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

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

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

Transcripción

1 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 lista de todas las soluciones y elige la mejor Busca implícitamente todas las soluciones, pero elimina selectivamente la gran mayoría antes incluso de buscarlas Enumeración implícita aplicado a variables binarias Técnicas de planos de corte Usa la PL para resolver programas enteros añadiendo restricciones para eliminar las soluciones fraccionadas Ejemplo de análisis de inversiones Presupuesto = $4000 Inversión Líquido necesario (miles) VAN añadido (miles) 5$ 7$ 4$ 3$ 4$ 6$ 6$ $ $ 8$ $ 9$ maximizar 6x + x + x 3 + 8x 4 +x 5 + 9x 6 sujeto a 5x + 7x + 4x 3 + 3x 4 +4x 5 + 6x 6 4 x j binario para j = a 6 3 Enumeración Considera sistemáticamente todos los posibles valores de las variables de decisión Si existen n variables binarias, hay n modos diferentes Idea usual: de forma iterativa divida el problema en dos En la primera iteración, consideramos por separado el caso x = 0 y x = 4 Un árbol de enumeración Problema original x = 0 x = x 3 = x 3 = x 3 = x 3 = Sobre la enumeración completa Supongamos que pudiésemos evaluar mil millones de soluciones por segundo n = número de variables binarias Tiempos de las soluciones n = 30, segundo n = 40, 7 minutos n = 50,6 días n = 60 3 años 5 6

2 Sobre la enumeración completa Supongamos que podemos evaluar billón de soluciones por segundo, y de forma instantánea eliminar el 99, % de todas las soluciones por no merecer consideración n = número de variables binarias Tiempos de las soluciones n = 70, segundo n = 80, 7 minutos n = 90,6 días n = 00 3 años 7 idea esencial: busque en el árbol de enumeración, pero en cada nodo Resuelva el problema PL en el nodo Elimine el subárbol (pódelo) si: es entera (no hay necesidad de ir más allá) o mejor en el subárbol no puede ser tan buena como la mejor disponible (la ) o 3 No existe factible 8 Solución en nodo : Nodo es la relajación PL original maximizar 6x + x + x 3 + 8x 4 +x 5 + 9x 6 sujeto a 5x + 7x + 4x 3 + 3x 4 +4x 5 + 6x x j para j = a 6 x = x = 3/7 x 3 = x 4 = x 5 = 0 x 6 = z = El programa entero no puede tener un valor superior a 9 x = 0 maximizar 6x + x + x 3 + 8x 4 +x 5 + 9x 6 sujeto a 5x + 7x + 4x 3 + 3x 4 +4x 5 + 6x x j para j = a 6, x = 0 Nodo es la relajación PL original más la restricción x = 0 Solución en nodo : x = 0 x = x 3 = /4 x 4 = x 5 = 0 x 6 = z = 0 x = 0 x = en el nodo era 3 Nodo 3 es la relajación PL original más la restricción x = x = x = 3/7 x 3 = x 4 = x 5 = 0 x 6 = z = Nota: era la mejor sin restricciones en x Por tanto, también es la para el nodo 3 (Si añade una restricción, y la antigua óptima es factible, entonces sigue siendo óptima) x = 0 x = 3 x = 0 Nodo 4 es la relajación PL original más las restricciones x = 0, x = 0 Solución en nodo 4: z = 4 Primera! A partir del nodo 4 no se busca más porque no puede existir una mejor entera

3 x = 0 x = x = 0 x = /3 7 6 /3 7 x 3 = x 3 = x 3 = A continuación resolvimos los problemas de PL asociados con con los nodos 5, 6, y 7 No se encontraron soluciones enteras 3 43, ,5 9 43,5 0 43,8,3 -Inf 3 A continuación resolvimos los problemas PL asociados con los nodos Resumen hasta ahora Hasta aquí hemos resuelto 3 problemas de programación lineal Una entera hallada Un subárbol podado porque la era entera (nodo 4) Un subárbol podado porque la no era factible (nodo 3) No hay subárboles podados por la cota 5 x = 0 x = 3 6 /3 7 x 3 = x 3 = 43, ,5 9 43,5 0 43,8,3 -Inf 3 43,75 4,66 x 3 = Luego resolvimos los problemas de PL asociados con los nodos siguientes Podemos podar el nodo con z = 4,66 Por qué? 6 Cómo obtener una mejor cota cota en cada nodo se obtiene resolviendo un problema de PL Pero sabemos que la mejor entera tiene un valor objetivo entero Si la mejor entera para un nodo es a lo sumo 4,66, entonces sabemos que la mejor cota es como máximo 4 Otras cotas también se pueden redondear x = 0 x = 3 6 /3 7 x 3 = x 3 = 43, ,5 9 43,5 0 43,8,3 Inf 3 43,75 4,66 x 3 = 7 8

4 x = 0 x = 3 x = 0 x = x 3 = x 3 = x 3 = x 3 = x 3 = x 3 = Inf Inf Hemos hallado una nueva x =, x =, x 4 =, x 5 = 0, x 6 = z = 43 0 x = 0 x = 3 nueva tiene valor x 3 = x 3 = x 3 = Inf 3 x = 0 x = 3 mieva tiene valor x 3 = x 3 = x 3 = Inf Hemos hallado una nueva x =, x =, x 4 =, x 5 = 0, x 6 = z = 43 Si hubiesemos encontrado antes este, habríamos buscado menos Finalización x = 0 x = 3 nueva tiene valor x 3 = x 3 = x 3 = Inf Inf Conclusiones puede acelerar la búsqueda Sólo se evaluaron 5 nodos (programación lineal) Otros nodos se podaron Obtener pronto un buen puede ser valioso sólo se habrían evaluado 9 nodos Resuelve problemas de PL más rápido, porque comenzamos con una excelente u óptima usa una técnica denominada el método simplex dual Obtener mejores cotas puede ser valioso A veces utilizamos propiedades que nos son obvias, como el hecho de que las soluciones enteras tienen valores de enteros 6 7 Inf Inf 3 4

5 Anotación: z* = entera óptima Subdivisión: un nodo del árbol B&B Incumbente: la mejor a mano z I : valor de la z PL : valor de la relajación PL del nodo actual LIST: la colección de nodos activos (no podados) Hijo de un nodo : los dos problemas creados para un nodo, p ej, diciendo x j = o x j = 0 Paso inicial: LIST = {problema original} Incumbente: = z I = - Algoritmo Si LIST =, la es óptima si existe, y el problema no tiene factible si no existe ; si no, supongamos que S sea una subdivisión de LIST Sea x PL la óptima de S CASO z PL = - (la PL no es factible) Quitar S de LIST (podarlo) 5 6 Algoritmo Si LIST =, la es óptima (si existe), y el problema no tiene factible si no existe ; si no, supongamos que S sea una subdivisión de LIST Sea x PL la óptima de S Algoritmo Si LIST =, la es óptima (si existe), y el problema no tiene factible si no existe ; si no, supongamos que S sea una subdivisión de LIST Sea x PL la óptima de S CASO - < z PL <= z I Esto es, la domina la PL Quitar S de LIST (podarlo) CASO - < z PL <= z I Esto es, la domina la PL Quitar S de LIST (podarlo) 7 8 Algoritmo Si LIST =, la es óptima (si existe), y el problema no tiene factible si no existe ; si no, supongamos que S sea una subdivisión de LIST Sea x PL la óptima de S Algoritmo Si LIST =, la es óptima (si existe), y el problema, no tiene factible si no existe ; si no, supongamos que S sea una subdivisión de LIST Sea x PL la óptima de S CASO 3 z I <z PL y x PL es entero Esto es, la PL es entera y domina la CASO 4 z I <z PL y x PL no es entero No hay suficiente información para podar S Quitar S de LIST Entonces la := x PL ; Añadir el hijo de S a LIST z I := z PL Eliminar S de LIST (podado por números enteros) 9 30

