METODOLOGÍA DE LA PROGRAMACIÓN. Informática de Gestión

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

Download "METODOLOGÍA DE LA PROGRAMACIÓN. Informática de Gestión"

Transcripción

1 METODOLOGÍA DE LA PROGRAMACIÓN Iformática de Gestió Profesor: Borja Fdez. Gaua Despacho: Departameto de LSI s: Aputes y ejercicios: Tfo.:

2 ÍNDICE 0. INTRODUCCIÓN 1. ASERCIONES LÓGICAS 1.1 Defiicioes y otació 1.2 Lógica de Primer Orde (LPO) 2. ESPECIFICACIÓN 2.1 Especificació Pre-Post 3. VERIFICACIÓN 3.1 Verificació de correcció parcial y total 3.2 Cálculo de Hoare 3.3 Axioma de Asigació (AA) 3.4 Deduccioes lógicas 3.5 Regla de la Cosecuecia (RCN) 3.6 Regla de la Composició (RCP) 3.7 Regla Codicioal (RCD) 3.8 Descomposició de programas 3.9 Iteracioes Cocepto de Ivariate Regla del While (RWH) Termiació 3.10 Llamadas a fucioes o recursivas 3.11 Llamadas a fucioes recursivas Hipótesis de iducció Correcció parcial Validació 4. DERIVACIÓN 4.1 Derivació de fucioes recursivas 4.2 Derivació por imersió 2

3 0. INTRODUCCIÓN El desarrollo de software cosiste e, dado u problema, ecotrar u programa (o cojuto de programas) que lo resuelva de forma correcta y eficietemete. E geeral, el desarrollo de software tiee 4 fases: 1. Aálisis: Dado u problema, iicialmete se hace el aálisis del mismo, de maera que obtegamos ua especificació clara y cocisa de qué es lo que se quiere hacer. 2. Diseño: A partir de la especificació, se hace u diseño del programa que se va a hacer, después del cuál se obtedrá los algoritmos ecesarios para poder escribir el programa. 3. Codificació: Ua vez se tiee el diseño del programa, se procede a implemetarlo e el/los leguaje(s) de programació elegido(s). 4. Mateimieto: Cuado el software ya está implatado e el lugar de implatació, se hace seguimieto del fucioamieto del programa, así como se toma ota de los posibles errores detectados para ser corregidos e ua versió posterior. Desgraciadamete, todos erramos y, debido a errores humaos e el proceso, a meudo se hace ecesario volver a ua fase aterior. Por ejemplo, ua mala compresió del problema, puede hacer que, habiedo empezado a implemetar, se tega que volver a la fase de aálisis. Cuato más tarde se detecta u error, más caro (e térmios de tiempo y diero) resulta solucioarlo, por lo que se hace ecesaria ua metodología de trabajo para miimizar los errores humaos. E la asigatura vamos a ver diferetes coceptos y técicas que va a facilitar el proceso de desarrollar software: 1. Especificació formal: os permitirá defiir de maera clara que o permita iterpretacioes diferetes de qué es lo que se quiere hacer y qué requisitos se tedrá que cumplir para que el programa de los resultados deseados. 2. Verificació de programas: os ayudará a comprobar que u programa cumple co su especificació, de maera que podamos detectar errores. 3. Documetació de programas: permitirá que el código pueda ser revisado y modificado por persoas diferetes al autor si perder excesivo tiempo e la compresió del mismo. 4. Derivació formal de programas: sirve para escribir de maera razoada y casi 3

4 automática u programa a partir de las especificacioes que cumple. 5. Trasformació de programas: os permitirá trasformar de maera automática programas ieficietes (recursivos) e otros que, cumpliedo las especificacioes origiales, resulte más eficietes. 4

5 1. ASERCIONES LÓGICAS Departameto de L.S.I. 1.1 Defiicioes y otació Estado (de cómputo) de u programa: Descripció completa de los valores asociados a todas las variables del programa e u mometo determiado del cómputo. Por ejemplo, si u programa tiee e u mometo de su ejecució las variables X e Y co los valores 5 y -24 respectivamete, su estado de cómputo e ese mometo sería X=5, Y=-24}. Cómputo: Sucesió de estados de cómputo. Ejecució. Asercioes: So afirmacioes sobre el estado del programa, fórmulas o expresioes lógicas asociadas a u puto determiado de u programa, que os sirve para expresar propiedades de las variables del programa. Se suele icluir e el programa etre las líeas de código como cometarios (/* */). Ejemplo de asercioes asociadas al código de u programa (co u ejemplo posible de los estados de cómputo): Código + Asercioes x= 5; /*x=5*/ y= x+2; /*x=5 ^ y=x+2*/ z= x+y; /*x=5 ^ y=x+2 ^ z=x+y*/ Estado de cómputo x=5 } x=5, y=7 } x=5, y=7, z=12 } Mietras u estado de cómputo refleja u úico estado posible de las variables (u cojuto de valores), ua aserció es más geérica y puede ser cierta para diferetes estados de cómputo. Por ejemplo, la aserció /* x=y*2 */ puede ser cierta tato para el estado de cómputo x=12,y=6} como para x=26,y=13}. E este caso, la aserció represeta u úmero casiifiito de estados de cómputo posibles (o es ifiito porque e ua máquia los úmeros tiee ua resolució fiita). Cuado o se impoga igua precodició (ver el Tema 2) o o se coozca igua propiedad de las variables (por ejemplo al iicio de u programa), la aserció asociada será 5

6 /*true*/, ya que se cumplirá (el valor de verdad asociado será verdadero) para cualquier estado de cómputo posible. 6

7 1.2 Lógica de Primer Orde (LPO) A la hora de escribir asercioes, ecesitamos u leguaje (Lógica de Primer Orde) del que valeros para expresar las propiedades que cumple las variables, co su correspodiete alfabeto, sitaxis y semática. a) Alfabeto. b) Sitaxis. - Variables: cotiee valores modificables durate el cómputo. P.ej.: x, a, A[], - Costates: represeta valores cocretos y fijos. P.ej.: 1, 10, 'a', PI, - Fucioes: opera sobre valores devolviedo otro valor. P.ej.: +, -, %, /, Σ, П, - Predicados: fucioes que devuelve u valor booleao (true o false) P.ej.: <, =, >, par, impar, - Térmios: elemetos atómicos que combiados forma ua fórmula. P.ej.: x puede ser ua variable c puede ser ua costate f(t 1,...,t ) es ua llamada a la fució f -aria y t 1 t térmios - Fórmulas: cojució de térmios que se evalúa como true o false. átomos: p(t1,,t) co p predicado -ario y térmios compuestas: siedo ψ, Ф fórmulas, por ejemplo: coectivos: ψ, ψ^ф, ψ Ф, cuatificadores: x, x c) Semática. Asocia a cada fórmula u valor booleao depediedo del estado de cómputo de las variables. Diremos que ua fórmula está defiida o tiee valor si todas sus variables libres (variables del programa, o ligadas a u cuatificador) tiee u valor asociado e dicho estado. 7

8 1.2.1 Coectivos Ue fórmulas formado fórmulas compuestas. E la tabla siguiete está todos los coectivos; así como sus correspodietes valores de verdad, que utilizaremos este curso. ϕ ψ ϕ (ot) ϕ ψ (or) ϕ ψ (ad) ϕ ψ (si) ϕ ψ (sii) T T F T T T T T F F T F F F F T T T F T F F F T F F T T Cuatificadores Abreviatura para ua serie. Utilizaremos (para todo), (existe), Π(productorio), Σ (sumatorio) y Ν (cardial o recueto). Todos los cuatificadores tedrá ua variable ligada, que o tedrá sigificado fuera del ámbito del cuatificador. Servirá para expresar el alcace de ua propiedad y tedrá u domiio: u cojuto de valores que se le dará a la variable ligada a los que se referirá la propiedad Σ (sumatorio) Lo deotaremos D x f x dode D(x) es el domiio o cojuto de valores que tomará x (o cualquiera que sea la variable utilizada para defiir el domiio), siedo ésta ua variable ligada al sumatorio, que o existirá fuera del sumatorio. El sumatorio tiee asociada la suma (+). Si el domiio es vacío (dicho de otra maera, si o se le da valores a i), devolverá 0, elemeto eutro de la suma. Por ejemplo, 3 3 j=5 i 2 = =14 A i = A 1 A 2 A 3... A 2j 3 j 2 3j=0 5<=j<=3. E este último caso, el domiio es vacío por o haber igua j que cumpla 8

9 Π (productorio): Similarmete al sumatorio, lo deotaremos f x dode D(x) será el domiio o D x cojuto de valores que tomará x (o cualquiera que sea la variable utilizada para defiir el domiio), siedo ésta ua variable ligada al productorio. Tiee asociado el producto (*). Si el domiio es vacío (dicho de otra maera, si o se le da valores a i), devolverá 1, elemeto eutro del producto. Por ejemplo, 5 i=2 j k=i 0 i = =120 A k 2 = A i 2 A i 1 2 A i A j 2 i 2 (domiio vacío) Cuatificador uiversal: (para todo) Será de la forma x D x P x, dode x es la variable ligada, D(x) es el domiio de la variable ligada al cuatificador y P(x) la propiedad. Si la propiedad P(x) se cumple para todo el domiio de la variable ligada, el cuatificador se evaluará como true, y e caso cotrario como false. Tiee asociada la operació de implicació ( ), que se utilizará para uir domiio y propiedades. E caso de domiio vacío, se evaluará como true. Por ejemplo, x 10 x 20 x 2 0 =true (todos los úmeros eteros etre el 10 y el 20 elevados al cuadrado da u úmero positivo) x x 0 x mod 2=0 = false (o todos los úmeros so múltiplos de 2) i 15 i 10 A i =0 =true (domiio vacío) Cuatificador existecial: (existe) Tedrá la forma x D x P x, dode x es la variable ligada, D(x) es el domiio de la variable ligada al cuatificador y P(x) la propiedad. Si la propiedad P(x) se cumple para alguo de los valores del domiio de la variable ligada, el cuatificador se evaluará como true, y e caso cotrario como false. 9

10 Tiee asociada la operació lógica ad ( ). Si el domiio fuese vacío, se evaluaría como false. Por ejemplo, x 3 x 2 x 0 =true (el 1 está e el domiio y es positivo) x 1 i A[i] 0 (será cierto si el vector tiee algú úmero positivo) i 1 i 1 i x = false (domiio vacío) Cuatificador de recueto: N (cardial) Se expresará ℵ x D x P x, siedo D(x) el domiio de la variable ligada x y P(x) la propiedad. A diferecia de los dos cuatificadores ateriores, éste o se evalúa como u valor booleao, sio como u úmero atural: el úmero de elemetos del domiio que cumple la propiedad P(x). E caso de ser el domiio vacío, se evaluará como 0, ya que o habrá elemetos que cotar. Por ejemplo, vector A[1..]) ℵi 1 i 8 i mod 3=0 =2 (hay 2 múltiplos de 3 etre el 1 y el 8) ℵi 1 i A[i ]mod 2=0 (devolverá el úmero de elemetos pares del ℵ j 2 j 2 j 2 =20 =0 (domiio vacío) 10

11 1.2.3 Predicados A la hora de itetar represetar e LPO euciados de gra complejidad o logitud, es a veces deseable afrotar el problema dividiédolo e coceptos más pequeños. De similar maera a como defiimos fucioes cuado programamos para hacer más legible y reutilizable el código, podemos defiir predicados que os ayude a hacer más fácil de eteder la fórmula y poder, además, reutilizarlos e diferetes ejercicios. Siguiedo la aalogía co las fucioes a la hora de programar, defiiremos u predicado p t 1,...,t de igual maera que le damos u ombre a ua fució y defiimos cuáles será sus parámetros t 1,..., t. Auque geeralmete usaremos predicados por la aturaleza booleaa de las asercioes, puede que os iterese defiir ua fució e vez de u predicado. Recordemos que, e lo que a esta asigatura atañe, la diferecia etre ambos es que, mietras u predicado devuelve u valor booleao, ua fució devolverá u valor umérico. Ejemplos: - Expresar e LPO que todos los elemetos de A[1..] so primos: Primero podemos defiir el predicado esprimo(x) que os diga si u úmero cualquiera (x) es primo: esprimo x i 1 i x x mod i 0 Ua vez defiido resulta más fácil geeralizar para todo el vector: j 1 j esprimo A[ j] - Expresar e LPO que el vector A[1..] está ordeado de meor a mayor: Si está ordeado de meor a mayor, podemos defiir el predicado esmáximo(x,a,i,j) que os dirá si x es el máximo de A[i..j] para luego geeralizarlo al vector etero. esmaximo x, A, i, j k i k j A[k ] x Ahora geeralizamos a todo el vector: i 1 i esmaximo A[i], A,1,i 1 NOTA: Siempre que utilicemos u predicado o ua fució, habrá que defiirlo/a previamete, igual que ua fució tiee que haberse defiido ates de llamarla cuado estemos programado. 11

12 1.2.4 Operació de sustitució t Dada la fórmula, la variable x y el térmio t, defiiremos x como la fórmula resultate de sustituir todas las aparicioes libres de x por t e. Como aparició libre etedemos todas aquellas que o sea variables ligadas del mismo ombre. Si el térmio t tuviese algua variable que apareciese como ligada e φ, habrá que reombrarlas ates de hacer la sustitució. Esta es ua operació que utilizaremos ampliamete cuado veamos e el cálculo de Hoare el Axioma de Asigació (AA). Ejemplos: x 2 2x 17 y x y 2 2y 17 x 5 1 y 5 x 5 x x y 5 x 10 1 y 5 j k=i j i 1 A[k ] i A[k ] k =i Fórmulas débiles y fuertes Diremos que la fórmula ϕ es más fuerte que ψ (o que ψ es más débil que ϕ ) si y sólo si el cojuto de valores que hace cierto ϕ es u subcojuto de los que hace cierto ψ: ϕ más fuerte que ψ s s (ϕ)= true} s s (ψ)=true} Dicho más ituitivamete, la fórmula más fuerte es aquella que tiee u meor úmero de estados que hace cierta la fórmula. Por ejemplo, x>0 es más fuerte que x>=0 es cierto para x=0. - ya que la seguda, además de todos los valores que hace cierto x>0, - x 0 x 0 x=0 Ψ: x 0 ϕ: x > 0 12

13 Ejercicios LPO I Expresa los siguietes euciados e Lógica de Primer Orde: 1. x es positivo. 2. x es ulo. 3. x es atural. 4. x es múltiplo de y. Por ejemplo, 10 es múltiplo de x es divisor de y. Por ejemplo, 5 es divisor de x es múltiplo de 5, pero o lo es de x es potecia de x es u úmero primo. 9. z es la suma de los primeros úmeros aturales. 10. z es la suma de ua secuecia de úmeros aturales que comieza por E el vector A[1..] o hay igú elemeto egativo. 12. La suma de todos los elemetos de la secció A[i..j] es mayor que cada uo de los elemetos del vector. Nota: los elemetos puede ser egativos. 13. El vector B[1..] está ordeado de maera decreciete. 14. Hay u úico elemeto e A[1..] igual a su ídice. 15. max es el máximo de la secció A[i..j]. 16. E el vector B[1..] o se repite igú elemeto. 17. El vector A[1..] es capicúa. 18. La suma de los valores absolutos de todos los elemetos de A[1..] es x aparece e el vector A[1..] por primera vez e la posició i. 20. El vector A[1..] cotiee los primeros úmeros de la serie de Fiboacci ( 1, 1, 2, 3, 5, 8, 13, 21,... ) 21. E el vector A[1..] teemos represetados los dígitos del úmero atural x. 22. E los vectores A[1..] y B[1..m] teemos los dígitos de dos úmeros aturales que sumados da x. 13

14 Ejercicios LPO II Decide si las siguietes implicacioes so correctas o o: 1. x 7 x 9 2. x 7 x 6 3. x 1 y x y 1 4. j i 0 j i i 6 i 2 i 5 6. x 7 x i 1 i 8. 1 i 1 i sum= sum= A [i ] sum= A [i ] sum A[ ]= A[ i ] A [] A[i ] 14

15 Solucioes propuestas ejercicios LPO I 1. positivo x x 0 2. ulo x x=0 3. atural x x 0 x 0 x=0 positivo x ulo x 4. multiplo x, y x mod y=0 z z 1 x=y z 5. divisor x, y y mod x=0 z z 1 y=x z multiplo y, x 6. imparm5 x x mod 5=0 x mod 10 0 multiplo x, 5 multiplo x,10 7. pot2 x y y 1 x=2 y 8. primo x x 1 i 1 i x x mod i 0 9. essuma z, z= i 10. esusuma z 1 z= i 11. igunegativo A, i 1 i A[i ] 0 i 1 i A[i ] 0 j 12. sumasecció A,i, j k =i A[k ] susemacael A,i, j k 1 k sumasecció A,1, A[k] 13. decreciete B, i 1 i B [i ] B [i 1] i 1 i B[i] B[i 1] 14. uoigualidice A, ℵi 1 i A[i ]=i =1 15. maxes max, A,i, j k i k j A[k ]=max k i k j A[k ] max 16. aparicioes x, A, ℵk 1 k A[k ]= x distitos A, i 1 i aparicioes A[i], A, =1 17. capicúa A, i 1 i /2 A[i]= A[ i 1] 18. sumavalabsnula A, A[i ] =0 i 1 i A[i]=0 19. primerai x,i, A, k 1 k i A[k]!= x A[i]= x 1 i 20. fiboa A, A[1]=1 A[2]=1 i 2 i A[i]=A[i 1] A[i 2] 21. dig A, k 1 k 0 A[k ] 10 umdig A, A[i ] 10 i vectorde A,, x dig A, x=umdig A, 15

16 22. suma A,, B, m, x dig A, dig B, m x=dig A, Dig B, m 16

17 Solucioes propuestas ejercicios LPO II 1. x 7 x 9 Cierto 2. x 7 x 6 Cierto 3. x 1 y x y 1 Cierto 4. j i 0 j i Cierto 5. i 6 i 2 i 5 Falso 6. x 7 x 1 7 Cierto 7. 1 i 1 i Cierto 8. 1 i 1 i 1 Falso 1 9. sum= sum= A [i ] sum= A [i ] sum A[ ]= A[ i ] A [i ] Falso A[i ] Cierto 17

18 2. ESPECIFICACIÓN Ua de los pricipales motivos para volver a ua fase aterior e el ciclo de desarrollo de software (co el cosiguiete coste tiempo-diero) suele ser ua icorrecta compresió del problema que se quiere solucioar. Esto geeralmete está causado por la imprecisió y falta de rigurosidad a la hora de especificar el objetivo del programa. Para evitar, e la medida de lo posible, este tipo de problemas, utilizaremos la especificació formal: así defiiremos de forma clara y cocisa qué se tiee que cumplir ates de llamar a u programa y qué es lo que devolverá el programa (o fució). 2.1 Especificació Pre-Post Llamaremos especificació Pre-Post a aquella que defia cuál es la precodició y cuál es la postcodició de u trozo de código, defiiedo como precodició la fórmula que defie qué se tiee que cumplir ates de ejecutar el código para que al fializar se cumpla la postcodició, que es la fórmula que describe la relació etre los datos de etrada y los resultados: lo que se cumplirá al fializar el programa. E térmios más secillos, ua especificació Pre-Post determia qué tiee que garatizar quie llame al código ates de llamarlo (precodició) para que el programa pueda cumplir su cometido (postcodició). E geeral, escribiremos /* ϕ */ P /* ψ */ para idicar que el programa P tiee la precodició ϕ y la postcodició ψ. Por ejemplo: i /*1 i suma= A[ j ]*/ j =1 i=i 1; suma=suma A [i]; /*1 i suma= j =1 i A[ j ]*/ E este ejemplo, siempre que al pricipio del programa se cumpla que i esté detro del rago del array A (si ser la última posició) y que tegamos e la variable suma la suma de los primeros i elemetos (precodició: φ), después de ejecutarse el código siempre se cumplirá que i seguirá estado detro del rago del array y que e la variable suma tedremos la suma de los primeros i elemetos (postcodició: ψ), habiedo sumado +1 a i. 18

19 Nos iteresará además que la precodició sea lo más débil posible (lo meos exigete posible) y que la postcodició sea lo más fuerte posible (que describa la relació etre datos de etrada y resultado de la maera más exacta y cocisa posible). i Así, e el ejemplo aterior, /*1 i suma= A[ j ] suma 0*/ sería ua j =1 precodició demasiado fuerte, ya que o es ecesario que suma sea mayor que 0 para que después de las 2 istruccioes se cumpla la postcodició. De igual maera, /*1 i */ sería ua postcodició demasiado débil, ya que o expresa la relació etre la variable suma y los elemetos del vector. A modo de resume, la precodició debe establecer las codicioes míimas que se debe cumplir para que al fial del programa se llegue a la postcodició, que deberá expresar todas las propiedades coocidas etre los datos de etrada y los resultados. 19

20 3. VERIFICACIÓN La verificació es la técica que vamos a ver más e profudidad y la que ocupará la mayoría del tiempo de clase. Nos permitirá demostrar formalmete (verificar) que u programa es correcto. La correcció es u térmio subjetivo y ambiguo e el mudo real, pero e cuato a esta asigatura atañe, diremos que u programa es correcto si respeta su especificació formal. 3.1 Verificació de correcció parcial y total Diremos que u programa es parcialmete correcto si, siempre que al iicio del programa se cumpla la precodició, e caso de que el programa acabe, siempre acabará satisfaciedo la postcodició. Escribiremos /* */ P /* */ para decir que el programa P es parcialmete correcto respecto a la especificació formada por φ (precodició) y ψ (postcodició). Diremos que u programa es totalmete correcto si, siempre que al iicio de la ejecució se respete la precodició, el programa acabará satisfaciedo la postcodició. Respecto a la correcció parcial se añade además la garatía de que el programa siempre acabará. Deotaremos /* */ [ P ] /* */ la correcció total del programa P respecto a su especificació Pre-post. Si defiimos Term, P como el predicado que os dice si toda ejecució de P que cumpla iicialmete la precodició φ va a acabar e u úmero fiito de pasos, podemos afirmar que /* */ [ P ] /* */ /* */ P /* */ Term, P. 20

21 3.2 Cálculo de Hoare Para verificar la correcció total o parcial de u programa utilizaremos el cálculo de Hoare, que utilizará axiomas (por ejemplo, el Axioma de Asigació) y reglas de iferecia (RCN, RCP etc...). A la hora de verificar la correcció de u programa, el proceso a seguir es, a partir de la precodició, ir deduciedo, mediate axiomas y reglas de iferecia, las propiedades etre variables que se matedrá e los diferetes putos del programa. El objetivo fial siempre será demostrar que al fial del programa se cumplirá la postcodició. Los axiomas será propiedades básicas idemostrables de la forma /* */ P /* */, dode P podría ser, por ejemplo, ua asigació. Si e algú paso aterior se hubiese demostrado que ates de P se cumplía φ, quedará demostrado que después de la asigació se cumplirá ψ. /*...*/ P 1 /*...*/, /*...*/ P 2 /*...*/,... Las reglas de iferecia tedrá la forma /*...*/ P 1 P 2 /*...*/ habiedo sido previamete demostradas las propiedades /*...*/ P 1 /*...*/, /*...*/ P 2 /*...*/,... la regla de iferecia demostrará que se verificará /*...*/ P 1 P 2 /*...*/., y, 21

22 3.3 Axioma de Asigació (AA) El primer axioma que estudiaremos será el de asigació. Este axioma os permitirá iferir las propiedades que se cumplirá después de ua asigació. E ua asigació distiguiremos dos partes: la variable x dode se almaceará el valor (parte izquierda de la asigació) y el térmio t de la parte derecha que se evaluará como u valor (geeralmete umérico). x=t ; Ates de realizar ua asigació cooceremos ua serie de propiedades sobre las variables que forma parte del térmio t. Todo aquellas propiedades del térmio t que se coozca ates de la asigació, las cumplirá la variable x después de la asigació. Así, e el siguiete ejemplo: =/* z mod 2=0 */ x =z ; =/* x mod 2=0 z mod 2=0 */ Sabiedo que z es u úmero par ates de la asigació, después de ella siempre se cumplirá que x será u úmero par. Además, seguiremos sabiedo lo mismo de z que ates de la asigació, puesto que i la variable z i igua variable libre de φ ha sido modificada e la asigació. E este otro ejemplo, e cambio: /* x 2 0*/ x =x 2 ; /* x 0 x 2 0*/ Después de la asigació, o podemos afirmar que x-2>0 se siga cumpliedo, ya que la variable libre x (que aparece e el térmio t) ha cambiado por ser además la variable dode se guardará el resultado. Euciaremos el Axioma de Asigació de la siguiete maera: dode: /*def(t) x t */ x=t ; /* */ AA def(t) es ua fórmula que afirma que la evaluació del térmio t o produce error y está defiido. Si cotuviese a la variable x, o se podría afirmar después de la asigació y 22

23 puede o estar presete (o lo que es lo mismo, ser true). Ω será ua fórmula dode o aparecerá la variable libre x pero sí podrá aparecer el térmio t. Al ser idepediete de la variable x, o cambiará después de la asigació. será aquella fórmula que expresará las propiedades del térmio t ates de la asigació. E ella aparecerá todas las variables libres del térmio t y podrá aparecer la variable x. Después de la asigació se cumplirá las mismas propiedades que se cumplía ates de la asigació para el térmio t para la variable x ( ). x t A cotiuació veremos uos cuatos ejemplos dode aplicaremos el AA para los distitos casos: Ejemplo 1: /* y 0 z/ y=2 v=12*/ z=z / y ; /* y 0 z=2 v=12*/ E este ejemplo, el térmio t será la expresió z/y y la variable será z, que tambié aparecerá e el térmio t. def(t) y 0 ya que os asegura que la divisió o os dará u resultado idefiido y, como la variable y o ha cambiado e la asigació, se seguirá cumpliedo después. Igualmete, x t z / y =2 y z=2. Describe la úica propiedad coocida del térmio z/y ates de la asigació, que después pasará a ser la propiedad que cumplirá la variable z. Fialmete, v=12, ya que la fórmula o cotiee la variable libre z i el térmio t. Ejemplo 2: /* y 0 y/2=16*/ z=y /2; /* y 0 z=16 y/2=16*/ E este ejemplo o existe def(t), ya que la divisió etre 2 uca dará error.. t x y/2=16 y z=16. E este caso, como la variable z o aparece e t x y/2=16, se cumplirá tambié que y/2=16 y se seguirá cumpliedo después de la asigació. 23

24 3.4 Deduccioes lógicas Desgraciadamete, el Axioma de Asigació o es suficiete para iferir propiedades t después de ua asigació, ya que x o siempre estará expresada ta claramete e fució del térmio t como e los ejemplos ateriores. E el siguiete ejemplo: /* x=y /2*/ z=2x ; /*??? */ No podemos iferir igua propiedad ya que e la aserció icial o aparece el térmio 2x. Si embargo, utilizado deduccioes lógicas, podríamos resolver parte de este tipo de problemas, ya que si sabemos que x=y/2, podremos deducir que 2*x=y, co la que ya podríamos aplicar el Axioma de Asigació. Veamos pues alguas de las deduccioes lógicas (trasformacioes que o cambia el valor de verdad de la fórmula origial) que utilizaremos e adelate: - A B A (Simplificació) - A A B (Adició) - A B A B (Modus Poes) - A B B A (Modus Tolles) - A B B A (Silogismo disyutivo) - A B B A (Trasitividad) - A B B A (Falacia: INCORRECTA) Adicioalmete, a meudo utilizaremos equivalecias tautológicas (o lógicas) como las siguietes: - A A - A B A B 24

25 - A B A B - A B A B A - x 5 x i 1 0 i 1 i 1 1 i i 1 Ahora que ya coocemos cuáles será las herramietas que utilizaremos para trasformar las fórmulas volveremos al ejemplo del pricipio: /* x=y /2*/ z=2x ; /*??? */ Como decíamos, o podemos aplicar directamete el Axioma de Asigació, ya que la aserció aterior a la asigació o está e fució de 2x. Pero ahora que hemos visto cómo trasformar las fórmulas podemos decir: 1. x= y/ 2 2x= y Y ahora sí podemos aplicar AA: 2. /*2x=y */ z=2x; /* z= y */ AA Para acabar verificado la correcció del ejemplo sólo os hará falta ua regla de iferecia que os permita uir ambos pasos: la Regla de la Cosecuecia (RCN). 25

26 3.5 Regla de la Cosecuecia (RCN) Esta regla os permitirá uir deduccioes lógicas co las asercioes iferidas (resultados de las reglas de iferecia). 1, /* 1 */ P /* 1 */, 1 /* */ P /* /* RCN Depediedo de si ecesitamos hacer deduccioes sólo ates o después de aplicar la regla de iferecia correspodiete, podremos utilizar las siguietes dos variates: a) b) 1, /* 1 */ P /* 1 */ /* */ P /* 1 /* /* */ P /* 1 */, 1 /* */ P /* /* RCN RCN Gracias a la RCN podemos trasformar asercioes y lo que verifiquemos para las asercioes trasformadas quedará verificado para las origiales, por lo que ya podemos retomar el ejemplo co el que empezamos y acabar verificado su correcció: 1. x= y/ 2 2x= y 2. /*2x=y */ z=2x; /*z= y */ AA 3. /* x= y/2*/ z=2x; /* z= y */ 1,2 RCN De esta maera, e el tercer paso hemos verificado que, siempre que icialmete se cumpla x=y/2, después de la asigació siempre se verificará z=y. Geeralmete, cuado tegamos ua asigació, podremos la aserció aterior a ella e fució de la parte derecha de la asigació (térmio t del AA) para poder aplicar AA, y luego uiremos ambos pasos co la RCN. Ejemplo completo de cálculo de Hoare: i /* suma= A[ j ] i */ j=1 i=i 1; i 1 /* suma= j=1 A[ j ] i */ Primero poemos la aserció iicial e fució de i+1 (térmio t): 26

27 i 1. suma= j=1 Departameto de L.S.I. i 1 1 A[ j] i suma= A[ j ] i 1 j =1 Ahora podemos aplicar AA sustituyedo i+1 (térmio t) por i (variable x): i /* suma= j=1 i 1 A[ j] i 1 */ i=i 1 ; /* suma= A[ j] i */ AA j=1 Fialmete, uimos los dos pasos co la RCN idicado qué propiedades hemos utilizado para aplicarla (e este caso las propiedades demostradas e los pasos 1 y 2): i 3. /* suma= j=1 i 1 A[ j ] i */ i=i 1; /* suma= A[ j] i */ 1,2 RCN j=1 27

28 Ejercicios Verificació (I) Verifica los siguietes programas: /* y=5*/ x =y y y ; /* x=30*/ /* x= y 5*/ z=x 5; /* x=y 5 z= y 10 */ i /* suma= A[ j]*/ j =1 i=i 1 ; i 1 /* suma= j=1 A[ j ]*/ /*1 i 1 j=5*/ j=i 1; /*1 j */ /* z x= y*/ z=z x ; /* z=2x y */ i /*1 i suma= A[ j]*/ j=1 suma=suma A [i 1]; i 1 /*1 i 1 suma= j=1 /* par x */ x =x 1; /*impar x */ /* x=2 y */ x =x 2; /* x=2 y 1 */ A[ j]*/ 28

29 Solucioes propuestas Verificació (I) Departameto de L.S.I. 1. /* y=5*/ x =y y y ; /* x=30*/ 1. y=5 y y y=30 2. /* y y y=30*/ x=y y y ; /* x=30 */ AA 3. /* y=5*/ x=y y y ; /* x=30*/ RCN 1,2 2. /* x= y 5*/ z=x 5; /* x=y 5 z= y 10 */ 1. x= y 5 x 5= y 5 5 x 5= y /* x 5= y 10*/ z=x 5; /* z= y 10 x 5= y 10*/ AA 3. z= y 10 x 5= y 10 x= y 5 z= y /* x= y 5*/ z=x 5; /* x= y 5 z= y 10 */ RCN 1,2,3 3. i /* suma= A[ j]*/ j =1 i=i 1 ; i 1 /* suma= j=1 i 1. suma= j=1 A[ j ]*/ i /* suma= j=1 i 3. /* suma= j=1 i 1 1 A[ j ] suma= A[ j] j=1 i 1 A[ j]*/ i=i 1; /* suma= A[ j]*/ AA j=1 i 1 A[ j ]*/ i=i 1; /* suma= A[ j]*/ RCN 1,2 j=1 4. /*1 i 1 j=5*/ j=i 1; /*1 j */ 1. 1 i 1 j=5 1 i 1 2. /*1 i 1 */ j=i 1; /*1 j */ AA 29

30 3. /*1 i 1 j=5*/ j=i 1; /*1 j */ RCN 1,2 5. /* z x= y*/ z=z x ; /* z=2x y */ 1. z x= y z x 2x= y 2x z x= y 2x 2. /* z x= y 2x*/ z=z x ; /* z= y 2x */ AA 3. z= y 2x z=2x y 4. /* z x= y*/ z=z x ; /* z=2x y*/ RCN 1,2, i /*1 i suma= A[ j]*/ j=1 suma=suma A [i 1]; i 1 /*1 i 1 suma= j=1 i 1 i suma= j=1 A[ j]*/ i 1 A[ j] 1 i suma A[i 1]= A[ j] i 1 1 i 1 suma A[i 1]= A[ j] j =1 i 1 1 i 1 suma A[i 1]= j =1 A[ j] i 1 /*1 i 1 suma A[i 1]= A[ j]*/ suma=suma A [i 1]; j=1 i 1 /*1 i 1 suma= j=1 A[ j]*/ AA i /*1 i suma= A[ j ]*/ suma=suma A [i 1]; j =1 i 1 /*1 i 1 suma= j =1 A[ j]*/ RCN 1,2 j=1 7. /* par x */ x =x 1; /*impar x */ 1. par x impar x 1 2. /*impar x 1 */ x=x 1; /*impar x */ AA 30

31 3. /* par x */ x =x 1 ; /*impar x */ RCN 1,2 8. /* x=2 y */ x =x 2; /* x=2 y 1 */ 1. x=2 y x 2=2 y 2 x 2=2 y 1 2. /*x 2=2 y 1 */ x =x 2; /* x=2 y 1 */ AA 3. /* x=2 y */ x=x 2; /* x=2 y 1 */ 1,2 RCN 31

32 3.6 Regla de la composició (RCP) Co lo visto hasta el mometo, sólo podemos verificar asigacioes sueltas. Si e vez de ua úica tuviésemos dos seguidas, os haría falta algua otra herramieta para hacerlo. Ése es el objetivo de la Regla de la Composició (RCP): uir partes simples del cálculo de Hoare para poder verificar programas compuestos por varias líeas. /* */ P 1 /* 1 */, /* 1 */ P 2 /* */ /* */ P 1, P 2 /* */ RCP Esta regla os permite uir partes de u programa ya verificadas siempre que tega ua aserció itermedia comú (e el euciado de la regla 1 ) Veamos co u ejemplo cómo se utiliza la RCP: i /* suma= A[ j ] i */ /* */ j=1 i=i 1; P 1 /* 1 */ suma=suma A [i]; P 2 i /* suma= A[ j ] i */ /* */ j=1 El programa está formado por dos istruccioes P 1 y P 2, etre las cuales se cumplirá uas propiedades ( 1 ) que a priori descooceremos. El procedimieto e estos casos es aplicar el AA para la primera asigació (si hace falta trasformar algua aserció, tedremos que aplicar la RCN), co lo que podremos saber qué se cumple e 1. Itetaremos aplicar el AA sobre la seguda istrucció y posteriormete aplicaremos la RCP para uir las dos partes. Por lo tato, el objetivo fial es verificar que se cumple a /* */ P 1 /* 1 */ y b /* 1 */ P 2 /* */ para poder aplicar la RCP. Primero, trataremos de verificar a /* */ P 1 /* 1 */. Para ello, primero formularemos e fució de i+1, luego aplicaremos AA y fialmete RCN: i 1. suma= j=1 i /* suma= j =1 i 1 1 A[ j] i suma= A[ j ] i 1 j =1 i 1 A[ j] i 1 */ i=i 1; /* suma= A[ j] i AA j =1 32

33 i 3. /* suma= j=1 Departameto de L.S.I. i 1 A[ j ] i */ i=i 1; /* suma= A[ j] i */ 1,2 RCN j=1 Llegados a este puto, ya habremos verificado la primera parte (a), y sabremos que la i 1 aserció itermedia será 1 /* suma= A[ j] i */. Partiremos de ésta para itetar j=1 llegar a verificar b /* 1 */ P 2 /* */. Empezaremos poiedo 1 e fució de suma + A[i]. Igual que para la primera parte, luego aplicaremos AA y fialmete RCN: i 1 4. suma= j= i /* suma A[i]= j =1 i 1 /* suma= j=1 i A[ j ] i suma A[i]= A[ j] i j=1 i A[ j ] i */ suma=suma A [i]; /* suma= A[ j] i */ AA j=1 i A[ j ] i */ suma=suma A [i]; /* suma= A[ j] i */ 4,5 RCN j =1 Ahora que ya teemos verificados a /* */ P 1 /* 1 */ y b /* 1 */ P 2 /* */ los pasos 3 y 6, respectivamete, del cálculo, podemos aplicar la RCP sobre ambas propiedades: e 7. i /*suma= A[ j ] i */ j=1 i=i 1; /* suma= j=1 suma=suma A[i ] ; i A[ j ] i */ 3,6 RCP 33

34 Ejercicios Verificació (II) Verifica los siguietes programas: /* x=a y=b*/ x =x y ; y =x y ; x =x y ; /* x=b y=a */ /* z= p k */ k=k 1; z=z p ; /* z= p k */ /* x=a y=b*/ x =x y ; y =x x ; /* x=a b y= a b 2 */ 34

35 Solucioes propuestas Verificació (II) 1. /* x=a y=b*/ x =x y ; A 1 /* 1 */ y =x y ; A 2 /* 2 */ x =x y ; A 3 /* x=b y=a*/ /* */ A 1 ; /* 1 */ 1. x=a y=b x y=a b y=b 2. /* x y=a b y=b*/ x =x y ; /* x=a b y=b */ /* 1 */ AA 3. /* x=a y=b*/ x =x y ; /* x=a b y=b*/ RCN 1,2 /* 1 */ A 2 ; /* 2 */ 4. x=a b y=b x=a b x y= a b b x=a b x y=a 5. /* x=a b x y=a*/ y =x y ; /* x=a b y=a */ /* 2 */ AA 6. /* x=a b y=b */ y =y x ; /* x=a b y=a */ RCN 4,5 /* 2 */ A 3 ; /* */ 7. x=a b y=a x y= a b a y=a x y=b y=a 8. /*x y=b y=a */ x=x y ; /* x=b y=a */ /* */ AA 9. /*x=a b y=a */ x=x y ; /* x=b y=a */ RCN 7,8 10. /* */ A 1 ;A 2 ; A 3 ; /* */ RCP 3,6,9 2. /* z= p k */ k=k 1; A 1 ; /* 1 */ z=z p ; A 2 ; /* z= p k */ /* */ A 1 ; /* 1 */ 1. z= p k k 1 z p= p 2. /*z p= p k 1 */ k=k 1; /* z p= p k */ /* 1 */ AA 3. /* z= p k */ k=k 1 ; /* z p= p k */ RCN 1,2 /* 1 */ A 2 ; /* */ 35

36 4. /* z p= p k */ z=z p ; /* z= p k */ AA 5. /* */ A 1 ; A 2 ; /* */ RCP 3,4 3. /* x=a y=b*/ x =x y ; A 1 /* 1 */ y =x x ; A 2 /* x=a b y= a b 2 */ /* */ A 1 ; /* 1 */ 1. x=a y=b x y=a b y=b 2. /*x y=a b y=b */ x =x y ; /* x=a b y=b */ /* 1 */ AA 3. /* x=a y=b*/ x =x y ; /* x=a b y=b*/ RCN 1,2 /* 1 */ A 2 ; /* */ 4. x=a b y=b x=a b x x= a b /* x=a b x x= a b 2 */ y =x x ; /* x=a b y= a b 2 */ /* */ AA /* x=a b y=b*/ y =x x ; /* x=a b y= a b 2 */ RCN 4,5 7. /* */ A 1 ; A 2 ; /* */ RCP 3,6 36

37 3.7 Regla Codicioal (RCD) Co las reglas ateriores podemos verificar programas compuestos sólo por asigacioes. Otras istruccioes ecesarias para poder verificar programas completos so las codicioales. Para verificar u programa como el siguiete: /* */ if B P if ; else P else ; /* */ Utilizaremos la Regla Codicioal (RCD), que se eucia de dos maeras diferetes depediedo de si hay ua rama else o o: a) Cuado haya else: def(b), /* B */ P if /* */, /* B*/ P else /* */ /* */ if(b) P if else P else /* */ RCD b) Cuado o lo haya: def(b), /* B */ P if /* */, B /* */ if(b) P if /* */ RCD Ates de ver co u ejemplo cómo aplicar la RCD, itetaremos eteder ituitivamete el porqué de cada ua de las propiedades a demostrar para verificar u if: def(b) : La codició a evaluar tiee que estar defiida por la aserció aterior, es decir, tedremos que verificar que la evaluació de la codició B uca dará u resultado idetermiado o error. /* B*/ P if /* */, : Cuado ates del if se cumpla y la codició B, es decir, cuado etremos e el the, tedremos que verificar que después de ejecutar P if siempre se verificará. /* B */ P else /* */ : E caso de haber else, tedremos que verificar que después de ejecutar P else (ates siempre se cumplirá B ). B : Cuado o haya else, habrá que verificar que B (lo que 37

38 sabremos que se cumplirá ya que habremos etrado e el else) implica directamete. Cabe destacar que la diferecia etre u if co o si else estriba e que, mietras e el primer caso se ejecutará código ( P else ), e el segudo o, por lo que se tedrá que poder deducir de las propiedades que se cumplirá e el else: B. Ejemplo 1 (si else): Pasemos a ver co u ejemplo e cómo se aplica la RCD. Veamos el cálculo de Hoare asociado a la verificació del programa: /* true */ /* */ if x 0 x = x ; /* x 0*/ /* */ E este caso, true y B x 0. Sólo teemos u if, por lo que el objetivo fial del cálculo será aplicar la RCD (si else). Primero tedremos que verificar cada ua de las 3 propiedades ecesarias para poderla aplicar: (A) def B, (B)/* B*/ P if /* */ y C B :. A def B : x<0 o puede dar u resultado idetermiado o error, por lo que: 1. true def x 0 (B)/* B*/ P if /* */: : Teemos ua asigació, por lo que trasformaremos B para poder aplicar AA, lo aplicaremos, volveremos a trasformar el resultado obteido y fialmete uiremos los 3 pasos gracias a la RCN. 2. true x 0 x 0 x 0 3. /* x 0*/ x = x ; /* x 0*/ AA 4. x 0 x 0 5. /*true x 0*/ x = x ; */ x 0*/ RCN 2,3,4 C B : E este último paso deberemos demostrar que auque o etremos e el the, siempre se acabará satisfaciedo la post-codició. 6. true x 0 x 0 x 0 Ahora sólo os falta aplicar RCD: 38

39 7. /* true */ if x 0 x = x ; /* x 0 */ RCD1,5,6 39

40 Ejemplo 2 (co else): El ejemplo aterior era u if si rama else, veamos ahora el cálculo de Hoare para uo que sí la tiee: i 1 /* 1 i sumaabs= A[ j ] */ /* */ j=1 if A [i] 0 sumaabs=sumaabs A [i]; else sumaabs=sumaabs A [i]; /* 1 i sumaabs= A[ j ] */ /* */ Como e este programa sí teemos u else, para aplicar la RCD habrá que demostrar: (A) def B, (B)/* B*/ P if /* */ y C /* B */ P else /* */ :. (A) def B : Sabemos por que 1 i, por lo que el acceso al array estará detro de su rago y o se producirá error: i i sumaabs= A[ j] def A[i] 0 j=1 i j=1 (B)/* B*/ P if /* */ : demostraremos que etrado e el the, después del if siempre se verificará. 2. i 1 1 i sumaabs= A[ j] A[i] 0 j=1 1 i sumaabs A[i]= A[ j ] i j= i /*1 i sumaabs A[i]= A[ j] */ sumaabs=sumaabs A [i]; j=1 /* 1 i sumaabs= A[ j] */ AA i 1 /* 1 i sumaabs= A[ j ] A[i] 0 */ sumaabs=sumaabs A [i]; j=1 i j=1 /* 1 i sumaabs= A[ j] */ RCN 2,3 i j=1 40

41 C /* B */ P else /* */ : : Ahora comprobaremos que etrado e el else se acaba verificado i 1 1 i sumaabs= A[ j] A[i] 0 j=1 i 1 1 i sumaabs= A[ j] A[i ] 0 j =1 1 i sumaabs A[i] = A[ j] i j=1 i 1 i sumaabs A[i ]= A[ j] i j=1 /*1 i sumaabs A[i]= A[ j] */ sumaabs=sumaabs A [i]; j=1 /* 1 i sumaabs= A[ j ] */ AA i 1 i j=1 /*1 i sumaabs= A[ j] A[i ] 0 */sumaabs=sumaabs A [i]; j=1 /* 1 i sumaabs= A[ j ] */ RCN 5,6 i j=1 Fialmete, aplicamos la RCD a las propiedades 1, 4 y i 1 /*1 i sumaabs= A[ j] */ j =1 if A [i] 0 sumaabs=sumaabs A [i]; else sumaabs=sumaabs A [i]; i /*1 i sumaabs= A[ j] */ RCD1,4,7 j =1 41

42 3.8 Descomposició de programas Cuado trabajamos co programas de logitud y complejidad cosiderable, resulta difícil realizar directamete el cálculo de Hoare, porque cuatas más istruccioes tiee u programa, mayor úmero de líeas tedrá el cálculo de Hoare correspodiete. Por ello, se recomieda hacer ua descomposició del programa previa a su verificació, por lo meos, mietras o se domie la verificació perfectamete. Así, lo primero que haremos será escribir el programa e forma esquemática, dado ombres a cada ua de las istruccioes, expresioes y asercioes. Por ejemplo, e el siguiete programa: /* x=a y*/ if y 0 x =x a ; y =y 1; } else x =x a ; y =y 1; } /* x=a y*/ Lo escribiremos de forma esquemática (e esta fase sólo os importará la estructura del programa) dado ombres a cada ua de las partes del mismo. Auque o es relevate de qué maera los ombremos, utilizaremos la siguiete omeclatura para facilitar la lectura del esquema: Φ (phi) para la precodició, Ψ (psi) para la postcodició, i para las asercioes itermedias, B i para las expresioes codicioales y A i para las asigacioes. Siguiedo co el ejemplo, su forma esquemática sería: 42

43 /* */ if B A 1 ; /* 1 */ A 2 ; } else A 3 ; /* 2 */ A 4 ; } /* */ Como el programa está compuesto por u úico if, la última regla de iferecia que utilizaremos será la RCD, por lo que tedremos que verificar A def B, B /* B */ A 1, A 2 /* */ y C /* B */ A 3, A 4 /* */. De estas dos propiedades, dos (B y C) se puede descompoer e otras dos porque está compuestas por dos asigacioes, co lo que para verificar B, tedremos que verificar primero B.1 /* B*/ A 1 ;/* 1 */ y B.2 /* 1 */ A 2 ;/* */. Para verificar C, a su vez, tedremos que verificar primeramete C.1 /* B */ A 3 ; /* 2 */ y C.2 /* 2 */ A 4 ; /* */. La descomposició del programa será etoces la siguiete: A def B B /* B */ A 1 ; A 2 ; /* */ B.1 /* B */ A 1 ; /* 1 */ B.2 /* 1 */ A 2 ; /* */ C /* B */ A 3 ;A 4 ; /* */ C.1 /* B */ A 3 ; /* 2 */ C.2 /* 2 */ A 4 ; /* */ Ua vez tegamos el programa descompuesto e partes simples (verificacioes de ua sola asigació o implicacioes lógicas), empezaremos por las hojas del árbol de arriba a abajo. E el ejemplo, primero verificaríamos A, luego B.1 y B.2 para poderlas uir mediate la RCP y verificar B, y luego C.1 y C.2 que uiríamos mediate la RCP. Fialmete aplicaríamos la RCD sobre A, B y C. 43

44 Ejercicios Verificació (III) Verifica los siguietes programas: /*true */ if! par x x =x 1 ; /* par x */ /* x=a y */ if y 0 x =x a ; y =y 1; } else x =x a ; y =y 1; } /* x=a y */ /* umpares=ℵi 1 i k i mod 2=0 */ if k % 2==0 umpares=umpares 1 ; k=k 1; /* umpares=ℵi 1 i k i mod 2=0 */ 44

45 Descompó los siguietes programas: Departameto de L.S.I /* */ if B A 1 ; else A 2 ; A 3 ; } /* */ /* */ A 1 ; if B A 2 ; A 3 ; /* */ 45

46 Solucioes propuestas Verificació (III) 1. /*true */ /* */ if! par x B x =x 1 ; A 1 /* par x */ /* */ A def B true def! par x 1. true! par x B /* B*/ A 1 /* */ /*true! par x */ x=x 1 ; /* */ 2. true! par x par x 1 3. /* par x 1 */ x =x 1; /* par x */ AA 4. /*true! par x */ x=x 1; /* par x */ RCN 2,3 B B true par x par x 5. true par x par x 6. /* */ if B A 1 ; /* */ RCD 1,4,5 2. /* x=a y */ if y 0 x =x a ; y =y 1; } else x =x a ; y =y 1; } /* x=a y */ La descomposició del programa será la siguiete: A def B B /* B */ A 1 ; A 2 ; /* */ B.1 /* B */ A 1 ; /* 1 */ B.2 /* 1 */ A 2 ; /* */ C /* B */ A 3 ;A 4 ; /* */ C.1 /* B */ A 3 ; /* 2 */ C.2 /* 2 */ A 4 ; /* */ 46

47 A def B 1. x=a y def y 0 B.1 /* B */ A 1 ; /* 1 */ Departameto de L.S.I. 2. x=a y y 0 x a= a y a x a=a y 1 3. /* x a=a y 1 */ x =x a; /* x=a y 1 */ 1 AA 4. /* B*/ A 1 ; /* 1 */ RCN 2,3 B.2 /* 1 */ A 2 ; /* */ 5. /*x=a y 1 */ y =y 1 ; /* x=a y */ AA B /* B*/ A 1 ; A 2 ; /* */ 6. /* B*/ A 1 ; A 2 ; /* */ RCP 4,5 C.1 /* B */ A 3 ; /* 2 */ 7. x=a y y 0 x a= a y a x a=a y 1 8. /* x a=a y 1 */ x =x a; /* x=a y 1 */ 2 AA 9. /* B */ A 3 ; /* 2 */ RCN 7,8 C.2 /* 2 */ A 4 ; /* */ 10. /* x=a y 1 */ y =y 1 ; /* x=a y */ AA C /* B */ A 3 ; A 4 ; /* */ 11. /* B */ A 3 ; A 4 ; /* */ RCP 9, /* */ if B A 1 ; A 2 ; }else A 3 ; A 4 ;} /* */ RCD1,6,11 3. /* umpares=ℵi 1 i k i mod 2=0 */ if k % 2==0 umpares=umpares 1 ; A 1 k=k 1; A 2 /* umpares=ℵi 1 i k i mod 2=0 */ La descomposició del programa será la siguiete: A.1 def B A /* */ if B A 1 ; /* 1 */ A.1 def B A.2 /* B */ A 1 ; /* 1 */ A.3 B 1 B /* 1 */ A 2 ; /* */ 1. umpares=ℵi 1 i k i mod 2=0 def k mod 2=0 47

48 A.2 /* B */ A 1 ; /* 1 */ umpares=ℵi 1 i k i mod 2=0 k mod 2=0 umpares 1=ℵi 1 i k i mod 2=0 /*umpares 1=ℵi 1 i k i mod 2=0 */ umpares=umpares 1; /*umpares=ℵi 1 i k i mod 2=0 */ 1 AA /*umpares=ℵi 1 i k i mod 2=0 k mod 2=0 */ umpares=umpares 1; /*umpares=ℵi 1 i k i mod 2=0 */ RCN 2,3 5. A.3 B 1 umpares=ℵi 1 i k i mod 2=0 k mod 2=0 umpares=ℵi 1 i k i mod 2=0 A /* */ if B A 1 ; /* 1 */ 6. /* */ if B A 1 ; /* 1 */ RCD 1,4, B /* 1 */ A 2 ; /* */ umpares=ℵi 1 i k i mod 2=0 umpares=ℵi 1 i k 1 i mod 2=0 /*umpares=ℵi 1 i k 1 i mod 2=0 */ k=k 1 ; /*umpares=ℵi 1 i k i mod 2=0 */ AA /*umpares=ℵi 1 i k i mod 2=0 */ k=k 1; /*umpares=ℵi 1 i k i mod 2=0 */ RCN 7,8 A /* */ if B A 1 ; A 2 ; /* */ 10. /* */ if B A 1 ; A 2 ; /* */ RCP 6,9 4. /* */ if B A 1 ; else A 2 ; A 3 ; } /* */ 48

49 A def B B /* B */ A 1 ; /* */ C /* B */ A 2 ;A 3 ; /* */ C.1 /* B */ A 2 ; /* 1 */ C.2 /* 1 */ A 3 ; /* */ 5. /* */ A 1 ; if B A 2 ; A 3 ; /* */ A /* */ A 1 ; /* 1 */ B /* 1 */ if B A 2 ; /* 2 */ B.1 1 def B B.2 /* 1 B*/ A 2 ; /* 2 */ B.3 1 B 2 C /* 2 */ A 3 ; /* */ 49

50 3.9 Iteracioes Ua iteració realiza ua labor a base de repetir u cojuto de istruccioes que: Modifica el valor de las variables Coserva algua relació etre ellas, ua propiedad ésta: Ates de euciar la regla de iferecia que os permitirá verificar iteracioes como /* */ while B I ; /* */ Veremos cuáles so esas propiedades que se matiee e todas las iteracioes, el ivariate Cocepto de Ivariate U ivariate es ua propiedad, u predicado que o cambia, que se cumple ates (y al fial) de cada ejecució de ua iteració. No se trata de cualquier propiedad que se coserve sio de aquélla que caracterice y establezca la semática del bucle y su efecto. Ua vez deducido el ivariate (INV), las asercioes itermedias será las siguietes: /* */ /* INV */ while B /* INV B */ I ; /* INV */ } /* INV B */ /* */ El ivariate, como se puede ver e la figura superior, se cumplirá ates del bucle, al iicio de cada iteració (dode además se cumplirá la codició B), al fial de cada iteració y después del bucle (dode además se cumplirá la egació de B). Veamos ahora uos ejemplos de bucles y sus respectivos ivariates. 50

51 Ejemplo 1: Examiado el siguiete programa: /* x=a y=b 0*/ /* */ while y!=0 x =x 1; y =y 1; /* x=a b*/ /* */ Podemos deducir que la pricipal propiedad que se matiee e todas las iteracioes será que la suma de x e y será costate, ya que e el bucle icremetaremos e uo x y decremetaremos e uo y, es decir, le sumamos a ua variable lo que le restamos a la otra. Por lo tato, siempre se cumplirá x y=a b. Además, podremos saber cuál será el rago de valores que tomará y. Iicialmete, tedrá u valor b positivo. E cada iteració se decremetará e uo, y se seguirá iterado hasta que y valga 0. Gracias a esto, podremos afirmar que siempre se cumplirá y 0. y 0 o sería suficiete, ya que el ivariate tambié se tiee que cumplir cuado salgamos del bucle, y se saldrá cuado y valga 0. Podríamos itetar delimitar el rago de valores de x, pero sólo os iteresará el de y, ya que es quie os ayudará (por aparecer e la codició B) a deducir si el bucle termiará e u úmero fiito de pasos (termiació, lo veremos más adelate). Por lo tato, el ivariate será el siguiete: /* INV */ /* x y=a b b y 0*/ Aplicádolo al esquema ateriormete presetado, sabremos que siempre se cumplirá: /* x=a y=b 0*/ /* */ /* x y=a b y 0*/ /* INV */ while(y!=0) /* x y=a b y 0 y 0 */ /* INV B*/ x =x 1; y =y 1; /* x y=a b y 0*/ /* INV */ } /* x y=a b y 0 y=0*/ /* INV B*/ /* x=a b*/ /* */ 51

52 Ejemplo 2: Examiado el siguiete programa: /* suma=0 k=1*/ /* */ while k suma=suma A [k]; k=k 1; /* suma= A[i]*/ /* */ Por ua parte, podremos deducir que e suma tedremos siempre la suma de los k primeros elemetos del vector. Como, detro del bucle, primero se suma el k-ésimo elemeto y después se icremeta k, al iicio del bucle tedremos la suma hasta k-1. Siempre se k 1 cumplirá por lo tato suma= A[i ]. Es importate aseguraros que la propiedad tambié se cumpla ates de etrar e el bucle. Como k es 1 iicialmete, si sustituímos k por su valor iicial e el ivariate, el sumatorio tedrá domiio vacío (desde 1 hasta 0) por lo que suma deberá ser 0, y eso lo sabemos por la precodició. Por otra, os iteresará otra vez aseguraros de que se saldrá del bucle e u úmero fiito de pasos, por lo que trataremos de delimitar el rago de k, que será la variable que determiará si seguimos o o iterado. Iicialmete, k valdrá 1, cada vuelta se icremetará e uo, y se saldrá cuado k sea mayor que ( cuado valga +1). Por lo tato, el rago de valores que tomará k será [1..+1], que expresado e LPO será 1 k 1. El ivariate será pues: k 1 /* INV */ /* suma= A[i] 1 k 1*/ 52

53 Ejemplo 3: Cambiado el orde e que se hace las sumas, tedremos éste otro programa: /* suma=0 k=0 */ /* */ while k k=k 1; suma=suma A [k]; /* suma= i =1 A[i]*/ /* */ E este otro ejemplo, como primero se icremeta el ídice y luego se suma, tedremos e la variable suma, al iicio de cada iteració, la suma de los k primeros elemetos, por lo que siempre se cumplirá suma= A[i ]. Igual que e el caso aterior, comprobaremos que tambié se cumpla ates de etrar e el bucle. E este caso, k será 0, por lo que el sumatorio (desde 1 hasta k) tedrá domiio vacío, y como suma será 0, se cumplirá el ivariate. Respecto al rago de k, podremos afirmar que siempre estará e [0..], ya que iicialmete es 0, cada vuelta se icremeta e uo y cuado se salga del bucle valdrá, por lo que 0 k. El ivariate será por lo tato: k /* INV */ /* suma= k A[i ] 0 k */ 53

54 3.9.2 Regla del While (RWH) Para verificar la correcció parcial de u programa co iteracioes como la siguiete: /* */ while B I ; /* */ Utilizaremos la Regla del While (RWH), que se eucia de la siguiete maera: INV, INV def(b), /* INV B */ I /* INV */, INV B /* */ while (B) I ;/* */ RWH Al igual que co la RCD, trataremos de eteder ituitivamete qué sigifica cada ua de las propiedades ecesarias para aplicar la RWH: INV : Como hemos dicho, el ivariate se cumplirá ates de etrar e el bucle por primera vez, por lo que la aserció aterior al bucle tiee que implicar que se cumpla. INV def B : Ates de evaluar la codició (ates de etrar e el bucle y al fial de cada iteració) siempre se cumplirá el ivariate, por lo que tiee que defiir B, tiee que garatizar que la evaluació de B o pueda dar u resultado iesperado o error. /* INV B */ I /* INV */ : Ates de cada iteració se cumplirá tato el ivariate como la codició B, por lo que tedremos que verificar que después de ejecutar el cuerpo del bucle (I), siempre se verifique el ivariate al fial del mismo. INV B : Cuado la evaluació de la codició B dé falso, se tedrá que verificar. Al evaluar la codició siempre se cumplirá el ivariate y, la última vez que se evalúe, retorará falso. Sabiedo esto, teemos que deducir que siempre se satisfará la post. Veamos ahora uos ejemplos de cómo aplicar la RWH. 54

55 Ejemplo 1: Para el siguiete programa: /* x 1 y=1*/ while y y x y =y 1; } /* k 1 k y k k x */ Primero trataremos de determiar cuál es el ivariate. Si estudiamos el programa veremos que se irá icremetado la variable y e uo hasta que y*y sea igual a x. Es decir, al fial del bucle tedremos e y el meor úmero que cumplirá y y x. Por ua parte, sabremos que si seguimos e el bucle, siempre se cumplirá que iguo de los valores que haya teido y cumplirá y y x, porque de otra maera, ya habríamos salido del bucle. Por lo tato, siempre se cumplirá k 1 k y k k x, desde la primera hasta la última vuelta. E este caso, a diferecia de los ejemplos sobre ivariates, o os resultará ecesario icluir iformació sobre el rago de y (la variable que determiará el fial del bucle) ya que la codició o puede dar u resultado idetermiado. Por lo tato, el ivariate será el siguiete: /* INV */ k 1 k y k k x Ahora cooceremos alguas de las asercioes itermedias del programa: /* */ /* x 1 y=1 */ /* INV */ /* k 1 k y k k x */ while y y x /* INV B */ /* k 1 k y k k x y y x */ y =y 1; /* INV */ /* k 1 k y 1 k k x */ } /* INV B */ /* k 1 k y k k x y y x */ /* */ /* k 1 k y k k x */ Al ser el programa u úico while, ates de aplicar la RWH, deberemos verificar úicamete las cuatro propiedades ecesarias: A INV, B INV def B, C /* INV B */ I /* INV */ y D INV B. 55

56 A INV 1. x 1 y=1 k 1 k y k k x ya que el domiio 1 k 1 es vacío. B INV def B 2. k 1 k y k k x def y y x C /* INV B */ A 1 ; /* INV */ k 1 k y k k x y y x k 1 k y k k x k 1 k y 1 k k x /* k 1 k y 1 k k x */ y =y 1; /* k 1 k y k k x */ /* */ AA /* k 1 k y k k x y y x*/ y =y 1; /* k 1 k y k k x */ /* */ RCN 3,4 D INV B 6. k 1 k y k k x y y x k 1 k y k k x y y x /* PSI */ Fialmete, aplicamos la RWH sobre las cuatro propiedades: 7. /* */[while B A 1 ;]/* */ RWH 1,2,5,6 56

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

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

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

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

Más detalles

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

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

Más detalles

Matemáticas I - 1 o BACHILLERATO Binomio de Newton

Matemáticas I - 1 o BACHILLERATO Binomio de Newton Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete

Más detalles

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

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

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

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

Más detalles

Capítulo 2. Operadores

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

Sucesiones numéricas.

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

Más detalles

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)

ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.) ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger

Más detalles

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

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

Más detalles

Práctica 6: Vectores y Matrices (I)

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

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

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

Más detalles

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

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

Más detalles

ELEMENTOS DE ÁLGEBRA MATRICIAL

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

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

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

Más detalles

2. LEYES FINANCIERAS.

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

Más detalles

Gradiente, divergencia y rotacional

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

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

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

Más detalles

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.

Tema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato. UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios

Más detalles

Imposiciones y Sistemas de Amortización

Imposiciones y Sistemas de Amortización Imposicioes y Sistemas de Amortizació La Imposició u caso particular de reta e el cual cada térmio devega iterés (simple o compuesto) desde la fecha de su aboo hasta la fecha fial. Imposicioes Vecidas

Más detalles

CONCEPTOS BÁSICOS DE PRESTAMOS.

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

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

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

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Transformaciones Lineales

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

Más detalles

LOGARITMOS. Ejercicio 1 Determine los respectivos dominios de existencia de las siguientes funciones: 2

LOGARITMOS. Ejercicio 1 Determine los respectivos dominios de existencia de las siguientes funciones: 2 LOGARITMOS Como seguramete el estudiate recordará, e cuarto año apredió a traajar co los aritmos, y allí se eteró de que éstos se defie a partir de la ecesidad de despejar el expoete de ua potecia. Vamos

Más detalles

Sucesiones y ĺımite de sucesiones

Sucesiones y ĺımite de sucesiones Tema 3 Sucesioes y ĺımite de sucesioes Ídice del Tema Sucesioes........................................ 60 Progresioes....................................... 63 3 Covergecia......................................

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

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

Más detalles

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación

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

Más detalles

Medidas de Tendencia Central

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

Más detalles

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

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

Más detalles

Media aritmética, media geométrica y otras medias Desigualdades Korovkin

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

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)

Más detalles

TEMA 5: INTERPOLACIÓN

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

Más detalles

CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS

CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS Uo de los efoques para determiar si u programa es correcto es establecer ua actividad de testig. Esta cosiste e seleccioar u cojuto de datos de etrada

Más detalles

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

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

Más detalles

Análisis de datos en los estudios epidemiológicos II

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

Más detalles

16 Distribución Muestral de la Proporción

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

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

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

Más detalles

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

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

Más detalles

EJERCICIOS DE PORCENTAJES E INTERESES

EJERCICIOS DE PORCENTAJES E INTERESES EJERCICIOS DE PORCENTAJES E INTERESES Ejercicio º 1.- Por u artículo que estaba rebajado u 12% hemos pagado 26,4 euros. Cuáto costaba ates de la rebaja? Ejercicio º 2.- El precio de u litro de gasóleo

Más detalles

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

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

Más detalles

Cálculo para la ingeniería Tomo II. Salvador Vera

Cálculo para la ingeniería Tomo II. Salvador Vera Cálculo para la igeiería Tomo II Salvador Vera 9 de eero de 5 ii Copyright c by Salvador Vera Ballesteros, 998-4. Ídice geeral 7. Series Numéricas 7.. El sigo del sumatorio: Sigma Σ... 7... Propiedades

Más detalles

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

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

Más detalles

TEMA 1: OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS

TEMA 1: OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS TEMA : OPERACIONES FINANCIERAS DE AMORTIZA- CION: PRESTAMOS Y EMPRESTITOS..-INTRODUCCION : Etedemos por operació fiaciera de amortizació, aquella, e que u ete ecoómico, (acreedor ó prestamista), cede u

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas

Más detalles

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

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

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

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

Más detalles

en. Intentemos definir algunas operaciones en

en. Intentemos definir algunas operaciones en OPERACIONES EN 8 E la secció aterior utilizamos fucioes de el primer couto y estudiar sus propiedades e Itetemos defiir alguas operacioes e Recordemos de cursos ateriores que tomamos al couto de los compleos

Más detalles

Asignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales

Asignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales Asigatura: Geometría I Grado e Matemáticas. Uiversidad de Graada Tema 2. Espacios vectoriales Prof. Rafael López Camio Uiversidad de Graada 14 de diciembre de 2012 Ídice 1. Espacio vectorial 2 2. Subespacio

Más detalles

Capítulo 1 LA COMPLEJIDAD DE LOS ALGORITMOS

Capítulo 1 LA COMPLEJIDAD DE LOS ALGORITMOS Capítulo LA COMPLEJIDAD DE LOS ALGORITMOS. INTRODUCCIÓN E u setido amplio, dado u problema y u dispositivo dode resolverlo, es ecesario proporcioar u método preciso que lo resuelva, adecuado al dispositivo.

Más detalles

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

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

Más detalles

Teorías de falla bajo cargas estáticas

Teorías de falla bajo cargas estáticas Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto

Más detalles

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito.

MATEMÁTICAS 1214, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES. 1. Para cada sucesión infinita abajo, determine si converge o no a un valor finito. MATEMÁTICAS 24, PARCIAL 3 PROBLEMAS PARA PRACTICAR SOLUCIONES JOHN GOODRICK. Para cada sucesió ifiita abajo, determie si coverge o o a u valor fiito. (a) {! } e = (a): No coverge. El úmero e está etre

Más detalles

UNIVERSIDAD DE ATACAMA

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

Más detalles

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica.

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica. págia 05. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto {,,, 4,

Más detalles

La volatilidad implícita

La volatilidad implícita La volatilidad implícita Los mercados de opcioes ha evolucioado bastate desde los años setetas, época e la que ue publicada la órmula de Black Scholes (BS). Dicha órmula quedó ta arraigada e la mete de

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)

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

Más detalles

Estimación puntual y por intervalos de confianza

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

Más detalles

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas

Sistemas Automáticos. Ing. Organización Conv. Junio 05. Tiempo: 3,5 horas Sistemas Automáticos. Ig. Orgaizació Cov. Juio 05. Tiempo: 3,5 horas NOTA: Todas las respuestas debe ser debidamete justificadas. Problema (5%) Ua empresa del sector cerámico dispoe de u horo de cocció

Más detalles

1.1. Campos Vectoriales.

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

Más detalles

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

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

Más detalles

Programación Entera (PE)

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

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Uidad Cetral del Valle del Cauca acultad de Ciecias Admiistrativas, Ecoómicas y Cotables Programa de Cotaduría Pública Curso de Matemáticas iacieras Profesor: Javier Herado Ossa Ossa Ejercicios resueltos

Más detalles

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

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

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

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

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

Más detalles

OPCIÓN A EJERCICIO 1_A

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

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

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

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

ANEXO 2 INTERES COMPUESTO

ANEXO 2 INTERES COMPUESTO ANEXO 2 INTERES COMPUESTO EJERCICIOS VARIOS: 1. Adrés y Silvaa acaba de teer a su primer hijo. Es ua iña llamada Luciaa. Adrés ese mismo día abre ua cueta para Luciaa co la catidad de $3 000,000.00. Qué

Más detalles

Ejercicios Tema 4. Estructuras de Repetición

Ejercicios Tema 4. Estructuras de Repetición Ejercicios Tema 4. Estructuras de Repetició 1. Calcular el factorial de u úmero etero itroducido por teclado. 2. Calcular de la suma y la media aritmética de N úmeros reales. Solicitar el valor de N al

Más detalles

Ley de los números grandes

Ley de los números grandes Capítulo 2 Ley de los úmeros grades 2.. La ley débil de los úmeros grades Los juegos de azar, basa su sistema de gaacias, fudametalmete e la estabilidad a largo plazo garatizada por las leyes de la probabilidad.

Más detalles

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

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

Más detalles

DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD TECNICA FEDERICO SANTA MARIA 1. INTRODUCCIÓN

DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD TECNICA FEDERICO SANTA MARIA 1. INTRODUCCIÓN INDUCCIÓN MATEMÁTICA EDUARDO SÁEZ, IVÁN SZÁNTÓ DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD TECNICA FEDERICO SANTA MARIA. INTRODUCCIÓN El método deductivo, muy usado e matemática, obedece a la siguiete idea:

Más detalles

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

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

Más detalles

UNIVERSIDAD POLITÉCNICA DE CARTAGENA

UNIVERSIDAD POLITÉCNICA DE CARTAGENA UNIVERSIDAD POLITÉCNICA DE CARTAGENA MATERIA: FUNDAMENTOS MATEMÁTICOS DE LA INGENIERÍA CUADERNO DE PRÁCTICAS DE INGENIERÍA MECÁNICA CURSO 009/0. (Segudo cuatrimestre) Prof. Pedro Luís Gómez Sáchez Prof.

Más detalles

Límite de una función

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

Más detalles

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

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

Más detalles

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno: Uidad 5 Aualidades vecidas Objetivos Al fializar la uidad, el alumo: Calculará el valor de la reta de ua perpetuidad simple vecida. Calculará el valor actual de ua perpetuidad simple vecida. Calculará

Más detalles

Teoría Combinatoria. Capítulo 2. 2.1. Dos Principios Básicos.

Teoría Combinatoria. Capítulo 2. 2.1. Dos Principios Básicos. Capítulo 2 Teoría Combiatoria La Teoría Combiatoria es la rama de las matemáticas que se ocupa del estudio de las formas de cotar Aparte del iterés que tiee e sí misma, la combiatoria tiee aplicacioes

Más detalles

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

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

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por:

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por: Tema 4. Trasformada Z. La trasformada Z para sistemas discretos desempeña u papel aálogo a la trasformada de Laplace para sistemas cotiuos. os va a permitir represetar la relació etrada salida de u sistema

Más detalles

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

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

Más detalles

Límite de una función

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles