3.- ALGUNOS CONCEPTOS BÁSICOS DE ÁLGEBRA DE BOOLE 4.- TRANSFORMACIÓN DE EXPRESIONES LÓGICAS A EXPRESIONES ALGEBRAICAS

Tamaño: px
Comenzar la demostración a partir de la página:

Download "3.- ALGUNOS CONCEPTOS BÁSICOS DE ÁLGEBRA DE BOOLE 4.- TRANSFORMACIÓN DE EXPRESIONES LÓGICAS A EXPRESIONES ALGEBRAICAS"

Transcripción

1 TEMA 12: MODELADO CON VARIABLES BINARIAS 1.- MOTIVACIÓN 2.- INTRODUCCIÓN 3.- ALGUNOS CONCEPTOS BÁSICOS DE ÁLGEBRA DE BOOLE 4.- TRANSFORMACIÓN DE EXPRESIONES LÓGICAS A EXPRESIONES ALGEBRAICAS 5.- MODELADO CON VARIABLES DISCRETAS Y VARIABLES CONTINUAS Modelado de Disyunciones. Ecuaciones Lineales Modelado de disyunciones. Ecuaciones no Lineales. 137

2 TEMA 12 MODELADO CON VARIABLES BINARIAS. 1.- MOTIVACIÓN Un gran número de aplicaciones dentro de la Ingeniería Química lleva a problemas en los que aparecen variables continuas y variables discretas, generalmente variables binarias (0-1) asociadas a la toma de una decisión, acción etc (como por ejemplo, la selección de un determinado reactor, la puesta en marcha de una bomba, apertura o cierre de una válvula, etc.). Antes de pasar a explicar de forma sistemática como modelar este tipo de problemas, plantearemos un ejemplo que aparece con frecuencia en la síntesis de procesos químicos. El problema se puede enunciar de la siguiente manera: Dada una mezcla de N componentes, que no forman azeótropos, diseñar la mejor secuencia de separación utilizando columnas de destilación convencionales, con el objetivo de obtener los componentes individuales de la mezcla. Para una mezcla de 4 componentes (A B C D) ordenados por orden decreciente de volatilidades existen cinco secuencias de separación posibles. Para una mezcla de 5 componentes existen 14 secuencias, para una de 6 componentes existen 42, y por ejemplo para 10 componentes hay 4862 secuencias diferentes. (El número de secuencias se puede [ 2( N 1) ]! calcular usando la formula de Thompson y King: Num sec= ). N 1! N ( )! En muchas ocasiones estos problemas se resuelven utilizando una serie de reglas heurísticas basadas en la experiencia, que si bien permiten proponer un diseño aceptable de una forma rápida, no garantizan que se obtenga la mejor solución y además en muchas ocasiones dichas reglas son contradictorias entre sí. 138

3 La enumeración de todas las alternativas no es habitualmente una opción válida, debido al gran número de ellas que pueden aparecer e incluso, aunque el número de alternativas sea pequeño, a las dificultades que puede presentar el cálculo, de tal manera que es importante minimizar en la medida de lo posible la cantidad de cálculos totales. La otra alternativa es transformar el problema a forma matemática. La formulación del problema incluirá en su forma más rigurosa posible, los balances de materia, energía, restricciones del proceso (capacidad máxima, por ejemplo) etc., incluirá además la toma de decisiones (elegir o no elegir una determinada columna) y por último el problema presentará una estructura lógica que relacionará las diferentes decisiones entre sí (por ejemplo: si se lleva a cabo la separación AB/CD habrá que elegir también la separación A/B y la separación C/D). Para resolver problemas de síntesis, como el que nos interesa, es conveniente en primer lugar dibujar una superestructura (una superestructura no es más que un diagrama de flujo en el que están incluidas todas las alternativas de interés). La representación de una superestructura no siempre es una tarea trivial y puede llegar a ser algo realmente complicado, además la representación puede no ser única lo cual varía de forma importante la etapa de modelado, de todas formas este aspecto está fuera del objetivo del de la asignatura. Para el problema que nos ocupa las representaciones para 4 y 6 componentes se muestran en las Figuras 1 y 2. ABCD AB C ABC/D A B A BC BC D AB CD B C A BCD C D B CD Figura 1 superestructura para la separación de 4 componentes usando columnas convencionales 139

4 * A B C D DEF CDEF a BC E/F BCDEF a AB F C * F B CDE a AB D/E * F A BCDE E C/D * ABCDE * a EF A E a EF BCD D B B/C F a DE A ABCD ABC E D C Figura 2. Superestructura para una mezcla de 6 componentes. A/B Algunos otros ejemplos de las aplicaciones de modelos que integran la toma de decisiones de algún tipo en el campo de la Ingeniería Química son, entre otros: (I) (II) (III) (IV) (V) Síntesis de procesos: Redes de cambiadores de calor Secuencias de destilación Redes de intercambio de masa Sistemas de cogeneración (servicios) Redes de reactores Diseño, planificación y operación de procesos en discontinuo Diseño y operación de plantas multiproducto Diseño y operación de plantas multipropósito Interacción de diseño y control Diseño molecular de productos Problemas de localización 140

5 (VI) Planificación y operación de operaciones (VII) Topología de transporte en redes 2.-INTRODUCCIÓN Un problema en el que aparecen variables continuas y variables discretas (nosotros nos vamos a ceñir al caso de variables binarias variables que sólo pueden tomar el valor 0 ó 1) es la siguiente: min : Z = f s. a. g ( x) ( x) h Dy b y { 0,1} ( x) = 0 T + c y + By 0 (1) T donde f ( x)+ c y es una función objetivo que se desea minimizar (maximizar). Dicha función objetivo esta sujeta a una serie de restricciones de igualdad (balances de materia, de energía, etc.) que quedan representados por el vector de funciones h ( x) = 0. Las restricciones de desigualdad vienen representados por la expresión g ( x) + By 0. En las anteriores expresiones x es un vector de variables continuas e y es un vector de variables binarias. Nótese que las variables binarias aparecen en forma lineal. La razón es que, quizás el mejor algoritmo de solución, para este tipo de problemas necesita que las variables binarias aparezcan sólo de forma lineal. En cualquier caso, siempre es posible modelar un problema para que las variables binarias aparezcan de esta forma. Asociado a los modelos de programación lineal y no lineal con variables binarias (MINLP del inglés mixed-integer non linear programming) aparecen siempre una serie de restricciones como consecuencia de la lógica del problema, que es necesario convertir a su formulación matemática. Algunas de estas restricciones se pueden formular de manera bastante directa. Por ejemplo, en un problema de síntesis, especificar que se debe seleccionar exactamente uno de los reactores entre todo el conjunto de reactores candidatos i R se puede expresar simplemente como: 141

