Introducción a los códigos compresores

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

Download "Introducción a los códigos compresores"

Transcripción

1 Introducción a los códigos compresores Parte I de la Lección 2, Compresores sin pérdidas, de CTI Ramiro Moreno Chiral Dpt. Matemàtica (UdL) Febrero de 2010 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

2 Índice 1 Fuentes 2 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

3 Índice Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente 1 Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente 2 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

4 Resumen Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

5 Resumen Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente Veremos en este apartado Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

6 Definición de fuente Tipos de fuentes Entropía de una fuente Resumen Veremos en este apartado Una definición muy general del concepto de fuente de información. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

7 Definición de fuente Tipos de fuentes Entropía de una fuente Resumen Veremos en este apartado Una definición muy general del concepto de fuente de información. Los diferentes tipos de fuentes que sirven para modelar las fuentes de información reales. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

8 Definición de fuente Tipos de fuentes Entropía de una fuente Resumen Veremos en este apartado Una definición muy general del concepto de fuente de información. Los diferentes tipos de fuentes que sirven para modelar las fuentes de información reales. Finalmente, una definición también muy general de entropía de una fuente Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

9 Definición de fuente (I) Definición de fuente Tipos de fuentes Entropía de una fuente Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

10 Definición de fuente Tipos de fuentes Entropía de una fuente Definición de fuente (I) Para definir una fuente son necesarios Un alfabeto finito, X = {x 1 {,..., x r }, y las cadenas} de longitud n sobre X : X n = x = x i1... x in : x ij X. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

11 Definición de fuente Tipos de fuentes Entropía de una fuente Definición de fuente (I) Para definir una fuente son necesarios Un alfabeto finito, X = {x 1 {,..., x r }, y las cadenas} de longitud n sobre X : X n = x = x i1... x in : x ij X. Una familia de v.a. s (X t ) t T sobre X, (T se identifica con el tiempo). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

12 Definición de fuente Tipos de fuentes Entropía de una fuente Definición de fuente (I) Para definir una fuente son necesarios Un alfabeto finito, X = {x 1 {,..., x r }, y las cadenas} de longitud n sobre X : X n = x = x i1... x in : x ij X. Una familia de v.a. s (X t ) t T sobre X, (T se identifica con el tiempo). Una distribución de probabilidad conjunta, p(x, t) = P (X t1 = x t1,..., X tn = x tn ), con x = x t1... x tn X n y t = (t 1,..., t n ) T n Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

13 Definición de fuente Tipos de fuentes Entropía de una fuente Definición de fuente (I) Para definir una fuente son necesarios Un alfabeto finito, X = {x 1 {,..., x r }, y las cadenas} de longitud n sobre X : X n = x = x i1... x in : x ij X. Una familia de v.a. s (X t ) t T sobre X, (T se identifica con el tiempo). Una distribución de probabilidad conjunta, p(x, t) = P (X t1 = x t1,..., X tn = x tn ), con x = x t1... x tn X n y t = (t 1,..., t n ) T n Un conjunto de probabilidades de transición p ij (t, t ) = P ( X t = x j X t = x i ), t < t T, x i, x j X. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

14 Definición de fuente (II) Definición de fuente Tipos de fuentes Entropía de una fuente Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

15 Definición de fuente Tipos de fuentes Entropía de una fuente Definición de fuente (II) Definición Se define una fuente S, S = ( X, {p ij (t, t )} ). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

16 Definición de fuente Tipos de fuentes Entropía de una fuente Definición de fuente (II) Definición Se define una fuente S, S = ( X, {p ij (t, t )} ). Cuando las probabilidades de transición no se expliciten usaremos la notación más general Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

17 Definición de fuente Tipos de fuentes Entropía de una fuente Definición de fuente (II) Definición Se define una fuente S, S = ( X, {p ij (t, t )} ). Cuando las probabilidades de transición no se expliciten usaremos la notación más general S = ( X, (X t ) t T ) Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

18 Tipos de fuentes Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

19 Tipos de fuentes Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente Fuentes estacionarias, si las probabilidades de transición no dependen del origen de tiempos, P ( X t = x j X t = x i ) = P ( Xt +τ = x j X t+τ = x i ), τ T. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

20 Tipos de fuentes Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente Fuentes estacionarias, si las probabilidades de transición no dependen del origen de tiempos, P ( X t = x j X t = x i ) = P ( Xt +τ = x j X t+τ = x i ), τ T. Fuentes simples: son fuentes estacionarias donde las v.a. s X n son iid X, S = (X, X). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

21 Tipos de fuentes Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente Fuentes estacionarias, si las probabilidades de transición no dependen del origen de tiempos, P ( X t = x j X t = x i ) = P ( Xt +τ = x j X t+τ = x i ), τ T. Fuentes simples: son fuentes estacionarias donde las v.a. s X n son iid X, S = (X, X). Fuentes con memoria, cuando p ij (t, t ) p j (t ): el presente depende de lo ocurrido en el pasado. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

22 Tipos de fuentes Fuentes Definición de fuente Tipos de fuentes Entropía de una fuente Fuentes estacionarias, si las probabilidades de transición no dependen del origen de tiempos, P ( X t = x j X t = x i ) = P ( Xt +τ = x j X t+τ = x i ), τ T. Fuentes simples: son fuentes estacionarias donde las v.a. s X n son iid X, S = (X, X). Fuentes con memoria, cuando p ij (t, t ) p j (t ): el presente depende de lo ocurrido en el pasado. Fuentes de Markov: estacionarias, con memoria y con una condición de Markov de orden m, P ( ) {}}{ X tn = x n X t1,..., X tn 1 = P(Xtn = x n X tn m,..., X tn 1 ) m Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

23 Entropía de una fuente Definición de fuente Tipos de fuentes Entropía de una fuente Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

24 Definición de fuente Tipos de fuentes Entropía de una fuente Entropía de una fuente Definición Definiremos como entropía por carácter de una fuente S = (X, (X n )) al límite H (X 1,..., X n ) H(S) = lim. n n Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

25 Definición de fuente Tipos de fuentes Entropía de una fuente Entropía de una fuente Definición Definiremos como entropía por carácter de una fuente S = (X, (X n )) al límite H (X 1,..., X n ) H(S) = lim. n n Para una fuente simple, S = (X, X), es H(S) = H(X). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

26 Definición de fuente Tipos de fuentes Entropía de una fuente Entropía de una fuente Definición Definiremos como entropía por carácter de una fuente S = (X, (X n )) al límite H (X 1,..., X n ) H(S) = lim. n n Para una fuente simple, S = (X, X), es H(S) = H(X). Otra definición alternativa, H (S) = lim n H (X n X 1,..., X n 1 ). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

27 Definición de fuente Tipos de fuentes Entropía de una fuente Entropía de una fuente Definición Definiremos como entropía por carácter de una fuente S = (X, (X n )) al límite H (X 1,..., X n ) H(S) = lim. n n Para una fuente simple, S = (X, X), es H(S) = H(X). Otra definición alternativa, H (S) = lim n H (X n X 1,..., X n 1 ). pero para fuentes S estacionarias es H(S) = H (S). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