6 Hay varias reglas de selección Regla general : no deje que LIST crezca demasiado (las soluciones han de almacenarse) Por tanto, dé prioridad a los nodos que están más abajo en el árbol Regla general : escoja un dodo de LIST que tenga probabilidad de dar una mejorada A veces se utilizan heurísticas especiales para dar con una buena = 0 3 = 0 = 0 = Ramificación = 8 = 0 8 = 3 = 0 3 = 0 3 = 3 = 3 = 0 3= El árbol B&B no tiene por que ser simétrico, y no se seleccionan subárboles considerando las variables disponibles 3 = Saber cómo ramificar para reducir el tiempo de ejecución se basa en la experiencia 3 3 Se pueden dar diferentes reglas de ramificación Ramificación: determinar hijos para un nodo Existen muchas posibilidades Regal general : si resulta claro que x j = en una óptima, suele ser bueno ramificar en x j = 0 vs x j = esperanza es que una subdivision con x j = 0 se puede podar Regla general : ramificar en variables importantes merece la pena Pej, en el problema de localización, ramifique primero sobre las variables de localización de la fábrica 33 Existen diferentes técnicas de acotamiento Utilizamos la cota obtenida eliminando las restricciones enteras (relajación PL) Existen otras opciones Equilibrio clave en las cotas: tiempo necesario para obtener una cota contrapuesto a la calidad de la cota Si podemos obtener una cota más rápido, a veces no nos importaría obtener una cota que es peor A menudo merece la pena obtener una cota mejor con tal de que no nos lleve mucho tiempo (ver siguiente lección) 34 Qué ocurre si las variables son variables enteras generales? Se pueden elegir hijos del siguiente modo: hijo : x 3 (o x j k) hijo : x 4 (o x j k+) Cómo se elegiría la variable j y el valor k Lo usual sería tomar un valor fraccional de x PL p ej, si x 7 = 56, entonces es posible ramificar en x 7 5 y x 7 6 Otras opciones también son posibles 35 Resumen es el método estándar de alcanzar la optimidad en los problemas de PE Hacerlo funcionar en la práctica requiere algo de arte Gran parte del arte viene incorporado en modernos programas de software, tipo CPLE 36

7 Un mal ejemplo de enumeración implícita maximizar x + x + x x 00 sujeto a x + x + x x 00 0 x i {0,} para i = a 00 Por qué es un mal ejemplo? Qué pasaría si usásemos el método branch & bound, tal y como lo hemos descrito? 37

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

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1

Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1 15.053 Jueves, 4 de abril Un programa entero de dos variables Introducción a la programación entera Modelos de programación entera Handouts: material de clase maximizar 3x + 4y sujeto a 5x + 8y 24 x, y

Más detalles

Programación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011

Programación Lineal y Optimización Segundo Examen Parcial Respuesta: :Solución Profr. Eduardo Uresti, Enero-Mayo 2011 Matrícula: Nombre: Programación Lineal y Optimización Segundo Examen Parcial Respuesta: : Profr. Eduardo Uresti, Enero-Mayo 2011 1. Suponga que tiene una empresa que produce tres tipos de productos (P

Más detalles

7. Conclusiones. 7.1 Resultados

7. Conclusiones. 7.1 Resultados 7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar

Más detalles

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero

Fundamentos de Investigación de Operaciones Asignación y Vendedor Viajero Fundamentos de Investigación de Operaciones y Vendedor Viajero 23 de mayo de 2004 Si bien la resolución del problema de transporte mediante tableau parece ser muy expedita, existen ciertos tipos de problemas

Más detalles

Programación Lineal Entera. Programación Entera

Programación Lineal Entera. Programación Entera Programación Lineal Entera PE Programación Entera Modelo matemático, es el problema de programación lineal Restricción adicional de variables con valores enteros. Programación entera mita Algunas variables

Más detalles

Ejemplo: ubicación de estación de bomberos

Ejemplo: ubicación de estación de bomberos 15.053 Jueves, 11 de abril Más aplicaciones de la programación entera. Técnicas de plano de corte para obtener mejores cotas. Ejemplo: ubicación de estación de bomberos Considere la ubicación de estaciones

Más detalles

Estructuras de datos: Árboles binarios de

Estructuras de datos: Árboles binarios de Estructuras de datos: Árboles binarios de búsqueda, Dep. de Computación - Fac. de Informática Universidad de A Coruña Santiago Jorge santiago.jorge@udc.es Árboles binarios de búsqueda, Table of Contents

Más detalles

Programación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009

Programación Lineal y Optimización Segundo Examen Parcial :Solución Profr. Eduardo Uresti, Verano 2009 Programación Lineal y Optimización Segundo Examen Parcial : Profr. Eduardo Uresti, Verano 2009 Matrícula: Nombre: 1. Suponga que se tiene disponible la siguiente información salida de LINDO a un problema

Más detalles

Capítulo 12: Indexación y asociación

Capítulo 12: Indexación y asociación Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación

Más detalles

Programación Entera. P.E pura: Todas las variables de decisión tienen valores enteros.