6 y i =1 y i { 0,1} (2) i R donde que la variable binaria y i tome el valor 1 indica que se selecciona el reactor i. Por otra parte considérese la siguiente restricción: Si se selecciona la columna de absorción o el sistema de membrana, entonces no usar separación criogénica. Si elegimos como variables binarias y a, y m, y c que toman valor 1 si se selecciona la absorción, la membrana o la separación criogénica, respectivamente y cero en otro caso, se puede, después de algunos tanteos por prueba y error, llegar a la siguiente desigualdad válida: y a + ym + 2yc 2 (3) En la anterior restricción es fácil comprobar que si y a =1 y/o y m =1 se fuerza a que y c =0. Sin embargo, veremos que de forma sistemática se puede llegar a una formulación alternativa: ya + yc 1 ym + yc 1 (4) El conjunto de ecuaciones (4) no sólo es equivalente a la ecuación (3) sino que es también más eficiente en el sentido de que produce una relajación (solución tomando las variables binarias como continuas y restringiéndolas a tomar un valor entre 0 y 1) cuya solución está más próxima a la solución óptima del problema, debido a que restringe más la región factible. Volveremos a este punto más adelante. Para obtener de forma sistemática restricciones que incluyan variables 0-1 es útil primero pensar en la forma correspondiente en lógica proposicional de las restricciones que se desea modelar. Para ello debemos, en primer lugar, considerar cuáles son los operadores básicos en lógica proposicional y cómo se puede transformar cada uno de esos operadores a una forma dada por una igualdad o desigualdad en la que aparezcan variables binarias. Estas transformaciones se usan entonces para convertir expresiones lógicas en su forma matemática equivalente. 142

7 3.- ALGUNOS CONCEPTO BÁSICOS DE ÁLGEBRA DE BOOLE Se denomina enunciación (literal, proposición) a una oración narrativa simple, de la cual se puede decir que es verdadera o falsa, pero no ambas simultáneamente. Digamos que P y Q son dos enunciaciones, entre ellos podemos definir las siguientes operaciones: Disyunción, que se puede leer como: P ó Q y que toma el valor verdadero si P es verdadero, si Q es verdadero o si ambas son verdaderas. Se denotará como P Q Conjunción, que se puede leer como P y Q y que toma el valor verdadero si P y Q son ambas verdaderas, y falso en otro caso. Se denotará como P Q Negación, que se lee como no P, que cambia el valor del literal P de verdadero a falso y viceversa. Se denotará como P En la Tabla 1 se presentan esquemáticamente estas relaciones: Tabla 1: tablas de la verdad para los operadores disyunción, conjunción, y negación P Q P Q P Q P Q P P F F F F F F V F F V V F V F F V V F V V F F V V V V V V Los operadores disyunción, conjunción y negación, aplicados entre literales forman un álgebra lógica, que es conocida como álgebra de Boole. Las principales propiedades del álgebra de Boole son: 143

8 Idempotencia de conjunción y disyunción: P P = P; P P = P (5) Conmutativa de conjunción y disyunción P Q = Q P P Q= Q P (6) Asociativa de conjunción y disyunción ( P Q) R = P ( Q R) ( P Q) R = P ( Q R) (7) Distributiva de conjunción respecto a la disyunción y de disyunción respecto a la conjunción P ( Q R) = ( P Q) ( P R) P ( Q R) = ( P Q) ( P R) (8) De igual manera que se puede definir un álgebra con las operaciones disyunción conjunción y negación se pueden definir álgebras alternativas utilizando otros operadores lógicos (implicación, negación, etc.) Sin embargo, cuando utilizamos el lenguaje natural (hablado) tendemos a usar una base arbitraria, en otras palabras, usamos conjunciones disyunciones implicaciones equivalencias etc. de una manera arbitraria. Afortunadamente es posible transformar cualquier expresión lógica utilizando operadores lógicos arbitrarios a su equivalente forma booleana. 144

9 4.- TRANSFORMACIÓN DE EXPRESIONES LÓGICAS A EXPRESIONES ALGEBRAICAS Como se comentó anteriormente estamos interesados en transformar una expresión lógica, en otra expresión algebraica equivalente. Para ello establecemos una correspondencia entre variables booleanas y variables binarias de tal manera que: Variable Booleana Variable binaria Y = verdadero y = 1 Y = Falso y = 0 Y (1-y) Nuestro objetivo es: encontrar una expresión algebraica lineal, expresada sólo en función de variables binarias de tal manera que si la expresión lógica es verdadera entonces la expresión algebraica sea factible y si la expresión lógica es falsa entonces la expresión algebraica no sea factible (no se pueda cumplir). Los operadores lógicos básicos utilizados en lógica proposicional, y sus representaciones equivalentes en forma algebraica vienen presentados en la Tabla 2 145

10 Tabla 2. Representación algebraica de los operadores lógicos básicos Relación lógica Comentarios Expresión Booleana Representación como desigualdad lineal O lógico Disyunción P1 P2 L Pr y1 + y2 + L + yr 1 P1 ó P2 ó P r y1 1 Y lógico Conjunción P1 P2 L Pr y2 1 ( P 1 y P2 y... P r ) M y r 1 Implicación P 1 P2 P1 P2 1 y 1 + y2 1 Equivalencia P 1 si y solo si P 2 P1 P2 P2 P1 ( ) ( ) ( P P ) ( P ) P1 y 1 = y2 O exclusivo Como mucho una opción Exactamente una de las variables es verdadera P1 P2 P3... Elegir como mucho una de las opciones (una o ninguna) y1 + y2 + L + yr = 1 y 1 + y yr 1 Con las equivalencias presentadas en la Tabla 2 podemos transformar cualquier operador lógico básico a su equivalente forma algebraica. Sin embargo, se necesita todavía un procedimiento sistemático para transformar una expresión lógica complicada que utilice operadores diferentes. Para ello es necesario introducir el concepto de forma normal conjuntiva. La forma normal conjuntiva es un conjunto de cláusulas (cada cláusula es un conjunto de proposiciones), Q1 Q2 Q3... Qs conectadas por el operador lógico Y ( ). Para que el resultado de la forma normal conjuntiva sea Verdadero cada una de las cláusulas 146