28 Índice Fuentes 1 Fuentes 2 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

29 Resumen Fuentes Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

30 Resumen Fuentes Trataremos de los siguientes temas Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

31 Resumen Trataremos de los siguientes temas La definición de qué es un código compresor. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

32 Resumen Trataremos de los siguientes temas La definición de qué es un código compresor. Los tipos de códigos que se pueden presentar y su posible uso en compresión de fuentes. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

33 Resumen Trataremos de los siguientes temas La definición de qué es un código compresor. Los tipos de códigos que se pueden presentar y su posible uso en compresión de fuentes. Y, finalmente, dedicaremos nuestra atención al tipo de códigos más usual: los instantáneos. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

34 Códigos: definición Fuentes Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

35 Códigos: definición Fuentes Definición Dados un alfabeto fuente, X, tal que X = r; un alfabeto código, Σ, con Σ = d, y el lenguaje sin la cadena vacía, Σ + ; diremos que un código, C, para la extensión n-ésima del alfabeto fuente, es una aplicación C Σ + x C(x), X n donde x = ( ) x i1,..., x in, xik X. A los elementos del código, C(x), los llamaremos palabras código. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

36 Codificación de fuentes Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

37 Codificación de fuentes Definición Dada una fuente S = (X, (X n )), definimos un código para S como un código asociado al alfabeto fuente, X. Entonces, Llamaremos L(C(x)) = C(x) a las longitudes de las palabras código. Y la longitud media del código será L = L(C) = E X1...X n L(C(x)) = x X n p(x)l(c(x)). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

38 Codificación de fuentes simples Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

39 Codificación de fuentes simples Si la fuente es simple, S = (X, X), la aplicación código es más sencilla Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

40 Codificación de fuentes simples Si la fuente es simple, S = (X, X), la aplicación código es más sencilla X C Σ + x C(x), Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

41 Codificación de fuentes simples Si la fuente es simple, S = (X, X), la aplicación código es más sencilla X C Σ + x C(x), y la logitud media también: Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

42 Codificación de fuentes simples Si la fuente es simple, S = (X, X), la aplicación código es más sencilla X C Σ + x C(x), y la logitud media también: L = L(C) = E X L(C(x)) = x X p(x)l(c(x)). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

43 : definiciones Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

44 : definiciones C es no singular si x x X n es C(x) C(x ), i.e., si C es una aplicación inyectiva. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

45 : definiciones C es no singular si x x X n es C(x) C(x ), i.e., si C es una aplicación inyectiva. Dado un código C : X Σ +, definimos C, su código extensión, X n C Σ + x = (x 1... x n ) C(x 1 )... C(x n ) Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

46 : definiciones C es no singular si x x X n es C(x) C(x ), i.e., si C es una aplicación inyectiva. Dado un código C : X Σ +, definimos C, su código extensión, X n C Σ + x = (x 1... x n ) C(x 1 )... C(x n ) C es de decodificación única si su extensión n-ésima, C, es no singular para cualquier n. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

47 : definiciones C es no singular si x x X n es C(x) C(x ), i.e., si C es una aplicación inyectiva. Dado un código C : X Σ +, definimos C, su código extensión, X n C Σ + x = (x 1... x n ) C(x 1 )... C(x n ) C es de decodificación única si su extensión n-ésima, C, es no singular para cualquier n. C es un código instantáneo o libre de prefijo si ninguna palabra código es prefijo de otra palabra código. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

48 Relación entre los tipos de códigos Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

49 Relación entre los tipos de códigos La siguiente figura ilustra la relación entre los distintos tipos de códigos Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

50 Relación entre los tipos de códigos La siguiente figura ilustra la relación entre los distintos tipos de códigos Todos los codigos No-singulares Decodificacion unica Libres de prefijo Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

51 Ejemplos de códigos Fuentes Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

52 Ejemplos de códigos Fuentes X C 0 C 1 C 2 C 3 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

53 Ejemplos de códigos Fuentes X C 0 C 1 C 2 C 3 x Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

54 Ejemplos de códigos Fuentes X C 0 C 1 C 2 C 3 x x Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

55 Ejemplos de códigos Fuentes X C 0 C 1 C 2 C 3 x x x Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

56 Ejemplos de códigos Fuentes X C 0 C 1 C 2 C 3 x x x x Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

57 Ejemplos de códigos X C 0 C 1 C 2 C 3 x x x x Singular Porque C 0 (x 1 ) = C 0 (x 1 ) = 0. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

58 Ejemplos de códigos X C 0 C 1 C 2 C 3 x x x x Singular No singular No es de decodificación única: x 2 x x 4 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

59 Ejemplos de códigos X C 0 C 1 C 2 C 3 x x x x Singular No singular Decod. única Porque existe un algoritmo con el que decodificamos siempre. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

60 Ejemplos de códigos X C 0 C 1 C 2 C 3 x x x x Singular No singular Decod. única Instantáneo Ninguna palabra código es prefijo de otra. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

61 Representación en árbol de los Σ Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

62 Representación en árbol de los Σ Definición Dado Σ, Σ = d, ordenado, una representación literal de Σ es el árbol d-ario completo con raíz, T = (V, A) que se obtiene Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

63 Representación en árbol de los Σ Definición Dado Σ, Σ = d, ordenado, una representación literal de Σ es el árbol d-ario completo con raíz, T = (V, A) que se obtiene 1 Asignando a cada vértice de V una palabra de Σ. La palabra vacía λ Σ se asigna al vértice raíz. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

64 Representación en árbol de los Σ Definición Dado Σ, Σ = d, ordenado, una representación literal de Σ es el árbol d-ario completo con raíz, T = (V, A) que se obtiene 1 Asignando a cada vértice de V una palabra de Σ. La palabra vacía λ Σ se asigna al vértice raíz. 2 Dado un vértice v V se etiqueta cada arista que sale de él con cada uno de los caracteres de Σ. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

65 Representación en árbol de los Σ Definición Dado Σ, Σ = d, ordenado, una representación literal de Σ es el árbol d-ario completo con raíz, T = (V, A) que se obtiene 1 Asignando a cada vértice de V una palabra de Σ. La palabra vacía λ Σ se asigna al vértice raíz. 2 Dado un vértice v V se etiqueta cada arista que sale de él con cada uno de los caracteres de Σ. 3 Dados u, v V, la arista uv A sii existe un α Σ tal que v = uα, considerando u, v Σ. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

66 Ejemplos: árboles de representación de los alfabetos {0, 1} y {α, β, γ} Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

67 Ejemplos: árboles de representación de los alfabetos {0, 1} y {α, β, γ} Σ = {0, 1} Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

68 Ejemplos: árboles de representación de los alfabetos {0, 1} y {α, β, γ} Σ = {0, 1} λ Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

