Tiempo de Ejecución. Midiendo el Tiempo de Ejecución
|
|
- Veronica Ruiz Domínguez
- hace 7 años
- Vistas:
Transcripción
1 Tiempo de Ejecución Arturo Díaz Pérez Sección de Computación Departamento de Ingeniería Eléctrica CINVESTAV-IPN Av. Instituto Politécnico Nacional No Col. San Pedro Zacatenco México, D. F. CP Tel Ext. 6562, TimeAnalysis-1 Midiendo el Tiempo de Ejecución Benchmarking Benchmarks: una colección de entradas típicas representativas de una carga de trabajo para un programa Profiling Asociar a cada instrucción de un programa un número que representa la fracción del tiempo total tomada para ejecutar esa instrucción particular Regla del Regla informal que afirma que el 90% del tiempo de ejecución se invierte en el 10% del código TimeAnalysis-2 1
2 Midiendo el Tiempo de Ejecución Análisis Agrupar las entradas de acuerdo a su tamaño, n, y estimar el tiempo de ejecución del programa en entradas de ese tamaño, T(n) TimeAnalysis-3 El Problema de Ordenamiento Entrada: una secuencia de números <a 1, a 2,..., a n > Salida: una permutación de la secuencia <a 1, a 2,..., a n > tal que, a 1 = a 2 =... = a n Ejemplo: TimeAnalysis-4 2
3 Método de Inserción void Inserción( int A[], int n ) { int i,j; for( i=1; i < n; i++ ) { j:= i; while( j > 0 && A[j] < A[j-1] ) { Intercambia( &A[j], &A[j-1] ); j-- } } } A: ordenado llave TimeAnalysis-5 Método de Inserción: Ejemplo TimeAnalysis-6 3
4 La Entrada del Problema Tiempo de Ejecución Debe ser definido como una función de la entrada T p = f(e) Con frecuencia el tiempo de ejecución depende del tamaño de la entrada T(n): El tiempo de ejecución de un programa en entradas de tamaño n Ejemplo: T(n) = c n 2, para alguna constante c TimeAnalysis-7 Tipos de Análisis El tiempo de ejecución del peor caso, T w (n) El máximo de los tiempos de ejecución sobre todas las entradas de tamaño n Puede no ser muy fiel El tiempo promedio de ejecución: T a (n) El promedio de los tiempos de ejecución sobre todas las entradas de tamaño n Puede ser más fiel En algunas ocasiones puede ser difícil de determinar El tiempo de ejecución del mejor caso: T b (n) El menor de los tiempos de ejecución sobre todas las entradas de tamaño n Puede ser engañoso en un algoritmo lento que trabaja rápido sobre algunas entradas TimeAnalysis-8 4
5 Tiempo independiente de la computadora El tiempo de ejecución no debe ser expresado en unidades de tiempo estándar Qué significa el tiempo del peor caso para el método de inserción? Depende de la velocidad de una computadora Velocidad relativa (en la misma computadora) Velocidad absoluta (en computadoras diferentes) Ignore las constantes dependientes de la computadora Observe el crecimiento de T(n) conforme n? a. El tiempo de ejecución de un algoritmo es proporcional a f(n) Análisis Asintótico TimeAnalysis-9 Comparando Tiempos de Ejecución T(n) n n 3 / 2 5n n n Running Time T(n) 100 n 5n 2 n 3 / 2 2 n Max. Problem Size 3 for 10 sec Max. Problem Size for 104 sec Increase in Max. Problem Size TimeAnalysis-10 5
6 Función de Complejidad Definición: Una función de complejidad puede ser cualquier función de los enteros no negativos a los reales no negativos f: N R 0 Ejemplos: f (n ) = n f (n ) = n 2 f (n ) = log n f (n ) = 3n + 4n 2 TimeAnalysis-11 Ordenes de Crecimiento Dada f: N R, una función con valores no negativos O ( f (n) ) = { g: N R 0 c > 0 y N 0 N: (n N 0 g(n) c * f (n)) } Θ ( f (n) ) = { g: N R 0 [g O(f)] [f O(g)] } Ω ( f (n) ) = { g: N R 0 c > 0 y N 0 N: (n N 0 f(n) c * g (n)) } TimeAnalysis-12 6