11 Q j debe ser verdadera independientemente de las otras cláusulas. Además, si reemplazamos todas las implicaciones de tal manera que la expresión quede en su forma booleana (solamente operadores Y, operadores O y negación) entonces cada una de las cláusulas estará formada por disyunciones de literales, P1 P2 P3... Pr (literales conectados por operadores O). Una vez que el problema está expresado en su forma normal conjuntiva la transformación a forma algebraica es inmediata, siguiendo las reglas de la Tabla 2. Para cada una de las conjunciones basta escribir una desigualdad de la forma: y1 j + y2 j yrj 1 j = 1,2... s (9) donde la variable binaria y ij toma el valor 1 si es cierto el literal i en la cláusula j. veamos un procedimiento para transformar una expresión lógica cualquiera a su forma normal conjuntiva Transformación a la forma normal conjuntiva: Para transformar una expresión booleana a su forma normal conjuntiva basta aplicar un procedimiento de tres pasos a cada una de las proposiciones lógicas. 1. Reemplazar las implicaciones por su disyunción equivalente P1 P2 P1 P2 (10) 2. Desplazar las negaciones dentro de las cláusulas aplicando los teoremas de DeMorgan: ( P1 P2 ) P1 P2 ( P1 P2 ) P1 P2 (11) 3. Distribuir el operador O sobre el operador Y. Aprovechando la propiedad distributiva: 147

12 ( P P ) P ( P P ) ( P ) P3 (12) Veamos algunos ejemplos para ilustrar el procedimiento: Ejemplo 1. Consideremos el caso presentado anteriormente que decía lo siguiente: Si se selecciona la columna de absorción o la separación mediante membranas entonces no seleccionar la separación criogénica Haciendo Pa= verdadero si se selecciona la columna de absorción Pm= verdadero si se selecciona la separación mediante membranas Pc= verdadero si se selecciona la separación criogénica La condición lógica es: Eliminando la implicación: ( ) c P a Pm Pc P a Pm P P a Pm P P a Pc Pm Pc (13) Aplicando el teorema de DeMorgan: ( ) c Distribuyendo O sobre Y ( ) ( ) Con lo que tenemos ya el problema en su forma normal conjuntiva. Cada una de las conjunciones debe ser cierta independientemente de las otras. Definiendo variables binarias asociadas a cada uno de los literales y aplicando la equivalencia de la Tabla 2 para las conjunciones tenemos pues: 1 ya + 1 yc 1 1 ym + 1 yc 1 (14) que se pueden reordenar para obtener la misma expresión que en la ecuación (4) ya + yc 1 ym + yc 1 (15) Sin embargo veíamos que este conjunto de restricciones no era único, y que se podían escribir restricciones alternativas igualmente válidas. Queda pues por determinar que conjunto de restricciones es mejor. 148

13 Para este último punto considérese una restricción bastante habitual y que se podría enunciar de la siguiente manera: Ejemplo 2. La acción Z se ejecutará si alguno de los sucesos Y 1 ó Y 2 ó Y 3 ó Y n tiene lugar Es fácil comprobar que se pueden escribir dos conjuntos de restricciones válidos: o bien z yi i = 1,2,3... n que es un sistema de n desigualdades (16) N yt zn t=1 Que es una única restricción (17) Para un caso con dos variables y se puede ver gráficamente como actúan cada una de las restricciones z z y 2 y 1 y 2 y 1 a) Múltiples restricciones b) Una sola restricción Se puede comprobar que en el caso (a) las restricciones fuerzan a soluciones enteras, mientras no ocurre así en el caso (b). La restricción (a) es pues mejor que la (b). Veamos que nos dice el procedimiento propuesto: Y1 Y2... Yn Z 149

14 En su forma Booleana: ( Y Y... Y ) Z 1 2 n Y1 Y2... Yn Y1 Z Y2 Z Y3 Z... Yn Z 1 y i + z 1 i = 1,2,..., n o lo que es lo mismo Introduciendo las negaciones ( ) Z Distribuyendo el operador Y ( ) ( ) ( ) ( ) Y por lo tanto se obtiene: z yi i = 1,2,..., n (18) Así pues, el procedimiento sistemático predice la mejor de las restricciones. 150

15 5.- MODELADO CON VARIABLES DISCRETAS (BINARIAS) Y VARIABLES CONTINUAS. En el apartado anterior se presentó una sistemática que permite modelar de forma algebraica restricciones en las que aparecen variables 0,1. Sin embargo, en un buen número de casos es necesario tratar con restricciones que incluyen también variables continuas. Veamos un ejemplo de síntesis de procesos: a. Si se selecciona el reactor 1, entonces la presión estará comprendida entre 5 y 10 atmósferas. b. Pero si se selecciona el reactor 2, entonces la presión deberá estar comprendida entre 20 y 30 atmósferas. En el caso anterior, no solamente es necesario decidir cuál de los reactores se va a utilizar, sino además dependiendo de la elección, obligar a la presión a variar entre los límites correctos. Volveremos más adelante con el ejemplo, antes vamos a ver como podemos modelar disyunciones MODELADO DE DISYUNCIONES. ECUACIONES LINEALES. Para representar opciones lógicas con el uso de variables binarias y continuas, es útil escribir el problema en forma disyuntiva, y luego transformarlo, de forma sistemática a su equivalente forma algebraica. En el caso de ecuaciones lineales, la forma disyuntiva toma la forma siguiente: Yi A L i x b 0 (19) i D U x x x donde el signo es el operador O, que se aplica a un conjunto de términos disyuntivos D. Y i es una variable booleana que toma el valor verdadero si hay que aplicar la disyunción i. La expresión anterior la podríamos leer entonces como si Y i es verdadera entonces usar las ecuaciones correspondientes a esa variable booleana. 151

16 El ejemplo que comentábamos anteriormente se puede escribir entonces como: Y1 Y2 P 10 0 P 30 0 P P (20) donde Y 1, Y 2 son variables booleanas que toman el valor verdadero si se elige el reactor 1 o el 2 respectivamente. Existen dos formas de transformar una expresión dada en forma disyuntiva a su equivalente forma algebraica. La primera es el uso de La gran M y la segunda es la representación de envolvente convexa (convex hull en la literatura anglosajona). Si se usa la representación de la gran M, cada una de las disyunciones se puede transformar de forma sistemática a su forma algebraica de la siguiente manera: Ai x b Mi yi = 1 i D y { 0,1 }, i D ( 1 y ) i (21) donde y i es una variable binaria que toma el valor 1 si la variable booleana Y i es verdadera, y toma el valor 0 en otro caso. La segunda ecuación del conjunto de ecuaciones (12) es la transformación a forma algebraica de las restricciones lógicas del problema. M es un número positivo suficientemente grande. Nótese que si y i toma el valor 1 entonces el conjunto de ecuaciones asociados a la disyunción i se cumple. Si y i toma el valor cero entonces el conjunto de ecuaciones asociadas a la disyunción i está relajado (se cumple de forma arbitraria) En el ejemplo que venimos siguiendo la transformación a forma algebraica utilizando la formulación de la gran M es: P 10 M 5 P M1 P 30 M 20 P M2 y1 + y2 = 1 1( 1 y1 ) ( 1 y1 ) 2( 1 y2) ( 1 y ) 2 (22) 152