69 Ejemplos: árboles de representación de los alfabetos {0, 1} y {α, β, γ} Σ = {α, β, γ} Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

70 Ejemplos: árboles de representación de los alfabetos {0, 1} y {α, β, γ} Σ = {α, β, γ} λ α β γ α β γ α β γ α β γ α β γ αα αβ αγ βα ββ βγ γα γβ γγ αα... αβ... αγ... βα... ββ... βγ... γα... γβ... γγ... En T, palabras de la misma longitud l de Σ están a la misma profundidad l y ordenadas según el orden de Σ. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

71 Representación en árbol de los códigos Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

72 Representación en árbol de los códigos Identificando un código C con su imagen, consideramos C Σ, siendo Σ el alfabeto código. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

73 Representación en árbol de los códigos Identificando un código C con su imagen, consideramos C Σ, siendo Σ el alfabeto código. La representación literal de un código será el subárbol del árbol T de representación literal de Σ, Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

74 Representación en árbol de los códigos Identificando un código C con su imagen, consideramos C Σ, siendo Σ el alfabeto código. La representación literal de un código será el subárbol del árbol T de representación literal de Σ, obtenido al eliminar los subárboles cuyos vértices no pertenezcan a C. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

75 Ejemplos de árboles de códigos Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

76 Ejemplos de árboles de códigos C2 C3 C C4 C Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

77 Ejemplos de árboles de códigos C2 C3 C C4 C Se ve que un código es instantáneo sii todas las palabras código son hojas del árbol de su representación literal. Lo son los C 1, C 2 y C 4. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

78 Ejemplos de árboles de códigos C2 C3 C C4 C Se ve que un código es instantáneo sii todas las palabras código son hojas del árbol de su representación literal. Lo son los C 1, C 2 y C 4. El C 3 es de decodificación única: lo decodificamos esperarando un 0 y decodificando los bits recibidos hasta entonces. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

79 Ejemplos de árboles de códigos C2 C3 C C4 C Se ve que un código es instantáneo sii todas las palabras código son hojas del árbol de su representación literal. Lo son los C 1, C 2 y C 4. El C 3 es de decodificación única: lo decodificamos esperarando un 0 y decodificando los bits recibidos hasta entonces. El C 5 no es instantáneo ni de decodificación única: es tan sólo no singular. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

80 Caracterización algebraica de los códigos instantáneos Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

81 Caracterización algebraica de los códigos instantáneos Proposición (Desigualdad de Kraft para códigos instantáneos) Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

82 Caracterización algebraica de los códigos instantáneos Proposición (Desigualdad de Kraft para códigos instantáneos) Si C es un código instantáneo o libre de prefijos sobre un alfabeto X, con X = r y sobre un alfabeto código Σ d-ario, Σ = d, Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

83 Caracterización algebraica de los códigos instantáneos Proposición (Desigualdad de Kraft para códigos instantáneos) Si C es un código instantáneo o libre de prefijos sobre un alfabeto X, con X = r y sobre un alfabeto código Σ d-ario, Σ = d, se verifica la desigualdad de Kraft r d l i 1, i=1 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

84 Caracterización algebraica de los códigos instantáneos Proposición (Desigualdad de Kraft para códigos instantáneos) Si C es un código instantáneo o libre de prefijos sobre un alfabeto X, con X = r y sobre un alfabeto código Σ d-ario, Σ = d, se verifica la desigualdad de Kraft r d l i 1, i=1 siendo l i = L(C(x i )), x i X. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

85 Caracterización algebraica de los códigos instantáneos Proposición (Desigualdad de Kraft para códigos instantáneos) Si C es un código instantáneo o libre de prefijos sobre un alfabeto X, con X = r y sobre un alfabeto código Σ d-ario, Σ = d, se verifica la desigualdad de Kraft r d l i 1, i=1 siendo l i = L(C(x i )), x i X. Recíprocamente, si l i, 1 i r, l i Z >0, satisfacen la desigualdad de Kraft, Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

86 Caracterización algebraica de los códigos instantáneos Proposición (Desigualdad de Kraft para códigos instantáneos) Si C es un código instantáneo o libre de prefijos sobre un alfabeto X, con X = r y sobre un alfabeto código Σ d-ario, Σ = d, se verifica la desigualdad de Kraft r d l i 1, i=1 siendo l i = L(C(x i )), x i X. Recíprocamente, si l i, 1 i r, l i Z >0, satisfacen la desigualdad de Kraft, existe un código instantáneo d-ario para X, cuyas longitudes de las palabras código son los l i. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

87 de longitud media mínima Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

88 de longitud media mínima Los códigos instantáneos son de codificación y decodificación fáciles: Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

89 de longitud media mínima Los códigos instantáneos son de codificación y decodificación fáciles: pueden ser, además, de longitud media mínima? Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

90 de longitud media mínima Los códigos instantáneos son de codificación y decodificación fáciles: pueden ser, además, de longitud media mínima? Se busca, pues, un código d-ario instantáneo, C, para una fuente simple S = (X, {p i } 1 i r ). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

91 de longitud media mínima Los códigos instantáneos son de codificación y decodificación fáciles: pueden ser, además, de longitud media mínima? Se busca, pues, un código d-ario instantáneo, C, para una fuente simple S = (X, {p i } 1 i r ). Su longitud media L ha de ser mínima. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

92 de longitud media mínima Los códigos instantáneos son de codificación y decodificación fáciles: pueden ser, además, de longitud media mínima? Se busca, pues, un código d-ario instantáneo, C, para una fuente simple S = (X, {p i } 1 i r ). Su longitud media L ha de ser mínima. Se trata de un problema de extremos condicionados: Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

93 de longitud media mínima Los códigos instantáneos son de codificación y decodificación fáciles: pueden ser, además, de longitud media mínima? Se busca, pues, un código d-ario instantáneo, C, para una fuente simple S = (X, {p i } 1 i r ). Su longitud media L ha de ser mínima. Se trata de un problema de extremos condicionados: Minimizar: L = r p i l i, i=1 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

94 de longitud media mínima Los códigos instantáneos son de codificación y decodificación fáciles: pueden ser, además, de longitud media mínima? Se busca, pues, un código d-ario instantáneo, C, para una fuente simple S = (X, {p i } 1 i r ). Su longitud media L ha de ser mínima. Se trata de un problema de extremos condicionados: Restricciones: Minimizar: L = r p i l i, i=1 r d l i 1 (Kraft) i=1 l i Z >0, 1 i r Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

95 Códigos de Shannon (I) Solución al problema de extremos condicionados Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

96 Códigos de Shannon (I) Solución al problema de extremos condicionados Los siguientes valores resuelven el problema de extremos condicionados anterior, sin la restricciones l i Z >0 : Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

97 Códigos de Shannon (I) Solución al problema de extremos condicionados Los siguientes valores resuelven el problema de extremos condicionados anterior, sin la restricciones l i Z >0 : li = log d p i, L = r p i log d p i = H d (S), i=1 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

