Aproximando la iluminación por módems

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

Download "Aproximando la iluminación por módems"

Transcripción

1 Aproimado la ilumiació por módems A.L. Bajuelos S. Caales, G. Herádez A. M. Martis Resume E este artículo obteemos solucioes aproimadas a ua geeralizació del problema clásico de ilumiació de polígoos. E lugar del foco de luz habitual, cosideramos u dispositivo ialámbrico cuya señal puede atravesar u determiado úmero úmero k de paredes. Estos dispositivos so desigados por k-módems. Presetamos u algoritmo para costruir la regió poligoal cubierta por u k-módem y aalizamos co técicas metaheurísticas el problema de miimizar el úmero de k-módems, situados e vértices, que so ecesarios para cubrir u polígoo de lados. Se obtiee resultados para k = 2 y k = 4 tato e polígoos geerales como ortogoales. 1 Itroducció La ilumiació y los problemas de visibilidad ha sido siempre áreas de estudio e Matemáticas e Iformática, especialmete e Geometría Computacioal. La defiició clásica de visibilidad asegura que dos putos e y de u cojuto D e R 2 so visibles si el segmeto y está completamete coteido e D (ver [7]). Si embargo, el desarrollo de iteret y de las redes ialámbricas ispira uevas ivestigacioes e este área de la Geometría Computacioal, como se muestra e [3, 4, 8]. Recietemete Aichholzer y otros defie e [5] el problema de ilumiació co módem para regioes poligoales. Eiste dos factores clave a la hora de coectar u ordeador a ua red ialámbrica: la distacia al módem ialámbrico y el úmero de paredes que separa uestro ordeador de dicho módem. Así, se dice que u puto e u polígoo P está cubierto o ilumiado por u k-módem w e P si el segmeto w cruza a lo sumo k paredes (aristas) de P, (ver figura 1). Etoces podemos platear el siguiete problema: Dado u polígoo P co vértices, cuál es el úmero míimo de k-módems (situados sobre putos de P ) a veces ecesarios y siempre suficietes para cubrir P? Es fácil observar que (i) para el caso e que k = 0 este problema se reduce al problema clásico de la Galería de Arte y que (ii) para k = bastaría u úico -módem situado e cualquier puto para cubrir P (solució trivial). E [5] se obtiee cotas combiatorias ajustadas de este problema para polígoos moótoos, quedado abierto el problema para polígoos geerales y ortogoales. Partiedo del presupuesto de que este problema es N P-duro (como muchas variates de los problemas de Galería de Arte) tiee setido abordarlo aplicado técicas de resolució aproimadas. Este trabajo esta orgaizado de la siguiete forma: e la secció 2 se preseta dos algoritmos que calcula la regió cubierta por u k-módem situado e u puto de u polígoo co lados. Uo para k fijo y otro que costruye todas las regioes de visibilidad (cubiertas) para todos los posibles valores de k (0 k ). E la secció 3 se discute las técicas metaheurísticas diseñadas para resolver de forma aproimada el problema de la miimizació del úmero de k-módems, basadas e u método Parcialmete subvecioado por los proyectos MEC MTM , Acció Itegrada HP , CEOC co Programa POCTI, FAC, cofiaciado por EC fodos FEDER y apoyado por la beca FCT SFRH/BD/19138/2004 Departamet of Mathematics & CEOC. Uiversity of Aveiro. leslie@ua.pt Escuela Técica Superior de Igeiería, ICAI. Uiversidad Potificia Comillas de Madrid. scaales@dmc.icai.upcomillas.es Facultad de Iformática. Uiversidad Politécica de Madrid. gregorio@fi.upm.es Departamet of Mathematics & CEOC. Uiversity of Aveiro. aa.martis@ua.pt

