros primos de nmeros compuestos

Ideas de optimizacin con restricciones para evitar resonancia en grandes estructuras. 12

Estructuras algebraicas de Clifford y algunas aplicaciones

Nuevo mtodo para encontrar proyecciones en espacio con producto interno

Anlisis, Geometra, Topologa y Ecuaciones

La integral de Henstock-Kurzweil como el lmite de una corrida

Aplicaciones de la Teora de Ramsey en la Teora de espacios de Banach

Un modelo proyectivo para la geometra de Mbius de

Las 3 estructuras bsicas en Geometra Computacional: Cpsula Convexa, Triangulacin

Ecuaciones con retardo en espacios de sucesiones

El Mtodo del Punto Fijo para Ecuaciones Diferenciales Parciales en el Plano

Anlisis Numrico, Optimizacin y Modelaje Matemtico

Adaptatividad de soluciones usando esquemas mimticos en problemas estacionarios 26

Un esquema mimtico hbrido para problemas de contorno

Un nuevo esquema mimtico para la ecuacin de onda en geofsica

3d viscoelastic anisotropic seismic modeling with high-order mimetic finite-differences29

Uso de submuestreo y vecinos ms cercanos en las Mquinas de Vectores de Soportes 32

Simulacin de la distribucin de oxgeno en un tejido tumoral empleando algoritmos

Estudio comparativo entre un mtodo mimtico, un mtodo conservativo y diferencias

Resolucin numrica de un problema de valores en la frontera del tipo mixto no-autnomo

Aceleracin espectral de mtodos de punto fijo.

Esquemas de aceleracin para el algoritmo de Dykstra

Criterio de separabilidad de conjuntos para el reconocimiento de patrones usando programacin lineal

Pythonizando el cmputo cientfico

Educacin e Historia de las Matemticas

La docencia de las matemticas aplicadas en la USB: estado, alcance y algunas experiencias

De la braquistcrona a la Misin Rosetta

El uso de foros de discusin virtual como apoyo en la enseanza de las matemticas

Influencia de actividades de carcter investigativo en la actitud de los estudiantes hacia el

Efectos de la incertidumbre en la deteccin de comunidades en sistemas elctricos de

Nmeros difusos y algunos ordenamientos

Sobre la no-definibilidad en la lgica de primer orden de problemas tipo Ramsey en grafos

Uso de mtodos de aprendizaje no supervisado en el modelaje de la relacin de la incidencia

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Introduction to Mimetic Difference Methods

Minera de grandes volmenes de datos

Enumeracin de rboles, ecuaciones diferenciales

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Sobre el problema de distinguir nmeros primos de

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Ideas de optimizacin con restricciones para evitar

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Estructuras algebraicas de Clifford y algunas aplicaciones

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Nuevo mtodo para encontrar proyecciones en espacio

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Cadenas de subgrupos para calcular icp de QG para G

Jornadas de Investigacin de Matemticas Puras y Aplicadas

La integral de Henstock-Kurzweil como el lmite de una

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Aplicaciones de la Teora de Ramsey en la Teora de

Departamento de Matemtica, Universidad de Carabobo, Naguanagua, Venezuela.

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Un modelo proyectivo para la geometra de Mbius de R2

Jornadas de Investigacin de Matemticas Puras y Aplicadas

Las 3 estructuras bsicas en Geometra Computacional:

Jornadas de Investigacin de Matemticas Puras y Aplicadas