Planificación de trayectorias mediante Programación Dinámica
|
|
- Gabriel Núñez Sosa
- hace 6 años
- Vistas:
Transcripción
1 Planfcacón de trayectoras medante Programacón Dnámca Mael O. Torres Pñero 1 Valery Moreno Vega 2 RESUMEN / ABSTRAT 1 Insttuto Superor Poltécnco José Antono Echevarra. mael@electrca.cuae.edu.cu 2 Insttuto Superor Poltécnco José Antono Echevarra. valery@ electrca.cuae.edu.cu En este trabao se realza un análss de dos métodos de PD utlzados en la planfcacón de trayectoras de robots móvles: uno propuesto por Kwo y Dressen (1999) y el otro el algortmo de Bellman-ord. A este últmo se le realzan modfcacones para ncrementar aún más su velocdad de búsqueda de la solucón. Palabras claves: planfcacón de trayectoras programacón dnámca. Path plannng wth Dynamc Programg In ths wor are studed two methods of dynamc programg that can be used n path plannng of moble robots. The frst one s proposng by Kwo and Dressen (1999) and the other one s the Bellman-ord algorthm. The last one wll be modfed to obtan better result. Key word: path plannng dynamc programg. INTRODUIÓN La programacón dnámca (PD) fue ntroducda por Bellman [1] y la msma consste en el proceso matemátco de tomar una sere de decsones óptmas para obtener una solucón global óptma. Este prncpo ha sdo usado en la planfcacón para buscar dentro de un conunto de estados del espaco de confguracón aquellos que sean óptmos según deterado crtero para luego conformar una trayectora óptma. Una de las prncpales ventaas que conlleva el uso de la PD es que las trayectoras que se obtenen por este método sempre son óptmas y se puede usar cualquer tpo de funcón de costo u optmzacón. Son dversos los algortmos donde se puede encontrar la programacón dnámca aunque en el área de la robótca móvl específcamente la planfcacón su versón más conocda es el llamado algortmo de Bellman-ord [2] no obstante exsten otros trabaos donde se aplcan otras versones de la PD [3 4 5]. En este trabao se hará un análss de dos métodos de PD utlzados en la planfcacón de trayectoras de robots móvles: uno propuesto por Kwo y Dressen (1999) y el otro el algortmo de Bellman-ord [2 6]. A este últmo se le harán modfcacones para ncrementar aún más su velocdad de búsqueda de la solucón. MATERIALES Y MÉTODOS Algortmo de Bellman-ord. Este algortmo detera la trayectora más corta entre el punto ncal y todos los restantes puntos del entorno. El algortmo propuesto por Bellman [1] se basa en la programacón dnámca y su formulacón recursva es la sguente: 0 s v s s v s 0 1) 1 w Q 1 ( w v) E { ( w) + } 1 vw 2) 31
2 Q : Es el conunto de estados que fueron actualzados en la etapa. E : Es el conunto de enlaces smples entre los estados. Se consdera que dos estados están enlazados de manera smple s se puede r de uno al otro en una etapa. S : Estado ncal. vw : Estados cualesquera. vw : osto de r del estado w al estado v. El seudo códgo algortmo puede ser defndo como sgue: n: antdad de estados. V: onunto de todos los estados. Deterar V Mentras Q alcular Q 0 y Q 0 0 y n hacer v) V ( y deterar n Mentras S Q entonces (v) defne la longtud de la trayectora más corta desde S hasta v v. S n y Q entonces exsten enlaces entre estados con costo negatvo y no pueden ser defnas las trayectoras más costas. Aunque este algortmo fue concebdo para deterar la trayectora óptma según la dstanca no hay pérdda de generaldad s se toma (v) como otro tpo de funcón obetvo. Sempre se obtrán las trayectoras óptmas según la funcón obetvo (v). La aplcacón de este método en la planfcacón de trayectora para un robot móvl es nmedata ya que el msmos es un método de búsqueda en una red de estados o grafo y en el caso de la robótca móvl los estados serían un conunto de localzacones pertenecentes al entorno donde se encuentra el robot es decr confguracones del espaco de confguracón. omo los entornos por los que se mueve un robot pueden tener obstáculos entonces el conunto de localzacones del entorno (estados) se encuentra dvddo en dos tpos: 1. estados prohbdos (ocupados por obstáculos) 2. estados lbres (el robot puede ocupar uno de ellos sn problemas) Luego para hacer la formulacón del algortmo más completa y acorde a las condcones de la robótca móvl las ecuacones 1) y 2) quedan como se muestra a contnuacón: 0 s v s y v O s v s óv O 0 3) 1 1 w Q ( w v) E 1 { ( w) + } vw O: onunto de estados ocupados por obstáculos (estados prohbdos). O O De esta manera la formulacón recursva del algortmo está representada por las ecuacones 3) y 4) manteno la msma defncón. Bellman-ord Optmzado El algortmo de Bellman-ord tal y como se plantea en la seccón anteror tene el nconvenente de que en cada etapa explora todos los estados del entorno. Esto puede traducrse en un mayor tempo de eecucón por tal razón a contnuacón se plantea la formulacón recursva del método de Bellman-ord optmzado. 0 s v s y v O s v s óv O 0 5) 1 Q G 1 1 ( ) v w v { ( w) + } vw 4) O O 6) Q : Es el conunto de estados que se van a explorar en la etapa. G -1 (v): Es el conunto de padres de v que fueron actualzados en la etapa -1. Se defne como padre de un estado v cualquer estado w del cual se pueda llegar a v en una etapa. S: Estado ncal. v w: Estados cualesquera. 32
3 vw : osto de r del estado w al estado v. O: onunto de estados ocupados por obstáculos (estados prohbdos). El seudo códgo del algortmo puede ser defndo como sgue: n: antdad de estados. V: onunto de todos los estados. P v : onunto de padres óptmos. Un padre óptmo del estado v es el estado w que hace que se mce el costo de v. Deterar V Mentras Q alcular P 0 y Q 1 y n hacer Q Q v y deterar Q + 1 n Mentras S Q entonces (v) defne el costo de la trayectora óptma desde S hasta v como el estado al cual se quere llegar desde S entonces la secuenca de estados es dada por: v v Mentras v S hacer v P v v v. onsderando n Mentras S n y Q entonces exsten enlaces entre estados con costo negatvo y no pueden ser defnas las trayectoras óptmas. Es mportante destacar que en esta versón del algortmo se dsuye el tempo de eecucón en gran medada al reducr el espaco de estados con posbldades de ser óptmos. Esto se debe a que en cada etapa solo se exploran aquellos estados cuyo estado padre haya sdo actualzado en la etapa anteror. Al hacerse de esta manera no se tenen que explorar todos los estados en cada etapa como sucede en el algortmo de Bellman-ord sn optmzar ya que solo es de nterés explorar aquellos estados que realmente tengan la posbldad de meorar su costo en la etapa. No obstante aún se le puede realzar una modfcacón que trbutara en una dsucón del espaco de búsqueda. Modfcacón para reducr el espaco de búsqueda Para reducr aún más el espaco de búsqueda y por tanto el tempo de eecucón del algortmo se propone que se exploren solo aquellos estados que cumplen con las condcones del método de Bellman-ord optmzado y además que el costo del estado padre sea menor que el menor costo encontrado hasta el momento para el estado obetvo. Esto ela aquellos estados que no aporten una solucón óptma. En la seccón 3 se hará un análss del efecto que provoca la reduccón del espaco de búsqueda de las dferentes versones de los métodos de PD presentados en este trabao. Método de Kwo-Dressen El algortmo que a contnuacón se presenta fue creado por Kwo y Dressen [3] para planfcar trayectoras de robots móvles. En el msmo se defnó una matrz M donde a cada elemento de la matrz se le asoco un estado del entorno según su localzacón dentro del msmo. Un estado se consderó como un punto con localzacón () dentro del entorno. 0 s el estado( ) es prohbdo 7) 1 s el estado( es lbre M ) La formulacón recursva propuesta por Kwo y Dressen es la sguente: m 1 1 ( ) ( 0 ( ) ( + 1 * + 1 m 1 S ) ) ( m ) + max max L1( L2( S ( ) y ( ) y ( m ) S S 8) max max arg 10) m + L1( L2( * I ( L m 1 + * ( m ) ) J 1 ) L + 12) m: Tpos de movmentos que se pueden realzar para llegar a un estado desde otro entre dos etapas consecutvas. Ver gura 1. 9) 33