2 híbrido que utiliza tato algoritmos geéticos como simulated aealig. Presetamos a cotiuació e la secció 4 los resultados eperimetales obteidos para k = 2 y k = 4. Se realizó u estudio detallado del úmero míimo de k-módems que produce e media dichas técicas sobre cojutos de polígoos geerados aleatoriamete distiguiedo dos casos: polígoos simples arbitrarios ó geerales y polígoos ortogoales. Los resultados obteidos muestra que, aproimadamete y e media, el úmero de 2-módems ecesarios para cubrir u polígoo P co lados es 26.10, siedo si cosideramos 4-módems. Si los polígoos so ortogoales, los valores obteidos so y 57.47, respectivamete. Figura 1: Zoa cubierta por u 2-módem e u polígoo co 100 vértices 2 Regió de visibilidad de u k-módem Sea P u polígoo simple co vértices {v 0, v 1,..., v 1 }, y u puto de P dode se ha ubicado u k-módem. Costruiremos la regió ilumiada desde atravesado a lo sumo k paredes. Esta regió tedrá zoas del iterior de P y zoas del eterior. Por razoes de simplicidad cosideramos P coteido e ua caja rectagular R y costruiremos la regió visible e el iterior de la caja. 2.1 Regió visible para k fijo E primer lugar describimos u algoritmo que costruye la regió visible Q desde u k-módem situado e u puto, co k fijo. Supoemos que está e posició geeral y que los vértices de P está ordeados e setido positivo. Los pasos del algoritmo so: 1. Haz de semirrectas desde. Se traza las semirrectas co orige e y que pasa por los vértices críticos de P para. U vértice v es crítico para si los vértices aterior y posterior a v se ecuetra e el mismo semiplao respecto de v, (ver figura 3(a)). Se ordea agularmete desde estas semirrectas. 2. Trazado del borde de la regió visible Q (a) Primero detectamos u puto z e ese borde. Cosideramos la semirrecta horizotal (a la derecha de ) y detectamos el puto de corte z co P tras atravesar k paredes. E este puto z comezamos a trazar el borde de Q e el setido positivo de P. (Si se alcaza el rectágulo R si llegar a atravesar k paredes, se toma el puto de corte co R como puto z). (b) Si k es par se avaza por P (e setido positivo) hasta alcazar la siguiete semirrecta del haz. Si k es impar se retrocede por el borde de P hasta alcazar la siguiete semirrecta. (c) Si t es el puto de corte co dicha semirrecta, se distigue dos casos: (i) t está más cerca de que el vértice crítico, e cuyo caso se prosigue por el borde de P y (ii) t está más lejos de que el puto crítico. Etoces se avaza por la semirrecta, o bie hacia el puto crítico (casos 1 y 2), o bie e setido cotrario (casos 3 y 4) segú se idica e la figura 2. El siguiete vértice del polígoo de visibilidad Q es, o bie el puto crítico (casos 1 y 2), o bie el segudo puto posterior de corte de la semirrecta co P.

3 3. Se cotiua la costrucció del borde de Q siguiedo la ueva arista hasta alcazar la siguiete semirrecta. Y se repite el aálisis aterior. Se prosigue hasta cerrar Q, polígoo de visibilidad desde el k-módem. Complejidad del algoritmo. La complejidad de este algoritmo proviee del paso de ordeació de las semirrectas e tiempo O( log ). La costrucció posterior del polígoo Q se realiza e tiempo lieal, pues cada lado de P sólo iterviee O(1) veces. Caso 1 Caso 2 Caso 3 Caso 4 Figura 2: Casos posibles para k fijo 2.2 Regioes visibles para k variable Si se desea calcular la regió visible desde co varios k-módems y diferetes valores de k, el algoritmo aterior permite calcular cada uo e O( log ). Así si se quiere la regió k-visible para t valores diferetes de k, el coste sería O(t log ). Si embargo, se puede calcular todas las regioes de visibilidad desde para todos los posibles valores de k e tiempo O( 2 ) co el algoritmo cuyos pasos se describe a cotiuació: 1. Trazar todas las semirrectas co orige e, y que pasa por los vértices críticos (ver figura 3(a)). Determiar los putos de itersecció de las semirrectas co cada uo de los lados del polígoo P módem vértice crítico 0 Caja eterior (a) (b) Figura 3: (a) Semirrectas y uo de los vértices críticos de P ; (b) Etiquetado de segmetos y ruta para la costrucció de la regió cubierta por u 2-módem 2. Las semirrectas divide cada lado del polígoo e uo o varios segmetos. Etiquetamos cada segmeto co el úmero de paredes atravesadas por u rayo que partiedo de alcace el segmeto, (ver figura 3(b)). 3. La regió visible desde co u k-módem se costruye coectado los segmetos co etiqueta k, utilizado para ello las semirrectas icidetes e sus etremos. Si e uo de los sectores determiado por dos semirrectas cosecutivas o hay segmeto de etiqueta k, la coeió se efectúa por el borde de la caja que cotiee al polígoo y evidetemete si o hay igú

4 segmeto co etiqueta k toda la caja que cotiee al polígoo está ilumiada. E la figura 3(b) podemos ver los segmetos etiquetados y la coeió de los segmetos etiquetados co u 2, para costruir la regió cubierta por u 2-módem. Complejidad del algoritmo. Cada semirrecta que parte del módem puede cortar a todos los lados del polígoo, por lo que el úmero total de etiquetas de los segmetos es cuadrático. Por tato, la fase de etiquetado tiee complejidad O( 2 ). La costrucció del polígoo de visibilidad para cada valor de k fijo se puede hacer e tiempo lieal usado el algoritmo descrito e las secció 2.1, por lo que la costrucció de todos los polígoos de k-visibilidad se efectúa e tiempo cuadrático. 3 Técicas Metaheurísticas U cojuto recubridor de k-módems vértice G es u subcojuto de vértices de P tal que r G V is(r) = P, siedo V is(r) la regió de visibilidad del módem r. Desarrollamos ua técica metaheurística híbrida que cojuga los algoritmos geéticos y la heurística simulated aealig, para determiar el meor cojuto de k-módems vértice recubridores. Segú se muestra e [1], después de utilizar ua técica heurística sobre u problema de optimizació, (e ese caso el problema estudiado era el Miimum Verte Guard Set, para el cálculo del úmero míimo de luces que ilumia u polígoo), es preciso e alguas ocasioes aplicar u postproceso que permita afiar más la solució obteida. Basádoos e esta eperiecia desarrollamos para el problema ua técica híbrida, que fudametalmete recurre a u algoritmo geético pero dode además de los operadores clásicos de cruce y mutació, se añade u uevo operador basado e la heurística simulated aealig (SA). Básicamete el proceso cosiste e aplicar SA tras utilizar el operador de cruce, co el objetivo de refiar la solució que produce dicho operador. Tras esta operació se puede aplicar el operador de mutació correspodiete al algoritmo geético. Veamos a cotiuació la adaptació de simulated aealig a uestro problema y después eplicaremos la adaptació geeral del algoritmo geético. 3.1 Simulated Aealig La pricipal vetaja de la heurística simulated aealig (SA) co respecto a otros métodos de aproimació es su capacidad para evitar quedar atrapada e u máimo ó míimo local. El método emplea ua búsqueda aleatoria que o sólo acepta los cambios que mejora la fució objetivo, sio que tambié acepta cambios que la empeore. Estos últimos se acepta co u cierta probabilidad que depede de u parámetro de cotrol llamado temperatura T, que dismiuye e cada iteració segú u cojuto de reglas. Para resolver u problema de optimizació co la estrategia SA, es ecesario idetificar lo siguiete: (i) Parámetros Específicos: espacio de solucioes, fució objetivo, vecidad de cada solució y solució iicial; (ii) Parámetros Geerales: temperatura iicial (T 0 ), regla de dismiució de la temperatura, úmero úmero de iteracioes para cada valor de T, (N(T )) y codició de parada. Describimos a cotiuació la adaptació de estos parámetros a uestro problema Parámetros Específicos Espacio de solucioes. El espacio de solucioes S está formado por los subcojutos de vértices de P, dode se coloca los k-módems. Represetamos S como S = {S 1, S 2,..., S m }, dode S i = v0v i 1 i... v 1 i co i = 1,..., m. De esta maera cada cadidato S i está represetado por ua cadea de logitud, dode vj i co j {0,..., 1} represeta al vértice v j P y su valor es 0 ó 1. Si vj i = 1 etoces hay u k-módem e dicho vértice, siedo vj i = 0 e caso cotrario. Fució Objetivo. La fució objetivo f : S N asiga a cada elemeto de S el cardial del correspodiete cojuto de k-módems.

5 Vecidad de cada solució. Segú SA, para cada posible solució S i S, se obtiee u vecio S i+1 S, que será el elemeto a aalizar e la siguiete iteració. Aquí, dado S i = v0v i 1 i... v 1, i geeramos u úmero aleatorio atural t [0, 1] y procedemos de la siguiete maera: (a) si vt i = 1 poemos vt i+1 = 0, aceptado la ueva solució si es válida y rechazádola e caso cotrario; (b) si vt i = 0 poemos vt i+1 = 1, aceptado esta ueva solució co u cierta probabilidad, pues e este caso empeoramos la solució. Solució Iicial. U cojuto de k-módems situados e los vértices de P es uestra solució iicial S 0. Se ha tomado la solució obteida por el algoritmo geético tras aplicar el operador de cruce como se eplica e la secció Parámetros Geéricos Basádoos e los estudios realizados para u problema de ilumiació co características similares a las que tratamos e este artículo, hemos cosiderado los siguietes parámetros para uestro algoritmo: Temperatura Iicial (T 0 = 4 ). Valor depediete del úmero de vértices del polígoo. Regla de dismiució de la temperatura. Se cosidera la regla defiida por T k+1 = T 0 e k, (very fast simulated aealig (VFSA) decrease). Número de iteracioes para cada temperatura, N(T k ) = T k. Esta elecció del úmero de iteracioes garatiza que el úmero de iteracioes es mayor a temperaturas altas, que es solució se ecuetra más alejada del óptimo. Codició de termiació. E teoría, el proceso de búsqueda se debe deteer cuado se llegue a la cogelació, es decir, cuado T k = 0. No obstate, es posible deteer el proceso para ua temperatura T f mayor que 0, si que ello afecte a la calidad de la solució. Por ejemplo se puede parar la búsqueda cuado o se obtega ya igua mejora e la solució. Esta falta de mejora se puede defiir de varias maeras, pero ua solució útil es la siguiete: deteer el proceso cuado o se ecuetre igua mejora de la solució e la última serie cosecutiva de las temperaturas y además el porcetaje de aceptació de uevas solucioes se sitúa por debajo de u valor (pequeño) ε%. E este setido, la codició de termiació elegida e uestro algoritmo cosiste e deteer la búsqueda cuado T f 0, 005, ó cuado durate las últimas l = 3000 series cosecutivas de temperaturas o se ha obteido igua mejora e la solució y el porcetaje de aceptació de uevas solucioes se sitúa por debajo del ε = 2.0%. 3.2 Algoritmo Geético Los Algoritmos Geéticos (AG) so técicas que simula los procesos de evolució biológica e la aturaleza (véase por ejemplo [6]). Para resolver u problema de optimizació co AG es ecesario idetificar los siguietes parámetros: ua represetació de las posibles solucioes llamadas idividuos, para el problema (codificació); ua població iicial; ua fució objetivo adecuada; operadores geéticos (selecció, cruce y mutació) y diversos valores de los parámetros utilizados por el algoritmo geético (por ejemplo, el tamaño de la població, la probabilidad de los operadores geéticos, la evaluació de la població y la codició de fializació). La adaptació de todos estos parámetros a uestro problema se eplica detalladamete e [1]. U idividuo I está represetado por ua cadea I = g 0 g 1... g 1, dode cada g i represeta al vértice v i de P y su valor puede ser 0 ó 1. Si g i = 1, teemos situado u k-módems e v i, siedo g i = 0 e caso cotrario. El tamaño de la població que cosideramos es el úmero de vértices cócavos, (es decir co u águlo iterior superior a π) de P, y si R = {u 0, u 1,..., u r 1 } es dicho cojuto de vértices cócavos, para geerar la població iicial aplicamos el siguiete proceso: i {0,..., r 1}, si colocado u k-módem e cada vértice de R\{u i } cubrimos todo el polígoo, admitimos R\{u i } como idividuo de la població, tomado todos los vértices de R como idividuo e caso cotrario. La fució objetivo se defie por f(i) = 1 j=0 g j y para los operadores de selecció y cruce usamos el método de selecció por toreo y ua variate de cruce e u puto co probabilidad p c = 80%, respectivamete. Tras aplicar el operador de cruce

6 a dos idividuos aplicamos co ua probabilidad p sa = 10% la heurística SA al idividuo obteido para obteer u refiamieto de la solució. El proceso de mutació que se aplica e el algoritmo es el cambio co ua probabilidad p m = 5% de cada dígito biario de 0 a 1 ó viceversa. La evaluació de la població se obtiee tomado el meor de los valores obteidos por la fució objetivo f e cada uo de los idividuos, fializado el algoritmo cuado dicha fució o mejora e 500 geeracioes. 4 Resultados Eperimetales La implemetació de uestro algoritmo se hizo e C/C++ (usado MS Visual Studio 2005) co CGAL [2], realizado las pruebas e u PC Itel(R) Core (TM) 2 CPU 6400 a 2.66 Ghz. y 1 GB de RAM. Hemos realizado u sigificativo úmero de eperimetos utilizado para ello dos geeradores aleatorios de polígoos: para polígoos geerales se uso la fució de CGAL radom polygo 2 y para polígoos ortogoales el geerador desarrollado por Joseph O Rourke (comuicació persoal 2002). E las subseccioes 4.1 y 4.2 se da los resultados para k = 2 y k = 4 respectivamete, tato para polígoos geerales como para polígoos ortogoales. E cada caso se proporcioa el úmero míimo de k-módems obteido e fució del úmero de vértices de los polígoos, así como los tiempos de respuesta y el úmero de iteracioes realizado por el algoritmo. Además se proporcioa las fucioes lieales obteidas al realizar u ajuste por míimos cuadrados, relacioado el úmero de vértices de los polígoos co el resultado e k-módems proporcioado por el algoritmo. 4.1 Resultados para 2-módems E la siguietes tablas presetamos los datos obteidos al aplicar uestro algoritmo a cojutos de 40 polígoos co 30, 50, 70, 100, 110, 130, 150 y 200 vértices cada uo de ellos, tato para polígoos geerales (Tabla 1) como ortogoales (Tabla 2). Para cada cojuto de polígoos presetamos el úmero promedio de 2-módems que proporcioa como solució el algoritmo, así como el tiempo medio de respuesta y el úmero de iteracioes. Resultados para polígoos geerales Los resultados que se preseta a cotiuació se ha obteido aplicado u operador de selecció por toreo y cruce e u puto co probabilidad de cruce pc = 0.8, probabilidad de aplicar SA psa = 0.1 y probabilidad de ejecutar el operador de mutació pm = Vértices 2-módems Tiempo/Rutime(seg.) Iteracioes Tabla 1: Resultado para k = 2 e polígoos geerales Usado el método de míimos cuadrados, la fució que ajusta el úmero de 2-módems co relació al úmero de vértices del polígoo es f() = , co u factor de correlació de , (ver figura 4(a)) Resultados para polígoos ortogoales Co las mismas probabilidades que e el puto aterior la tabla de resultados para polígoos ortogoales co k = 2 es la Tabla 2 y la recta de ajuste correspodiete es f() = , co u factor de correlació de , (ver figura 4(b))

7 Vértices 2-módems Tiempo/Rutime(seg.) Iteracioes Tabla 2: Resultado para k = 2 e polígoos ortogoales (a) (b) Figura 4: Ajuste lieal k = 2: (a) polígoos geerales; (b) polígoos ortogoales Por tato podemos cocluir que, e media y de forma aproimada, el úmero de 2-módems vértice ecesarios para cubrir u polígoo geeral es y si el polígoo es ortogoal. 4.2 Resultados para 4-módems Si k = 4, los resultados eperimetales tato para polígoos geerales como ortogoales so los siguietes: Resultados para polígoos geerales Vértices 4-módems Tiempo/Rutime(seg.) Iteracioes Tabla 3: Resultado para k = 4 e polígoos geerales La recta de ajuste para los datos de la siguiete tabla es f() = , (ver figura 5(a)) Resultados para polígoos ortogoales Igualmete la recta de ajuste para los datos de la Tabla 4 es f() = , (ver figura 5(b)).

