OPTIMIZACIÓN EN GRAFOS Y EL PROBLEMA P=NP

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

Download "OPTIMIZACIÓN EN GRAFOS Y EL PROBLEMA P=NP"

Transcripción

1 OPTIMIZACIÓN EN GRAFOS Y EL PROBLEMA P=NP David Pérez-García Universidad Complutense de Madrid

2 EL PROBLEMA P=NP

3 P VS. NP 1. Es uno de los problemas del milenio. Un millón de dólares. 2. La clase P es la de aquellos problemas de decisión que se pueden resolver eficientemente en un ordenador, en el sen<do de que el coste en <empo crece de forma polinomial con los parámetros del problema. 3. La clase NP es la de aquellos problemas de decisión que se pueden verificar en <empo polinomial si a uno le dan el witness adecuado.

4 P VS. NP Ejemplo: Dados tres número enteros k>n>m (el tamaño del problema es el número de bits de k), decidir si nm=k está en P. Ejemplo: Dados dos número enteros n>m (el tamaño del problema es el número de bits de n), decidir si n <ene un factor primo menor que m está en NP pero se cree que no está en P (seguridad de RSA). Muchos problemas combinatorios (de grafos) son NP-hard, es decir, si se resuelven en <empo polinomial es que P=NP. Ejemplos: CHROMATIC NUMBER, MAXCUT, MAXCLIQUE, etc.

5 JUEGOS NO LOCALES (INTERACTIVE PROOF SYSTEMS)

6 Preguntas x,y con probabilidad π (x, y) Respuestas a,b V(a, b, x, y) { ganar,perder} JUEGO: G = { π,v} Tamaño(G)=nº preguntas posibles + nº respuestas posibles x y a b valor(g) = mayor probabilidad de ganar op<mizando entre las estrategias.

7 INAPROXIMABILIDAD EN JUEGOS NO LOCALES

8 TEOREMA PCP (ARORA ET AL. J. ACM 1998) Salvo que P=NP, no existe ningún algoritmo polinomial en el tamaño del juego n que permita decidir si el valor de un juego es =1 o 1 1 poly(n) (dada la promesa de que se verifica uno de los dos casos). 0 1

9 TEOREMA DE REPETICIÓN PARALELA (RAZ, SIAM J. COMP 1998) Dado un juego G, supongamos que Alice y Bob juegan m veces de forma simultánea (en paralelo) y se considera que ganan si y sólo si ganan todas las veces. Se esperaría que el valor de dicha repe<ción paralela sea valor(g) m. FALSO, pero casi cierto: Teorema de repe;ción paralela: El valor de la repe<ción paralela de G es para ciertas constantes ( 1 c 1 ( 1 valor(g) ) 3 ) c 2m c 1,c 2 <1 Ambos Teoremas (PCP y Repe<ción Paralela) están considerados dos de los principales resultados en teoría de la complejidad moderna.

10 COROLARIO (PCP + REPETICIÓN PARALELA) Salvo que P=NP, no existe ningún algoritmo polinomial en el tamaño del juego n que permita decidir si el valor de un juego es =1 o (dada la promesa de que se verifica uno de los dos casos). 1 poly(n) 0 1 De este corolario se deducen todos los resultados de inaproximabilidad en grafos.

11 UNIQUE GAME CONJECTURE (KHOT 2002) Salvo que P=NP, dados r,s>0, no existe ningún algoritmo polinomial en el tamaño del juego que permita decidir si el valor de un juego unique es >s o <r (dada la promesa de que se verifica uno de los dos casos). r s 0 1 Ha pasado a ser una conjetura central en Teoría de la Complejidad (Khot recibió el Nevalinna Prize en 2014 por esta conjetura).

12 INAPROXIMABILIDAD EN GRAFOS

13 INAPROXIMABILIDAD DE MAX-CLIQUE Teorema (Hastad, Acta Math. 1999): Salvo que P=NP, dado e>0 y un algoritmo polinomial para determinar el MAX-CLIQUE de un grafo, entonces existen grafos de n vér<ces tales que: MAX-CLIQUE output del algoritmo n1 e Nótese que MAX-CLIQUE es siempre menor o igual que n (!!)

14 INAPROXIMABILIDAD DE COLOREAR UN GRAFO Teorema (Lund-Yannakakis, Journal of ACM, 1994): Existe un e>0 tal que, salvo que P=NP, dado un algoritmo polinomial para determinar el CHROMATIC NUMBER de un grafo, entonces existen grafos de n vér<ces tales que: output del algoritmo CHROMATIC NUMBER ne Teorema (Khanna, Linial, Safra, 1994): Salvo que P=NP hay grafos que son 3 coloreables pero que no se pueden colorear (en <empo polinomial) ni siquiera con 4 colores.

