TERMINOS Y UNIDADES INGENIERILES

Un ACREEDOR es cualquier persona, fsica o jurdica, a la que la empresa adeuda

dinero, sea por la adquisicin de un bien o por la prestacin de un servicio.

hola, entender el costo de oportunidad es muy fcil, se refiere principalmente a los

beneficios que dejas de tener de un bien por obtener otro bien.
ejemplo:
al entrar a clases te produce un nivel benficos o utilidad (adquieres mas conocimientos)y
el no entrar te produce otro nivel de beneficios (te recreas mucho), entonces, si entras a
clases tu costo de oportunidad es igual al no asistir a una fiesta con tus amigos, es decir
sacrificas horas de ocio por horas de clases.
2.- el comerte una manzana o tomarte un refresco,si decides comerte la manzana tu costo
de oportunidad sera no tomarte un refresco, es decir sacrificas el refresco por una
manzana.
3.- estar con tu novia o asistir al estadio para ver el ftbol, si decides estar con tu novia
cual es tu costo de oportunidad?
por supuesto que es dejar de asistir al estadio para ver el ftbol.

Las personas y las empresas se enfrentan continuamente con la decisin

de dnde invertir las rentas de que disponen con el objetivo de
conseguir el mayor rendimiento posible
al menor riesgo. Para determinar qu activos son interesantes para adquirir y
cules no,
es decir, cules son ms rentables y cules menos a igualdad de riesgo, los
inversores
necesitan un punto de referencia que les permita determinar cuando un
proyecto de
inversin genera una rentabilidad superior a dicha referencia y cuando no. Ese
punto de
referencia se denomina tasa de rendimiento requerida, que podramos definir
como el
rendimiento mnimo exigido por un inversor para realizar una inversin
determinada.

Tonelada Corta: 1 Ton Corta = 907, 185 kg

1 Dlar = 100 Centavos
1 Tonelada Larga = 2240 Lb
1 Pie = 30.48 cm
1 Megapascal = 1.000.000 = 10.2 kg/cm2

Modelos Finitos: El MEF permite obtener una solucin numrica aproximada sobre
un cuerpo, estructura o dominio (medio continuo) sobre el que estn definidas
ciertas ecuaciones diferenciales en forma dbil o integral que caracterizan el
comportamiento fsico del problema dividindolo en un nmero elevado de subdominios
no-intersectantes entre s denominados elementos finitos. El conjunto de elementos
finitos forma una particin del dominio tambin denominada discretizacin. Dentro de cada
elemento se distinguen una serie de puntos representativos llamados nodos. Dos nodos
son adyacentes si pertenecen al mismo elemento finito; adems, un nodo sobre la frontera
de un elemento finito puede pertenecer a varios elementos. El conjunto de nodos
considerando sus relaciones de adyacencia se llama malla.

Los clculos se realizan sobre una malla de puntos (llamados nodos), que sirven a su vez de base
para discretizacin del dominio en elementos finitos. La generacin de la malla se realiza
usualmente con programas especiales llamados generadores de mallas, en una etapa previa a los
clculos que se denomina pre-proceso. De acuerdo con estas relaciones de adyacencia o
conectividad se relaciona el valor de un conjunto de variables incgnitas definidas en cada nodo y
denominadas grados de libertad. El conjunto de relaciones entre el valor de una determinada
variable entre los nodos se puede escribir en forma de sistema de ecuaciones lineales (o
linealizadas). La matriz de dicho sistema de ecuaciones se llama matriz de rigidez del sistema. El
nmero de ecuaciones de dicho sistema es proporcional al nmero de nodos.
Tpicamente el anlisis de los elementos finitos se programa computacionalmente para calcular el
campo de desplazamientos y, posteriormente, a travs de relaciones cinemticas y constitutivas las
deformaciones y tensiones respectivamente, cuando se trata de un problema de mecnica de
slidos deformables o ms generalmente un problema de mecnica de medios continuos. El
mtodo de los elementos finitos es muy usado debido a su generalidad y a la facilidad de introducir
dominios de clculo complejos (en dos o tres dimensiones). Adems el mtodo es fcilmente
adaptable a problemas de transmisin de calor, de mecnica de fluidos para calcular campos de
velocidades y presiones (mecnica de fluidos computacional, CFD) o de campo electromagntico.
Dada la imposibilidad prctica de encontrar la solucin analtica de estos problemas, con
frecuencia en la prctica ingenieril los mtodos numricos y, en particular, los elementos finitos, se
convierten en la nica alternativa prctica de clculo.
Una importante propiedad del mtodo es la convergencia; si se consideran particiones de
elementos finitos sucesivamente ms finas, la solucin numrica calculada converge rpidamente
hacia la solucin exacta del sistema de ecuaciones.

Condiciones de Borde: cuando encontras una solucinn a una ecuacinn diferencial,

lo que tenes en realidad es un familia de soluciones, para obtener la que se ajuste a tus
condiciones de problema utilizas las condiciones de borde, que son solo datos del
problema en particular, puede ser cualquier dato que sirva para poder saber cual es el
valor de las constantes de la funcin.

Clasificaciones de los modelos [editar]

Se podra decir que un modelo de las ciencias fsicas es una traduccin de la realidad fsica de un
sistema en trminos matemticos, es decir, una forma de representar cada uno de los tipos
entidades que intervienen en un cierto proceso fsico mediante objetos matemticos.Las relaciones
matemticas formales entre los objetos del modelo, deben representar de alguna manera las
relaciones reales existentes entre las diferentes entidades o aspectos del sistema u objeto real. As
una vez "traducido" o "representado" cierto problema en forma de modelo matemtico, se pueden
aplicar el clculo, el lgebra y otras herramientas matemticas para deducir el comportamiento del
sistema bajo estudio. Un modelo fsico requerir por tanto que se pueda seguir el camino inverso
al modelado, permitiendo reinterpretar en la realidad las predicciones del modelo.

Segn la informacin de entrada [editar]

Con respecto a la funcin del origen de la informacin utilizada para construir los modelos pueden
clasificarse de otras formas. Podemos distinguir entre modelos heursticos y modelos empricos:

Modelos heursticos Es aquel proceso obtenido por mtodos empricos que no

necesariamente ofrece la mejor solucin pero ofrece una solucin que resuelve el problema.
Un proceso heurstico es el que realizas todos los das para decidir el camino que vas a utilizar
para llegar al trabajo.
No analizas absolutamente toda la informacin disponible ni obtienes la respuesta ptima, pero
basado en tu experiencia y conocimiento obtienes una solucin vlida al problema original..
Modelos empricos Cuando se desconoce un modelo terico para un proceso en
funcionamiento, es
posible plantear un modelo emprico haciendo ensayos de cambio en alguna
condicin de operacin y registrando la variacin de la variable de proceso que es
afectada y que determina su estado o condicin de operacin. Un procesamiento de
los datos obtenidos, experimentalmente, permite que se ajusten a un modelo
matemtico, que por la forma como se encuentra es de naturaleza emprica.

Segn el tipo de representacin [editar]

Adems los modelos matemticos encuentran distintas denominaciones en sus diversas
aplicaciones. Una posible clasificacin puede atender a si pretenden hacer predicciones de tipo
cualitativo o pretende cuantificar aspectos del sistema que se est modelizando:

Modelos cualitativos o conceptuales, estos pueden usar figuras, grficos o

descripciones causales, en general se contentan con predecir si el estado del sistema ir en
determinada direccin o si aumentar o disminuir alguna magnitud, sin importar exactamente
la magnitud concreta de la mayora de aspectos.

Modelos cuantitativos o numricos, usan nmeros para representar aspectos del

sistema modelizado, y generalmente incluyen frmulas y algoritmos matemticos ms o menos
complejos que relacionan los valores numricos. El clculo con los mismos permite
representar el proceso fsico o los cambios cuantitativos del sistema modelado.

Segn la aleatoriedad [editar]

Otra clasificacin independiente de la anterior, segn si a una entrada o situacin inicial concreta
pueden corresponder o no diversas salidas o resultados, en este caso los modelos se clasifican en:

Determinista. Se conoce de manera puntual la forma del resultado ya que no hay

incertidumbre. Adems, los datos utilizados para alimentar el modelo son completamente
conocidos y determinados.

Estocstico. Probabilstico, que no se conoce el resultado esperado, sino su probabilidad y

existe por tanto incertidumbre.