98 Códigos de Shannon (I) Solución al problema de extremos condicionados Los siguientes valores resuelven el problema de extremos condicionados anterior, sin la restricciones l i Z >0 : li = log d p i, L = r p i log d p i = H d (S), i=1 donde H d (S) = H(S) log d es la entropía de la fuente en d-bits. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

99 Códigos de Shannon (I) Solución al problema de extremos condicionados Los siguientes valores resuelven el problema de extremos condicionados anterior, sin la restricciones l i Z >0 : li = log d p i, L = r p i log d p i = H d (S), i=1 donde H d (S) = H(S) log d es la entropía de la fuente en d-bits. Ahora considerando que l i Z >0, 1 i r, se obtiene Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

100 Códigos de Shannon (I) Solución al problema de extremos condicionados Los siguientes valores resuelven el problema de extremos condicionados anterior, sin la restricciones l i Z >0 : li = log d p i, L = r p i log d p i = H d (S), i=1 donde H d (S) = H(S) log d es la entropía de la fuente en d-bits. Ahora considerando que l i Z >0, 1 i r, se obtiene l (s) i = l i = log d p i. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

101 Códigos de Shannon (II) Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

102 Códigos de Shannon (II) Los valores l (s) i definen los llamados códigos de Shannon, que son instantáneos y que verifican el siguiente resultado Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

103 Códigos de Shannon (II) Los valores l (s) i definen los llamados códigos de Shannon, que son instantáneos y que verifican el siguiente resultado Proposición (SCT para los códigos de Shannon) Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

104 Códigos de Shannon (II) Los valores l (s) i definen los llamados códigos de Shannon, que son instantáneos y que verifican el siguiente resultado Proposición (SCT para los códigos de Shannon) Dada una fuente simple S = (X, {p i } 1 i r ), existe un código d-ario instantáneo de longitud media mínima definido por las longitudes l (s) i = log d p i, llamado código de Shannon, Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

105 Códigos de Shannon (II) Los valores l (s) i definen los llamados códigos de Shannon, que son instantáneos y que verifican el siguiente resultado Proposición (SCT para los códigos de Shannon) Dada una fuente simple S = (X, {p i } 1 i r ), existe un código d-ario instantáneo de longitud media mínima definido por las longitudes l (s) i = log d p i, llamado código de Shannon, tal que H d (S) L (s) H d (S) + 1. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

106 Códigos de Shannon (III) Ejemplo Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

107 Códigos de Shannon (III) Ejemplo Sea la fuente simple S = ( {x 1, x 2, x 3, x 4 }, { 1 3, 1 3, 1 4, 1 12 }). Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

108 Códigos de Shannon (III) Ejemplo Sea la fuente simple S = ( {x 1, x 2, x 3, x 4 }, { 1 3, 1 3, 1 4, 1 12 }). Vamos a construir el código de Shannon sobre Σ = {0, 1}. Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

109 Códigos de Shannon (III) Ejemplo Sea la fuente simple S = ( {x 1, x 2, x 3, x 4 }, { 1 3, 1 3, 1 4, 1 12 }). Vamos a construir el código de Shannon sobre Σ = {0, 1}. Longitudes: l (s) 1 = L(C(x 1 )) = log 1 3 = 2 l (s) 2 = L(C(x 2 )) = log 1 3 = 2 l (s) 3 = L(C(x 3 )) = log 1 4 = 2 l (s) 4 = L(C(x 4 )) = log 1 12 = 4 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

110 Códigos de Shannon (III) Ejemplo Sea la fuente simple S = ( {x 1, x 2, x 3, x 4 }, { 1 3, 1 3, 1 4, 1 12 }). Vamos a construir el código de Shannon sobre Σ = {0, 1}. Longitudes: l (s) 1 = L(C(x 1 )) = log 1 3 = 2 l (s) 2 = L(C(x 2 )) = log 1 3 = 2 l (s) 3 = L(C(x 3 )) = log 1 4 = 2 l (s) 4 = L(C(x 4 )) = log 1 12 = 4 Código: C(x 1 ) = 00, C(x 2 ) = 01, C(x 3 ) = 10, C(x 4 ) = Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

111 Códigos de Shannon (III) Ejemplo Sea la fuente simple S = ( {x 1, x 2, x 3, x 4 }, { 1 3, 1 3, 1 4, 1 12 }). Vamos a construir el código de Shannon sobre Σ = {0, 1}. Longitudes: l (s) 1 = L(C(x 1 )) = log 1 3 = 2 l (s) 2 = L(C(x 2 )) = log 1 3 = 2 l (s) 3 = L(C(x 3 )) = log 1 4 = 2 l (s) 4 = L(C(x 4 )) = log 1 12 = 4 Código: C(x 1 ) = 00, C(x 2 ) = 01, C(x 3 ) = 10, C(x 4 ) = Longitud media: L (s) = bits Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

112 Códigos de Shannon (III) Ejemplo Sea la fuente simple S = ( {x 1, x 2, x 3, x 4 }, { 1 3, 1 3, 1 4, 1 12 }). Vamos a construir el código de Shannon sobre Σ = {0, 1}. Longitudes: l (s) 1 = L(C(x 1 )) = log 1 3 = 2 l (s) 2 = L(C(x 2 )) = log 1 3 = 2 l (s) 3 = L(C(x 3 )) = log 1 4 = 2 l (s) 4 = L(C(x 4 )) = log 1 12 = 4 Código: C(x 1 ) = 00, C(x 2 ) = 01, C(x 3 ) = 10, C(x 4 ) = Longitud media: L (s) = bits y entropía: H(S) = bits Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

113 Códigos de Shannon (III) Ejemplo Sea la fuente simple S = ( {x 1, x 2, x 3, x 4 }, { 1 3, 1 3, 1 4, 1 12 }). Vamos a construir el código de Shannon sobre Σ = {0, 1}. Longitudes: l (s) 1 = L(C(x 1 )) = log 1 3 = 2 l (s) 2 = L(C(x 2 )) = log 1 3 = 2 l (s) 3 = L(C(x 3 )) = log 1 4 = 2 l (s) 4 = L(C(x 4 )) = log 1 12 = 4 Código: C(x 1 ) = 00, C(x 2 ) = 01, C(x 3 ) = 10, C(x 4 ) = Longitud media: L (s) = bits y entropía: H(S) = bits, cumpliéndose que < < Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

114 Códigos optimales Fuentes Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

115 Códigos optimales Fuentes Obsérvese que el código instantáneo C (o) (x 1 ) = 0, C (o) (x 2 ) = 10, C (o) (x 3 ) = 110, C (o) (x 4 ) = 111 Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

116 Códigos optimales Fuentes Obsérvese que el código instantáneo C (o) (x 1 ) = 0, C (o) (x 2 ) = 10, C (o) (x 3 ) = 110, C (o) (x 4 ) = 111 para la fuente S anterior tiene longitud media menor que el de Shannon L (o) = 2 bits < L (s) = bits Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

117 Códigos optimales Obsérvese que el código instantáneo C (o) (x 1 ) = 0, C (o) (x 2 ) = 10, C (o) (x 3 ) = 110, C (o) (x 4 ) = 111 para la fuente S anterior tiene longitud media menor que el de Shannon L (o) = 2 bits < L (s) = bits Definición (Códigos optimales) Diremos que un código C (o) instantáneo es optimal para una fuente S si su longitud media L (o) es menor o igual que la de cualquier otro código instantáneo para la misma fuente Ramiro Moreno (Matemàtica, UdL) Introducción a los códigos compresores Febrero de / 26

Ejercicios sobre probabilidades y entropías

Ejercicios sobre probabilidades y entropías Ejercicios sobre probabilidades y entropías CTI: Lección 1, Primer teorema de Shannon (SCT) Ramiro Moreno Chiral Dpt. Matemàtica (UdL) 10 de febrero de 2010 CTI, lección 1 (Problemas) Ejercicios sobre

Más detalles

Grupos libres. Presentaciones.

Grupos libres. Presentaciones. S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad

Más detalles

Expresiones Regulares y Derivadas Formales

Expresiones Regulares y Derivadas Formales y Derivadas Formales Las Derivadas Sucesivas. Universidad de Cantabria Esquema 1 2 3 Derivadas Sucesivas Recordemos que los lenguajes de los prefijos dan información sobre los lenguajes. Derivadas Sucesivas

Más detalles

Notas sobre el teorema minimax

Notas sobre el teorema minimax Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f

Más detalles

Formulación del problema de la ruta más corta en programación lineal

Formulación del problema de la ruta más corta en programación lineal Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,

Más detalles

Autómatas Mínimos. Encontrar el autómata mínimo. Universidad de Cantabria. Introducción Minimización de Autómatas Deterministas Resultados Algoritmo

Autómatas Mínimos. Encontrar el autómata mínimo. Universidad de Cantabria. Introducción Minimización de Autómatas Deterministas Resultados Algoritmo Autómatas Mínimos Encontrar el autómata mínimo. Universidad de Cantabria Introducción Dado un lenguaje regular sabemos encontrar un autómata finito. Pero, hay autómatas más sencillos que aceptan el mismo

Más detalles

Gramáticas independientes del contexto AUTÓMATAS Y LENGUAJES FORMALES LENGUAJES INDEPENDIENTES DEL CONTEXTO Y AUTÓMATAS DE PILA. Otras definiciones I

Gramáticas independientes del contexto AUTÓMATAS Y LENGUAJES FORMALES LENGUAJES INDEPENDIENTES DEL CONTEXTO Y AUTÓMATAS DE PILA. Otras definiciones I Gramáticas independientes del contexto UTÓMTS Y LENGUJES FORMLES LENGUJES INDEPENDIENTES DEL CONTEXTO Y UTÓMTS DE PIL Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNM E-mail:

Más detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios

Más detalles

Autómatas Finitos Deterministicos (DFA)

Autómatas Finitos Deterministicos (DFA) Autómatas Finitos Deterministicos (DFA) Introducción a la Lógica y la Computación Fa.M.A.F., Universidad Nacional de Córdoba 26/0/6 Info útil Bibliografía: Introducción a la teoría de autómatas, lenguajes

Más detalles

Equivalencia Entre PDA y CFL

Equivalencia Entre PDA y CFL Equivalencia Entre PDA y CFL El Lenguaje aceptado por un Autómata con Pila Universidad de Cantabria Esquema 1 Introducción 2 3 Lenguaje Aceptado por un Autómata Como en los autómatas finitos, se puede

Más detalles

Terminaremos el capítulo con una breve referencia a la teoría de cardinales.

Terminaremos el capítulo con una breve referencia a la teoría de cardinales. TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto

Más detalles

Inducción en definiciones y demostraciones AUTÓMATAS Y LENGUAJES FORMALES PRELIMINARES MATEMÁTICOS. Números naturales. Inducción matemática

Inducción en definiciones y demostraciones AUTÓMATAS Y LENGUAJES FORMALES PRELIMINARES MATEMÁTICOS. Números naturales. Inducción matemática Inducción en definiciones y demostraciones AUTÓMATAS Y LENGUAJES FORMALES PRELIMINARES MATEMÁTICOS Francisco Hernández Quiroz Departamento de Matemáticas Facultad de Ciencias, UNAM E-mail: fhq@ciencias.unam.mx

Más detalles

Conjunto R 3 y operaciones lineales en R 3

Conjunto R 3 y operaciones lineales en R 3 Conjunto R 3 y operaciones lineales en R 3 Objetivos. Definir el conjunto R 3 y operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas en

Más detalles

Poliedros Regulares en el 3-Toro.

Poliedros Regulares en el 3-Toro. Poliedros Regulares en el 3-Toro. Antonio Montero Daniel Pellicer PCCM, UMSNH-UNAM CCM,UNAM XXVIII Coloquio Víctor Neumann-Lara de Teoría de las Gráficas Combinatoria y sus Aplicaciones Morelia, Marzo

Más detalles

Estructuras Algebraicas

Estructuras Algebraicas Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos

Más detalles

Conjuntos y funciones convexas

Conjuntos y funciones convexas Conjuntos y funciones convexas Un conjunto X R n se dice convexo si para todo par de puntos x 1 y x 2 en X, λ x 1 + ( 1- λ) x 2 X, para todo λ [0,1] Qué significa esto geométricamente? Un punto λ x 1 +

Más detalles

Tema 3: Espacios vectoriales

Tema 3: Espacios vectoriales Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación

Más detalles

Conjuntos. Un conjunto es una colección de objetos. Si a es un objeto y R es un conjunto entonces por. a R. se entiende que a pertenece a R.

Conjuntos. Un conjunto es una colección de objetos. Si a es un objeto y R es un conjunto entonces por. a R. se entiende que a pertenece a R. Conjuntos Un conjunto es una colección de objetos. Si a es un objeto y R es un conjunto entonces por se entiende que a pertenece a R. a R Normalmente, podremos definir a un conjunto de dos maneras: Por

Más detalles

Álgebras de Boole. Definición 1 Un álgebra de Boole es un conjunto parcialmente ordenado (B, ) que verifica las siguientes condiciones:

Álgebras de Boole. Definición 1 Un álgebra de Boole es un conjunto parcialmente ordenado (B, ) que verifica las siguientes condiciones: Álgebras de Boole Sea (P, ) un conjunto parcialmente ordenado y sea S un subconjunto de P. Una cota superior de S es un elemento c P tal que s c para todo s S. Una cota inferior de S es un elemento d P

Más detalles

Clasificación de sistemas

Clasificación de sistemas Capítulo 2 Clasificación de sistemas 2.1 Clasificación de sistemas La comprensión de la definición de sistema y la clasificación de los diversos sistemas, nos dan indicaciones sobre cual es la herramienta

Más detalles

Señales y Sistemas. Señales y Clasificación Sistemas y Clasificación Respuesta al impulso de los sistemas. 5º Curso-Tratamiento Digital de Señal

Señales y Sistemas. Señales y Clasificación Sistemas y Clasificación Respuesta al impulso de los sistemas. 5º Curso-Tratamiento Digital de Señal Señales y Sistemas Señales y Clasificación Sistemas y Clasificación Respuesta al impulso de los sistemas Señales El procesamiento de señales es el objeto de la asignatura, así que no vendría mal comentar

Más detalles

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno

4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos

Más detalles

Recordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.

Recordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos. Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre

Más detalles

Con esta definición de grupo, es directo que el neutro es único, al igual que el inverso de. , donde es conmutativo, se denomina Abeliano.

Con esta definición de grupo, es directo que el neutro es único, al igual que el inverso de. , donde es conmutativo, se denomina Abeliano. Teoría de Grupos Definiciones Básicas Definición 5 (Grupo) Sea una estructura algebraica con una ley de composición interna. Decimos que es un grupo si: 1. es asociativa. 2. tiene neutro. 3. toda tiene

Más detalles

Modelos Estocásticos I Tercer Examen Parcial Respuestas

Modelos Estocásticos I Tercer Examen Parcial Respuestas Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado

Más detalles

Espacios topológicos. 3.1 Espacio topológico

Espacios topológicos. 3.1 Espacio topológico Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes

Más detalles

Divisibilidad de un número real entre otro

Divisibilidad de un número real entre otro Divisibilidad de un número real entre otro Objetivos Definir (o repasar) el concepto de divisibilidad de un número real entre otro Establecer algunas propiedades básicas de esta relación binaria Requisitos

Más detalles

5 Autómatas de pila 5.1 Descripción informal. 5.2 Definiciones

5 Autómatas de pila 5.1 Descripción informal. 5.2 Definiciones 1 Curso Básico de Computación 5 Autómatas de pila 5.1 Descripción informal Un autómata de pila es esencialmente un autómata finito que controla una cinta de entrada provista de una cabeza de lectura y

Más detalles

JUNIO Bloque A

JUNIO Bloque A Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.

Más detalles

Tema 3: El Método Simplex. Algoritmo de las Dos Fases.

Tema 3: El Método Simplex. Algoritmo de las Dos Fases. Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo

Más detalles

06 Análisis léxico II

06 Análisis léxico II 2 Contenido Alfabetos, símbolos y cadenas Operaciones con cadenas Concatenación de dos cadenas Prefijos y sufijos de una cadena Subcadena y subsecuencia Inversión de una cadena Potencia de una cadena Ejercicios

Más detalles

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21

Algebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21 Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)

Más detalles

SISTEMA DE MONOMIOS PARA UN CUERPO RESIDUAL REAL CERRADO

SISTEMA DE MONOMIOS PARA UN CUERPO RESIDUAL REAL CERRADO SISTEMA DE MONOMIOS PARA UN CUERPO RESIDUAL REAL CERRADO Francisco Ugarte Guerra 1,2 Mayo, 2011 Resumen Para etender técnicas tipo Polígono de Newton a ecuaciones algebraicas con coeficientes en cuerpos

Más detalles

Problemas de Espacios Vectoriales

Problemas de Espacios Vectoriales Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial

Más detalles

Un autómata con pila no determinista (APND) es una septupla Q A B F en la que

Un autómata con pila no determinista (APND) es una septupla Q A B F en la que AUTÓMATAS CON PILA Un autómata con pila no determinista (APND) es una septupla Q A F en la que δ q 0 Q es un conjunto finito de estados A es un alfabeto de entrada es un alfabeto para la pila δ es la función

Más detalles

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal

OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:

Más detalles

Tema 2: El grupo de las permutaciones

Tema 2: El grupo de las permutaciones Tema 2: El grupo de las permutaciones Miguel Ángel Olalla Acosta miguelolalla@us.es Departamento de Álgebra Universidad de Sevilla Octubre de 2014 Olalla (Universidad de Sevilla) Tema 2: El grupo de las

Más detalles

Autómatas de Pila. Descripciones instantáneas o IDs. El Lenguaje de PDA. Equivalencia entre PDAs y CFGs INAOE (INAOE) 1 / 50

Autómatas de Pila. Descripciones instantáneas o IDs. El Lenguaje de PDA. Equivalencia entre PDAs y CFGs INAOE (INAOE) 1 / 50 INAOE (INAOE) 1 / 50 Contenido 1 2 3 4 (INAOE) 2 / 50 Pushdown Automata Las gramáticas libres de contexto tienen un tipo de autómata que las define llamado pushdown automata. Un pushdown automata (PDA)

Más detalles

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se

Más detalles

Conjuntos, relaciones y funciones Susana Puddu

Conjuntos, relaciones y funciones Susana Puddu Susana Puddu 1. Repaso sobre la teoría de conjuntos. Denotaremos por IN al conjunto de los números naturales y por ZZ al de los enteros. Dados dos conjuntos A y B decimos que A está contenido en B o también

Más detalles

MODELOS DE COMPUTACION I Preguntas Tipo Test. 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular.

MODELOS DE COMPUTACION I Preguntas Tipo Test. 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular. MODELOS DE COMPUTACION I Preguntas Tipo Test Indicar si son verdaderas o falsas las siguientes afirmaciones: 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular. 2.

Más detalles

Funciones de Clase C 1

Funciones de Clase C 1 Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,

Más detalles

1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo.

1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo. Capítulo 5 Campos finitos 5.1. Introducción Presentaremos algunos conceptos básicos de la teoría de los campos finitos. Para mayor información, consultar el texto de McEliece [61] o el de Lidl y Niederreiter

Más detalles

Teorema del Valor Medio

Teorema del Valor Medio Tema 6 Teorema del Valor Medio Abordamos en este tema el estudio del resultado más importante del cálculo diferencial en una variable, el Teorema del Valor Medio, debido al matemático italo-francés Joseph

Más detalles

Kolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona

Kolmogorov y la teoría de la la probabilidad. David Nualart. Academia de Ciencias y Universidad de Barcelona Kolmogorov y la teoría de la la probabilidad David Nualart Academia de Ciencias y Universidad de Barcelona 1 La axiomatización del cálculo de probabilidades A. N. Kolmogorov: Grundbegriffe des Wahrscheinlichkeitsrechnung

Más detalles

520142: ALGEBRA y ALGEBRA LINEAL

520142: ALGEBRA y ALGEBRA LINEAL 520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición

Más detalles

Continuidad y monotonía

Continuidad y monotonía Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados

Más detalles

Capítulo 6: Variable Aleatoria Bidimensional

Capítulo 6: Variable Aleatoria Bidimensional Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el

Más detalles

Es claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que

Es claro que es una relación de equivalencia. Para ver que tener la misma cardinalidad y la cardinalidad están bien definidas queremos ver que Capítulo II Cardinalidad Finita II.1. Cardinalidad Definimos I n para n N como I n = {k N : 1 k n}. En particular I 0 =, puesto que 0 < 1. Esto es equivalente a la definición recursiva { si n = 0 I n =

Más detalles

Programación Lineal. El modelo Matemático

Programación Lineal. El modelo Matemático Programación Lineal. El modelo Matemático 1 Modelización Definición 1.1 Consideremos el problema de optimización con restricciones, definido como sigue Min f(x) s.a. g i (x) b i i = 1, 2,..., m (P OR)

Más detalles

Problemas de VC para EDVC elaborados por C. Mora, Tema 4

Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,

Más detalles

Definición 1.1 Sea G = (V, A) un grafo no dirigido. G se denomina árbol si es conexo y no contiene ciclos.

Definición 1.1 Sea G = (V, A) un grafo no dirigido. G se denomina árbol si es conexo y no contiene ciclos. Matemática Discreta y Lógica 2 1. Árboles Árboles Definición 1.1 Sea G = (V, A) un grafo no dirigido. G se denomina árbol si es conexo y no contiene ciclos. Como un lazo es un ciclo de longitud 1, un árbol

Más detalles

Ejercicios de Variables Aleatorias

Ejercicios de Variables Aleatorias Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si

Más detalles

Transformaciones lineales

Transformaciones lineales Semana 8 [1/62] 8 de septiembre de 27 Definiciones básicas Semana 8 [2/62] Definición Transformación lineal U, V dos espacios vectoriales sobre el mismo cuerpo Ã. T : U V es una transformación (o función)

Más detalles

COMUNICACIÓN DE DATOS

COMUNICACIÓN DE DATOS DEPARTAMENTO DE CIENCIA Y TECNOLOGÍA UNIVERSIDAD NACIONAL DE QUILMES Roque Sáenz Peña 352 (B1876BXD) Bernal Buenos Aires Argentina COMUNICACIÓN DE DATOS CODIFICACIÓN DE FUENTE Un problema de interés dentro

Más detalles

El Autómata con Pila

El Autómata con Pila El Autómata con Pila Una Generalización del Autómata Finito Universidad de Cantabria Esquema 1 2 3 4 Los autómatas son abstracciones de maquinas de calcular, como hemos visto. Los más sencillos no tienen

Más detalles

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

Definición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ).

Definición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ). ALGEBRA La primera parte del presente libro está dedicada a las estructuras algebraicas. En esta parte vamos a iniciar agregándole a los conjuntos operaciones. Cuando las operaciones tienen determinadas

Más detalles

Generación de variables aleatorias continuas Método de rechazo

Generación de variables aleatorias continuas Método de rechazo Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa

Más detalles

Tema 5: Elementos de geometría diferencial

Tema 5: Elementos de geometría diferencial Tema 5: Elementos de geometría diferencial José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, abril de 2011 Coordenadas locales y atlas. Funciones y curvas.

Más detalles

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )

Esta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n ) Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder

Más detalles

Teoría de la Probabilidad Tema 2: Teorema de Extensión

Teoría de la Probabilidad Tema 2: Teorema de Extensión Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada

Más detalles

Límite superior y límite inferior de una sucesión

Límite superior y límite inferior de una sucesión Límite superior y límite inferior de una sucesión Objetivos. Definir las nociones de los límites superior e inferior de una sucesión y estudiar sus propiedades básicas. Requisitos. Supremo e ínfimo de

Más detalles

Anillo de polinomios con coeficientes en un cuerpo

Anillo de polinomios con coeficientes en un cuerpo Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.

Más detalles

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.

Más detalles

MATEMÁTICAS II CC III PARCIAL

MATEMÁTICAS II CC III PARCIAL UNIDAD DIDÁCTICA #3 CONTENIDO ECUACIONES LINEALES CON UNA INCOGNITA TIPOS DE ECUACIONES RESOLUCION DE ECUACIONES LINEALES INECUACIONES LINEALES 1 ECUACIONES LINEALES CON UNA INCOGNITA Una ecuación es una

Más detalles

Apéndice sobre ecuaciones diferenciales lineales

Apéndice sobre ecuaciones diferenciales lineales Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.

Más detalles

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD

CONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos

Más detalles

El Autómata con Pila: Transiciones

El Autómata con Pila: Transiciones El Autómata con Pila: Transiciones El Espacio de Configuraciones Universidad de Cantabria Esquema Introducción 1 Introducción 2 3 Transiciones Necesitamos ahora definir, paso por paso, como se comporta

Más detalles

Espacios vectoriales

Espacios vectoriales Espacios vectoriales [Versión preliminar] Prof. Isabel Arratia Z. Algebra Lineal 1 En el estudio de las matrices y, en particular, de los sistemas de ecuaciones lineales realizamos sumas y multiplicación

Más detalles

Grafos. Suponiendo que e = [u, v]. Entonces los nodos u y v se llaman extremos de e y u y v se dice que son nodos adyacentes o vecinos.

Grafos. Suponiendo que e = [u, v]. Entonces los nodos u y v se llaman extremos de e y u y v se dice que son nodos adyacentes o vecinos. Grafos Los grafos son estructuras que constan de vértices o nodos y de aristas o arcos que conectan los vértices entre sí. Un grafo G consiste en dos cosas: 1. Un conjunto V de elementos llamados nodos

Más detalles

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1

Matrices. José Vicente Romero Bauset. ETSIT-curso 2009/2010. José Vicente Romero Bauset Tema 1.- Matrices. 1 Matrices José Vicente Romero Bauset ETSIT-curso 2009/2010 José Vicente Romero Bauset Tema 1- Matrices 1 Introducción Por qué estudiar las matrices? Son muchas las situaciones de la vida real en las que

Más detalles

Funciones convexas Definición de función convexa. Tema 10

Funciones convexas Definición de función convexa. Tema 10 Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en

Más detalles

(CR) Prof. Manuel López Mateos Curso de Cálculo I,

(CR) Prof. Manuel López Mateos Curso de Cálculo I, (página 81) CAPÍTULO 3 FUNCIONES REALES Función es dependencia. A velocidad fija, la distancia recorrida depende del tiempo transcurrido. El tiempo que tarda en caer una piedra depende de la altura que

Más detalles

MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas. g(z) e u(z) 1. u(z) a log z + b

MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas. g(z) e u(z) 1. u(z) a log z + b PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE MATEMÁTICAS MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas 1. Sea u : C R una función armónica positiva. Pruebe que u es constante. Solución:

Más detalles

Introducción a la Teoría de la Información

Introducción a la Teoría de la Información Introducción a la Teoría de la Información Conceptos Básicos. Facultad de Ingeniería, UdelaR (Facultad de Ingeniería, UdelaR) Teoría de la Información 1 / 32 Agenda 1 Definiciones y Propiedades Básicas

Más detalles

ARITMÉTICA MODULAR. Unidad 1

ARITMÉTICA MODULAR. Unidad 1 Unidad 1 ARITMÉTICA MODULAR 9 Capítulo 1 DE LA TEORÍA DE CONJUNTOS Objetivo general Presentar y afianzar algunos conceptos de la Teoría de Conjuntos relacionados con el estudio de la matemática discreta.

Más detalles

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3

Universidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se

Más detalles

Sobre funciones reales de variable real. Composición de funciones. Función inversa

Sobre funciones reales de variable real. Composición de funciones. Función inversa Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real

Más detalles

Descomposición en valores singulares de una matriz

Descomposición en valores singulares de una matriz Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran

Más detalles

Por ser f continua y R compacto, existen x 0, y 0 en R tales que f(x 0 ) = sup{f(t) : t R} y f(y 0 ) = inf{f(t) : t R}

Por ser f continua y R compacto, existen x 0, y 0 en R tales que f(x 0 ) = sup{f(t) : t R} y f(y 0 ) = inf{f(t) : t R} Proposición. Sea un rectángulo en R n, y sea f : R una función continua. Entonces f es integrable en. Conjuntos de Demostración: Como f es continua en, y es compacto, f es acotada en, y uniformemente continua.

Más detalles

APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES

APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico

Más detalles

Computabilidad y Lenguajes Formales: Autómatas Finitos

Computabilidad y Lenguajes Formales: Autómatas Finitos 300CIG007 Computabilidad y Lenguajes Formales: Autómatas Finitos Pontificia Universidad Javeriana Cali Ingeniería de Sistemas y Computación Prof. Gloria Inés Alvarez V. No Determinismo Hasta ahora cada

Más detalles

Grafos. Amalia Duch Brown Octubre de 2007

Grafos. Amalia Duch Brown Octubre de 2007 Grafos Amalia Duch Brown Octubre de 2007 Índice 1. Definiciones Básicas Intuitivamente un grafo es un conjunto de vértices unidos por un conjunto de líneas o flechas dependiendo de si el grafo es dirigido

Más detalles

Capítulo 2 Conjuntos. 2.1 Introducción. 2.2 Determinación de conjuntos. Definición:

Capítulo 2 Conjuntos. 2.1 Introducción. 2.2 Determinación de conjuntos. Definición: Capítulo 2 Conjuntos 2.1 Introducción El concepto de conjunto, de singular importancia en la ciencia matemática y objeto de estudio de una de sus disciplinas más recientes, está presente, aunque en forma

Más detalles

EL4005 Principios de Comunicaciones Clase No.22: Señalización Ortogonal

EL4005 Principios de Comunicaciones Clase No.22: Señalización Ortogonal EL4005 Principios de Comunicaciones Clase No.22: Señalización Ortogonal Patricio Parada Departamento de Ingeniería Eléctrica Universidad de Chile 29 de Octubre de 2010 1 of 34 Contenidos de la Clase (1)

Más detalles

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 4 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

Introducción a la topología

Introducción a la topología Introducción a la topología Beatriz Abadie CENTRO DE MATEMÁTICAS FACULTAD DE CIENCIAS UNIVERSIDAD DE LA REPÚBLICA Agosto de 2013 i Índice general Capítulo 1. Elementos de la teoría de conjuntos 1 1.1.

Más detalles

Árboles. Un grafo no dirigido es un árbol si y sólo si existe una ruta unica simple entre cualquiera dos de sus vértices.

Árboles. Un grafo no dirigido es un árbol si y sólo si existe una ruta unica simple entre cualquiera dos de sus vértices. ÁRBOLES Árboles Un grafo conectado que no contiene circuitos simples. Utilizados desde 1857, por el matemático Ingles Arthur Cayley para contar ciertos tipos de componentes químicos. Un árbol es un grafo

Más detalles

Tema 11.- Autovalores y Autovectores.

Tema 11.- Autovalores y Autovectores. Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica

Más detalles

Espacios vectoriales reales.

Espacios vectoriales reales. Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre

Más detalles

Un grafo G = (V, E) se dice finito si V es un conjunto finito.

Un grafo G = (V, E) se dice finito si V es un conjunto finito. 1 Grafos: Primeras definiciones Definición 1.1 Un grafo G se define como un par (V, E), donde V es un conjunto cuyos elementos son denominados vértices o nodos y E es un subconjunto de pares no ordenados

Más detalles

Tema 2.- Formas Cuadráticas.

Tema 2.- Formas Cuadráticas. Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas

Más detalles

TEMA 8. GEOMETRÍA ANALÍTICA.

TEMA 8. GEOMETRÍA ANALÍTICA. TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos

Más detalles

Figura 1. Circuito RLC

Figura 1. Circuito RLC APLIAIÓN: EL IRUITO RL. Al comienzo del tema de las E.D.O lineales de segundo orden hemos visto como estas ecuaciones sirven para modelizar distintos sitemas físicos. En concreto el circuito RL. Figura

Más detalles

Fundamentos de Ciencias de la Computación Trabajo Práctico N 2 Lenguajes Libres del Contexto y Sensibles al Contexto Segundo Cuatrimestre de 2002

Fundamentos de Ciencias de la Computación Trabajo Práctico N 2 Lenguajes Libres del Contexto y Sensibles al Contexto Segundo Cuatrimestre de 2002 Departamento de Cs. e Ingeniería de la Computación Universidad Nacional del Sur Ejercicios Fundamentos de Ciencias de la Computación Trabajo Práctico N 2 Lenguajes Libres del Contexto y Sensibles al Contexto

Más detalles

Compiladores: Análisis Sintáctico. Pontificia Universidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V.

Compiladores: Análisis Sintáctico. Pontificia Universidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V. Compiladores: Análisis Sintáctico Pontificia Universidad Javeriana Cali Ingenieria de Sistemas y Computación Prof. Gloria Inés Alvarez V. Sintaxis Define la estructura del lenguaje Ejemplo: Jerarquía en

Más detalles

2. El conjunto de los números complejos

2. El conjunto de los números complejos Números complejos 1 Introducción El nacimiento de los números complejos se debió a la necesidad de dar solución a un problema: no todas las ecuaciones polinómicas poseen una solución real El ejemplo más

Más detalles

Definición 1. Dado un conjunto C una aplicación definida por : C C C

Definición 1. Dado un conjunto C una aplicación definida por : C C C ESTRUCTURAS ALGEBRAICAS. En matemáticas aparecen distintos conjuntos cuyos elementos podemos operar de alguna manera. Los conjuntos de números usuales: N, Z, Q, y R son unos ejemplos claros. Otros ejemplos

Más detalles

Máquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 45

Máquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 45 Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 45 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales

Más detalles