15 EL PROBLEMA DE LOS CUATRO COLORES Problema (1852): Dado un grafo planar (un mapa), se puede colorear con cuatro colores? Solución (Apple, Hakken, Bull. AMS 1976): SI Demostración u<lizando un ordenador. CONTROVERSIA.

16 MAX-CUT = máximo, entre todas las formas de bicolorear un grafo, del número de aristas entre dis<ntos colores. Teorema (Hastad, J. ACM 2001): Salvo que P=NP, no existe ningún algoritmo polinomial que garan<ce siempre un valor tal que MAXCUT α MAXCUT

17 CONEXIÓN ENTRE JUEGOS Y GRAFOS: LABEL COVER

18 LABEL COVER Dado un grafo bipartito Un conjunto de colores ( V = U W, E) Σ Y un conjunto de configuraciones válidas para cada arista e = ( u, w) E, C : Σ Σ {valid, invalid} e Encontrar una coloración del grafo que maximice el número de aristas con una configuración válida

19 LABEL-COVER Colores Número de aristas válidas = 4 Solución a LABEL-COVER = 5

20 LABEL COVER JUEGOS NO LOCALES Dada una instancia de LABEL-COVER, definimos un juego no local como sigue: Preguntas = vértices (de U a Alice y de W a Bob) con probabilidad uniforme entre los pares que forman una arista (y 0 en el resto). Respuestas = colores. Ganan el juego si dan una coloración válida para la arista que se les pregunta. Valor del juego = Solución LABEL COVER número de aristas

Complejidad computacional (Análisis de Algoritmos)

Complejidad computacional (Análisis de Algoritmos) Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución

Más detalles

Clases de complejidad computacional: P y NP

Clases de complejidad computacional: P y NP 1er cuatrimestre 2006 La teoría de Se aplica a problemas de decisión, o sea problemas que tienen como respuesta SI o NO (aunque es sencillo ver que sus implicancias pueden extenderse a problemas de optimización).

Más detalles

Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut

Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación

Más detalles

I. Complejidad de Problemas

I. Complejidad de Problemas I. Complejidad de Problemas 1. Complejidad de Problemas Tópicos Clasificación de Problemas Clasificación por su Naturaleza Clasificación por su Tratabilidad Clasificación por el tipo de Respuesta 1.1 Clasificación

Más detalles

Contenido. Contenidos interactivos... xiii Plataforma de contenidos interactivos... xviii Prefacio... xix. Parte I Fundamentos...

Contenido. Contenidos interactivos... xiii Plataforma de contenidos interactivos... xviii Prefacio... xix. Parte I Fundamentos... Contenido Contenidos interactivos... xiii Plataforma de contenidos interactivos... xviii Prefacio... xix Parte I Fundamentos... 1 Capítulo I Lógica, conjuntos e inducción... 2 1.1 Introducción... 4 1.2

Más detalles

Problemas en P y NP. Marcos Kiwi. Semestre Otoño U. Chile

Problemas en P y NP. Marcos Kiwi. Semestre Otoño U. Chile Problemas en P y NP Marcos Kiwi U. Chile Semestre Otoño 2012 Problemas en P Path = { G, s, t : Existe un dicamino de s a t en el digrafo G} Conexo = { G : G grafo conexo} { } A Q PL = A, b, c, k : m n,

Más detalles

CLASIFICACIÓN DE PROBLEMAS

CLASIFICACIÓN DE PROBLEMAS UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO Facultad de Ciencias Exactas y Tecnologías Licenciatura en Sistemas de Información 2009 CLASIFICACIÓN DE PROBLEMAS 1 CLASES DE PROBLEMAS Uno de los resultados

Más detalles

ALGORITMOS HEURÍSTICOS Y APROXIMADOS. Análisis y diseño de algoritmos II- 2009

ALGORITMOS HEURÍSTICOS Y APROXIMADOS. Análisis y diseño de algoritmos II- 2009 ALGORITMOS HEURÍSTICOS Y APROXIMADOS Análisis y diseño de algoritmos II- 2009 Problemas difíciles : Definiciones, ejemplos y propiedades Análisis y diseño de algoritmos II- 2009 Un viaje a Ciencias de

Más detalles

Nicolás Rivera. 23 de Junio de 2011

Nicolás Rivera. 23 de Junio de 2011 Teoría de Matroides. Nicolás Rivera 23 de Junio de 2011 Pontificia Universidad Católica de Chile Índice 1 Introducción: Definiciones y Propiedades básicas Índice 1 Introducción: Definiciones y Propiedades

Más detalles

NP-Completeness: Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas

NP-Completeness: Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas Universidad Autónoma de Nuevo León Facultad de Ingeniería Mecánica y Eléctrica División de Posgrado en Ingeniería de Sistemas Complejidad del problema de la Mochila NP-Completeness: (Knapsack problem)

Más detalles

Coloración de grafos

Coloración de grafos Alumno: Grupo: Coloración de grafos Comencemos planteando el problema de dar color a las regiones de un mapa plano de modo que a regiones vecinas se les asigne distinto color. Este problema puede ser resuelto

Más detalles

Algoritmos y Complejidad

Algoritmos y Complejidad IN47B, Ingeniería de Operaciones Contenidos 1 Introducción 2 Analizando Algoritmos 3 Complejidad 4 N P-completitud Qué es un Algoritmo? Qué es un Algoritmo? Definición Un algoritmo es un conjunto de pasos

Más detalles

Geometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas

Geometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas Geometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas Jesús A. De Loera University of California, Davis trabajo conjunto con Shmuel Onn (Technion Haifa Israel) Cuadrados

Más detalles

Teoría de grafos y optimización en redes

Teoría de grafos y optimización en redes Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,

Más detalles

Teoría de Grafos Introducción Grafos isomorfos

Teoría de Grafos Introducción Grafos isomorfos Capítulo 1 Teoría de Grafos 1.1. Introducción Definición. Denominaremos pseudomultigrafo a una terna (V,E, γ), donde V y E son conjuntos y γ : E {{u,v}: u,v V }. El conjunto V se denomina conjunto de vértices

Más detalles

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

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

Más detalles

Unidad 6. Gráficas Planares

Unidad 6. Gráficas Planares Unidad 6. Gráficas Planares Una gráfica Planar es aquella que puede llegar a representarse en un plano de tal modo que no existe intersección de líneas excepto en los vértices. Una gráfica Plana es aquella

Más detalles

1. Diseñe algoritmos que permitan resolver eficientemente el problema de la mochila 0/1 para los siguientes casos:

1. Diseñe algoritmos que permitan resolver eficientemente el problema de la mochila 0/1 para los siguientes casos: PROGRAMACIÓN DINÁMICA RELACIÓN DE EJERCICIOS Y PROBLEMAS 1. Diseñe algoritmos que permitan resolver eficientemente el problema de la mochila /1 para los siguientes casos: a. Mochila de capacidad W=15:

Más detalles

Bases Formales de la Computación: Redes de Bayes (segunda parte)

Bases Formales de la Computación: Redes de Bayes (segunda parte) Bases Formales de la Computación: Redes de Bayes (segunda parte) Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali Periodo 2008-2 Razonamiento en Redes de Bayes

Más detalles

Contenidos. Capítulo 1 Grimaldi. Introducción Reglas. Combinación. Coeficiente. Permutación. Ejercicios 20/05/2014. sin repeticiones con repeticiones

Contenidos. Capítulo 1 Grimaldi. Introducción Reglas. Combinación. Coeficiente. Permutación. Ejercicios 20/05/2014. sin repeticiones con repeticiones Capítulo 1 Grimaldi Contenidos Introducción Reglas de la suma del producto Permutación sin repeticiones con repeticiones elementos repetidos circular Combinación sin repeticiones con repeticiones Coeficiente

Más detalles

Conteo del Número de Equipos a Formarse bajo una Relación de Amistad-Enemistad

Conteo del Número de Equipos a Formarse bajo una Relación de Amistad-Enemistad Conteo del Número de Equipos a Formarse bajo una Relación de Amistad-Enemistad Guillermo De Ita*, Yolanda Moyao*, Mary Cruz Carrillo +, J. Alejandro Juárez + *Universidad Autónoma de Puebla, + Universidad

Más detalles

Algoritmos para determinar Caminos Mínimos en Grafos

Algoritmos para determinar Caminos Mínimos en Grafos Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)

Más detalles

Qué sabemos sobre RP co-rp?

Qué sabemos sobre RP co-rp? Qué sabemos sobre RP co-rp? Tenemos que PTIME RP co-rp Podemos demostrar que PTIME = RP co-rp? IIC3810 Complejidad probabiĺıstica 38 / 44 Qué sabemos sobre RP co-rp? Tenemos que PTIME RP co-rp Podemos

Más detalles

Polinomios ortogonalmente aditivos y aplicaciones.

Polinomios ortogonalmente aditivos y aplicaciones. Polinomios ortogonalmente aditivos y aplicaciones. Pablo Linares conjuntamente con A. Ibort y J. G. Llavona. Universidad Complutense Salobreña, 3-5 Abril 2008 1 Polinomios ortogonalmente aditivos. Introducción.

Más detalles

Coloración. Unos cuantos problemas. Asignación de frecuencias de radio. Gregorio Hernández Peñalver. Unos cuantos problemas. Unos cuantos problemas

Coloración. Unos cuantos problemas. Asignación de frecuencias de radio. Gregorio Hernández Peñalver. Unos cuantos problemas. Unos cuantos problemas Unos cuantos problemas Coloración Gregorio Hernández Peñalver Matemática Discreta Asignación de frecuencias de radio G=(V, A) V={emisoras}, dos emisoras son adyacentes si sus emisiones se solapan elementos

Más detalles

Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE

Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) 1 DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problema de Encontrar la Ruta más Corta 2 Se requiere llegar de

Más detalles

Combinatoria : nuevas tendencias e interacciones

Combinatoria : nuevas tendencias e interacciones J. Ramírez Alfonsín Université Montpellier 2, Francia ITAM, México, D.F. 24 de Enero de 2013 1 Algoritmos aleatorios 2 Algoritmos aleatorios Método de Buffon d d d d d d 2d Método de Buffon d d d d d d

Más detalles

Metaheurísticas y heurísticas. Algoritmos y Estructuras de Datos III

Metaheurísticas y heurísticas. Algoritmos y Estructuras de Datos III Metaheurísticas y heurísticas Algoritmos y Estructuras de Datos III Metaheurísticas Heurísticas clásicas. Metaheurísticas o heurísticas modernas. Cuándo usarlas? Problemas para los cuales no se conocen

Más detalles

Longitudes de frases y semigrupos numéricos

Longitudes de frases y semigrupos numéricos Longitudes de frases y semigrupos numéricos Aureliano M. Robles-Pérez Universidad de Granada Charla basada en un trabajo conjunto con José Carlos Rosales Seminario de semigrupos numéricos Jerez 2013 15-16

Más detalles

El problema de satisfacción

El problema de satisfacción El problema de satisfacción Definición Un conjunto de fórmulas Σ es satisfacible si existe una valuación σ tal que σ(σ) = 1. En caso contrario, Σ es inconsistente. IIC2213 Lógica Proposicional 33 / 42

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

Minicurso de Teoría de Gráficas Escuela de Verano 2014 por María Luisa Pérez Seguí Facultad de Ciencias Físico-Matemáticas, Universidad Michoacana

Minicurso de Teoría de Gráficas Escuela de Verano 2014 por María Luisa Pérez Seguí Facultad de Ciencias Físico-Matemáticas, Universidad Michoacana Minicurso de Teoría de Gráficas Escuela de Verano 014 por María Luisa Pérez Seguí Facultad de Ciencias Físico-Matemáticas, Universidad Michoacana Índice 1. Conceptos básicos 1 1.1. Nomenclatura...................................

Más detalles

Introducción a la Teoría de Grafos

Introducción a la Teoría de Grafos Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Programa Introducción a la teoría de grafos Problemas de camino mínimo Problemas de flujo máximo Programación lineal

Más detalles

Objetivos formativos de Matemática Discreta. Tema 1: Conjuntos, aplicaciones y relaciones

Objetivos formativos de Matemática Discreta. Tema 1: Conjuntos, aplicaciones y relaciones Objetivos formativos de Matemática Discreta Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera

Más detalles

Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica

Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica 1. a) Marcar en un eje los puntos a(1);b( 2) y c(4). b) Hallar los puntos simétricos respecto al origen

Más detalles

Ejercicios de Ampliación de Geometría. Hoja 2

Ejercicios de Ampliación de Geometría. Hoja 2 Ejercicios de Ampliación de Geometría Licenciatura en Ciencias Matemáticas, 2 Curso 27 de Octubre de 2008 Hoja 2 Dualidad y radiaciones. 1. Formular y resolver en el espacio proyectivo dual los siguientes

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

Clase 1: Primalidad. Matemática Discreta - CC3101 Profesor: Pablo Barceló. P. Barceló Matemática Discreta - Cap. 5: Teoría de números 1 / 32

Clase 1: Primalidad. Matemática Discreta - CC3101 Profesor: Pablo Barceló. P. Barceló Matemática Discreta - Cap. 5: Teoría de números 1 / 32 Capítulo 5: Teoría de Números Clase 1: Primalidad Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 5: Teoría de números 1 / 32 Teoría de números En esta parte

Más detalles

Introducción a la Geometría Computacional. Análisis de Algoritmos

Introducción a la Geometría Computacional. Análisis de Algoritmos Introducción a la Geometría Computacional Análisis de Algoritmos Geometría Computacional La Geometría Computacional surgió a finales de los 70s del área de diseño y análisis de algoritmos. Estudio sistemático

Más detalles

Tema 4: Redes y flujos

Tema 4: Redes y flujos Fundamentos de la teoría de grafos. 3º I.T.I. de Sistemas Mª Teresa Cáceres Sansaloni Tema 4: Redes flujos Redes. Flujos cortes. Teorema del flujo máimo corte mínimo. Algoritmo para calcular el máimo flujo

Más detalles

Cálculo de puntos ATR de Darmon en curvas elípticas no geométricamente modulares

Cálculo de puntos ATR de Darmon en curvas elípticas no geométricamente modulares Cálculo de puntos ATR de Darmon en curvas elípticas no geométricamente modulares Xevi Guitart 1 Marc Masdeu 2 1 Universitat Politècnica de Catalunya and Max Planck Institute for Mathematics 2 Columbia

Más detalles

Los elementos de V son los vértices (o nodos) de G y los elementos de A son las aristas (o arcos) de G.

Los elementos de V son los vértices (o nodos) de G y los elementos de A son las aristas (o arcos) de G. MATERIAL TEÓRICO º Cuatrimestre Año 03 Prof. María Elena Ruiz Prof. Carlos Roberto Pérez Medina UNIDAD III: GRAFOS Definición: Llamaremos grafo a una terna G= (V, A, ϕ), donde V y A son conjuntos finitos,

Más detalles

Algoritmos de emparejamiento

Algoritmos de emparejamiento Algoritmos de emparejamiento Mager, Jesús 1 Universidad Autónoma Metropolitana Unidad Azcapozalco 2015 Introducción El presente trabajo es un resumen del libro Combinatorial Optimization. Algorithms and

Más detalles

Planaridad. Algoritmos y Estructuras de Datos III

Planaridad. Algoritmos y Estructuras de Datos III Planaridad Algoritmos y Estructuras de Datos III Por qué planares? Por qué planares? Por qué planares? Grafos planares Definiciones: Una representación planar de un grafo G es un conjunto de puntos en

Más detalles

Matemática computable

Matemática computable Conjuntos computables - Combinatoria - Álgebra Antonio Montalbán. U. de Chicago Coloquio Uruguayo de Matemática. Diciembre, 2009 Conjuntos computables - Combinatoria - Álgebra 1 Conjuntos computables 2

Más detalles

LAS CIENCIAS DE LA PLANIFICACIÓN

LAS CIENCIAS DE LA PLANIFICACIÓN LAS CIENCIAS DE LA PLANIFICACIÓN 1. MODELIZACIÓN CON GRAFOS El objetivo de las ciencias de la planificación es encontrar el mejor método para resolver un problema, y si es posible encontrar la solución

Más detalles

Teoría de la Computación puesta en Práctica

Teoría de la Computación puesta en Práctica Teoría de la Computación puesta en Práctica Marcelo Arenas M. Arenas Teoría de la Computación puesta en Práctica 1 / 24 Problema a resolver WiMAX (Worldwide Interoperability for Microwave Access): estándar

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.

Más detalles

Teoría Matemática de la Computación Primer Problemario Prof. Miguel A. Pizaña 22 de Febrero de 2007

Teoría Matemática de la Computación Primer Problemario Prof. Miguel A. Pizaña 22 de Febrero de 2007 Teoría Matemática de la Computación Primer Problemario Prof. Miguel A. Pizaña 22 de Febrero de 2007 I Tareas 1. Dudar de todo, al menos una vez en la vida. 2. Qué emociones le produce el teorema de Cantor,

Más detalles

1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano.

1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano. CAPÍTULO 1 El plano vectorial Consideremos P como el plano intuitivo de puntos: A,,C... 1.1. El espacio vectorial de los vectores Definición 1.1 Vectores fijos Dado dos puntos cualesquiera A e del espacio

Más detalles

Clase 10: Extremos condicionados y multiplicadores de Lagrange

Clase 10: Extremos condicionados y multiplicadores de Lagrange Clase 10: Extremos condicionados y multiplicadores de Lagrange C.J. Vanegas 7 de abril de 008 1. Extremos condicionados y multiplicadores de Lagrange Estamos interesados en maximizar o minimizar una función

Más detalles

COLEGIO LOS ARCOS Guía de trabajo #4 Segmentos proporcionales 9no grado

COLEGIO LOS ARCOS Guía de trabajo #4 Segmentos proporcionales 9no grado GUIA DE TRABAJO Materia: Matemáticas. Tema: Geometría 4 - Segmentos proporcionales. Fecha: Profesor: Fernando Viso Nombre del alumno: Sección del alumno: CONDICIONES: Trabajo individual. Sin libros, ni

Más detalles

La recta en el plano.

La recta en el plano. 1 CONOCIMIENTOS PREVIOS. 1 La recta en el plano. 1. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas. Representación

Más detalles

Caminos Eulerianos y la Fórmula de Euler

Caminos Eulerianos y la Fórmula de Euler Caminos Eulerianos y la Fórmula de Euler p. 1/24 Caminos Eulerianos y la Fórmula de Euler Jornadas de Investigación en Análisis Matemático dedicadas al Tricentenario de Leonhard Euler 12 a 16 de noviembre

Más detalles

ALGORITMOS PARA PRUEBAS DE PRIMALIDAD. Resumen. En este artículo se discuten algoritmos determinísticos y probabilísticos para

ALGORITMOS PARA PRUEBAS DE PRIMALIDAD. Resumen. En este artículo se discuten algoritmos determinísticos y probabilísticos para ALGORITMOS PARA PRUEBAS DE PRIMALIDAD RAÚL MARTINES ZOCON 1, LOLO ORTIZ CESPEDES, JORGE HORNA MERCEDES Y AZUCENA ZAVALETA QUIPUSCOA. Resumen. En este artículo se discuten algoritmos determinísticos y probabilísticos

Más detalles

ALGEBRA Y GEOMETRIA ANALITICA

ALGEBRA Y GEOMETRIA ANALITICA Diplomatura en Ciencia y Tecnología ALGEBRA Y GEOMETRIA ANALITICA SEGUNDO CUATRIMESTRE DE 009 Profesora Mariana Suarez PRACTICA N 8: RECTA EN EL ESPACIO PLANO ALGEBRA Y GEOMETRIA ANALITICA - Segundo cuatrimestre

Más detalles

EJERCICIOS DE GEOMETRÍA

EJERCICIOS DE GEOMETRÍA EJERCICIOS DE GEOMETRÍA 1. Se consideran las rectas r x 2 = 0 x 2z = 1, s y + 3 = 0 y + z = 3 a) Estudiar la posición relativa de r y s. b) Hallar la mínima distancia entre ambas. Se pide: Sol: Se cruzan

Más detalles

Inteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales

Inteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales Inteligencia Artificial II Unidad Plan 2010-Ingeniería en Sistemas Computacionales Rafael Vázquez Pérez Unidad II:Técnicas de Búsqueda. 2.1. Solución de problemas con búsqueda. 2.2. Espacios de estados.

Más detalles

Máquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42

Máquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42 Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 42 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales

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

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

DIFERENCIAS DE ORDEN k Y MONOMIOS GENERALIZADOS. Enunciado 1 Solución 2. Enunciado

DIFERENCIAS DE ORDEN k Y MONOMIOS GENERALIZADOS. Enunciado 1 Solución 2. Enunciado DIFERENCIAS DE ORDEN k Y MONOMIOS GENERALIZADOS FERNANDO REVILLA Resumen. En el siguiente problema estudiamos las diferencias de orden k asociados a una sucesión y los monomios generalizados. Aplicamos

Más detalles

PAU Madrid. Matemáticas II. Año Examen de septiembre. Opción A. Ejercicio 1. Valor: 2 puntos.

PAU Madrid. Matemáticas II. Año Examen de septiembre. Opción A. Ejercicio 1. Valor: 2 puntos. Opción A. Ejercicio. Valor: 2 puntos. Se considera la función real de variable real definida por: f(x) = a) ( punto) Determinar sus máximos y mínimos relativos x x 2 + b) ( punto) Calcular el valor de

Más detalles

Introducción a la indecidibilidad

Introducción a la indecidibilidad Introducción a la indecidibilidad José M. empere Departamento de istemas Informáticos y Computación Universidad Politécnica de Valencia Lenguajes y problemas Un problema será considerado cualquier cuestión

Más detalles

CÁLCULO II ESCUELA MILITAR DE INGENIERÍA MISCELÁNEAS DE PROBLEMAS VECTORES. 1. Sean A = (1, 2), B = ( 1, 3) y C = (0, 4); hallar: a) A + B

CÁLCULO II ESCUELA MILITAR DE INGENIERÍA MISCELÁNEAS DE PROBLEMAS VECTORES. 1. Sean A = (1, 2), B = ( 1, 3) y C = (0, 4); hallar: a) A + B ESCUELA MILITAR DE INGENIERÍA MISCELÁNEAS DE PROBLEMAS CÁLCULO II VECTORES. 1. Sean A = (1, 2), B = ( 1, 3) y C = (0, 4); hallar: a) A + B b) A B + C c) 4A 3B d) 4(A + B) 5C e) 1 2 (A B) + 1 4 C 2. Sean

Más detalles

Espacios conexos. Capítulo Conexidad

Espacios conexos. Capítulo Conexidad Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio

Más detalles

Introducción a la Matemática Discreta

Introducción a la Matemática Discreta Introducción a la Matemática Discreta Aritmética Entera Luisa María Camacho Camacho Introd. a la Matemática Discreta 1 / 36 Introducción a la Matemática Discreta Temario Tema 1. Teoría de Conjuntos. Tema

Más detalles

2007 Carmen Moreno Valencia

2007 Carmen Moreno Valencia Tema VIII. Grafos Grafos 1 2007 Carmen Moreno Valencia 1. Grafos, digrafos y multigrafos 2. Grafos eulerianos 3. Matrices de adyacencia e incidencia 4. Exploración de grafos pesados 1. Grafos, digrafos

Más detalles

LAS CIENCIAS DE LA PLANIFICACIÓN

LAS CIENCIAS DE LA PLANIFICACIÓN LAS CIENCIAS DE LA PLANIFICACIÓN 5. EL PROBLEMA DEL VIAJANTE (PV) (The Traveling Salesman Problem TSP) Un problema como el de las vacaciones, pero vital para las empresas, es el problema del viajante (PV):

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

Problemas de exámenes de Geometría

Problemas de exámenes de Geometría 1 Problemas de exámenes de Geometría 1. Consideramos los planos π 1 : X = P+λ 1 u 1 +λ 2 u 2 y π 2 : X = Q+µ 1 v 1 +µ 2 v 2. Cuál de las siguientes afirmaciones es incorrecta? a) Si π 1 π 2 Ø, entonces

Más detalles

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN

May 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p

Más detalles

F (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0

F (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0 Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución

Más detalles

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En

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

LA CLASE VIRTUAL LOS NUMEROS COMPLEJOS

LA CLASE VIRTUAL LOS NUMEROS COMPLEJOS LA CLASE VIRTUAL LOS NUMEROS COMPLEJOS La ecuación x 2 +1=0 carece de soluciones en el campo de los números reales. log e (-2) no es un número real. Tampoco es un número real (-2) π Un número complejo

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

Estructuras de Datos y Algoritmos

Estructuras de Datos y Algoritmos Estructuras de Datos y Algoritmos Tema 2. Análisis de la eficiencia Prof. Dr. P. Javier Herrera Contenido Introducción a la eficiencia computacional Cálculo básico de complejidades 2 Una leyenda ajedrecística

Más detalles

Planos y Rectas. 19 de Marzo de 2012

Planos y Rectas. 19 de Marzo de 2012 el Geometría en el Planos y Rectas Universidad Autónoma Metropolitana Unidad Iztapalapa 19 de Marzo de 2012 el Anteriormente vimos que es posible encontrar un número infinito de vectores, no paralelos

Más detalles

Flujos de redes (Network Flows NF)

Flujos de redes (Network Flows NF) Fluos de redes (Network Flows NF). Terminología. Árbol generador mínimo. Camino mínimo 4. Fluo máximo 5. Fluo de coste mínimo TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES Terminología Red o grafo (G) Nodos

Más detalles

Las variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V.

Las variedades lineales en un K-espacio vectorial V pueden definirse como sigue a partir de los subespacios de V. Capítulo 9 Variedades lineales Al considerar los subespacios de R 2, vimos que éstos son el conjunto {(0, 0)}, el espacio R 2 y las rectas que pasan por el origen. Ahora, en algunos contextos, por ejemplo

Más detalles

Guía de Matemática Segundo Medio

Guía de Matemática Segundo Medio Guía de Matemática Segundo Medio Aprendizaje Esperado:. Analizan la ecuación de la recta; establecen la dependencia entre las variables y la expresan gráfica y algebraicamente.. Identifican e interpretan

Más detalles

Matemáticas 6to DOSIFICACIÓN DE TEMAS

Matemáticas 6to DOSIFICACIÓN DE TEMAS DOSIFICACIÓN DE TEMAS Matemáticas 6to Aguirre Castellanos, Carolina Bulnes Moha, Yuli Gaona Díaz, Mario Alberto Hernández Cisneros, Mariana Isabel Rodas Rosado, Nallely del Carmen Vázquez Cabrera, Rebeca

Más detalles

Criptografía y Seguridad Computacional Clase 2: 09/03/2016

Criptografía y Seguridad Computacional Clase 2: 09/03/2016 Criptografía y Seguridad Computacional 206-0 Clase 2: 09/03/206 Profesor: Fernando Krell Notas: Alejandro Pimentel. Mundo Computacional Dada las limitaciones que tienen los cifrados perfectamente secretos

Más detalles

SEPTIEMBRE Opción A

SEPTIEMBRE Opción A Septiembre 010 (Prueba Específica) SEPTIEMBRE 010 Opción A 1.- Se considera el sistema de ecuaciones: x y = 3x+ y = 4 4x + y = a a) Clasifica el sistema en función de sus posibles soluciones para los distintos

Más detalles

Tema 6: Modelos de probabilidad.

Tema 6: Modelos de probabilidad. Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos

Más detalles

Caminos y Flujos optimales. Introducción a la Investigación de Operaciones 2007

Caminos y Flujos optimales. Introducción a la Investigación de Operaciones 2007 Caminos y Flujos optimales Introducción a la Investigación de Operaciones 2007 Contenido Definiciones básicas. Conexidad. Clausura transitiva. Esqueletos y caminos optimales. Redes. Flujos. Algoritmo de

Más detalles

APUNTES DE GEOMETRÍA ANALÍTICA

APUNTES DE GEOMETRÍA ANALÍTICA CAPÍTULO 1: LA RECTA EN EL PLANO Conceptos Primitivos: Punto, recta, plano. APUNTES DE GEOMETRÍA ANALÍTICA Definición 1 (Segmento) Llamaremos segmento a la porción de una línea recta comprendida entre

Más detalles

CI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos

CI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos Especialización en Creación y Programación de Videojuegos CI-6675 Algoritmos y Estructuras Optimizadas para Videojuegos Agenda de hoy Juegos Combinatorios Información en un Juego La suma de un Juego s

Más detalles

Unidad Temática 3: Probabilidad y Variables Aleatorias

Unidad Temática 3: Probabilidad y Variables Aleatorias Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento

Más detalles

Figura 3.1. Grafo orientado.

Figura 3.1. Grafo orientado. Leyes de Kirchhoff 46. ECUACIONES DE INTERCONEXION. Leyes de Kirchhoff..1. Definiciones. Una red está formada por la interconexión de componentes en sus terminales; y deben cumplirse simultáneamente las

Más detalles

GRAFOS GEOMÉTRICOS. Introducción. Número de corte. Aplicaciones. Incidencias de puntos y rectas. Distancias unitarias. k-sets.

GRAFOS GEOMÉTRICOS. Introducción. Número de corte. Aplicaciones. Incidencias de puntos y rectas. Distancias unitarias. k-sets. GRAFOS GEOMÉTRICOS CROSSING LEMMA Y APLICACIONES GEOMÉTRICAS Introducción. Número de corte. Aplicaciones. Incidencias de puntos y rectas. Distancias unitarias. k-sets. Qué es un grafo geométrico? vi =

Más detalles

Algoritmos Genéticos. Introducción a la Robótica Inteligente. Álvaro Gutiérrez 20 de abril de

Algoritmos Genéticos. Introducción a la Robótica Inteligente. Álvaro Gutiérrez 20 de abril de Algoritmos Genéticos Introducción a la Robótica Inteligente Álvaro Gutiérrez 20 de abril de 2016 aguti@etsit.upm.es www.robolabo.etsit.upm.es Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos

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

1. Introducción. Fundación Uno. Ejercicio Reto. ENCUENTRO # 33 TEMA: Exponenciales y Logaritmos CONTENIDOS: 1. Ecuaciones Exponenciales.

1. Introducción. Fundación Uno. Ejercicio Reto. ENCUENTRO # 33 TEMA: Exponenciales y Logaritmos CONTENIDOS: 1. Ecuaciones Exponenciales. ENCUENTRO # 33 TEMA: Exponenciales y Logaritmos CONTENIDOS: 1. Ecuaciones Exponenciales. (a) Leyes de los Exponentes (b) Como resolver ecuaciones exponenciales Ejercicio Reto 1. Si a y b las soluciones

Más detalles

Se puede dibujar la siguiente figura, empezando y terminando en el mismo punto, sin levantar e lápiz del papel?

Se puede dibujar la siguiente figura, empezando y terminando en el mismo punto, sin levantar e lápiz del papel? Se puede dibujar la siguiente figura, empezando y terminando en el mismo punto, sin levantar e lápiz del papel? Y esta otra? Los puentes de Königsberg Königsberg es famosa por ser la ciudad natal de Immanuel

Más detalles

Grafos. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Grafos 1 / 30

Grafos. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Grafos 1 / 30 Grafos AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Grafos / 0 Objetivos Al finalizar este tema tendréis que: Conocer la terminología básica de la teoría de grafos. Pasar

Más detalles

2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD

2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD 2. CONCEPTOS BÁSICOS DE LA PROBABILIDAD Un diagrama de Venn Objetivos Introducir los conceptos básicos de experimentos y sucesos, y la definición axiomática y propiedades de la probabilidad. Para leer

Más detalles

Introducción a la Matemática Discreta

Introducción a la Matemática Discreta Introducción a la Matemática Discreta Recursión Luisa María Camacho Camacho Introd. a la Matemática Discreta 1 / 15 Introducción a la Matemática Discreta Temario Tema 1. Teoría de Conjuntos. Tema 2. Lógica

Más detalles