4 * m + 1 : Es el movmento óptmo para llegar en la etapa +1 al estado (). L 1( : Indca el valor del estado ( ) del que se provene usando el movmento m. L 2 ( : Indca el valor del estado ( ) del que se provene usando el movmento m. S : Es el conunto de movmentos permtdos para llegar al estado () en la etapa. S se defne como: S m : m (1...8) L1( L2( ( m max max 1 ) 1 (m max max ): uncón obetvo y se defne como: 1 s L1 ( (1... max ) ó L2 ( (1... max ) ó M ( L1 ( L2 ( ) ds tan ca entre ( ) y ( L1 ( L2 ( ) para otro caso I 0 13) 14) : Es la localzacón óptma para moverse haca el estado ( ) regresando una etapa desde. J : Es la localzacón óptma para moverse haca el estado ( ) regresando una etapa desde. gura 1. Tpos de movmentos que se pueden realzar para llegar a un estado dado. El algortmo de Kwo y Dressen consste en repetr la formulacón recursva representada en las ecuacones 8)-12) para 123 desde un estado ncal ( start start ) hasta que suceda una de dos condcones: start start 2. La cantdad de elementos del conunto + 1 con es gual a la cantdad de elementos del conunto con 1. La prmera de las condcones sgnfca que ha sdo encontrada una solucón óptma y la secuenca de estados para r desde ( start start ) hasta ( ) es dada por: * start * start Hacer desde p 1 hasta -1 n Hacer. * I p * J p La segunda condcón sgnfca que no se encontró una solucón y por tanto no exste un cao entre el estado ncal y el fnal. DISUSIÓN Dentro de los algortmos de PD que buscan un cao óptmo en un grafo o red de estados sn dudas el más utlzado es de Bellman-ord. En este trabao se ha vsto este algortmo en tres versones dferentes: Bellman-ord Bellman-ord optmzado y Bellman-ord optmzado con una nueva modfcacón. Además se ha vsto otra forma de emplear la PD a la cual le llamamos Kwo-Dressen. En esta seccón se 34
5 dscutrá cada uno de los métodos de PD vstos y se verá el efecto que provoca reducr el espaco de búsqueda de los algortmos. Todas las smulacones realzadas en esta seccón se llevaron a cabo sobre el entorno mostrado en la fgura 2. Este entorno tene una dmensón de 101x101 undades donde cada undad es un estado por el que puede transtar el robot. Todos los puntos negros del entorno representan obstáculos. gura 2. Entorno dmensones 101x101 undades. ada undad consttuye un estado. A contnuacón se analzarán las tres versones del algortmo de Bellman-ord en cuanto a la cantdad de estados explorados del espaco de búsqueda. En la fgura 3 y la tabla 1 se pueden ver los resultados obtos de la smulacón realzada. algortmo hasta que encuentra la solucón óptma. Es mportante destacar que el rmento del algortmo no se debe valorar solo por las teracones que este realza sno más ben por la cantdad de estados que tene que explorar. La cantdad de estados explorados es el factor fundamental para evaluar la rapdez de eecucón de estos tres algortmos ya que mentras más estados sean necesaro vstar y calcular su costo más tempo se esta consumo. Debe observarse que el algortmo de Bellman-ord optmzado y modfcado solo explora estados a dferenca de los y estados que exploran las otras dos versones. omo se puede ver la reduccón del espaco de búsqueda es enorme. Hay que