Programación Entera. P.E pura: Todas las variables de decisión tienen valores enteros. Clase # 7 Programación Entera. Programación entera es programación lineal con la restricción adicional de que los valores de las variables de decisión sean enteros. P.E pura: Todas las variables de decisión

Más detalles

Programación Genética

Programación Genética Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino

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

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

Tema 8: El Problema de Programación Lineal Entera. Modelización y Resolución

Tema 8: El Problema de Programación Lineal Entera. Modelización y Resolución Tema 8: El Problema de Programación Lineal Entera. Modelización y Resolución Los problemas de programación lineal entera pple son problemas de programación lineal en los que se exige que alguna o todas

Más detalles

Si el comando Solver no aparece en el menú Herramientas, deberá instalar la macro automática Solver como sigue:

Si el comando Solver no aparece en el menú Herramientas, deberá instalar la macro automática Solver como sigue: El Solver de Excel El Solver se utiliza para determinar el valor máximo o mínimo de una celda modificando otras celdas; por ejemplo, el beneficio máximo que puede generarse modificando los gastos de publicidad.

Más detalles

Unidad III: Programación no lineal

Unidad III: Programación no lineal Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas

Más detalles

Análisis de los datos

Análisis de los datos Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización

Más detalles

Arboles Binarios de Búsqueda

Arboles Binarios de Búsqueda Arboles Binarios de Búsqueda Algoritmos y Estructuras de Datos Departamento de Electricidad y Electrónica (UPV/EHU) Arboles Binarios de Búsqueda p.1/52 Arboles Binarios Arbol binario: árbol ordenado de

Más detalles

APLICACIONES CON SOLVER OPCIONES DE SOLVER

APLICACIONES CON SOLVER OPCIONES DE SOLVER APLICACIONES CON SOLVER Una de las herramientas con que cuenta el Excel es el solver, que sirve para crear modelos al poderse, diseñar, construir y resolver problemas de optimización. Es una poderosa herramienta

Más detalles

Unidad II: Análisis de Redes

Unidad II: Análisis de Redes Unidad II: Análisis de Redes 2.1 Conceptos Básicos Un problema de redes es aquel que puede representarse por: LA IMPORTANCIA DE LOS MODELOS DE REDES: Muchos problemas comerciales pueden ser resueltos a

Más detalles

Problemas de programación entera: El método Ramifica y Acota. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Problemas de programación entera: El método Ramifica y Acota. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Problemas de programación entera: El método Ramifica y Acota Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema La estrategia Divide y vencerás Árboles de enumeración

Más detalles

OPTIMIZACIÓN CON SOLVER

OPTIMIZACIÓN CON SOLVER OPTIMIZACIÓN CON SOLVER SÁNCHEZ ALVAREZ, ISIDRO (isanchez@econo.uniovi.es) LÓPEZ ARES, SUSANA (slopez@econo.uniovi.es) Departamento de Economía Cuantitativa - Universidad de Oviedo La relevancia de los

Más detalles

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33

Búsqueda Local. cbea (LSI-FIB-UPC) Inteligencia Artificial Curso 2011/2012 1 / 33 Introducción Búsqueda Local A veces el camino para llegar a la solución no nos importa, buscamos en el espacio de soluciones Queremos la mejor de entre las soluciones posibles alcanzable en un tiempo razonable

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

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

El proyecto realizado consiste en un resolutor de sudokus mediante CSP.

El proyecto realizado consiste en un resolutor de sudokus mediante CSP. Introducción El proyecto realizado consiste en un resolutor de sudokus mediante CSP. El problema del sudoku fue inventado por Howard Garns en 1979 y se volvió muy popular en Japón en 1986. En España ha

Más detalles

Dada la dificultad práctica para resolver de forma exacta toda una serie de problemas de

Dada la dificultad práctica para resolver de forma exacta toda una serie de problemas de CAPÍTULO 2 Métodos de solución Dada la dificultad práctica para resolver de forma exacta toda una serie de problemas de programación entera, se han desarrollado algoritmos que proporcionan soluciones factibles

Más detalles

Programación Lineal Entera

Programación Lineal Entera Programación Lineal Entera Los modelos de programación entera son una extensión de los modelos lineales en los que algunas variables toman valores enteros. Con frecuencia las variables enteras sólo toman

Más detalles

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico.

Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. Desarrollo de un nuevo algoritmo para resolver programas lineales enteros y su aplicación práctica en el desarrollo económico. 7071 Febrero, 2014 Resumen Es importante señalar que en un entorno social

Más detalles

ADM-OPERACIONES: PERT - CPM

ADM-OPERACIONES: PERT - CPM 1. Definición Conceptual : ADMINISTRACIÓN DE PROYECTOS PERT - CPM Un Proyecto es la búsqueda de la solución inteligente al planeamiento de un problema tendente a resolver una necesidad humana. En forma

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

Tema 3: Problemas de Satisfacción de Restricciones

Tema 3: Problemas de Satisfacción de Restricciones Tema 3: Problemas de Satisfacción de Restricciones Universidad de Granada Tema 3: Satisfacción de Restricciones Contenido Problemas de satisfacción de restricciones Métodos de búsqueda Búsqueda local para

Más detalles

Resolución de Problemas

Resolución de Problemas Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar el camino en un laberinto Resolver

Más detalles

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B 1. Una empresa tiene 3000 bolsas de ajo morado de Las

Más detalles

Árboles AVL. Laboratorio de Programación II

Árboles AVL. Laboratorio de Programación II Árboles AVL Laboratorio de Programación II Definición Un árbol AVL es un árbol binario de búsqueda que cumple con la condición de que la diferencia entre las alturas de los subárboles de cada uno de sus

Más detalles

PLE: Ramificación y Acotamiento

PLE: Ramificación y Acotamiento PLE: Ramificación y Acotamiento CCIR / Depto Matemáticas TC3001 CCIR / Depto Matemáticas PLE: Ramificación y Acotamiento TC3001 1 / 45 La compañía TELFA fabrica mesa y sillas. Una mesa requiere 1 hora

Más detalles

Secuenciación de una línea mixed-model mediante un algoritmo exacto Pág. 1. Resumen

Secuenciación de una línea mixed-model mediante un algoritmo exacto Pág. 1. Resumen Secuenciación de una línea mixed-model mediante un algoritmo exacto Pág. 1 Resumen En una línea de montaje de productos mixtos, aquella que es responsable de la producción de diversas variaciones de un

Más detalles

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1

TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS 1 Técnicas de planificación y control de proyectos Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TÉCNICAS DE PLANIFICACIÓN Y CONTROL DE PROYECTOS

Más detalles

Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III

Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen

Más detalles

1. Juegos de suma cero con dos jugadores

1. Juegos de suma cero con dos jugadores Teoría de juegos Jesús López Fidalgo Esta teoría está íntimamente relacionada con la teoría de la decisión. Lo que diferencia una de otra es el rival contra el que se entra en juego. En la teoría de la

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

Búsqueda heurística Prof. Constantino Malagón

Búsqueda heurística Prof. Constantino Malagón Búsqueda heurística Prof. Constantino Malagón Area de Computación e Inteligencia Artificial 1 Búsqueda heurística Los métodos de búsqueda heurística disponen de alguna información sobre la proximidad de

Más detalles

0.5 ptos por cada trozo bien dibujado

0.5 ptos por cada trozo bien dibujado Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (013) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá contestar a una de las dos opciones propuestas A o B. Se

Más detalles

Problema de Programación Lineal

Problema de Programación Lineal Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,

Más detalles

PRÁCTICA No. 13 ÁRBOL BINARIO DE BÚSQUEDA

PRÁCTICA No. 13 ÁRBOL BINARIO DE BÚSQUEDA INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADÉMICA DIRECCIÓN DE EDUCACIÓN SUPERIOR ESIME CULHUACAN NOMBRE ALUMNO: FECHA DIA MES AÑO INGENIERÍA EN COMPUTACIÓN ASIGNATURA 1. Objetivo Apellido paterno ESTRUCTURAS

Más detalles

La lección de hoy es sobre Resolver Ecuaciones. El cuál es la expectativa para el aprendizaje del estudiante SEI.2.A1.1

La lección de hoy es sobre Resolver Ecuaciones. El cuál es la expectativa para el aprendizaje del estudiante SEI.2.A1.1 SEI.2.A1.1-Solving Equations-Student Learning Expectation. La lección de hoy es sobre Resolver Ecuaciones. El cuál es la expectativa para el aprendizaje del estudiante SEI.2.A1.1 En esta lección aprenderemos

Más detalles

TEMA 3 PROFESOR: M.C. ALEJANDRO GUTIÉRREZ DÍAZ 2 3. PROCESAMIENTO DE CONSULTAS DISTRIBUIDAS

TEMA 3 PROFESOR: M.C. ALEJANDRO GUTIÉRREZ DÍAZ 2 3. PROCESAMIENTO DE CONSULTAS DISTRIBUIDAS 1 1 BASES DE DATOS DISTRIBUIDAS TEMA 3 PROFESOR: M.C. ALEJANDRO GUTIÉRREZ DÍAZ 2 3. PROCESAMIENTO DE CONSULTAS DISTRIBUIDAS 3.1 Metodología del procesamiento de consultas distribuidas 3.2 Estrategias de

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

Análisis amortizado El plan:

Análisis amortizado El plan: Análisis amortizado El plan: Conceptos básicos: Método agregado Método contable Método potencial Primer ejemplo: análisis de tablas hash dinámicas Montículos agregables (binomiales y de Fibonacci) Estructuras

Más detalles

METAHEURISTICAS Ideas, Mitos, Soluciones

METAHEURISTICAS Ideas, Mitos, Soluciones METAHEURISTICAS Ideas, Mitos, Soluciones OPTIMIZACION COMBINATORIA Qué es un problema de optimización combinatoria? Cómo se modela matemáticamente un problema de optimización combinatoria? Minimizar (o

Más detalles

Bases de datos en Excel

Bases de datos en Excel Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Bases de datos en Excel Hojas de cálculo Tema 5 Bases de datos en Excel Hasta ahora hemos usado Excel básicamente para realizar cálculos

Más detalles

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas).

Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). TEMA 5.- GRAFOS 5.1.- DEFINICIONES BÁSICAS Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). Gráficamente representaremos

Más detalles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA PROGRAMA DE CIENCIAS BASICAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA PROGRAMA DE CIENCIAS BASICAS UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA PROGRAMA DE CIENCIAS BASICAS 102016 METODOS DETERMINISTICOS GLORIA LUCIA GUZMÁN ARAGÓN (Director Nacional) GERMAN MENDOZA Acreditador BOGOTA Julio de 2010 1 ASPECTOS

Más detalles

SISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS

SISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS 62 CAPITULO 3 SISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS En este capítulo se describe de manera general lo que es SISI / TS / AG / SR y se explica cada una de las opciones que

Más detalles

Inversión. Inversión. Arbitraje. Descuento. Tema 5

Inversión. Inversión. Arbitraje. Descuento. Tema 5 Inversión Tema 5 Inversión Los bienes de inversión obligan a gastar hoy para obtener ganancias en el futuro Vamos a estudiar cómo se valoran los pagos futuros Por ejemplo, la promesa de recibir euro dentro

Más detalles

UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)

UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales

Más detalles

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL Adriel R. Collazo Pedraja 2 INTRODUCCIÓN Este trabajo tiene como propósito proveer ayuda al estudiante para que pueda comprender y manejar más efectivamente

Más detalles

Universidad Autónoma de Nuevo León

Universidad Autónoma de Nuevo León Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Estudios de Posgrado Optimización de la producción en máquinas en paralelo de inyección de plástico por I.Q. Miguel

Más detalles

Programación de Sistemas

Programación de Sistemas Programación de Sistemas Algoritmos de Ordenación Índice Por qué es importante la ordenación? Un par de ejemplos InsertionSort QuickSort Para cada uno veremos: En qué consisten, Casos extremos Eficiencia

Más detalles

KRASIS - Guía de uso de las tarifas planas de Microsoft e-learning

KRASIS - Guía de uso de las tarifas planas de Microsoft e-learning KRASIS - Guía de uso de las tarifas planas de Microsoft e-learning Microsoft desarrolla contenidos propios de e-learning acerca de sus tecnologías, los cuales se comercializan a través de la página Web

Más detalles

Un comité de la organización ANSI (American National Standards Institute) aborda la problemática del almacenamiento de datos para su procesamiento en

Un comité de la organización ANSI (American National Standards Institute) aborda la problemática del almacenamiento de datos para su procesamiento en 15/05/2012 1 Un comité de la organización ANSI (American National Standards Institute) aborda la problemática del almacenamiento de datos para su procesamiento en aplicaciones informáticas en 1975. 2 Como

Más detalles

1.3 Números racionales

1.3 Números racionales 1.3 1.3.1 El concepto de número racional Figura 1.2: Un reparto no equitativo: 12 5 =?. Figura 1.3: Un quinto de la unidad. Con los números naturales y enteros es imposible resolver cuestiones tan simples

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

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

Instrucciones de EXCEL Solver

Instrucciones de EXCEL Solver Instrucciones de EXCEL Solver Octubre de 2000 2 La opción Solver de EXCEL sirve para resolver problemas de optimización lineal y no lineal; también se pueden indicar restricciones enteras sobre las variables

Más detalles

DECISIONES GERENCIALES II Bibliografía Básica

DECISIONES GERENCIALES II Bibliografía Básica DECISIONES GERENCIALES II Bibliografía Básica Métodos Cuantitativos para los Negocios. Barry Render y Otros (libro texto) Métodos Cuantitativos para Administración. Frederick Hiller y otros. Investigación

Más detalles

RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA

RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA RELACIÓN DE PROBLEMAS DE CLASE DE PROGRAMACIÓN LINEAL ENTERA SIMPLEX Y LINEAL ENTERA a Resuelve el siguiente problema con variables continuas positivas utilizando el método simple a partir del vértice

Más detalles

Conjuntos Numéricos. Las dos operaciones en que se basan los axiomas son la Adición y la Multiplicación.

Conjuntos Numéricos. Las dos operaciones en que se basan los axiomas son la Adición y la Multiplicación. Conjuntos Numéricos Axiomas de los números La matemática se rige por ciertas bases, en la que descansa toda la matemática, estas bases se llaman axiomas. Cuántas operaciones numéricas conocen? La suma

Más detalles

EJERCICIOS RESUELTOS PROGRAMACIÓN III

EJERCICIOS RESUELTOS PROGRAMACIÓN III EJERCICIOS RESUELTOS PROGRAMACIÓN III Curso 2008 2009 Ejercicios resueltos de programación 3 Tema 3. Notación asintótica. Alumna: Alicia Sánchez Centro: UNED-Las Rozas (Madrid) El índice de los ejercicios

Más detalles

Restricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani

Restricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani Restricciones Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados en búsqueda

Más detalles

DEFINICION. Ing. M.Sc. Fulbia Torres Asignatura: Estructuras de Datos Barquisimeto 2006

DEFINICION. Ing. M.Sc. Fulbia Torres Asignatura: Estructuras de Datos Barquisimeto 2006 ARBOLES ESTRUCTURAS DE DATOS 2006 DEFINICION Un árbol (tree) es un conjunto finito de nodos. Es una estructura jerárquica aplicable sobre una colección de elementos u objetos llamados nodos; uno de los

Más detalles

PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS

PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8 11 de abril de 2003 PROCEDIMIENTO HEURÍSTICO PARA MINIMIZAR EL C max EN CELDAS ROBOTIZADAS CON BUFFERS FINITOS Y PIEZAS DISTINTAS

Más detalles

Juegos deterministas. Ajedrez, damas, Go, Othello. barquitos

Juegos deterministas. Ajedrez, damas, Go, Othello. barquitos Árboles de juegos Análisis y Diseño de Algoritmos Tipos de juegos Juegos deterministas Juegos de azar Con información perfecta Con información imperfecta Ajedrez, damas, Go, Othello barquitos Backgammon,

Más detalles

EXCEL: Herramienta Solver

EXCEL: Herramienta Solver EXCEL: Herramienta Solver Introducción Las planillas de cálculo se han convertido en herramientas obligadas de análisis de datos. Sin embargo, no siempre se aprovechan todas sus potencialidades. La planilla

Más detalles

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING

Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING Capítulo VI MÉTODOS DE SOLUCIÓN PARA JOB SHOP SCHEDULING 6.1. HEURÍSTICAS CONVENCIONALES El problema de job shop scheduling (JSSP) es un problema muy importante [69]; está entre los problemas de optimización

Más detalles

Temario III Algoritmos Combinatorios y Metaheurísticas

Temario III Algoritmos Combinatorios y Metaheurísticas Temario III Algoritmos Combinatorios y Metaheurísticas Verificación y Validación de Software UNCo 1 Contenidos Combinación de Datos de Test Algoritmos Combinatorios Metaheurísticas Búsqueda Tabú Algoritmos

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Introducción FACULTAD DE INGENIERÍA. Ordenación

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Introducción FACULTAD DE INGENIERÍA. Ordenación Introducción Uno de los procedimientos más comunes y útiles en el procesamiento de datos, es la clasificación u ordenación de los mismos. Se considera ordenar al proceso de reorganizar un conjunto dado

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

Árbol binario. Elaborado por Ricardo Cárdenas cruz Jeremías Martínez Guadarrama Que es un árbol Introducción

Árbol binario. Elaborado por Ricardo Cárdenas cruz Jeremías Martínez Guadarrama Que es un árbol Introducción Árbol binario Elaborado por Ricardo Cárdenas cruz Jeremías Martínez Guadarrama Que es un árbol Introducción Un Árbol Binario es un conjunto finito de Elementos, de nombre Nodos de forma que: El Árbol Binario

Más detalles

ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 2: EL MONOPOLIO SOLUCIÓN A LOS PROBLEMAS PROPUESTOS

ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 2: EL MONOPOLIO SOLUCIÓN A LOS PROBLEMAS PROPUESTOS ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 2: EL MONOPOLIO 2.1 ANÁLISIS DE EQUILIBRIO 2.2. DISCRIMINACIÓN DE PRECIOS Y REGULACIÓN SOLUCIÓN A LOS PROBLEMAS PROPUESTOS

Más detalles

2 Métodos combinatorios

2 Métodos combinatorios 2 Métodos combinatorios Las pruebas pueden aplicarse de muchas maneras, es decir, existen diferentes formas de preparar casos de prueba. En este capítulo se presentan dos formas de prueba muy fáciles de

Más detalles

Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común

Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común Algoritmos... en una máquina con una fecha de entrega común Algoritmos exactos y heurísticos para minimizar el adelantamiento y retraso ponderados en una máquina con una fecha de entrega común R. Alvarez-Valdés,

Más detalles

SISTEMAS INTELIGENTES

SISTEMAS INTELIGENTES SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones

Más detalles

MÁQUINAS DE VECTORES DE SOPORTE

MÁQUINAS DE VECTORES DE SOPORTE MÁQUINAS DE VECTORES DE SOPORTE Introducción Se tiene información de N individuos codificada de la forma Las variables X son vectores que reúnen información numérica del individuo, las variables Y indican

Más detalles

Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico

Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico Departamento de Matemática Aplicada Universidad Granada Introducción El Cálculo o Análisis Numérico es

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

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

1. Ecuaciones no lineales

1. Ecuaciones no lineales 1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar

Más detalles

Modelización Avanzada en Logística y Transporte

Modelización Avanzada en Logística y Transporte Modelización Avanzada en Logística y Transporte El problema de enrutamiento vehicular (CVRP) Luis M. Torres Escuela Politécnica del Litoral Guayaquil, Diciembre 2010 Maestría en Control de Operaciones

Más detalles

En nuestro capitulo final, daremos las conclusiones y las aplicaciones a futuro

En nuestro capitulo final, daremos las conclusiones y las aplicaciones a futuro Capitulo 6 Conclusiones y Aplicaciones a Futuro. En nuestro capitulo final, daremos las conclusiones y las aplicaciones a futuro para nuestro sistema. Se darán las conclusiones para cada aspecto del sistema,

Más detalles

www.onda4.com SISTEMAS CON ALTO PORCENTAJE DE ACIERTOS

www.onda4.com SISTEMAS CON ALTO PORCENTAJE DE ACIERTOS www.onda4.com SISTEMAS CON ALTO PORCENTAJE DE ACIERTOS Cuando uno opera de forma mecánica (siguiendo un sistema) suele escoger el tipo de sistema que quiere utilizar de forma que se adecue a su personalidad.

Más detalles

Unidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal)

Unidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Unidad I Sistemas numéricos 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS.

Más detalles

VI Colas de prioridad

VI Colas de prioridad VI Colas de prioridad Una cola de prioridad (cat: cua de prioritat; ing: priority queue) es una colección de elementos donde cada elemento tiene asociado un valor susceptible de ordenación denominado prioridad.

Más detalles

El diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias

El diseño de la base de datos de un Data Warehouse. Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El diseño de la base de datos de un Data Warehouse Marta Millan millan@eisc.univalle.edu.co www.eisc.univalle.edu.co/materias El modelo Multidimensional Principios básicos Marta Millan millan@eisc.univalle.edu.co

Más detalles

Juegos Dinámicos: Info Completa. Tema 05. Profesor: Carlos R. Pitta. Análisis de Sectores Económicos

Juegos Dinámicos: Info Completa. Tema 05. Profesor: Carlos R. Pitta. Análisis de Sectores Económicos Universidad Austral de Chile Escuela de Ingeniería Comercial Análisis de Sectores Económicos Tema 05 Juegos Dinámicos: Info Completa Profesor: Carlos R. Pitta Análisis de Sectores Económicos, Prof. Carlos

Más detalles

UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas. Matemáticas. Manuel Fernández García-Hierro Badajoz, Febrero 2008

UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas. Matemáticas. Manuel Fernández García-Hierro Badajoz, Febrero 2008 UNIVERSIDAD DE EXTREMADURA Departamento de Matemáticas Matemáticas Manuel Fernández García-Hierro Badajoz, Febrero 2008 Capítulo VI Concepto de error 6.1 Introducción Uno de los temas más importantes en

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

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

PROBLEMAS RESUELTOS DE INVESTIGACIÓN DE OPERACIONES

PROBLEMAS RESUELTOS DE INVESTIGACIÓN DE OPERACIONES PROBLEMAS RESUELTOS DE INVESTIGAIÓN DE OPERAIONES Enero 13 TEMA 1: REDES 1. Encuentre la ruta más corta de la siguiente red. Los números representan las distancias correspondientes reales entre los nodos.

Más detalles