Programación lineal (+ extensiones). Ejemplos.
|
|
- María José Lagos Vega
- hace 8 años
- Vistas:
Transcripción
1 Departamento de Matemáticas. ITAM
2 Forma estándar de un PPL PPL minimizar x c T x sujeta a Ax = b, x 0,
3 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
4 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
5 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
6 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
7 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
8 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
9 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
10 en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz real de m n con m < n. Rango completo. b es el vector de términos independientes. El vector x es llamado el vector de variables de decisión la función f es conocida como la función objetivo El conjunto Ω = {x R n Ax = b, x 0} es llamado la zona factible.
11 Extensión inmediata (métodos de puntos interiores) PPC convexa minimizar f(x) = 1 x 2 xt Qx + c T x sujeta a Ax = b, x 0. Q simétrica positiva (semi)definida: a) carteras de inversión; b) precios de derivados financieros; c) robótica; d) dinámica de cuerpos rígidos (videojuegos); e) minimizar con la norma euclidiana; f) cálculo variacional.
12 Ejemplo de un PPL minimizar 2x 1 x 2 x R 2 sujeta a x x 2 4 x 1 + x 2 2 2x 1 3 x 0 variables de holgura PPL en forma estándar: minimizar 2x 1 x 2 x R 2 sujeta a x x 2 + x 3 = 4 x 1 + x 2 + x 4 = 2 2x 1 + x 5 = 3 x 0
13 Zona factible e isoĺıneas de un PL x f = 2x 1 x Ω x * x 1
14 Ajuste de superficies Observaciones (A i., b i ), i = 1,..., m A i. es un renglón con n elementos, b i R existe correlación entre A i1, A i2..., A in y b i, es decir: b i γ + A i1 x 1 + A i2 x A in x n Problema: encontrar la mejor pareja de parámetros (x, γ) en el sentido de minimizar una medida del error total m A i. x + γ b i i=1
15 Formulación del problema Si definimos A = A 1. A 2.. A m., b = b 1 b 2. b m, e = , entonces, podemos formular el problema como minimizar x,y,γ z = e T y sujeta a y Ax + γe b y, y 0.
16 Balance de carga de trabajo Supongamos que tenemos n procesadores, algunos de los cuales tienen más carga de trabajo que otros. Deseamos distribuir una carga de trabajo L de tal manera que todos los procesadores tengan un mínimo de carga de trabajo. p i la carga actual del procesador i, i = 1, 2,..., n x i fracción de L que recibirá el procesador i, x i 0 n x i = 1 i=1 γ carga mínima final de trabajo para cada procesador después de distribuir L maximizar x,γ γ sujeta a p + Lx γe, e T x 1 = 0, x 0
17 Balance de carga de trabajo Supongamos que tenemos n procesadores, algunos de los cuales tienen más carga de trabajo que otros. Deseamos distribuir una carga de trabajo L de tal manera que todos los procesadores tengan un mínimo de carga de trabajo. p i la carga actual del procesador i, i = 1, 2,..., n x i fracción de L que recibirá el procesador i, x i 0 n x i = 1 i=1 γ carga mínima final de trabajo para cada procesador después de distribuir L maximizar x,γ γ sujeta a p + Lx γe, e T x 1 = 0, x 0
18 Balance de carga de trabajo Supongamos que tenemos n procesadores, algunos de los cuales tienen más carga de trabajo que otros. Deseamos distribuir una carga de trabajo L de tal manera que todos los procesadores tengan un mínimo de carga de trabajo. p i la carga actual del procesador i, i = 1, 2,..., n x i fracción de L que recibirá el procesador i, x i 0 n x i = 1 i=1 γ carga mínima final de trabajo para cada procesador después de distribuir L maximizar x,γ γ sujeta a p + Lx γe, e T x 1 = 0, x 0
19 Balance de carga de trabajo Supongamos que tenemos n procesadores, algunos de los cuales tienen más carga de trabajo que otros. Deseamos distribuir una carga de trabajo L de tal manera que todos los procesadores tengan un mínimo de carga de trabajo. p i la carga actual del procesador i, i = 1, 2,..., n x i fracción de L que recibirá el procesador i, x i 0 n x i = 1 i=1 γ carga mínima final de trabajo para cada procesador después de distribuir L maximizar x,γ γ sujeta a p + Lx γe, e T x 1 = 0, x 0
20 Balance de carga de trabajo Supongamos que tenemos n procesadores, algunos de los cuales tienen más carga de trabajo que otros. Deseamos distribuir una carga de trabajo L de tal manera que todos los procesadores tengan un mínimo de carga de trabajo. p i la carga actual del procesador i, i = 1, 2,..., n x i fracción de L que recibirá el procesador i, x i 0 n x i = 1 i=1 γ carga mínima final de trabajo para cada procesador después de distribuir L maximizar x,γ γ sujeta a p + Lx γe, e T x 1 = 0, x 0
21 Balance de carga de trabajo Supongamos que tenemos n procesadores, algunos de los cuales tienen más carga de trabajo que otros. Deseamos distribuir una carga de trabajo L de tal manera que todos los procesadores tengan un mínimo de carga de trabajo. p i la carga actual del procesador i, i = 1, 2,..., n x i fracción de L que recibirá el procesador i, x i 0 n x i = 1 i=1 γ carga mínima final de trabajo para cada procesador después de distribuir L maximizar x,γ γ sujeta a p + Lx γe, e T x 1 = 0, x 0
22 Clasificación Dados dos conjuntos finitos de puntos en R n, deseamos construir un hiperplano en R n que separe a ambos conjuntos tan bien como sea posible. El hiperplano servirá para clasificar puntos nuevos. H = {x R n w T x = γ}, w 0, γ 0. Entonces: w T x γ para los puntos del primer conjunto y w T x γ para los puntos del segundo conjunto. w T x γ + 1, w T x γ 1 Ambos conjuntos no necesariamente son separables. Es necesario minimizar el error cometido en la clasificación.
23 Formulación La matriz M de m n está formada con los puntos del primer conjunto. B de k n contiene los puntos del segundo conjunto. Error de clasificación asociado con el primer conjunto: w T x γ + 1, (w T x γ) y (Mw γe m ) + e m 0, y 0, e m R m. z (Bw γe k ) + e k 0, z 0, e k R k.
24 Formulación La matriz M de m n está formada con los puntos del primer conjunto. B de k n contiene los puntos del segundo conjunto. Error de clasificación asociado con el primer conjunto: w T x γ + 1, (w T x γ) y (Mw γe m ) + e m 0, y 0, e m R m. z (Bw γe k ) + e k 0, z 0, e k R k.
25 Formulación La matriz M de m n está formada con los puntos del primer conjunto. B de k n contiene los puntos del segundo conjunto. Error de clasificación asociado con el primer conjunto: w T x γ + 1, (w T x γ) y (Mw γe m ) + e m 0, y 0, e m R m. z (Bw γe k ) + e k 0, z 0, e k R k.
26 Formulación La matriz M de m n está formada con los puntos del primer conjunto. B de k n contiene los puntos del segundo conjunto. Error de clasificación asociado con el primer conjunto: w T x γ + 1, (w T x γ) y (Mw γe m ) + e m 0, y 0, e m R m. z (Bw γe k ) + e k 0, z 0, e k R k.
27 Error promedio en cada caso: e T my/m y e T k z/k. minimizar w,γ,y,z sujeta a 1 m et my + 1 k et k z y (Mw γe m ) + e m z (Bw γe k ) + e k y 0, z 0.
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Dentro del campo general de la teoría de la optimización, también conocida como programación matemática conviene distinguir diferentes modelos de optimización.
Más detallesMÁQUINAS DE VECTORES DE SOPORTE
MÁQUINAS DE VECTORES DE SOPORTE Introducción Se tiene información de N individuos codificada de la forma Las variables X son vectores que reúnen información numérica del individuo, las variables Y indican
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detalleseuresti@itesm.mx Matemáticas
al Método al Método Matemáticas al Método En esta lectura daremos una introducción al método desarrollado por George Bernard Dantzig (8 de noviembre de 1914-13 de mayo de 2005) en 1947. Este método se
Más detallesOptimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.
Más detallesTema 9: ESPACIO AFÍN EUCLÍDEO. MOVIMIENTOS RÍGIDOS
Tema 9: ESPACIO AFÍN EUCLÍDEO. MOVIMIENTOS RÍGIDOS Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso
Más detallesAnálisis aplicado. Ax = b. Gradiente conjugado.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2009. Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b. Cuadráticas estrictamente
Más detallesUNIDAD 6. Programación no lineal
UNIDAD 6 Programación no lineal En matemática Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES HOJA 5: Optimización 5-1. Hallar los puntos críticos de las siguiente funciones y clasificarlos: a fx, y = x y + xy.
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detalles= + Solución: Llamemos x: base del rectángulo, y: altura del rectángulo.
Materiales producidos en el curso: Curso realizado en colaboración entre la Editorial Bruño y el IUCE de la UAM de Madrid del 6 de febrero al 23 de marzo de 2012 Título: Curso online Moodle: Wiris, GeoGebra
Más detalles1. Lección 4 - Leyes de Descuento
1. Lección 4 - Leyes de Descuento Apuntes: Matemáticas Financieras 1.1. El descuento comercial La expresión matemática del descuento comercial es: A 1 (t) = 1 d t para d > 0 Por lo que una u.m. en el instante
Más detalles1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS.
1. MANEJO DE SUMATORIOS. PROPIEDADES Y EJERCICIOS. El sumatorio o sumatoria) es un operador matemático, representado por la letra griega sigma mayúscula Σ) que permite representar de manera abreviada sumas
Más detallesUCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
Más detallesClasificación de métricas.
Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesParcial I Cálculo Vectorial
Parcial I Cálculo Vectorial Febrero 8 de 1 ( Puntos) I. Responda falso o verdadero justificando matematicamente su respuesta. (i) La gráfica de la ecuación cos ϕ = 1, en coordenadas esféricas en R3, es
Más detallesFunción exponencial y Logaritmos
Eje temático: Álgebra y funciones Contenidos: Función exponencial y Logaritmos Nivel: 4 Medio Función exponencial y Logaritmos 1. Funciones exponenciales Existen numerosos fenómenos que se rigen por leyes
Más detallesExamen de Matemáticas 2 o de Bachillerato Mayo 2003
Examen de Matemáticas o de Bachillerato Mayo 00 1. Expresar el número 60 como suma de tres enteros positivos de forma que el segundo sea el doble del primero y su producto sea máximo. Determinar el valor
Más detallesProgramación Lineal Continua/ Investigación Operativa. EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1
EJERCICIOS DE INVESTIGACIÓN OPERATIVA. Hoja 1 1. Una empresa que fabrica vehículos quiere determinar un plan de producción semanal. Esta empresa dispone de 5 fábricas que producen distintos elementos del
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesRedes de Kohonen y la Determinación Genética de las Clases
Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados
Más detalles1 Espacios y subespacios vectoriales.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto
Más detallesTEORÍA TEMA 9. 2. Definición de ESFUERZOS CARACTERÍSTICOS ( Mf.; Q; N)
1. Definición de Viga de alma llena TEORÍA TEMA 9 2. Definición de ESFUERZOS CARACTERÍSTICOS ( Mf.; Q; N) 3. Determinación de los esfuerzos característicos i. Concepto de Polígonos de Presiones ii. Caso
Más detallesMatemáticas II PRUEBA DE ACCESO A LA UNIVERSIDAD 2012 BACHILLERATO FORMACIÓN PROFESIONAL CICLOS FORMATIVOS DE GRADO SUPERIOR.
PRUEBA DE ACCESO A LA UNIVERSIDAD 0 Matemáticas II BACHILLERATO FORMACIÓN PROFESIONAL CICLOS FORMATIVOS DE GRADO SUPERIOR Examen Criterios de Corrección y Calificación UNIBERTSITATERA SARTZEKO PROBAK 0ko
Más detalles1. Derivadas parciales
Análisis Matemático II. Curso 2009/2010. Diplomatura en Estadística/Ing. Téc. en Inf. de Gestión. Universidad de Jaén TEMA 3. ABLES DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARI- 1. Derivadas parciales Para
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura Índice Dada una función f : D R R y un intervalo I D
Más detallesUniversidad de la Frontera Departamento de Matemática y Estadística. Problemas de Optimización. Cĺınica de Matemática. J. Labrin - G.