17 Valores grandes de M 1 =M 2 =100 son elecciones válidas, pero producen relajaciones débiles en el sentido de que si se resuelve el problema por un método de Branch and Bound las cotas inferiores obtenidas por el primer programa lineal (en el que las variables binarias se relajan y se toman como continuas) son cotas muy bajas. La elección del parámetro M es de primordial importancia para resolver los problemas con esta formulación. En general debe ser grande para asegurar que la relajación de las variables en el caso de restricciones no activas es posible, y debe ser lo suficientemente pequeño para que el espacio factible del problema relajado sea lo menor posible. Una formulación alternativa a la gran M es utilizar la envolvente convexa. En este caso es necesario disgregar las variables continuas en suma de tantas variables nuevas como disyunciones aparezcan en el problema. La formulación, en este caso, requiere introducir z i nuevas variables, y el problema se formularía en forma algebraica como: x = z i i D yi = 1 i D i D Ai zi bi yi 0 i D L U z i y i z i z i y i i D (23) La primera de las anteriores ecuaciones corresponde a la disgregación de las variables. La segunda ecuación implica que sólo una de las variables binarias puede tener valor 1 simultáneamente La tercera corresponde a las desigualdades escritas en términos de las variables disgregadas z i y de las variables binarias y i.. Y por último la cuarta ecuación asegura que las variables disgregadas asociadas a las disyunciones no activas se hacen cero en la solución. La formulación de envolvente convexa de nuestro ejemplo sería: P1 10 y1 P1 5 y1 P = P 1 + P 2 P2 30 y2 P2 20 y2 y 1 + y2 = 1 (24) 153

18 El ejemplo anterior solamente tiene como restricciones un límite inferior y superior de las variables (la presión) es interesante quizá presentar un caso más general para aclarar completamente el procedimiento. Considérese la función de coste, que depende de la variable x que se presenta gráficamente a continuación: C a 2 +b 2 x a 1 +b 1 x 0 s t x La formulación disyuntiva de este problema sería: Y1 Y2 c = a1 + b1 x c = a2 + b2x 0 x s s x t (25) Y la formulación de envolvente convexa sería: c = c1 + c2 x = x1 + x1 c 1= a1 y1 + b1 x1 c 2 = a2 y2 + b2x2 0 x1 s y1 s y2 x2 t y2 y 1 + y2 = 1 (26) La importancia de esta formulación es que no necesita la introducción de nuevos parámetros artificiales (M). Además la región factible del problema relajado cuando se usa la envolvente convexa es siempre menor que la región factible en el caso de que se use la formulación de la gran M. Por otra parte introduce nuevas restricciones, lo que 154

19 hace el problema más largo de resolver. Habitualmente hay que alcanzar una situación de compromiso entre el número de variables nuevas a añadir y la reducción del espacio factible. Aunque como regla general se puede decir que para problemas pequeños la formulación de la gran M funciona bien, pero para problemas grandes es mejor utilizar la formulación de envolvente convexa. La siguiente Figura ilustra el efecto de ambas formulaciones para el siguiente ejemplo en dos dimensiones: [ x x 1] [ x + x 1] x1 4 0 x (27) x1 x1 x1 Región I Región 2 x2 Gran M x2 Envolvente convexa x2 Señalar que la formulación de envolvente convexa se puede simplificar si la disyunción la forman solamente dos términos y uno de los términos implica que todas las variables asociadas se hacen cero, como por ejemplo: [ 20 ] [ F =0] F (28) Es fácil comprobar que en este caso F 2 =0.y 2 y por lo tanto F=F 1 por lo que la formulación de envolvente convexa se simplifica a: F 20 y 1 (29) 155

20 5.2.- MODELADO DE DISYUNCIONES. ECUACIONES NO LINEALES. En el caso de ecuaciones no lineales, sólo se utiliza la formulación de la gran M, puesto que la envolvente convexa de funciones no lineales no es fácil de obtener (recientemente ha aparecido algún trabajo en el que se plantea cómo conseguir esta envolvente, pero está fuera del objetivo aquí presentado). Así, en el caso más general la formulación de disyunciones en las que aparecen restricciones no lineales se puede formular como: Yi gi i D hi ( x) 0 ( ) x = 0 (30) La expresión (30) puede transformar de forma sistemática a un conjunto de ecuaciones como: ( x) M ( 1 ) ( x) + s1 s2 = 0 + s M ( 1 y ) gi y i hi s1 2 i s1, s2 0 y i =1 (31) i D donde s 1, s 2 son variables de holgura positivas. Como en casos anteriores nótese que si y i es igual a 1 la desigualdad y la igualdad deben verificarse. En este caso las variables de holgura están forzadas a ser cero. Nuevamente la elección del parámetro M es crítica y puede llegar a tener gran importancia en los métodos de solución. Alternativamente se puede utilizar la siguiente formulación de M grande que evita añadir nuevas variables 156

21 ( i ) ( i ) ( ) g ( x) M 1 y i h ( x) M 1 y i hi ( x) M 1 yi i D y i =1 (32) En la formulación que aparece en la ecuación 32 la igualdad [ h(x)=0] se ha convertido en dos desigualdades ( h( x) 0; h( x) 0 ) y a cada una de ellas se le aplica el procedimiento general para desigualdades en M grande. En un problema general aparecen tres tipos de ecuaciones: 1. Ecuaciones que serán invariantes para todo el todo el sistema. 2. Ecuaciones que serán activas solamente si se toma una determinada decisión, asociada a una variable booleana (o binaria) o conjuntos de ecuaciones que no se deben utilizar. Los dominios de las restricciones podrán ser totalmente disjuntos, o podrán tener zonas en común (lo que podemos modelar de forma disyuntiva). 3. Además aparecerán una serie de relaciones lógicas que determinarán si una decisión y sus ecuaciones correspondientes se deben tener en cuenta o no. Inicialmente aparecen en forma booleana y se pueden transformar a ecuaciones algebraicas en las que aparecen variables binarias solamente. 157

Operaciones Booleanas y Compuertas Básicas

Operaciones Booleanas y Compuertas Básicas Álgebra de Boole El álgebra booleana es la teoría matemática que se aplica en la lógica combinatoria. Las variables booleanas son símbolos utilizados para representar magnitudes lógicas y pueden tener

Más detalles

UNIDAD I INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS 1. ÁLGEBRA DE BOOLE 2. MÉTODO DE REDUCCIÓN DE MAPAS DE KARNAUGH 1-1. R. ESPINOSA R. y P. FUENTES R.