7 Ordenes de Crecimiento Se escribe g(n) = ( f (n) ) en lugar de g ( f ) El crecimiento de g está dominado por el de f, si y solo si, g(n) = O( f (n) ) g y f poseen el mismo orden de crecimiento, si y solo si, g(n) = Θ ( f (n) ) El crecimiento de g es al menos el de f, si y solo si, g(n) = W ( f (n) ) TimeAnalysis-13 O( f(n) ): De orden f (n) n n es O(n 2 ) Por qué? 2 n 2 Tome c = 2 y N = 10 n n 10 TimeAnalysis-14 7
8 Cota Superior Asintótica: O c * f (n) g (n) N 0 g(n) = O ( f ( n )) TimeAnalysis-15 O: Ejemplos 1,000,000n 2 es O(n 2 )? (n - 1)n / 2 es O(n 2 )? n / 2 es O(n 2 )? log (n ) es O(n)? n 2 es O(n)? TimeAnalysis-16 8
9 Cota Inferior Asintótica: W g (n) c * f (n) N 0 g(n) = Ω( f ( n ) ) TimeAnalysis-17 W: Ejemplos 1,000,000 n 2 es Ω(n 2 )? (n - 1)n / 2 es Ω(n 2 )? n / 2 es Ω(n 2 )? log (n ) es Ω(n)? n 2 es Ω(n)? TimeAnalysis-18 9
10 Θ: Mismo Orden de Crecimiento c * f (n) g (n) d * f (n) g(n) = Θ ( f ( n )) N 0 TimeAnalysis-19 Θ: Ejemplos 1,000,000 n es Θ(n 2 )? (n - 1)n / 2 es Θ(n 2 )? n / 2 es Θ(n 2 )? log (n ) es Θ(n)? n 2 es Θ(n)? TimeAnalysis-20 10
11 Observaciones Para cualesquiera f, g: N fi R : g(n) = O( f (n) ) f(n) = Ω( g(n) ) g(n) = Θ( f (n) ) [g(n) = O( f (n) )] [g(n) = Ω( f (n) )] TimeAnalysis-21 Observaciones También se define o( f (n) ) = { g: N R 0 c > 0, N 0 N: (n N 0 g(n) c * f (n)) } ω( f (n) ) = { g: N R 0 f o(g(n)) } esto es, g(n) = o( f (n) ) g(n) = ω( f (n) ) g( n) lim = 0 n f ( n) g( n) lim = + f ( n) n TimeAnalysis-22 11
12 Propiedades Transitividad: {O, Θ, Ω, o, ω}: g(n) = ( f (n) ) f(n) = (h(n)) g(n) = ( h(n) ) Reflexividad: {O, Θ, Ω}: f(n) = ( f (n) ) Simetría: g(n) = Θ( f (n) ) f(n) = Θ( g(n) ) Por lo tanto, g(n) = Θ( f (n) ) define una relación de equivalencia en el espacio de funciones TimeAnalysis-23 Propiedades Simetría transpuesta: f (n) = Ο(g(n )), si y solo si, g (n) = Ω (f (n )) f (n) = Ο(g(n )), si y solo si, g (n) = ω (f (n )) TimeAnalysis-24 12
13 Diferencia entre O y o O ( f (n) ) = {g: N R 0 : existen constantes positivas c and N 0 tal que g( n) c * f (n ) para toda n N 0 } o ( f (n) ) = {g: N R 0 : para toda constante positiva c existe una constante N c > 0, tal que, g( n) c * f (n ) para toda n N c } Para o la desigualdad se mantiene para todas las constantes positivas Mientras que para O la desigualdad se mantiene para algunas constantes positivas TimeAnalysis-25 Analogía con los Números Reales f (n) = Ο( g(n)) a b f (n) = Ω ( g(n)) a b f (n) = Θ ( g(n)) a = b f (n) = ο ( g(n)) a < b f (n) = ω ( g(n)) a > b TimeAnalysis-26 13
14 Observaciones A diferencia de los números reales NO todas las funciones son asintóticamente comparables Ejemplo: n 1+ sin n y n El conjunto o(f (n)) NO es el mismo que el conjunto O(f (n)) - Ω(f (n)) Ejemplo: n g( n) = 1 si n es par si n es impar TimeAnalysis-27 Observaciones Los límites se pueden usar para determinar el orden c g( n) lim = 0 f ( n) n entonces, entonces, entonces, g( n) g( n) f ( n) = = = O( f (n)) si c o( f ( n)) o( g ( n)) > 0 TimeAnalysis-28 14
15 Big O Revisada T(n) es un O(f(n)), leído como O de f(n), si existe una constante positiva c y n 0, tales que, T(n) cf(n) para todo n n 0 Factores constantes no importan Para cualquier constante positiva d y cualquier función T(n), T(n) es O(dT(n)) Si T(n) es O(f(n)), entonces, T(n) es O(df(n)) para cualquier d > 0 Términos de orden inferior no importan Si T(n) es un polinomio de la forma a k n k + a k-1 n k a 1 n + a 0, tal que, a k > 0, entonces, T(n) es O(n k ) TimeAnalysis-29 Big O Revisada Si p(n) son q(n) y son polinomios y el grado de q(n) es mayor o igual al grado de p(n), entonces, p(n) es O(q(n)) p(n) es O(a n ), exponenciales, a n, a > 1, crecen más rápido que cualquier polinomio, p(n) f(n) es una cota O ajustada de T(n) si T(n) es O(f(n)) Si T(n) es O(g(n)), entonces, f(n) es O(g(n)) TimeAnalysis-30 15