destacar tambén que la cantdad de estados explorados es mayor que la cantdad de estados que tene el entorno pues esto no entra en contradccón porque lo que sucede es que exsten estados que se han explorado más de una vez para enter esto con más clardad se debe recurrr al seudocódgo del algortmo o a su defncón. La sguente smulacón tene por obetvo comparar el algortmo de Kwo-Dressen con la versón modfcada de Bellman-ord optmzado. Los resultados se pueden observar en la fgura 4 y la tabla 2. gura 3. a) Resultados de la smulacón con el algortmo de Bellman-ord. b) Resultados de la smulacón con el algortmo de Bellman-ord optmzado. c) Resultados de la smulacón con el algortmo de Bellman-ord optmzado y modfcado. El costo de todas las trayectoras es undades para la funcón obetvo defnda como la dstanca eucldana. Tabla 1. Resultados de la smulacón Algortmo Bellman-ord Bellman- ord Optmzado Estados del entorno Modfcacón de Bellman- ord Optmzado Etapas Estados explorados osto óptmo undades undades undades La cantdad de estados que presenta el entorno utlzado en esta smulacón es de ya que se asumó que cada undad del entorno consttuye un estado. Dentro de este total se encuentran los estados prohbdos y los estados lbres. Las etapas no son más que la cantdad de teracones que realza el gura 4. a) Resultados de la smulacón con la modfcacón del algortmo de Bellman-ord optmzado. b) Resultados de la smulacón con el algortmo de Kwo-Dressen. El costo de todas las trayectoras es undades para la funcón obetvo defnda como la dstanca eucldana. Algortmo Tabla 2. Resultados de la smulacón Modfcacón de Bellman-ord Optmzado Kwo-Dressen Estados del entorno Etapas Estados explorados osto óptmo undades undades El método de Kow-Dressen tene sus orígenes en el algortmo de Bellman de la trayectora más corta ahora adaptándolo a una representacón matrcal de los estados para hacer concdr de esta manera cada estado con una localzacón () dentro del entorno por el cual se mueve el robot y defno además el conunto de estados prohbdos. Pero la modfcacón fundamental que ntroducen Kwo y Dressen es la detencón de la búsqueda cuando el costo del estado ncal dea de ser -1. Esto tene una mplcacón mportante y es que al detener la búsqueda cuando aparece el prmer cao se pueden desechar solucones meores que la 35
6 encontrada cuando la funcón obetvo no sea la defnda por Kwo y Dressen. Por lo tanto el algortmo perde generaldad comparado con los anterores ya que este tal y como está defndo solo obtrá solucones óptmas con funcones obetvos como la dstanca eucldana. En cuanto a la reduccón del espaco de búsqueda este algortmo ntroduce leves meoras respecto al de Bellman- ord sn optmzar ya que realza menos etapas al detenerse cuando aparece el prmer cao al estado obetvo pero aún sgue explorando en cada etapa todos los estados. No obstante las meoras que puedan provocar estas modfcacones en el tempo de eecucón son nsgnfcantes comparadas con los algortmos de Bellman-ord optmzado y la modfcacón de Bellman-ord optmzado. Esto se puede aprecar claramente en las tablas 1 y 2. Por últmo para poder aprecar como el algortmo Kwo- Dressen no srve para cualquer tpo de funcón de costo se muestra la sguente smulacón gual que las anterores solo que ahora se defne como funcón obetvo al cubo de la dstanca eucldana entre dos estados. Los resultados se pueden observar en la fgura 5 y la tabla 3. gura 5. a) Resultados de la smulacón con la modfcacón de Bellman-ord optmzado. osto de la trayectora 160 undades. b) Resultados de la smulacón con el algortmo Kwo-Dressen. osto de la trayectora undades. En todos los casos la funcón obetvo fue defnda como el cubo de la dstanca eucldana. Algortmo Tabla 