Universidad de la Frontera Departamento de Matemática y Estadística Cĺınica de Matemática 1 Problemas de Optimización J. Labrin - G.Riquelme 1. Una caja con base cuadrada y parte superior abierta debe
Más detallesTransformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.
Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen
Más detallesPruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León
Pruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJECICIO Nº Páginas OPTATIVIDAD: EL ALUMNO DEBEÁ ESCOGE UNA DE LAS DOS OPCIONES
Más detalles4 Aplicaciones Lineales
Prof Susana López 41 4 Aplicaciones Lineales 41 Definición de aplicación lineal Definición 23 Sean V y W dos espacios vectoriales; una aplicación lineal f de V a W es una aplicación f : V W tal que: 1
Más detallesANÁLISIS DISCRIMINANTE
ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente
Más detallesSupport Vector Machines
Support Vector Machines Separadores lineales Clasificacion binaria puede ser vista como la tarea de separar clases en el espacio de caracteristicas w T x + b > 0 w T x + b = 0 w T x + b < 0 f(x) = sign(w
Más detallesMatrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Más detallesEjemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =
T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesEjemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1
Ejemplo: Basándose en ciertos estudios una compañía a clasificado de acuerdo con la posibilidad de encontrar petróleo en tres tipos de formaciones. La compañía quiere perforar un pozo en determinado lugar
Más detallesEl Problema del Transporte
ASIGNATURA PROGRAMACIÓN LINEAL El Problema del Transporte Maestro Ing. Julio Rito Vargas Avilés Octubre 2014 1 Problema de Transporte Es un caso especial de problema de programación lineal (PPL), para
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detalles8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES.
Prácticas de Matemáticas I y Matemáticas II con DERIVE 8. ESPACIOS VECTORIALES Y APLICACIONES LINEALES. 8.. DEPENDENCIA E INDEPENDENCIA LINEAL DE VECTORES. COMBINACIÓN LINEAL. EJEMPLO 8.. Estudiar si el
Más detallesMatemáticas 1204, 2013 Semestre II Tarea 5 Soluciones
Matemáticas 104, 01 Semestre II Tarea 5 Soluciones Problema 1: Una definición errónea de línea tangente a una curva es: La línea L es tangente a la curva C en el punto P si y sólamente si L pasa por C
Más detallesModelos de Puntuación Puntaje de Originación
Modelos de Puntuación Puntaje de Originación 1 INTRODUCCIÓN Concepto y Objetivo Mecanismo de Puntaje de Originación 2 Concepto y Objetivo Puntaje de Originación o de Solicitud Es la conversión de información
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesListas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
Más detallesDualidad y Análisis de Sensibilidad
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Dualidad y Análisis de Sensibilidad Marcel Goic F. 1 1 Esta es una versión bastante
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
Más detallesProblema de Programación Lineal
Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,
Más detalles(Ec.1) 2α + β = b (Ec.4) (Ec.3)
Problema 1. Hallar t R para que el vector x = (3, 8, t) pertenezca al subespacio engendrado por los vectores u = (1, 2, 3) y v = (1, 3, 1). Solución del problema 1. x L{ u, v} si, y sólo si, existen α,
Más detallesPropuesta A. y B = 1 0
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (014 Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá contestar a una de las dos opciones propuestas A o B. Se
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesOptimización y la Programación Lineal: Una Introducción
Reporte de Investigación 2007-07 Optimización y la Programación Lineal: Una Introducción Responsables: Marchena Williams Ornelas Carlos Supervisor: Francisco M. González-Longatt Línea de Investigación:
Más detalles4 Aplicaciones lineales
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 4 Aplicaciones lineales 4. Aplicación lineal Sean V y W dos espacios vectoriales sobre el mismo cuerpo K (en general, R o C. Una aplicación
Más detallesFinanzas de Empresas Turísticas
Finanzas de Empresas Turísticas Prof. Francisco Pérez Hernández (f.perez@uam.es) Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid 1 Departamento de Financiación e Investigación
Más detallesJesús Getán y Eva Boj. Marzo de 2014
Optimización sin restricciones Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Optimización sin restricciones 1 / 32 Formulación del problema
Más detallesResumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración
5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una
Más detallesy λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.
Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =
Más detallesSupport Vector Machine
Juan Carlos Caicedo Juan Carlos Mendivelso Maestria en Ingenieria de Sistemas y Computacion Universidad Nacional de Colombia 20 de marzo de 2007 Agenda 1 2 3 4 Outline 1 2 3 4 Clasificador lineal que utiliza
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesGEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008
1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto
Más detallesTEMA 4. FUNCIONES DE VARIABLE REAL
TEMA 4. FUNCIONES DE VARIABLE REAL 4.1 Definición de función real Definición: Una función real de variable real es una aplicación de un subconjunto A en. f : A El dominio de una función es el conjunto
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesSolemne I Profesor: Marcelo Leseigneur P. Ayudante: Renzo Lüttges C.
Solemne I Profesor: Marcelo Leseigneur P. Ayudante: Renzo Lüttges C. Pregunta 1 Hallar el dominio y recorrido de las siguientes funciones, dibújelas, y estudie su paridad, imparidad, crecimiento y decrecimiento,
Más detallesFUNCIONES 1. DEFINICION DOMINIO Y RANGO
1. DEFINICION DOMINIO Y RANGO FUNCIONES Antes de definir función, uno de los conceptos fundamentales y de mayor importancia de todas las matemáticas, plantearemos algunos ejercicios que nos eran de utilidad
Más detallesRepresentación de un Vector
VECTORES Vectores Los vectores se caracterizan por tener una magnitud, expresable por un número real, una dirección y un sentido. Un ejemplo de vectores son los desplazamientos. Otro ejemplo de vectores
Más detallesSeminario Universitario Material para estudiantes. Física. Unidad 2. Vectores en el plano. Lic. Fabiana Prodanoff
Seminario Universitario Material para estudiantes Física Unidad 2. Vectores en el plano Lic. Fabiana Prodanoff CONTENIDOS Vectores en el plano. Operaciones con vectores. Suma y producto por un número escalar.
Más detallesEjercicios Propuestos Tema 2
Ejercicios Propuestos Tema 2 1 Programar la función: fx, A, X = a 0 + a 1 x x 1 + a 2 x x 1 x x 2 + + a n x x 1 x x 2 x x n, donde A = [a 0, a 1,, a n ], X = [x 1, x 2,, x n ], con x R Calcular todas las
Más detallesConjuntos Numéricos. Las dos operaciones en que se basan los axiomas son la Adición y la Multiplicación.
Conjuntos Numéricos Axiomas de los números La matemática se rige por ciertas bases, en la que descansa toda la matemática, estas bases se llaman axiomas. Cuántas operaciones numéricas conocen? La suma
Más detallesValores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Más detallesVectores aleatorios. Estadística I curso 2008 2009
Vectores aleatorios Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 En numerosas ocasiones estudiamos más de una variable asociada a
Más detallesCuatro maneras de representar una función
Cuatro maneras de representar una función Una función f es una regla que asigna a cada elemento x de un conjunto A exactamente un elemento, llamado f(x), de un conjunto B. Una función f es una regla que
Más detallesc) ( 1 punto ). Hallar el dominio de definición de la función ( ). Hallar el conjunto de puntos en los que la función tiene derivada.
Materiales producidos en el curso: Curso realizado por Escuelas Católicas del 7 de noviembre al 19 de diciembre de 2011 Título: Wiris para Matemáticas de ESO y Bachilleratos. Uso de Pizarra Digital y Proyector
Más detallesLas Griegas de las Opciones
ANÁLISIS Y OPINIÓN Las Griegas de las Opciones 134 Mtro. Sergio García Quintana, Integrante de la Comisión de Finanzas y Sistema Financiero del Colegio de Contadores Públicos de México, A.C. Son medidas
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesCapítulo 7 Riesgo Moral
Capítulo 7 Riesgo Moral Introduction El problema de riesgo moral aparece cuando el comportamiento del agente no es verificable ó cuando el agente recibe información privada, una vez iniciado el contrato.
Más detallesCursada Primer Semestre 2015 Guía de Trabajos Prácticos Nro. 2
Temas: Programación en MATLAB: Sentencias, expresiones y variables. Estructuras de control. Operadores relacionales y lógicos. Programación de funciones. Aritmética finita: Representación de números en
Más detallesCriterio de Sylvester
Criterio de Sylvester Objetivos. Aprender a aplicar el criterio de Sylvester para analizar cuándo una forma cuadrática es positiva definida, usando los menores principales de su matriz asociada. También
Más detallesELIJA CUATRO DE LOS SEIS BLOQUES PROPUESTOS.
PRUEBAS DE ACCESO A LA UNIVERSIDAD Curso 008-009 MATEMÁTICAS II ELIJA CUATRO DE LOS SEIS BLOQUES PROPUESTOS. Bloque 1. Dado el número real a, se considera el sistema a) Discuta el sistema según los valores
Más detallesRECTAS Y PLANOS EN EL ESPACIO
UNIDAD 6 RECTA Y PLANO EN EL EPACIO Página 1 1. Puntos alineados en el plano Comprueba que los puntos A (, ), B (8, ) y C (1, ) no están alineados. A (, ) B (8, ) C (1, ) AB = (, 1); BC = (, ) No tienen
Más detallesFormas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A Ejercicio 1.- [2 5 puntos] Una ventana normanda consiste en un rectángulo coronado con un semicírculo. De entre todas las ventanas normandas de perímetro 10 m, halla las dimensiones del marco
Más detallesAhora podemos comparar fácilmente las cantidades de cada tamaño que se vende. Estos valores de la matriz se denominan elementos.
Materia: Matemática de 5to Tema: Definición y Operaciones con Matrices 1) Definición Marco Teórico Una matriz consta de datos que se organizan en filas y columnas para formar un rectángulo. Por ejemplo,
Más detallesNORMA INTERNACIONAL DE CONTABILIDAD No 28 INVERSIONES EN ASOCIADAS (IAS 28)
NORMA INTERNACIONAL DE CONTABILIDAD No 28 INVERSIONES EN ASOCIADAS (IAS 28) PROBLEMA CONSIDEARADO : Identificar el monto de la influencia requerida por una entidad para ser clasificada como asociada. Cual
Más detalles1. Breve resumen de optimización sin restricciones en varias variables.
MATEMÁTICAS EMPRESARIALES G.A.D.E. CURSO 202/203 Práctica 2: Aplicaciones a la Optimización. En esta práctica se introducen las herramientas que nos ofrece el programa Mathematica para optimizar funciones
Más detallesb) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:
1. Dada la función f(x) = : a) Encontrar el dominio, las AH y las AV. b) Intervalos de crecimiento, decrecimiento, máximos y mínimos relativos. c) Primitiva que cumpla que F(0) = 0. a) Para encontrar el
Más detalles4 Localización de terremotos
513430 - Sismología 27 4 Localización de terremotos 4.1 Localización de sismos locales Fig 27: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto de la nucleación,
Más detallesDIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD
Curso Asignatura 2014/2015 MATEMÁTICAS II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad La siguiente relación de objetivos,
Más detallesSoluciones a los problemas Olimpiada de Matemáticas Fase local Extremadura Enero de 2015
Olimpiada atemática Española RSE Soluciones a los problemas Olimpiada de atemáticas Fase local Extremadura Enero de 2015 1. lrededor de una mesa circular están sentadas seis personas. ada una lleva un
Más detallesConstrucción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
Más detallesADMINISTRACION FINANCIERA. Parte IV Capítulos 2 Títulos, Carteras de inversión.-
ADMINISTRACION FINANCIERA Parte IV Capítulos 2 Títulos, Carteras de inversión.- Puntos 4-6. CPN. Juan Pablo Jorge Ciencias Económicas Tel. (02954) 456124/433049 jpjorge@speedy.com.ar 1 Carteras - Sumario
Más detallesEspacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
Más detallesSolución del examen de Variable Compleja y Transformadas I. T. I. Electrónica y Electricidad 29 de enero de 2004
Solución del examen de Variable Compleja y Transformadas I. T. I. Electrónica y Electricidad 29 de enero de 2004. Estudia si existe alguna función de variable compleja f() entera cuya parte real sea x
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detalles