16 Regla de la Suma Supongamos que T 1 (n) y T 2 (n) son los tiempos de ejecución de dos fragmentos de programa P 1 y P 2, respectivamente y que T 1 (n) es O(f(n)) y T 2 (n) es O(g(n)), entonces, T 1 (n) +T 2 (n) es O(max( f(n), g(n))) Si T 1 (n) es O(f(n)), c 1,n 1, tales que, T 1 (n) c 1 f(n), n n 1 Si T 2 (n) es O(g(n)), c 2,n 2, tales que, T 2 (n) c 2 g(n), n n 2 Sea n 0 = max(n 1,n 2 ), n n 0, T 1 (n) + T 2 (n) c 1 f(n) + c 2 g(n) De aquí que, n n 0, T 1 (n) +T 2 (n) (c 1 + c 2 ) max( f(n), g(n) ) Por lo tanto, T 1 (n) + T 2 (n) es un O(max( f(n), g(n))) TimeAnalysis-31 Regla del Producto Regla del producto Si T 1 (n) y T 2 (n) son O(f(n)) y O(g(n)), respectivamente, entonces, T 1 (n)*t 2 (n) es O( f(n)*g(n) ) Transitividad Si g(n) = O( f (n) ) f(n) = O(h(n)) g(n) = O( h(n) ) TimeAnalysis-32 16
17 Reglas Generales de Análisis Un asignamiento e instrucciones de lectura y escritura que no contengan llamados a funciones toman un tiempo constante O(1) Cuando existen llamados a funciones, se debe tomar en cuenta el tiempo que toma la ejecución de la función El tiempo de ejecución de una secuencia de proposiciones se determina por la regla de la suma T(S 1 ; S 2 ;... ; S n ) es un O( max(t(s 1 ), T(S 2 ),...,T(S n )) ) TimeAnalysis-33 Reglas Generales de Análisis El tiempo de ejecución de una proposición if-then esta determinado por el tiempo de ejecución de las proposiciones condicionales más el tiempo para evaluar la condición T(if C then S) = T(C) + T(S) El tiempo de ejecución de una proposición if-then-else es el tiempo para evaluar la condición más el mayor de los tiempos necesarios para evaluar las proposiciones cuando la condición es verdadera y el tiempo para las proposiciones ejecutadas cuando la condición es falsa T(if C then S 1 else S 2 ) = T(C) + max( T(S 1 ), T(S 2 ) ) TimeAnalysis-34 17
18 Reglas Generales de Análisis El tiempo para ejecutar un ciclo es la suma, sobre todas las veces que se ejecuta el ciclo del tiempo para ejecutar el ciclo más el tiempo para evaluar la condición de terminación T( while C do S) = [ T ( C) + T ( S)] + T ( C) se las veces ejecuta el que ciclo TimeAnalysis-35 Reglas Generales de Análisis Ejemplo void Inserción( int A[], int n ) { int i,j; for( i=1; i < n; i++ ) { j:= i; while( j > 0 && A[j] < A[j-1] ) { Intercambia( &A[j], &A[j-1] ); j-- } } } O(i) O(n) TimeAnalysis-36 18
NOTACIÓN O GRANDE. El análisis de algoritmos estima el consumo de recursos de un algoritmo.
NOTACIÓN O GRANDE El análisis de algoritmos estima el consumo de recursos de un algoritmo. Esto nos permite comparar los costos relativos de dos o más algoritmos para resolver el mismo problema. El análisis
Más detallesNotación Asintótica 2
Notación Asintótica 2 mat-151 1 Éxamen Rápido (6 minutos) Cada operación fundamental usa c milisegundos, cuánto tiempo toma contar hasta 1,000,000? Cuál es el valor de N? Cuál es el órden de complejidad
Más detallesLa eficiencia de los programas
La eficiencia de los programas Jordi Linares Pellicer EPSA-DSIC Índice General 1 Introducción... 2 2 El coste temporal y espacial de los programas... 2 2.1 El coste temporal medido en función de tiempos
Más detallesCiclos. Recordando Estructuras de Control Básicas: SELECCIÓN (condición) SECUENCIAL
Ciclos Fundamentos de Programación Recordando Estructuras de Control Básicas: Una secuencia es una serie de estatutos que se ejecutan uno después de otro. Selección (condición) ejecuta diferentes estatutos
Más detallesEstructuras de Control
Algorítmica y Lenguajes de Programación Estructuras de Control Estructuras de Control. Introducción Hasta ahora algoritmos han consistido en simples secuencias de instrucciones Existen tareas más complejas
Más detallesProgramcaión Básica. Secuencias de Control y Repetición. Arturo Vega González.