3. Resultados de la smulacón Modfcacón de Bellman-ord Optmzado Kwo-Dressen Estados del entorno Etapas Estados explorados osto óptmo undades undades En la fgura 5 se observa como las trayectoras obtas por cada método son dferentes. La trayectora obta con el método de Kwo-Dressen posee un costo superor por lo que no consttuye la trayectora óptma para llegar desde el estado nca al estado fnal. La razón por la cual la trayectora obta por este últmo método no es la óptma es la que se menconaba con anterordad se detene la búsqueda cuando se encuentra la prmera. Obsérvese tambén que la cantdad de estados explorados por el método de Bellman-ord optmzado y modfcado es muy nferor que la cantdad que explora el algortmo Kwo- Dressen lo cual permte verfcar una vez más la superordad de este método. ONLUSIONES En este trabao se han estudado varos tpos de algortmos que usan la programacón dnámca para encontrar una trayectora entre dos estados cualesquera. Se comenzó por el algortmo de Bellman-ord y su versón optmzada a la cual se le ntroduo una modfcacón para reducr la cantdad de estados explorados. Posterormente se analzó otro método de planfcacón de trayectoras propuesto en [3] que tambén usa la programacón dnámca. Todos los algortmos se dscuteron y compararon medante la realzacón de varas smulacones en un entorno estátco. El algortmo de Bellman-ord sn optmzar resultó ser el que más estados exploraba en la búsqueda de la solucón por lo que fue de todos el que más tempo de eecucón consumó. No obstante las solucones encontradas sempre fueron óptmas. El método Kow-Dressen resultó ser un poco más efcente que el de Bellman-ord sn optmzar en cuanto al tempo de eecucón ya que explora menos estados en la búsqueda de la solucón pero las solucones que se encuentran no sempre son óptmas esto depe de la funcón obetvo que se halla usado por cuanto este solo es váldo cuando se use como funcón de costo la dstanca. En todos los casos el método propuesto modfcacón de Bellman-ord Optmzado resultó ser más efcente que los restantes pues su tempo de eecucón sempre fue menor debdo a que exploraba menos estados y sus solucones sempre fueron la óptma para las funcones obetvos utlzadas por cuanto el método garantza su generaldad para cualquer tpo de funcón de costo. REERENIAS 1. BELLMAN R.: Dynamc Programg Prnceton Unversty Press ORMEN THOMAS H.; LEISERSON. E.; RIVEST R. L. Y STEIN.: Introducton to algorthms. Second Edton MIT Press and McGraw- Hll KWOK K.S. Y DRIESSEN B. J. : Path Plannng for omplex Terran Navgaton Va Dynamc Programg n Proceedngs of the Amercan ontrol onference BARRAQUAND JEROME Y ERBAH PIERRE: Path plannng through varatonal dynamc programg Techncal report. Pars Research Laboratory
7 5. SARKAR SAURABH : Path plannng and obstacle avodance n moble robots Msc. thess. Unversty of ncnnat MORENO V. Y AEYELS D.: Mnmzacón del tempo de vuelo de satéltes usando Programacón Dnámca RIAI AUTORES Mael O. Torres Pñero Ingenero en Automátca profesor nstructor Insttuto Superor Poltécnco José Antono Echeverría mael@electrca.cuae.edu.cu. Investga en el área de la robótca móvl. Valery Moreno Vega Ingenero en Máqunas omputadoras máster en Informátca Aplcada Doctor en encas Técncas profesor ttular Insttuto Superor Poltécnco José Antono Echeverría valery@electrca.cuae.edu.cu. Actualmente realza nvestgacones en el área de robótca nformátca aplcada a la automatzacón y en aplcacones para el control utlzando métodos de ntelgenca artfcal. 37
ANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detalles3 LEYES DE DESPLAZAMIENTO
eyes de desplazamento EYES DE DESPAZAMIENTO En el capítulo dos se expone el método de obtencón de las leyes de desplazamento dseñadas por curvas de Bézer para mecansmos leva palpador según el planteamento
Más detallesEspacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta
Espacos de Búsueda en un Árbol Bnaro para Resolver Problemas de Optmzacón Dscreta María Elena Gómez-Torres J. Crspín Zavala-Díaz Marco Antono Cruz- Chávez 3 Insttuto Tecnológco de Zacatepec Calzada Insttuto
Más detallesConsideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir
1. PRINIPIO E TRJOS VIRTULES El prncpo de los trabajos rtuales, en su ertente de desplazamentos rtuales, fue ntroducdo por John ernoull en 1717. La obtencón del msmo dera de la formulacón débl (o ntegral)
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesOPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron
Más detallesTipología de nudos y extremos de barra
Tpología de nudos y extremos de barra Apelldos, nombre Basset Salom, Lusa (lbasset@mes.upv.es) Departamento Centro ecánca de edos Contnuos y Teoría de Estructuras Escuela Técnca Superor de Arqutectura
Más detallesModelado de un Robot Industrial KR-5
RESUMEN Modelado de un Robot Industral KR-5 (1) Eduardo Hernández 1, Samuel Campos 1, Jorge Gudno 1, Janeth A. Alcalá 1 (1) Facultad de Ingenería Electromecánca, Unversdad de Colma, km 2 Carretera Manzanllo-Barra
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detalles6.9 El trazador cúbico
4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detallesIntroducción a Vacío
Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesEn general puede representarse por : Clase 6 3
Encontrar raíces de uncones es uno de los problemas más comunes en ngenería Los métodos numércos para encontrar raíces de uncones son utlzados cuando las técncas analítcas no pueden ser aplcadas. Esto
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesUnidad 2 Representación Algebráica
Undad Representacón lgebráca Gráfcas no drgdas Matrz de Incdenca La matrz de ncdenca de una gráfca G se denota como (G) y se defne como: a, S el vértce v ncde en la línea e n cada columna hay exactamente
Más detallesTRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.
TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesFormulación y Evaluación de Proyectos
Formulacón y Evaluacón de Proyectos Académco Ttular Ingenero vl Industral Dplomado en Elaboracón y Evaluacón de Proyectos Pontfca Unversdad atólca de hle Académco Suplente Ingenero vl Industral Experto
Más detallesSistemas Lineales de Masas-Resortes 2D
Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte
Más detallesPRÁCTICA 5 TRABAJO Y ENERGÍA
Códgo: Versón: 0 Manual de práctcas del Págna 8/4 Laboratoro de Mecánca Seccón ISO 7.3 Epermental 05 de agosto de 0 emsón Secretaría/Dvsón: Dvsón de Cencas Báscas Laboratoro de Mecánca Epermental La mpresón
Más detallesRobótica Tema 4. Modelo Cinemático Directo
UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesPráctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun
Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco
Más detallesUtilizar sumatorias para aproximar el área bajo una curva
Cálculo I: Guía del Estudante Leccón 5 Apromacón del área bajo la curva Leccón 5: Apromacón del área bajo una curva Objetvo: Utlzar sumatoras para apromar el área bajo una curva Referencas: Stewart: Seccón
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesMosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%]
PROBLEMA: EL BODEGUERO Un bodeguero ha tendo una buena cosecha que estma sea de 10000 ltros. El bodeguero ha de decdr qué cantdad de la cosecha dedcarla a hacer mosto, qué cantdad conservarla un año en
Más detallesExamen de Física-1, 1 del Grado en Ingeniería Química Examen final. Septiembre de 2014 Cuestiones (Un punto por cuestión).
Examen de Físca-, del Grado en Ingenería Químca Examen fnal. Septembre de 204 Cuestones (Un punto por cuestón. Cuestón (Prmer parcal: Un satélte de telecomuncacones se mueve con celerdad constante en una
Más detallesPerspectiva inversa para Ray Tracing
erspectva nversa para Ray Tracng efncón de la cámara José ortés areo, Abrl 7 a cámara vrtual suele defnrse en funcón de un conunto de parámetros ntutvos: Observador unto Focal: unto de Mra: stanca Focal:
Más detallesGUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22
DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.
Más detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detalles6 Minimización del riesgo empírico
6 Mnmzacón del resgo empírco Los algortmos de vectores soporte consttuyen una de las nnovacones crucales en la nvestgacón sobre Aprendzaje Computaconal en la década de los 990. Consttuyen la crstalzacón
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más detallesCentro Universitario UAEM Zumpango Ingeniería en Computación. Dr. Arturo Redondo Galván 1
Centro Unverstaro UAEM Zumpango Ingenería en Computacón 1 SEGURIDAD EN REDES UNIDAD III Crptografía y autentcacón Tema: Modos de operacón 2 OBJETIVO: Conocer e mplementar los dferentes modos de operacón
Más detallesNuevos Algoritmos en el Problema de Transporte. UPV. Correo-e: RESUMEN
V Congreso de Ingenería de Organzacón Valladold-Burgos, 4-5 Septembre 003 ƒ Índce Nuevos Algortmos en el Problema de Transporte Francsco López Ruz 1, Germán Arana Landín 1 Doctor Ingenero Industral, Departamento
Más detallesPrincipio del palomar
Prncpo del palomar Juana Contreras S. Claudo del Pno O. Insttuto de Matemátca y Físca Unversdad de Talca Introduccón Cuando se reúnen 367 personas, es seguro que debe haber al menos dos personas que cumplen
Más detallesVISIÓN POR COMPUTADOR
Escuela Poltécnca Superor de Elche VISIÓN POR COMPUTADOR Grado en Electrónca y Automátca Industral PRÁCTICAS TITERE Práctca 4: Segmentacón, Localzacón y Reconocmento de Obetos Departamento de Ingenería
Más detallesMecánica Clásica ( Partículas y Bipartículas )
Mecánca lásca ( Partículas y Bpartículas ) Alejandro A. Torassa Lcenca reatve ommons Atrbucón 3.0 (0) Buenos Ares, Argentna atorassa@gmal.com Resumen Este trabajo consdera la exstenca de bpartículas y
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesTEMA 4. TRABAJO Y ENERGIA.
TMA 4. TRABAJO Y NRGIA. l problema undamental de la Mecánca es descrbr como se moverán los cuerpos s se conocen las uerzas aplcadas sobre él. La orma de hacerlo es aplcando la segunda Ley de Newton, pero
Más detallesEn esta sesión se identificará, definirá y explicarán los diferentes tipos de anualidades tales como las vencidas, anticipadas y diferidas.
Matemátcas 1 Sesón No. 12 Nombre: Tpos de anualdades y amortzacón. Contextualzacón En esta sesón se dentfcará, defnrá y explcarán los dferentes tpos de anualdades tales como las vencdas, antcpadas y dferdas.
Más detallesDISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú
DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.