UNIDAD I INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS 1. ÁLGEBRA DE BOOLE 2. MÉTODO DE REDUCCIÓN DE MAPAS DE KARNAUGH 1-1. R. ESPINOSA R. y P. FUENTES R. UNIDAD I INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS. ÁLGEBRA DE BOOLE 2. MÉTODO DE REDUCCIÓN DE MAPAS DE KARNAUGH - . INTRODUCCIÓN A LOS CIRCUITOS LÓGICOS. ÁLGEBRA DE BOOLE. ÁLGEBRA DE BOOLE El álgebra de Boole

Más detalles

Tema 3 : Algebra de Boole

Tema 3 : Algebra de Boole Tema 3 : Algebra de Boole Objetivo: Introducción al Algebra de Boole 1 INTRODUCCIÓN George Boole creó el álgebra que lleva su nombre en el primer cuarto del siglo XIX. Pretendía explicar las leyes fundamentales

Más detalles

Curso Completo de Electrónica Digital

Curso Completo de Electrónica Digital CURSO Curso Completo de Electrónica Digital Departamento de Electronica y Comunicaciones Universidad Pontifica de Salamanca en Madrid Prof. Juan González Gómez Capítulo 3 ALGEBRA DE BOOLE 3.1. Introducción

Más detalles

UNIVERSIDAD POPULAR DEL CESAR DEPATAMENTO DE MATEMATICA Y ESTADISTICA ALGEBRA DE BOOLE

UNIVERSIDAD POPULAR DEL CESAR DEPATAMENTO DE MATEMATICA Y ESTADISTICA ALGEBRA DE BOOLE UNIVERSIDAD POPULAR DEL CESAR DEPATAMENTO DE MATEMATICA Y ESTADISTICA ALGEBRA DE BOOLE GERMAN ISAAC SOSA MONTENEGRO EJERCICIOS 3. Escriba en notación expandida los siguientes numerales : a) 2375 b) 110111

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera P.M. Mateo y David Lahoz 2 de julio de 2009 En este tema se presenta un tipo de problemas formalmente similares a los problemas de programación lineal, ya que en su descripción

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

personal.us.es/elisacamol Elisa Cañete Molero Curso 2011/12

personal.us.es/elisacamol Elisa Cañete Molero Curso 2011/12 Teoría de conjuntos. Teoría de Conjuntos. personal.us.es/elisacamol Curso 2011/12 Teoría de Conjuntos. Teoría de conjuntos. Noción intuitiva de conjunto. Propiedades. Un conjunto es la reunión en un todo

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

El álgebra booleana (Algebra de los circuitos lógicos tiene muchas leyes o teoremas muy útiles tales como :

El álgebra booleana (Algebra de los circuitos lógicos tiene muchas leyes o teoremas muy útiles tales como : SIMPLIFICACION DE CIRCUITOS LOGICOS : Una vez que se obtiene la expresión booleana para un circuito lógico, podemos reducirla a una forma más simple que contenga menos términos, la nueva expresión puede

Más detalles

euresti@itesm.mx Matemáticas

euresti@itesm.mx Matemáticas al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

TEMA II: ÁLGEBRA DE CONMUTACIÓN

TEMA II: ÁLGEBRA DE CONMUTACIÓN TEMA II: ÁLGEBRA DE CONMUTACIÓN En este capítulo veremos los métodos matemáticos que se disponen para las operaciones relacionadas con los circuitos digitales, así como las funciones más básicas de la

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones de agosto de 200. Estandarización Cuando se plantea un modelo de LP pueden existir igualdades y desigualdades. De la misma forma

Más detalles

Universidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS

Universidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Especificación algebraica ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Un tipo abstracto de datos se determina por las operaciones asociadas, incluyendo constantes que se consideran como operaciones sin

Más detalles

Optimización de consultas Resumen del capítulo 14

Optimización de consultas Resumen del capítulo 14 Optimización de consultas Resumen del capítulo 14 Libro: Fundamentos de Bases de Datos Silberschatz et al. 5ed. Dr. Víctor J. Sosa Agenda 1. Visión general 2. Estimación de las estadísticas de los resultados

Más detalles

Estructuras Discretas. César Bautista Ramos Carlos Guillén Galván Daniel Alejandro Valdés Amaro

Estructuras Discretas. César Bautista Ramos Carlos Guillén Galván Daniel Alejandro Valdés Amaro Estructuras Discretas César Bautista Ramos Carlos Guillén Galván Daniel Alejandro Valdés Amaro Facultad de Ciencias de la Computación Benemérita Universidad Autónoma de Puebla 1. CONJUNTOS Y CLASES 1

Más detalles

circuitos digitales Oliverio J. Santana Jaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2006 2007

circuitos digitales Oliverio J. Santana Jaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2006 2007 Oliverio J. Santana Jaria Sistemas Digitales 8. Análisis lógico l de los circuitos digitales Ingeniería Técnica en Informática de Sistemas Los Curso 26 27 El conjunto circuitos de puertas digitales lógicas

Más detalles

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo POLINOMIOS 1.1. DEFINICIONES Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo p(x) = a i x i = a 0 + a 1 x + a 2 x 2 + + a n x n + ; a i, x K; n N

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

L A P R O G R A M A C I O N

L A P R O G R A M A C I O N L A P R O G R A M A C I O N L I N E A L 1. INTRODUCCIÓN: la programación lineal como método de optimación La complejidad de nuestra sociedad en cuanto a organización general y económica exige disponer

Más detalles

Lógica Binaria. Contenidos. Objetivos. Antes de empezar 1.Introducción... pág. 2. En esta quincena aprenderás a:

Lógica Binaria. Contenidos. Objetivos. Antes de empezar 1.Introducción... pág. 2. En esta quincena aprenderás a: Contenidos Objetivos En esta quincena aprenderás a: Distinguir entre una señal analógica y una digital. Realizar conversiones entre el sistema binario y el decimal. Obtener la tabla de la verdad de un

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

UNIDAD 3: ARITMÉTICA DEL COMPUTADOR

UNIDAD 3: ARITMÉTICA DEL COMPUTADOR UNIDAD 3: ARITMÉTICA DEL COMPUTADOR Señor estudiante, es un gusto iniciar nuevamente con usted el desarrollo de esta tercera unidad. En esta ocasión, haremos una explicación más detallada de la representación

Más detalles

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1 Tecnología 4º ESO Tema 5: Lógica binaria Página 1 4º ESO TEMA 5: Lógica binaria Tecnología 4º ESO Tema 5: Lógica binaria Página 2 Índice de contenido 1. Señales analógicas y digitales...3 2. Código binario,