8 Vértices 4-módems Tiempo/Rutime(seg.) Iteracioes Tabla 4: Resultado para k = 4 e polígoos ortogoales (a) (b) Figura 5: Ajuste lieal k = 4: (a) polígoos geerales; (b) polígoos ortogoales Estos resultados permite asegurar que, de forma aproimada, el úmero de 4-módems ecesarios para cubrir u polígoo es e polígoos geerales y e polígoos ortogoales Referecias [1] A.L. Bajuelos, S. Caales, G. Herádez y A. M. Martis, Optimizig the Miimum Verte Guard Set o Simple Polygos via a Geetic Algorithm, WSEAS Trasactios i Iformatio Sciece ad Applicatios, Vol 5, Issue 11, pp , [2] CGAL, Computatioal Geometry Algorithms Library, [3] D. Christ, M. Hoffma, Y. Okamoto y T. Uo, Improved Bouds for Wireless Localizatio. Proc. 11th Scadiavia Workshop o Algorithm Theory, pp , [4] D. Eppstei, M.T. Goodrich y N. Sitchiava, Guard Placemet for Efficiet Poit-i-Polygo Proofs. Proc. 23rd Symposium o Computatioal Geometry, pp , [5] O. Aichholzer, R. Fabila-Moroy, D. Flores-Peñaloza, T. Hackl, C. Huemer, J. Urrutia y B. Vogtehuber, Modem Illumiatio of Mootoe Polygos. Proc.25th Europea Workshop o Computatioal Geometry, pp , Belgium, [6] Reeves, C.R: Geetic Algorithms. Hadbook of Metaheuristics, F. Glover e G.A. Kocheberger (eds). Kluwer, Bosto, 55 82, (2003) [7] J. Urrutia, Art Gallery ad Illumiatio Problems. I: J.R. Sack, J. Urrutia (eds.) Hadbook of Computatioal Geometry, pp , Elsevier Sciece Publishers B.V., [8] Y. Wag, C. Hu, Y. Tseg, Efficiet Placemet ad Dispatch of Sesors i a Wireless Sesor Network. IEEE Trasactios o Mobile Computig, 7: , 2008.

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com Autor: José Arturo Barreto M.A. Págias web: www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve El cocepto de límite Correo electróico: josearturobarreto@yahoo.com Zeó de Elea (90 A.C) plateó la

Más detalles

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con: TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5) IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

1.1. Campos Vectoriales.

1.1. Campos Vectoriales. 1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal

Más detalles

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.

Ejercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6. Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

ELEMENTOS DE ÁLGEBRA MATRICIAL ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 6. Sucesiones y Series. Teorema de Taylor Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació

Más detalles

Límite de una función

Límite de una función Límite de ua fució SOLUCIONARIO Límite de ua fució L I T E R A T U R A Y M A T E M Á T I C A S El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía

Más detalles

TEMA 28: Estudio global de funciones. Aplicaciones a la representación gráfica de funciones.

TEMA 28: Estudio global de funciones. Aplicaciones a la representación gráfica de funciones. MATEMÁTICAS Represetació Gráica de Fucioes 1 TEMA 28: Estudio global de ucioes Aplicacioes a la represetació gráica de ucioes Esquema: Autor: Atoio Pizarro Sácez 1 Itroducció 2 Domiio de deiició y recorrido

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

TEMA 5: INTERPOLACIÓN

TEMA 5: INTERPOLACIÓN 5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x

Más detalles

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

SOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Propuesta A. { (x + 1) 4. Se considera la función f(x) =

Propuesta A. { (x + 1) 4. Se considera la función f(x) = Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar

Más detalles

Gradiente, divergencia y rotacional

Gradiente, divergencia y rotacional Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para

Más detalles

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3

= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3 IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de

Más detalles

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general

Progresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general 5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

Práctica 6: Vectores y Matrices (I)

Práctica 6: Vectores y Matrices (I) Foamets d Iformàtica 1r curs d Egiyeria Idustrial Práctica 6: Vectores y Matrices (I) Objetivos de la práctica El objetivo de las prácticas 6 y 7 es itroducir las estructuras de datos vector y matriz e

Más detalles

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n.