Programación Básica Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Sesión 5 Universidad de Guanajuato, DCI, Campus León 1 / 31 Universidad
Más detallesEstructuras de Repetición (Hacer-Mientras)
Estructuras de Repetición (Hacer-Mientras) Material Original: Prof. Flor Narciso Modificaciones: Prof. Andrés Arcia Departamento de Computación Escuela de Ingeniería de Sistemas Facultad de Ingeniería
Más detallesParte I: El computador y el proceso de programación
Parte I: El computador y el proceso de programación 1.Introducción a los computadores y su programación 2. Introducción al análisis y diseño de algoritmos 3. Introducción al análisis y diseño de programas
Más detallesMANUAL DE PRÁCTICAS DEL TALLER DE PROGRAMACIÒN PRACTICA NO.6
MANUAL DE PRÁCTICAS DEL TALLER DE PROGRAMACIÒN PRACTICA NO.6 NOMBRE DE LA PRÁCTICA. Estructuras secuénciales 6.1 OBJETIVO GENERAL El alumno desarrollará la habilidad para diseñar algoritmos secuenciales,
Más detallesComplejidad de Algoritmos
Complejidad de Algoritmos Tema 5 Introducción Un algoritmo es una secuencia de instrucciones que resuelve un problema Puede tener diferentes implementaciones Para comparar las diferentes formas (algoritmos)
Más detallesFundamentos de programación
Fundamentos de programación Estructuras de Control Estructuras de control Estructuras de control Estructura secuencial Estructura alternativa Sentencias if, if else Sentencias if else anidadas El operador
Más detallesALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS
Universidad Nacional de San Antonio Abad del Cusco Departamento Académico de Informática ALGORITMICA III Capitulo I ANALISIS DE ALGORITMOS Iván Medrano Valencia ANALISIS DE ALGORITMOS Un algoritmo es un
Más detallesCapítulo 1: Fundamentos: Lógica y Demostraciones Clase 3: Relaciones, Funciones, y Notación Asintótica
Capítulo 1: Fundamentos: Lógica y Demostraciones Clase 3: Relaciones, Funciones, y Notación Asintótica Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 1: Fundamentos:
Más detallesMétodos para escribir algoritmos: Diagramas de Flujo y pseudocódigo
TEMA 2: CONCEPTOS BÁSICOS DE ALGORÍTMICA 1. Definición de Algoritmo 1.1. Propiedades de los Algoritmos 2. Qué es un Programa? 2.1. Cómo se construye un Programa 3. Definición y uso de herramientas para
Más detallesEstructuras de control
Estructuras de control Introducción Los algoritmos vistos hasta el momento han consistido en simples secuencias de instrucciones; sin embargo, existen tareas más complejas que no pueden ser resueltas empleando
Más detallesEstatutos de Control C# Estatutos de Decisión (Selección)
SELECCIÓN Estatutos de Control C# Estatutos de Decisión (Selección) IF Condición THEN Estatuto1 ELSE Estatuto2 Estatuto1 Statement Condición... Antes de ver esta presentación: Lee el Capítulo correspondiente
Más detallesEstructuras de Datos y Algoritmos. Evaluación de Algoritmos
Estructuras de Datos y Algoritmos Evaluación de Algoritmos Año 2014 Introducción Antes de empezar con este tema debemos responder qué es un algoritmo? y para ello consideremos la definición que nos da
Más detallesTECNICO SUPERIOR EN INFORMÁTICA EMPRESARIAL MÓDULO INTRUCCIONAL
1 TECNICO SUPERIOR EN INFORMÁTICA EMPRESARIAL MÓDULO INTRUCCIONAL TECNOLOGÍA DE LA COMPUTADORA FACILITADOR: PARTICIPANTE: DAVID, CHIRIQUÍ 2015 2 Qué es un programa? Un programa informático es un conjunto
Más detallesGuía práctica de estudio 05: Diagramas de flujo
Guía práctica de estudio 05: Diagramas de flujo Elaborado por: M.C. Edgar E. García Cano Ing. Jorge A. Solano Gálvez Revisado por: Ing. Laura Sandoval Montaño Guía práctica de estudio 05: Diagramas de
Más detallesEstructuras de Repetición (Repita para)
Estructuras de Repetición (Repita para) Andrés Arcia Departamento de Computación Escuela de Ingeniería de Sistemas Facultad de Ingeniería Universidad de Los Andes Programación Digital I 1 REPITA PARA Fijar
Más detallesAgradecimientos. Nota de los autores. 1 Problemas, algoritmos y programas 1
Prologo Agradecimientos Nota de los autores Índice general I III V VII 1 Problemas, algoritmos y programas 1 1.1 Programas y la actividad de la programación.................... 4 1.2 Lenguajes y modelos
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K (Q,
Más detallesAlgorítmica y Lenguajes de Programación. Ordenación (i)
Algorítmica y Lenguajes de Programación Ordenación (i) Ordenación. Introducción A lo largo del curso hemos visto distintas formas de almacenar datos: Vectores. Matrices. Ficheros Listas (pilas y colas)
Más detallesALGEBRA I, ALGEBRA Y TRIGONOMETRIA , Segundo Semestre CAPITULO 6: POLINOMIOS.
ALGEBRA I, ALGEBRA Y TRIGONOMETRIA 520135, 522115 Segundo Semestre CAPITULO 6: POLINOMIOS. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K
Más detallesESTRUCTURAS ALGORITMICAS
ESTRUCTURAS ALGORITMICAS El proceso de resolución de problemas en un ordenador conduce a la escritura de un programa y su ejecución. Las fases en el desarrollo de un programa pueden resumirse de la siguiente
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesESTRUCTURAS REPETITIVAS EN PHP
ESTRUCTURAS REPETITIVAS EN PHP Los bucles nos permiten iterar conjuntos de instrucciones, es decir repetir la ejecución de un conjunto de instrucciones mientras se cumpla una condición. Sentencia while
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesEstructuras de Decisión Simples y Dobles
Estructuras de Decisión Simples y Dobles Andrés Arcia Departamento de Computación Escuela de Ingeniería de Sistemas Facultad de Ingeniería Universidad de Los Andes Programación Digital I 1 Estructuras
Más detallesEstructuras de Datos. Estructuras de Datos para Conjuntos Disjuntos
Estructuras de Datos. Estructuras de Datos para Conjuntos Disjuntos Santiago Zanella 2008 1 Introducción Para ciertas aplicaciones se requiere mantener n elementos distintos agrupándolos en una colección
Más detallesProgramación de Sistemas
Programación de Sistemas Algoritmos de Ordenación Índice Por qué es importante la ordenación? Un par de ejemplos InsertionSort QuickSort Para cada uno veremos: En qué consisten, Casos extremos Eficiencia
Más detallesla solución a una ecuación cuadrática solicitando al usuario los términos de dicha ecuación.
ALGORITMOS SECUENCIALES: La estructura secuencial es aquella en la que una acción (instrucción) sigue a otra en secuencia. Las tareas se suceden de tal modo que la salida de una es la entrada de la siguiente
Más detallesFundamentos de Programación. Flujo de Control I: Estructuras selectivas
Fundamentos de Programación Flujo de Control I: Estructuras selectivas El Flujo de Control de un Programa Un algoritmo puede ser construido utilizando combinaciones de tres estructuras de control de flujo
Más detallesEstructuras de Datos: 503404
Estructuras de Datos: 503404 Andrea Rodríguez 13 de marzo de 2006 1. Definiciones Los conceptos de tipo de datos, tipo abstracto de datos y estructuras de datos juegan un papel importante en Ciencias de
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 7: Lunes 22 - Viernes 27 de Abril. Contenidos
Coordinación de Matemática I (MAT01) 1 er Semestre de 013 Semana 7: Lunes - Viernes 7 de Abril Cálculo Contenidos Clase 1: Álgebra de límites. Teorema del Sandwich. Cálculo de límites. Límites trigonométricos.
Más detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesJava Avanzado Facultad de Ingeniería. Escuela de computación.
2 Java Avanzado Facultad de Ingeniería. Escuela de computación. Java Avanzado. Guía 3 3 Introducción Este manual ha sido elaborado para orientar al estudiante de Java Avanzado en el desarrollo de sus prácticas
Más detallesGeneración de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesEJERCICIOS RESUELTOS PROGRAMACIÓN III
EJERCICIOS RESUELTOS PROGRAMACIÓN III Curso 2008 2009 Ejercicios resueltos de programación 3 Tema 3. Notación asintótica. Alumna: Alicia Sánchez Centro: UNED-Las Rozas (Madrid) El índice de los ejercicios
Más detallesCI 2125, Computación I
Universidad Simón Bolívar Dpto. de Computación y Tecnología de la Información CI 2125, Computación I Práctica 5: ESTRUCTURAS DE REPETICIÓN Como ya hemos visto, el procedimiento desarrollado para resolver
Más detallesEstructuras Repetitivas
Estructuras Repetitivas Se solicita al operador que ingrese tres números enteros cualesquiera. En base a estos números, mostrar por pantalla cual es el mayor de todos. Diag. De Flujos Pseudocódigo Matlab
Más detallesControl de Flujo. Estructuras de Control! Experiencia Educativa de Algorítmica CONTROL DE FLUJO
Control de Flujo Estructuras de Control Experiencia Educativa de Algorítmica 1 Introducción El estilo de como escribimos y analizamos un algoritmo se convierte en una de las principales características
Más detallesInstrucciones de control
Instrucciones de control Instrucciones de control de flujo C# ofrece un conjunto de sentencias similar al de C, C++ o Java. A continuación se estudian muy brevemente cada una de ellas. if if se utiliza
Más detallesTema 3.- Predicados y sentencias condicionales
UNIVERSIDAD DE CÓRDOBA ESCUELA POLITÉCNICA SUPERIOR DE CÓRDOBA DEPARTAMENTO DE INFORMÁTICA Y ANÁLISIS NUMÉRICO PROGRAMACIÓN DECLARATIVA INGENIERÍA INFORMÁTICA ESPECIALIDAD DE COMPUTACIÓN CUARTO CURSO PRIMER
Más detallesApuntes de Algoritmos y Estructuras de Datos, Programación III, Fac. de Informática UNLP. Alejandro Santos. 7 de agosto de 2012. 1.
Apuntes de Algoritmos y Estructuras de Datos, Programación III, Fac. de Informática UNLP Índice Alejandro Santos 7 de agosto de 2012 1. Introducción 4 2. Tiempo de Ejecución 5 2.1. Análisis Asintótico
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesEstructuras de repetición hacer-mientras y repita hasta
Estructuras de repetición hacer-mientras y repita hasta Programación 1 Cátedra de Programación Departamento de Computación Escuela de Ingeniería de Sistemas Hacer mientras Diagrama de flujo Acciones S1
Más detallesAlgoritmos de Búsqueda y Ordenamiento
Departamento de Informática Universidad Técnica Federico Santa María Algoritmos de Búsqueda y Ordenamiento Programación de Computadores IWI--p Prof.: Teddy Alfaro Olave Algoritmos de Búsqueda Los procesos
Más detallesAnalisis de algoritmos
Analisis de algoritmos Eficiencia Es la capacidad de disponer de un recurso. En el caso de los algoritmos, la eficiencia se logra haciendo el mejor uso posible de los recursos del sistema. Recursos Qué
Más detallesMAT web:
Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesApuntes de dibujo de curvas
Apuntes de dibujo de curvas El objetivo de estas notas es dar unas nociones básicas sobre dibujo de curvas definidas por medio de ecuaciones cartesianas explícitas o paramétricas y polares: 1. Curvas en
Más detallesf: D IR IR x f(x) v. indep. v. dependiente, imagen de x mediante f, y = f(x). A x se le llama antiimagen de y por f, y se denota por x = f -1 (y).
TEMA 8: FUNCIONES. 8. Función real de variable real. 8. Dominio de una función. 8.3 Características de una función: signo, monotonía, acotación, simetría y periodicidad. 8.4 Operaciones con funciones:
Más detallesPROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02
PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES Problemas 0 Salvador Pérez Gómez pies3coma14@hotmail.com 4 de abril de 007 PROBLEMA 1 Sea n un número natural. Sea A n = n + n + 3n. a) Demostrar que
Más detallesGeneración de eventos en Procesos de Poisson
Generación de eventos en Procesos de Poisson Georgina Flesia FaMAF 26 de abril, 2012 Proceso de Poisson homogéneo N(t), t 0, es un proceso de Poisson homogéneo de razón λ, λ > 0, si: N(0) = 0 proceso comienza
Más detallesAnálisis probabilístico y Algoritmos Aleatorizados
Análisis probabilístico y Algoritmos Aleatorizados Andrés Becerra Sandoval Ponticia Universidad Javeriana 14 de julio de 2007 Lenguajes III Introducción La probabilidad puede ayudarnos a medir la complejidad
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detallesTEMA 2: Estructuras de Control: Condicionales
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA INTRODUCCIÓN A LA COMPUTACIÓN TEMA 2: Estructuras de Control: Condicionales Estructuras Condicionales En un algoritmo se tiene
Más detallesEstructuras de Datos y Algoritmos Tema 6. Análisis de algoritmos
Contenidos 1 Estructuras de Datos y Algoritmos Tema 6. Análisis de algoritmos Noción de algoritmo Eficiencia de algoritmos Complejidad de algoritmos Análisis de algoritmos Iván Cantador Silvia Teresita
Más detallesPara las ecuaciones diferenciales ordinarias no lineales no existen métodos generales.
Unidad IV: Sistemas continuos (continuación) Objetivo específico: Entender ampliamente el fenómeno del comportamiento de los modelos matemáticos para la resolución de problemas enfocados a las ecuaciones
Más detallesMetodología y Tecnología de la Programación
Tema 4. Abstracción procedimental y de datos 1. Cuál es el error del siguiente programa? import java.util.scanner; class Respuesta{ static Scanner leer=new Scanner(System.in); int valor = lectura(); System.out.println(valor);
Más detallesUNIDAD ACADÉMICA PROFESIONAL TIANGUISTENCO
UNIDAD ACADÉMICA PROFESIONAL TIANGUISTENCO LICENCIATURA EN PRODUCCIÓN INDUSTRIAL. UNIDAD DE APRENDIZAJE: PROGRAMACIÓN Créditos institucionales de la UA: 6 Material visual: Diapositivas Unidad de competencia
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
Más detallesValores Booleanos Interpretación #t Cierto #f Falso --------------------------------------------------------------------
Valores Booleanos Interpretación #t Cierto #f Falso -------------------------------------------------------------------- Números Pueden ser Complejos Reales Racionales Enteros -------------------------------
Más detallesMAT2715 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 detallesConjuntos disjuntos (Relaciones de equivalencia)
Conjuntos disjuntos (Relaciones de equivalencia) Una relación R se define en un conjunto C si para todo par de elementos (a,b),a,b C,a R b es verdadera o falsa. Una relación de equivalencia es una relación
Más detallesElementos de un programa en C
Elementos de un programa en C Un programa en C consta de uno o más archivos. Un archivo es traducido en diferentes fases. La primera fase es el preprocesado, que realiza la inclusión de archivos y la sustitución
Más detallesTEMA 4. ESTRUCTURAS DE CONTROL
M.P. Sesmero, P. de Toledo, F.J. Ordoñez, J. Gómez-Romero, J.A. Iglesias, J.L. Mira Programación TEMA 4. ESTRUCTURAS DE CONTROL Grado en Ingeniería en Tecnologías Industriales Programación CONTENIDOS 4.1.
Más detallesEjemplo, generación de #s aleatorios
Ejemplo, generación de #s aleatorios Supón que tienes un generador de números aleatorios enteros [0,2] con distribución uniforme, y tu necesitas generar números con distribución uniforme [0,4]. Alguien
Más detallesEstructuras 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 detallesProbabilidad 3/1/2010. EVSC 5020: Bioestadística. Qué es probabilidad? Prof. Rafael R. Canales-Pastrana. EVSC 5020: Bioestadística
Probabilidad Prof. Rafael R. Canales-Pastrana 2 Qué es probabilidad? 3 1 Definiciones de Probabilidad La medida del grado de confianza que uno tiene, en que ocurra el acontecimiento. Método axiomático:
Más detallesIntroducción a la Programación
Introducción a la Programación Grupo F y G Semana 4 Andrés Felipe Barco Santa Ingeniero en Sistemas anfelbar@javerianacali.edu.co Facultad de Ingeniería Pontificia Universidad Javeriana-Cali América del
Más detallesEl subconjunto en el que se define la función se llama dominio o campo existencia de la función. Se designa por D.
Concepto de función Función real de variable real es toda correspondencia f que asocia a cada elemento de un determinado subconjunto de números reales, llamado dominio, otro número real (uno y sólo uno).
Más detallesSistemas Operativos. Dr. Luis Gerardo de la Fraga. Departamento de Computación Cinvestav
Sistemas Operativos Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx http://cs.cinvestav.mx/~fraga Departamento de Computación Cinvestav 12 de junio de 2015 Dr. Luis Gerardo de la Fraga Cinvestav,
Más detallesAlgoritmos. Medios de expresión de un algoritmo. Diagrama de flujo
Algoritmos En general, no hay una definición formal de algoritmo. Muchos autores los señalan como listas de instrucciones para resolver un problema abstracto, es decir, que un número finito de pasos convierten
Más detallesINTRODUCCIóN A LA PROGRAMACIóN APUNTES DE JAVA APUNTES DE JAVA
APUNTES DE JAVA FUNCIONAMIENTO DE UN PROGRAMA Assembler Ensamblador Ejecuta Programador Programa fuente BASIC Interprete Ejecuta C, C++, Pascal Compilador Compila Ejecuta Programa fuente Programa Objeto
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesSOLUCIONARIO Función exponencial
SOLUCIONARIO Función eponencial SGUICES06MT1-AV1 1 TABLA DE CORRECCIÓN GUÍA PRÁCTICA Función eponencial Ítem Alternativa 1 E C C 4 D C 6 C 7 D 8 E 9 D Comprensión 10 A 11 C 1 B Comprensión 1 A 14 D Comprensión
Más detallesTema 2 Introducción a la Programación en C.
Tema 2 Introducción a la Programación en C. Contenidos 1. Conceptos Básicos 1.1 Definiciones. 1.2 El Proceso de Desarrollo de Software. 2. Lenguajes de Programación. 2.1 Definición y Tipos de Lenguajes
Más detallesEXAMEN PARCIAL TRABAJO INTEGRADOR (TI) EVALUACIÓN CONTINUA PESO PORCENTUAL PESO PORCENTUAL 1 30% 06-MAY-14 30% 03-MAY-14 20% 20%
UNIVERSIDAD DEL VALLE DE MEXICO CAMPUS ROMA PLANEACIÓN DIDÁCTICA LICENCIATURA EJECUTIVA CICLO 201425 Nombre de la asignatura: Lenguajes Operativos Horas por semana: 6 Nombre del docente: Olvera Jiménez
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesFACULTAD DE INGENIERÍA
NOMBRE DEL PROFESOR: Ing. Héctor Manuel Quej Cosgaya NOMBRE DE LA PRÁCTICA: Estructuras de decisión PRÁCTICA NÚM. [ 5 ] LABORATORIO: MATERIA: UNIDAD: TIEMPO: Centro de Ingeniería Computacional Lenguaje
Más detallesTema 7.0. Repaso de números reales y de funciones
Matemáticas II (Bachillerato de Ciencias) Análisis: Repaso de números reales y de funciones 47 Tema 70 Repaso de números reales y de funciones El conjunto de los números reales El conjunto de los números
Más detallesPrimer Parcial de Programación 3 (1/10/2009)
Primer Parcial de Programación (/0/009) Instituto de Computación, Facultad de Ingeniería Este parcial dura horas y contiene carillas. El total de puntos es 0. En los enunciados llamamos C* a la extensión
Más detalles66 problemas resueltos de Análisis y Diseño de Algoritmos
66 problemas resueltos de Análisis y Diseño de Algoritmos Rosa Arruabarrena Jesús Bermúdez Informe interno: UPV/EHU /LSI / TR 8-99 REVISADO 15 de Octubre del 2000 PARTE I: Problemas 1. Supuesto que n n
Más detalles5. Sentencias selectivas o condicionales
60 A. García-Beltrán y J.M. Arranz 5. Sentencias selectivas o condicionales Objetivos: a) Describir el funcionamiento de las sentencias selectivas o condicionales (if-else y switch) b) Interpretar el resultado
Más detallesPRÁCTICA ALGORÍTMICA: EJERCICIOS PROPUESTOS
Página 1 de 7 PRÁCTICA ALGORÍTMICA: EJERCICIOS PROPUESTOS EJERCICIOS DE ESTRUCTURA REPETITIVA 1. (Problema 4) Escriba un algoritmo que lea del teclado un número entero y que compruebe si es menor que 5.
Más detalles= 310 (1 + 5) : 2 2 = = = 12 ( 3) ( 5) = = 2 = ( 4) + ( 20) + 3 = = 21
Unidad I, NÚMEROS NATURALES Y ENTEROS A continuación se enuncian las claves de cada pregunta hechas por mí (César Ortiz). Con esto, asumo cualquier responsabilidad, entiéndase por si alguna solución está
Más detallesAlgoritmos de Ordenamiento
Algoritmos de Ordenamiento Fernando A. Lagos B. Copyleft 2007 INDICE 1 Introducción Pág. 3 2 Tipos de Algoritmos Pág. 4 2.1 Algoritmos iterativos Pág. 5 2.2 Algoritmos recursivos Pág. 6 3 Método de la
Más detallesClase adicional 2. Estructuras básicas de control. Temas
Clase adicional 2 Temas Estructuras de control Sentencia condicional Iteración Clases Definir una clase Crear una instancia de una clase Campos estáticos Problemas de la clase adicional Problema de diseño
Más detallesAlgoritmos de Búsqueda y Ordenación. Rosalía Laza Fidalgo. Departamento de Informática. Universidad de Vigo
Algoritmos de Búsqueda y Ordenación. Rosalía Laza Fidalgo. Departamento de Informática. Universidad de Vigo Complejidad Cómo podemos medir y comparar algoritmos, si estos se ejecutan a distintas velocidades
Más detallesMEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad
MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad 1 Propiedades deseables de una medida de Tendencia Central. 1) Definida objetivamente a partir de los datos de la serie. 2) Que dependa
Más detallesConjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación.
NÚMEROS REALES Conjuntos Los conjuntos se emplean en muchas áreas de las matemáticas, de modo que es importante una comprensión de los conjuntos y de su notación. Un conjunto es una colección bien definida
Más detallesESTRUCTURAS REPETITIVAS
DOCENTE: Ing. Ronald Rentería Ayquipa MARCO TEÓRICO: ESTRUCTURAS REPETITIVAS La programación estructurada es un paradigma que consiste en la organización de un código en bloques conformados por estructuras
Más detallesfundamentos de programación (unidad 4) programación estructurada en Java
fundamentos de programación (unidad 4) programación estructurada en Java Para ver una copia completa de la licencia, acudir a la dirección http://creativecommons.org/licenses/by-nc-sa/2.5/es/legalcode.es
Más detallesAlgoritmos. Intro. Prof. Raquel Torres Peralta / Gerardo Sanchez S. Unison
Algoritmos Intro Prof. Raquel Torres Peralta / Gerardo Sanchez S. Unison La Computadora Las computadoras trabajan con una base de 0 y 1 llamado sistema binario. En principio todo lo que sucede en un dispositivo
Más detallesMINI ENSAYO DE MATEMÁTICA Nº 1
MINI ENSAYO DE MATEMÁTICA Nº 1 1. Si 25 = k, entonces 2k = A) 5 B) 10 C) 50 D) 625 E) 1.250 2. El número 3, puede obtenerse operando solamente el dígito 3. La opción correcta es A) (3 3) : 3 3 : 3 B) (3
Más detallesTema 5 Sentencias de control de flujo. Fundamentos de Informática
Tema 5 Fundamentos de Informática Sentencias de Control Tipos de sentencias de control: Comprobación lógica para bifurcar el flujo de un programa. Sentencias de control condicional o alternativo Comprobación
Más detallesDiseño Estructurado de Algoritmos
Diseño Estructurado de Algoritmos 1 Sesión No. 11 Nombre: Estructuras algorítmicas. Tercera parte. Objetivo de la sesión: Al concluir la sesión el estudiante aplicará las estructuras algorítmicas repetitivas
Más detallesTRANSFORMADA DE LAPLACE. Definición: Transformada de Laplace. Sea f(t) una función definida para t 0; a la expresión
TRANSFORMADA DE LAPLACE Definición: Transformada de Laplace. Sea f(t) una función definida para t 0; a la expresión L= = Se le llama Transformada de Laplace de la función f(t), si la integral existe. Notación:
Más detallesUNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES
UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES En la Sección anterior se abordó contenidos relacionados con las funciones y gráficas, continuamos aprendiendo más sobre funciones; en la presente unidad abordaremos
Más detalles