Más detalles

Álgebras de Boole. Juan Medina Molina. 25 de noviembre de 2003

Álgebras de Boole. Juan Medina Molina. 25 de noviembre de 2003 Álgebras de Boole Juan Medina Molina 25 de noviembre de 2003 Introducción Abordamos en este tema el estudio de las álgebras de Boole. Este tema tiene una aplicación directa a la electrónica digital ya

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

Maria José González/ Dep. Tecnología

Maria José González/ Dep. Tecnología Señal analógica es aquella que puede tomar infinitos valores para representar la información. Señal digital usa solo un número finito de valores. En los sistemas binarios, de uso generalizado en los circuitos

Más detalles

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra

MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13. Carlos Ivorra MATEMÁTICAS II APUNTES DE TEORÍA CURSO ACADÉMICO 2012-13 Carlos Ivorra Índice 1 Introducción a la optimización 1 2 Programación entera 18 3 Introducción a la programación lineal 24 4 El método símplex

Más detalles

CIDEAD. 2º BACHILLERATO. Tecnología Industrial II. Tema 17.- Los circuitos digitales. Resumen

CIDEAD. 2º BACHILLERATO. Tecnología Industrial II. Tema 17.- Los circuitos digitales. Resumen Tema 7.- Los circuitos digitales. Resumen Desarrollo del tema.. Introducción al tema. 2. Los sistemas de numeración.. El sistema binario. 4. Códigos binarios. 5. El sistema octal y hexadecimal. 6. El Álgebra

Más detalles

1. Se establecen los conceptos fundamentales (símbolos o términos no definidos).

1. Se establecen los conceptos fundamentales (símbolos o términos no definidos). 1. ÁLGEBRA DE BOOLE. El álgebra de Boole se llama así debido a George Boole, quien la desarrolló a mediados del siglo XIX. El álgebra de Boole denominada también álgebra de la lógica, permite prescindir

Más detalles

1. Números Reales 1.1 Clasificación y propiedades

1. Números Reales 1.1 Clasificación y propiedades 1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,

Más detalles

CÁLCULO PARA LA INGENIERÍA 1

CÁLCULO PARA LA INGENIERÍA 1 CÁLCULO PARA LA INGENIERÍA 1 PROBLEMAS RESUELTOS Tema 3 Derivación de funciones de varias variables 3.1 Derivadas y diferenciales de funciones de varias variables! 1. Derivadas parciales de primer orden.!

Más detalles

Números Reales. MathCon c 2007-2009

Números Reales. MathCon c 2007-2009 Números Reales z x y MathCon c 2007-2009 Contenido 1. Introducción 2 1.1. Propiedades básicas de los números naturales....................... 2 1.2. Propiedades básicas de los números enteros........................

Más detalles

Apuntes de Matemática Discreta 7. Relaciones de Orden

Apuntes de Matemática Discreta 7. Relaciones de Orden Apuntes de Matemática Discreta 7. Relaciones de Orden Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 7 Relaciones de Orden Contenido

Más detalles

Investigación Operacional I EII 445

Investigación Operacional I EII 445 Investigación Operacional I EII 445 Programación Lineal Método Simple Gabriel Gutiérrez Jarpa. Propiedades Básicas de Programación Lineal Formato Estándar Un problema de programación lineal es un programa

Más detalles

Límites. Definición de derivada.

Límites. Definición de derivada. Capítulo 4 Límites. Definición de derivada. 4.1. Límites e indeterminaciones Hemos visto en el capítulo anterior que para resolver el problema de la recta tangente tenemos que enfrentarnos a expresiones

Más detalles

UNIDAD I: LÓGICA PROPOSICIONAL

UNIDAD I: LÓGICA PROPOSICIONAL UNIDAD I: LÓGICA PROPOSICIONAL ASIGNATURA: INTRODUCCIÓN A LA COMPUTACIÓN CARRERAS: LICENCIATURA Y PROFESORADO EN CIENCIAS DE LA COMPUTACIÓN DEPARTAMENTO DE INFORMÁTICA FACULTAD DE CIENCIAS FÍSICO MATEMÁTICA

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

DESIGUALDADES E INECUACIONES

DESIGUALDADES E INECUACIONES DESIGUALDAD DESIGUALDADES E INECUACIONES Para hablar de la NO IGUALDAD podemos utilizar varios términos o palabras. Como son: distinto y desigual. El término "DISTINTO" (signo ), no tiene apenas importancia

Más detalles

CIRCUITOS DIGITALES -

CIRCUITOS DIGITALES - CIRCUITOS DIGITALES - INTRODUCCIÓN CIRCUITOS DIGITALES CIRCUITOS DIGITALES SON LOS QUE COMUNICAN Y PROCESAN INFORMACIÓN DIGITAL SEÑAL DIGITAL: SOLO PUEDE TOMAR UN NÚMERO FINITO DE VALORES. EN BINARIO:

Más detalles

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD 4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,

Más detalles

ESTRUCTURAS ALGEBRAICAS 1

ESTRUCTURAS ALGEBRAICAS 1 ESTRUCTURAS ALGEBRAICAS Se da la relación entre dos conjuntos mediante el siguiente diagrama: (, ) (2, 3) (, 4) (, 2) (7, 8) (, ) (3, 3) (5, ) (6, ) (, 6)........ 5 6......... 2 5 i) Observa la correspondencia

Más detalles

SECRETARIA DE EDUCACIÓN PÚBLICA SUBSECRETARIA DE EDUCACIÓN MEDIA SUPERIOR DIRECCIÓN DE BACHILLERATOS ESTATALES Y PREPARATORIA ABIERTA

SECRETARIA DE EDUCACIÓN PÚBLICA SUBSECRETARIA DE EDUCACIÓN MEDIA SUPERIOR DIRECCIÓN DE BACHILLERATOS ESTATALES Y PREPARATORIA ABIERTA SECRETARIA DE EDUCACIÓN PÚBLICA SUBSECRETARIA DE EDUCACIÓN MEDIA SUPERIOR DIRECCIÓN DE BACHILLERATOS ESTATALES Y PREPARATORIA ABIERTA DEPARTAMENTO DE PREPARATORIA ABIERTA MATEMÁTICAS II GUIA DE ESTUDIO

Más detalles

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra

Más detalles

30 = 2 3 5 = ( 2) 3 ( 5) = 2 ( 3) ( 5) = ( 2) ( 3) 5.

30 = 2 3 5 = ( 2) 3 ( 5) = 2 ( 3) ( 5) = ( 2) ( 3) 5. 11 1.3. Factorización Como ya hemos mencionado, la teoría de ideales surgió en relación con ciertos problemas de factorización en anillos. A título meramente ilustrativo, nótese que por ejemplo hallar

Más detalles

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES

AXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán

Más detalles

ELO211: Sistemas Digitales. Tomás Arredondo Vidal 1er Semestre 2009

ELO211: Sistemas Digitales. Tomás Arredondo Vidal 1er Semestre 2009 ELO211: Sistemas Digitales Tomás Arredondo Vidal 1er Semestre 2009 Este material está basado en: textos y material de apoyo: Contemporary Logic Design 1 st / 2 nd edition. Gaetano Borriello and Randy Katz.

Más detalles

Tema 3. Problemas de valores iniciales. 3.1. Teoremas de existencia y unicidad

Tema 3. Problemas de valores iniciales. 3.1. Teoremas de existencia y unicidad Tema 3 Problemas de valores iniciales 3.1. Teoremas de existencia y unicidad Estudiaremos las soluciones aproximadas y su error para funciones escalares, sin que ésto no pueda extenderse para funciones

Más detalles

Ejercicios de Programación Lineal

Ejercicios de Programación Lineal Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de

Más detalles

3.1 DEFINICIÓN. Figura Nº 1. Vector

3.1 DEFINICIÓN. Figura Nº 1. Vector 3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado

Más detalles

Una desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos

Una desigualdad se obtiene al escribir dos expresiones numéricas o algebraicas relacionadas con alguno de los símbolos MATEMÁTICAS BÁSICAS DESIGUALDADES DESIGUALDADES DE PRIMER GRADO EN UNA VARIABLE La epresión a b significa que "a" no es igual a "b ". Según los valores particulares de a de b, puede tenerse a > b, que

Más detalles

Lección 9: Polinomios

Lección 9: Polinomios LECCIÓN 9 c) (8 + ) j) [ 9.56 ( 9.56)] 8 q) (a x b) d) ( 5) 4 k) (6z) r) [k 0 (k 5 k )] e) (. 0.) l) (y z) s) (v u ) 4 f) ( 5) + ( 4) m) (c d) 7 t) (p + q) g) (0 x 0.) n) (g 7 g ) Lección 9: Polinomios

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

4. Se considera la función f(x) =. Se pide:

4. Se considera la función f(x) =. Se pide: Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones

Más detalles

Matemáticas Discretas

Matemáticas Discretas Matemáticas Discretas Conjuntos (11) Curso Propedéutico 2009 Maestría en Ciencias Computacionales, INAOE Conjuntos (2) Dr Luis Enrique Sucar Succar esucar@inaoep.mx Dra Angélica Muñoz Meléndez munoz@inaoep.mx

Más detalles

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0.

Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. NÚMEROS COMPLEJOS. INTRO. ( I ) Como ya se sabe, existen algunas ecuaciones de segundo grado que no tienen ninguna solución real. Tal es el caso de la ecuación x2 + 1 = 0. Si bien esto no era un problema

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

Ingeniería en Informática

Ingeniería en Informática Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Aprendizaje Automático Junio 2007 Normas generales del examen El tiempo para realizar el examen es de 3 horas No se

Más detalles

INSTITUTO SUPERIOR TECNOLÓGICO NORBERT WIENER

INSTITUTO SUPERIOR TECNOLÓGICO NORBERT WIENER INSTITUTO SUPERIOR TECNOLÓGICO NORBERT WIENER Manual del Alumno ASIGNATURA: Matemática I PROGRAMA: S3C Lima-Perú SESION 1 SISTEMAS DE NUMERACION DEFINICION : Es un conjunto de reglas y principios que nos

Más detalles

TEMA 1: Control y programación de sistemas automáticos

TEMA 1: Control y programación de sistemas automáticos Esquema: TEMA : Control y programación de sistemas automáticos TEMA : Control y programación de sistemas automáticos....- Introducción.....- Representación de las señales digitales...2 2.- Sistemas de

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

I. ALGEBRA DE BOOLE. c) Cada operación es distributiva con respecto a la otra: a. ( b + c) = a. b + a. c a + ( b. c ) = ( a + b ).

I. ALGEBRA DE BOOLE. c) Cada operación es distributiva con respecto a la otra: a. ( b + c) = a. b + a. c a + ( b. c ) = ( a + b ). I. I.1 DEFINICION. El Algebra de Boole es toda clase o conjunto de elementos que pueden tomar dos valores perfectamente diferenciados, que designaremos por 0 y 1 y que están relacionados por dos operaciones

Más detalles

INTRODUCCIÓN. Estructura de Datos Tipos Abstractos de Datos (TAD S) Profs. Lorna Figueroa M. Mauricio Solar F. UTFSM 1 / 2008

INTRODUCCIÓN. Estructura de Datos Tipos Abstractos de Datos (TAD S) Profs. Lorna Figueroa M. Mauricio Solar F. UTFSM 1 / 2008 INTRODUCCIÓN Estructura de Datos Tipos Abstractos de Datos (TAD S) Para poder obtener un programa que resuelva un problema dado, son necesarios varios pasos : La formulación y especificación del problema

Más detalles

LÓGICA MATEMÁTICA. Álgebra de Boole Guía de trabajo

LÓGICA MATEMÁTICA. Álgebra de Boole Guía de trabajo LÓGICA MATEMÁTICA Álgebra de Boole Guía de trabajo Favián Arenas A. y Amaury Camargo Universidad de Córdoba Facultad de Ciencias Básicas e Ingenierías Departamento de Matemáticas 4.15 Objetivos Lógica

Más detalles

CIRCUITOS DIGITALES 1. INTRODUCCIÓN. 2. SEÑALES Y TIPOS DE SEÑALES.

CIRCUITOS DIGITALES 1. INTRODUCCIÓN. 2. SEÑALES Y TIPOS DE SEÑALES. TEMA 7: CIRCUITOS DIGITALES 1. INTRODUCCIÓN. La utilización creciente de circuitos digitales ha dado lugar en los últimos tiempos a una revolución sin precedentes en el campo de la tecnología. Basta observar

Más detalles

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración 5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una

Más detalles

Ejemplos: Sean los conjuntos: A = { aves} B = { peces } C = { anfibios }

Ejemplos: Sean los conjuntos: A = { aves} B = { peces } C = { anfibios } La Teoría de Conjuntos es una teoría matemática, que estudia básicamente a un cierto tipo de objetos llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos, así como a los problemas

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Apuntes de Matemática Discreta 9. Funciones

Apuntes de Matemática Discreta 9. Funciones Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}

Ejemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR} Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar

Más detalles

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos.

Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Dependencia lineal de vectores y sus aplicaciones a la resolución de sistemas de ecuaciones lineales y de problemas geométricos. Prof. D. Miguel Ángel García Hoyo. Septiembre de 2011 Dependencia lineal

Más detalles

1. (1.5 puntos) Cuántos árboles no isomorfos con exactamente 6 vértices hay? Justifica la

1. (1.5 puntos) Cuántos árboles no isomorfos con exactamente 6 vértices hay? Justifica la Matemática Discreta 2 o de Ingeniería Informática Curso 2009-2010 7 de septiembre de 2010 Examen de septiembre Apellidos y Nombre DNI: Grupo: El examen dura tres horas. No se pueden usar calculadoras,

Más detalles

TEMA 5. ELECTRÓNICA DIGITAL

TEMA 5. ELECTRÓNICA DIGITAL TEMA 5. ELECTRÓNICA DIGITAL 1. INTRODUCCIÓN Los ordenadores están compuestos de elementos electrónicos cuyas señales, en principio, son analógicas. Pero las señales que entiende el ordenador son digitales.

Más detalles

((X A Y ) = A ) si y solo si X = Y, A = B, A X = X, (X A Y ) = X Y, (X A Y ) = X Y

((X A Y ) = A ) si y solo si X = Y, A = B, A X = X, (X A Y ) = X Y, (X A Y ) = X Y El examen de Lógica y fundamentos del 11-02-2005 resuelto por cortesía de Alberto Castellón 1) Sea A = P(B) el conjunto de los subconjuntos de un conjunto B. a) Pruébese que A es un modelo de la teoría

Más detalles

Algoritmos. Autor: José Ángel Acosta Rodríguez

Algoritmos. Autor: José Ángel Acosta Rodríguez Autor: 2006 ÍNDICE Página Índice 1 Problema 1. Movimiento de figuras geométricas.2 Problema 2. Conversión decimal a binario....3 Problema 3. Secuencias binarias..4 Problema 4. Conversión a binario a octal...

Más detalles

Aplicaciones Lineales y Multilineales Continuas

Aplicaciones Lineales y Multilineales Continuas Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones

Más detalles

1 Agencia de viajes: enunciado

1 Agencia de viajes: enunciado 1 AGENCIA DE VIAJES: ENUNCIADO 1 1 Agencia de viajes: enunciado Una agencia de viajes mantiene una base de datos con exactamente N clientes y M destinos turísticos. En una situación real, estos valores

Más detalles

UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL

UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL IES PABLO RUIZ PICASSO EL EJIDO (ALMERÍA) CURSO 2013-2014 UNIDAD DIDÁCTICA: ELECTRÓNICA DIGITAL ÍNDICE 1.- INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL 2.- SISTEMA BINARIO 2.1.- TRANSFORMACIÓN DE BINARIO A DECIMAL

Más detalles

9.1 Primeras definiciones

9.1 Primeras definiciones Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación

Más detalles

Ejemplos de conversión de reales a enteros

Ejemplos de conversión de reales a enteros Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print

Más detalles

EXPRESIONES ALGEBRAICAS

EXPRESIONES ALGEBRAICAS EXPRESIONES ALGEBRAICAS Un grupo de variables representadas por letras junto con un conjunto de números combinados con operaciones de suma, resta, multiplicación, división, potencia o etracción de raíces

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

{} representa al conjunto vacío, es decir, aquel que no contiene elementos. También se representa por.

{} representa al conjunto vacío, es decir, aquel que no contiene elementos. También se representa por. 2. Nociones sobre Teoría de Conjuntos y Lógica Para llevar a cabo nuestro propósito de especificar formalmente los problemas y demostrar rigurosamente la correctitud de nuestro programas, introduciremos

Más detalles

Codd propuso estos tres lenguajes como base teórica de cualquier lenguaje que quisiera cumplir con los requisitos formales del modelo.

Codd propuso estos tres lenguajes como base teórica de cualquier lenguaje que quisiera cumplir con los requisitos formales del modelo. 16/05/2012 1 Todo modelo de datos debe definir un lenguaje de definición de datos para crear las estructuras donde se almacenará la información y un lenguaje de manipulación de datos con el que acceder

Más detalles

Tema : ELECTRÓNICA DIGITAL

Tema : ELECTRÓNICA DIGITAL (La Herradura Granada) Departamento de TECNOLOGÍA Tema : ELECTRÓNICA DIGITAL.- Introducción. 2.- Representación de operadores lógicos. 3.- Álgebra de Boole. 3..- Operadores básicos. 3.2.- Función lógica

Más detalles

Grupos. Subgrupos. Teorema de Lagrange. Operaciones.

Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial

Más detalles

Problemas indecidibles

Problemas indecidibles Capítulo 7 Problemas indecidibles 71 Codificación de máquinas de Turing Toda MT se puede codificar como una secuencia finita de ceros y unos En esta sección presentaremos una codificación válida para todas

Más detalles

Matrices invertibles. La inversa de una matriz

Matrices invertibles. La inversa de una matriz Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Programación Lineal Entera Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 11 de septiembre de 2003 1. Introducción Un LP donde se requiere que todas las variables sean enteras se denomina un problema

Más detalles

La suma y la resta. Introducción. Capítulo

La suma y la resta. Introducción. Capítulo Capítulo II La suma y la resta Introducción En el capítulo anterior, vimos que los números permiten expresar la cantidad de objetos que tiene una colección. Juntar dos o más colecciones, agregar objetos

Más detalles

Análisis de una variable real I. Tijani Pakhrou

Análisis de una variable real I. Tijani Pakhrou Análisis de una variable real I Tijani Pakhrou Índice general 1. Introducción axiomática de los números 1 1.1. Números naturales............................ 1 1.1.1. Axiomas de Peano........................

Más detalles

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD.

Modelado de flujo en redes. Jhon Jairo Padilla A., PhD. Modelado de flujo en redes Jhon Jairo Padilla A., PhD. Conceptos básicos Demanda o volumen de Demanda: Es el tráfico que están requiriendo los usuarios de una red. Para transportar el volumen de demanda

Más detalles

Álgebra y Trigonometría CNM-108

Álgebra y Trigonometría CNM-108 Álgebra y Trigonometría CNM-108 Clase 2 Ecuaciones, desigualdades y funciones Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción

Más detalles

Dualidad y Análisis de Sensibilidad

Dualidad y Análisis de Sensibilidad Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Dualidad y Análisis de Sensibilidad Marcel Goic F. 1 1 Esta es una versión bastante

Más detalles

Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier

Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Andrés Felipe López Lopera* Resumen. Existe una gran similitud entre vectores y las señales. Propiedades tales como la

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles