Primer examen parcial. Parte B.

Matemáticas Avanzadas. Semestre 2024-2

Profesores: Mauricio Garcı́a Vergara y Adán González Andrade
Ayudante: Karen Escutia Solı́s
3 de abril de 2024

Instrucciones: Cuentas con 46 horas para resolver este examen de forma individual. Escribe
claramente todos tus procedimientos y señala tus respuestas. No puedes usar resultados de las tareas.
Si ya lo calculaste antes, debes volver hacerlo aquı́, debido a que este examen evalúa tu desempeño de
forma individual. Calcula todos los coeficientes de Fourier que utilices (no simplemente los coloques). La
resolución es a mano (lápiz, bolı́grafo o pluma digital). El examen resuelto debe subirse a la plataforma
Classroom y entregarse en fı́sico a la hora de clase (viernes 5 de abril a las 12h). El puntaje total
para este examen es de hasta cinco puntos.

Sección 1 (1 punto).
Responde a lo que se te indica y justifica tus razonamientos.
1. Indica por qué la ecuación de Laplace es un caso particular de la ecuación de Poisson. Además,
explica por qué esto es de utilidad para resolver la ecuación de Poisson en el caso donde no se
tienen condiciones de frontera homogéneas.
2. Da tres ejemplos de aplicaciones de la ecuación de Poisson y en cada caso indica qué representan
fı́sicamente las fuentes y sumideros.
3. Escribe la ecuación de Helmholtz y explica por qué ésta surge al resolver la ecuación de Poisson.
4. Explica las diferencias de resolver un problema separando variables y expandiendo en funcio-
nes propias. Puedes dar un ejemplo simple de ambos casos y ası́ evidenciar las similitudes y
diferencias.

Sección 2 (1 punto)
Se busca estudiar el problema de la conductividad térmica en un anillo delgado (grosor despreciable)
de radio unitario. Éste se encuentra aislado en sus laterales, por lo cual sólo interesa la descripción del
calor a lo largo del anillo.

a) A pesar de la forma en dos dimensiones, explica por qué puede tratarse como un problema de
una dimensión.
b) Considera una coordenada x a lo largo de la longitud de arco. Escribe la ecuación que gobierna
la temperatura en el anillo.
c) Al inicio, la distribución de temperatura está dada por la función f (x). Escribe las dos con-
diciones de contorno para el problema y la condición inicial. (Toma en cuenta la periodicidad
asociada al intervalo: −π < x ≤ π).
d) Propón la solución u(x, t) = X(x)T (t) y escribe las dos ecuaciones diferenciales ordinarias para
X y T que resultan. Utiliza una constante de separación k.

1
 e) Argumenta por qué los valores positivos de k nos llevan a soluciones triviales para X.
f) Muestra que para k = 0 se obtiene la solución X0 = a0 .
g) Muestra que para k = −µ2 , las únicas soluciones no triviales surgen sólo si µ = n para n =
1, 2, 3, ..., y escribe las correspondientes funciones (propias) Xn .
h) Concluye calculando la solución completa de la forma:

∞
X
u(x, t) = X0 + Xn Tn . (1)
n=1

Nota: evidentemente tienes que calcular de forma explı́cita las funciones propias y sus coeficientes
de Fourier resultantes.

Sección 3 (1 punto).
Calcula la solución u(x, y) para la ecuación de Laplace dadas las siguientes condiciones de contorno:

y
∂y u(x, b) = f(x)

u=0 ∇2 u = 0 u=0

u(x,0) + 2∂y u(x,0) = g(x) x

Pista: encontrarás útil usar el principio de superposición y separar el problema en dos. En cada
caso considera una de las funciones del contorno igual a cero (en un caso f (x) = 0 y en otro g(x) = 0).

Sección 4 (1 punto).
Considera que se tiene un implante de tejido artificial dentro de un dominio rectangular R =
[0, a] × [0, b], y se desea modelar la distribución de la concentración de un factor de crecimiento para
la regeneración del tejido. La concentración u(x, y) de este factor dentro del implante está gobernada
por la ecuación de Poisson:

∇2 u = φ(x, y) ,
donde φ(x, y) representa la tasa neta de producción menos el consumo del factor de crecimiento en
el implante. Este modelo asume una liberación y consumo diferenciado del factor dentro del dominio R.
En los bordes del implante se entra en contacto con tejidos que mantienen una concentración constante
del factor:

u(x, 0) = f1 (x) (2a)

u(x, b) = f2 (x) (2b)
u(0, y) = g1 (x) (2c)
u(a, y) = g2 (x) (2d)
a) Haz un diagrama que contenga la información del problema (ecuación a resolver y condiciones
de contorno).
b) Explica cómo tienes que descomponer este problema para poderlo resolver. Añade diagramas
de dicha descomposición.
c) Calcula la solución completa al problema u(x, y). Es decir, no dejes coeficientes sin calcular de
forma explı́cita.

2
 Brain Sci. 2018, 8, 23 3 of 12

interpreted cautiously. In other words, quantitative DTI metrics should only be used as a potential
indicator of changes in tissue microstructure, and not as a direct measure of it.

Figure 1. Example
Figura 1: Ejemplificación deofcómo
ellipsoidal
se diffusion
modifica tensors depending on the
la estructura delbehaviour
tensor ofdewater molecules
difusión in
dependiendo del
different tissue microstructures.
comportamiento de las moléculas de agua en diferentes microestructuras de tejido. Relativo a la sección
5.
The spatial resolution of diffusion-weighted images is typically 2 mm, meaning that a typical
voxel contains ~105 axons [7]. DTI-based tractograpy is therefore not intended to map individual axons,
Sección but rather to provide an estimation of the trajectory of white matter tracts. A significant limitation of
5 (opcional) (1 punto).
DTI fibre tracking is the inability to accurately delineate heterogeneous tracts within a single voxel.
Kissing,
La técnica de crossing,
Imagen converging,
por Tensororde diverging tracts
Difusión have differing
(DTI) fibre orientations,
es un método avanzadoeach of which
basado en la Reso-
contributes
nancia Magnética to theque
(RM) voxel’s computedladiffusion
aprovecha difusióntensor [8,9]. de
natural Thelasunrealistic
moléculasassumption
de aguaof para
a single
mapear los
homogeneous,
tractos de materia unidirectional
blanca fibre population
en el cerebro. per voxel
Esta técnica es de employed in DTI can considerably
gran importancia limit the clı́nicas,
en neurociencias
accuracy of fibre tracking, considering that up to one third of white-matter voxels in the brain are
especialmente para la segmentación y visualización de tractos cerebrales y el objetivo neuroquirúrgico.
estimated to contain multiple fibre orientations [10]. Furthermore, the relatively low spatial resolution
La DTI se ofbasa en la imagen de resonancia magnética ponderada por difusión (dwMRI), donde se
dwMRI can further impair the geometric accuracy of fibre tracts and the ability to distinguish
aplica un campo magnético
between multiple, closelyno uniforme
associated que permite
bundles. estimar
Newer, el coeficiente
multi-fibre approaches dehave
difusión aparente (ADC)
demonstrated
del agua engreater
el cerebro.
sensitivity in fibre tractography using dwMRI, and include: high angular resolution diffusionque limita
La anisotropı́a, un fenómeno derivado de la microestructura del tejido
el movimiento
imaging del (HARDI)
agua en[11],unaQ-Ball
o más direcciones,
imaging (QBI) [12], eshybrid
fundamental para entender
diffusion imaging la difusión
(HYDI) [13], diffusion del agua
en el tejidospectrum
cerebral. imaging
Esta(DSI) [14], spherical
anisotropı́a se deconvolutional models [15], composite
modela matemáticamente hindered
mediante unand restricted
tensor de difusión,
una matrizmodel of diffusion
simétrica (CHARMED)
de 3×3 [16], persistent
que describe angular structure
la difusividad (PAS) [17],
molecular and diffusion orientation
tridimensional del agua en cada
vóxel de latransformation (DOT) [18].Se
imagen adquirida. Most of these
puede approachesuna
considerar are more demanding
función Φ(λ,onµ, computational
ν) que modela resources
el comporta-
and acquisition requirements, and many are still being refined for clinical
miento de moléculas de agua en diferentes microestructuras de tejido en un sistema anisotrópico, en uptake [19]. Accordingly,
DTI tractography remains a widely used modality for surgical planning, and validation studies have
las coordenadas elipsoidales (λ, µ, ν) y ası́ estudiar el fenómeno de la difusión.
found a reasonable degree of correspondence between DTI-based white matter tracts and histologically
Una forma de definir las coordenadas elipsoidales es a partir de las superficies generadas por las
identified axon bundles [20,21].
ecuaciones Broadly, two main approaches to tractography are commonly employed in clinical and research
settings: deterministic and probabilistic.
x2
Deterministic tractography computes
y 2 matterz 2tracts based on: (1) user-specified seed
white +
+ = 1, (3a)
a2 − λ ofb2diffusion,
point(s), (2) the principal eigenvector − λ cas2 − λ
determined by the tensor at each voxel,
and (3) user-specified thresholds x that
2 restrict the
y 2 tract’s trajectory.
z2 Seed points are particular voxels
of interest selected by the user2 through + which
2
+ desired
the 2
= 1 ,is believed to pass. Users can
tract (3b)
a −µ b −µ c −µ
specify one or more seeds that are known to be anatomically connected to the tract of interest
(i.e., a “start point”, and often “mid x2 points” andy 2 “end points”).
z2 A bidirectional streamline will then
+ + = 1, (3c)
a2 − ν b2 − ν c2 − ν
donde λ < c2 < µ < b2 < ν < a2 . Ası́, (3a) representa una elipsoide, (3b) representa una hiperboloide
de una hoja y (3c) representa una hiperboloide de dos hojas.
Éstas se relacionan con las coordenadas cartesianas (x, y, z) mediante las siguientes transformacio-
nes, donde cada coordenada cartesiana al cuadrado se expresa en función de λ, µ, y ν:

3
 (a2 − λ)(a2 − µ)(a2 − ν)
x2 = , (4)
(a2 − b2 )(a2 − c2 )
(b2 − λ)(b2 − µ)(b2 − ν)
y2 = , (5)
(b2 − a2 )(b2 − c2 )
(c2 − λ)(c2 − µ)(c2 − ν)
z2 = . (6)
(c2 − a2 )(c2 − b2 )

a) Dibuja (o grafica por tu cuenta) las coordenadas elipsoidales (te interesará mirar la intersección
de las superficies) respecto a las coordenadas cartesianas.
b) Calcula los factores de escala hλ , hµ , hν . Nota que estos pueden simplificarse hasta llegar a la
forma s
1 (µ − λ)(ν − λ)
hλ = , (7a)
2 (a − λ)(b2 − λ)(c2 − λ)
2

s
1 (ν − µ)(λ − µ)
hµ = , (7b)
2 (a2 − µ)(b2 − µ)(c2 − µ)
s
1 (λ − ν)(µ − ν)
hν = , (7c)
2 (a2 − ν)(b2 − ν)(c2 − ν)

c) Teniendo los factores de escala es directo escribir el operador laplaciano para una función en estas
coordenadas ∇2 Φ(λ, µ, ν). Explica por qué resulta útil este operador vectorial en un problema
de este tipo (técnica DTI).

Es posible simplificar la expresión para el Laplaciano en coordenadas elipsoidales:

∂2 2 ∂
2
2 ∂
2
∇2 = (µ2 − ν 2 ) + (λ2
− ν ) + (λ 2
− µ ) , (8)
∂α2 ∂β 2 ∂γ 2
donde
   h c i
b π b
α=F , −F , sin−1 , (9a)
c 2 c λ
r "s #!
b2 −1 1 − b2 /µ2
β=F 1 − 2 , sin , (9b)
c 1 − b2 /c2
 h ν i
b
γ=F , sin−1 . (9c)
c b
Aquı́, a F se le conoce como integral elı́ptica de primer tipo. No es necesario que calcules más en
relación a estas integrales. Espero que esto te sirva para que vislumbres que tu camino para aprender
a usar matemáticas avanzadas ¡apenas comienza!