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n. Fucioes de varias variables (I TEMA - FUNCIONES DE VARIAS VARIABLES (I: LÍMITES Y CONTINUIDAD. Coceptos topológicos previos e el espacio euclídeo R. Sea R el espacio euclídeo de dimesioes. U puto a de

Más detalles

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano

Figura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano (VSHFLILFDFLRQHVHQHOGRPLQLRGHOWLHPSR E capítulos ateriores se ha estudiado la respuesta de estado estable de los sistemas lieales ( cuado tæ ), estudiaremos ahora la respuesta trasitoria. La respuesta

Más detalles

8 Funciones, límites y continuidad

8 Funciones, límites y continuidad Solucioario 8 Fucioes, límites y cotiuidad ACTIVIDADES INICIALES 8.I. Copia y completa la siguiete tabla, epresado de varias formas los cojutos uméricos propuestos. Gráfica Itervalo Desigualdad Valor absoluto

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Este centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones.

Este centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones. reguta 6 utos Ua empresa de limpieza cotrata persoal e forma putual depediedo de las solicitudes de trabajo de sus clietes. ara el iicio de ua coferecia iteracioal, u cliete platea la limpieza a fodo del

Más detalles

MARTINGALAS Rosario Romera Febrero 2009

MARTINGALAS Rosario Romera Febrero 2009 1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre

Más detalles

Media aritmética, media geométrica y otras medias Desigualdades Korovkin

Media aritmética, media geométrica y otras medias Desigualdades Korovkin Media aritmética, media geométrica y otras medias Desigualdades Korovki Media geométrica y media aritmética Si,,, so úmeros positivos, los úmeros + + + a = g = formados a base de ellos, se deomia, respectivamete,

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1

0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1 IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial

Más detalles

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010)

DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferencial Parcial 3 (27/10/2010) UNIVERSIDAD DE LOS ANDES DEPARTAMENTO DE MATEMÁTICAS Mate1203 Cálculo Diferecial Parcial 3 (27/10/2010) 1. Cosidere la fució f (x) = 3(x 1) 2/3 (x 1) 2 a) Halle el domiio b) Ecuetre los putos críticos,

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

APUNTES DE MATEMÁTICAS

APUNTES DE MATEMÁTICAS APUNTES DE MATEMÁTICAS 4º ESO º Trimestre Autor: Vicete Adsuara Ucedo INDICE Tema : Vectores e el Plao.. Ejercicios Tema 9 Tema : Depedecia Lieal...7 Ejercicios Tema. 0 Tema 3: El Plao Afí...... Ejercicios

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

Probabilidad con técnicas de conteo

Probabilidad con técnicas de conteo UNIA 3 Probabilidad co técicas de coteo Objetivos Al fializar la uidad, el alumo: distiguirá y utilizará las reglas de multiplicació y de suma para el cálculo de la catidad de arreglos co y si orde explicará

Más detalles

Transformaciones Lineales

Transformaciones Lineales Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,

Más detalles

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es, VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,

Más detalles

CONCEPTOS BÁSICOS DE PRESTAMOS.

CONCEPTOS BÁSICOS DE PRESTAMOS. GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS

Por: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe

Más detalles

Ejercicios Resueltos ADC / DAC

Ejercicios Resueltos ADC / DAC Curso: Equipos y Sistemas de Cotrol Digital Profesor: Felipe Páez M. Programa: Automatizació, espertio, 010 Problemas Resueltos: Ejercicios Resueltos ADC / DAC ersió 1.1 1. Se tiee u DAC ideal de 10 bits,

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL

MEDIDAS DE TENDENCIA CENTRAL CON EXCEL ) MEDIA ARITMÉTICA MEDIDAS DE TENDENCIA CENTRAL CON EXCEL Las medidas de tedecia cetral so medidas represetativas que como su ombre lo idica, tiede a ubicarse hacia el cetro del cojuto de datos, es decir,

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS

ANEXO I ANEXO I CONCEPTOS SÍSMICOS BÁSICOS AEXO I COCEPTOS SÍSMICOS BÁSICOS E este aeo se compila alguos de los coceptos sísmicos básicos pero ecesarios. Se itroduce los tipos de movimietos vibratorios, así como su descripció y otació matemática.

Más detalles

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.

Cuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9. II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros

Más detalles

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O

PRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros

Más detalles

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 014 (Geeral Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices A = y

Más detalles

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2 Cojutos coveos Ejeplos de cojutos coveos e R CONVEXIDAD Cojutos coveos Coveidad de fucioes DEFINICION: U cojuto A es coveo cuado, y A y λ [0,] se cuple λ + ( λ) y A R λ + ( λ) y λ = / y λ = 0 Cojuto coveo:

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.

A = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta. . POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes

Más detalles

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua

Más detalles

GENERALIDADES. La Empresa de Transmisión Eléctrica, S. A. (ETESA) maneja 151 estaciones, clasificadas de la siguiente manera:

GENERALIDADES. La Empresa de Transmisión Eléctrica, S. A. (ETESA) maneja 151 estaciones, clasificadas de la siguiente manera: GENERALIDADES I. DEFINICIÓN DE METEOROLOGÍA Es la ciecia iterdiscipliaria que estudia el estado del tiempo, el medio atmosférico, los feómeos allí producidos y las leyes que lo rige. Es el estudio de los

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

LA SORPRENDENTE SUCESIÓN DE FIBONACCI

LA SORPRENDENTE SUCESIÓN DE FIBONACCI La sorpredete sucesió de Fiboacci LA SORPRENDENTE SUCESIÓN DE FIBONACCI La sorpredete sucesió de Fiboacci debe su ombre a Leoardo de Pisa (.70-.40), más coocido por Fiboacci (hijo de Boaccio). A pesar

Más detalles

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014. EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

Análisis en el Dominio del Tiempo para Sistemas Discretos OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is

Más detalles

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto convexo, resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 2000 (Modelo 1) Solució Germá-Jesús Rubio Lua Los Exámees del año 2000 me los ha proporcioado D. José Gallegos Ferádez OPCIÓN A EJERCICIO 1_A (2 putos) Dibuje el recito

Más detalles

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos

INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL. 1. Una muestra aleatoria de 9 tarrinas de helado proporciona los siguientes pesos en gramos 1 INTERVALOS DE CONFIANZA Y TAMAÑO MUESTRAL La mayoría de estos problemas ha sido propuestos e exámees de selectividad de los distitos distritos uiversitarios españoles. 1. Ua muestra aleatoria de 9 tarrias

Más detalles

Para efectuar la evaluación de los criterios de integración se utilizó correspondiente a las distancias relativas de Hamming. i=1

Para efectuar la evaluación de los criterios de integración se utilizó correspondiente a las distancias relativas de Hamming. i=1 3.4 Evaluació de la implemetació y su compatibilidad co NC PAS:99:2008 La aplicació del modelo del CMI y la herramieta de medició (el CM ODUN) permitió cotrastar los resultados co lo establecido por la

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5)

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 5) SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 01 (MODELO 5) OPIÓN A EJERIIO 1_A ( 5 putos) U comerciate dispoe de 100 euros para comprar dos tipos de mazaas A y B. Las del tipo A las compra a 0 60 euros/kg

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció

Más detalles

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS

APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS APLICACIÓN DEL PROGRAMA SPSS EN EL CONTROL DE CALIDAD DE PROCESOS Y PRODUCTOS QUÍMICOS Esperaza Mateos, Aa Elías, Gabriel Ibarra Uiversidad del País Vasco iapmasae@lg.ehu.es Resume Ua de las asigaturas

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene Existecia. El pricipio de los casilleros. Si queremos colocar 3 bolillas e cajas, es evidete que e algua caja deberemos colocar al meos dos bolillas. Lo mismo ocurre si e lugar de 3 bolillas tuviésemos

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación Aálisis de Señales y Sistemas Digitales FFT Cocepto Algoritmo Implemetació 2010 FFT Trasformada Rápida de Fourier Cocepto La trasformada rápida de fourier (FFT) es u algoritmo que permite él cálculo eficiete

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A

Más detalles