Más detallesCI63G Planificación de Sistemas de Transporte Público Urbano. Clase 8 Semestre Otoño 2008
CI63G Planfcacón de Sstemas de Transporte Públco Urbano Clase 8 Semestre Otoño 2008 Undades Temátcas 1. La oferta de transporte públco urbano (2 semanas) 2. La demanda por TPU (1,5 sem.) 3. Dseño y optmzacón
Más detallesTallerine: Energías Renovables. Fundamento teórico
Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesCAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO
8 CAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO En esta seccón se descrbe el análss de posconamento y orentacón del robot paralelo: Se resuelve el problema cnemátco nverso en base a métodos
Más detallesCálculo de horarios en empresas de transporte público basados en la carga de pasajeros
VIII Congreso de Ingenería de Organzacón Leganés, 9 y 10 de septembre de 2004 Cálculo de horaros en empresas de transporte públco basados en la carga de pasaeros Jesús Racero Moreno, Marcos Calle Suárez,
Más detallesANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR
1 ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR Dela E. Montalvo Roca 1, Gaudenco Zurta Herrera 1 Ingenera en Estadístca Informátca Drector de Tess. M.Sc. en Matemátcas, Unversty of South
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesGeneración de e Modelos 3D a Partir de e Datos de e Rango de e Vistas Parciales.
Generacón de e Modelos 3D a Partr de e Datos de e Rango de e Vstas Parcales. Santago Salamanca Mño Escuela de Ingenerías Industrales Unversdad de Extremadura (UNED, UCLM, UEX) Introduccón (I) Qué es un
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detalles1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo
EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces
Más detallesDiferenciación Automática Aplicada en Simulación Multicuerpo
Dferencacón Automátca Aplcada en Smulacón Multcuerpo D. Gómez (1), J. García de Jalón (2) (1) SOCOIN Paseo Club Deportvo, 1, Edfco 5,28223, Pozuelo de Alarcón, Madrd, +34-912577051, davdgomezjm@gmal.com
Más detallesElectricidad y calor
Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un
Más detalles50,000 50,000 22,000 22,000. Ahora si calculamos el valor presente del ingreso neto anual con la siguiente fórmula: Sustituimos:
100,000 0,000 0,000 0,000 0,000 0,000 1.- Grúas CBA está consderando comprar una buena grúa para amplar su servco en la cudad. Se le presentan tres modelos dferentes. Usando el método de la TIR, cuál es
Más detallesCátedra Investigación Operativa
Cátedra Investgacón Operatva Prof. Ttular Prof. Adunto JTP JTP Dr. Ing. Jorge E. Núñez Mc Leod Ing. Horaco Day Ing. Roberto Martín (lcenca) Ing. Romna Calvo Olvares Clases: Aula: Vernes 9:-: hs. Teórco-práctcos
Más detallesApellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem
4º IIND Métodos Matemátcos 5 de septembre de 00 Apelldos y nombre: PROBLEMA (4 puntos) Una empresa tene puntos de venta stuados sobre una ruta que, a efectos de planfcacón, puede ser consderada como una
Más detallesElectricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones
Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un
Más detallesIntroducción a la Optimización Multiobjetivo
Introduccón a la Optmzacón Multobjetvo Optmzacón Multobjetvo (MOP) Práctcamente en cualquer área y en una varedad de contetos se presentan problemas con múltples objetvos que se contraponen entre sí A
Más detallesCAPÍTULO IV. IV.1 Correlación de los resultados experimentales
CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la
Más detalles7.5. FUNCIONES EN LINEA, MACROS CON ARGUMENTOS
226 Programacón en C. Metodología, algortmos y estructura de datos - La Tabla 7. muestra un resumen del comportamento de los dferentes tpos de parámetros. Tabla 7.. Paso de parámetros en C. Parámetro especfcado
Más detallesIngeniería Económica y Análisis Financiero Finanzas y Negocios Internacionales Parcial 3 Diciembre 10 de Nombre Código.
Ingenería Económca y Análss Fnancero Fnanzas y Negocos Internaconales Parcal 3 Dcembre 0 de 20 Nombre Códgo Profesor: Escrba el nombre de sus compañeros Al frente Izquerda Atrás Derecha Se puede consultar
Más detallesCapítulo 2.2: Redes Neuronales Artificiales
Capítulo 2.2: Redes euronales Artfcales captulo22 4-3-05 Págna de 3 . eurona natural Hemos vsto que una neurona en el hombre funcona por mpulsos eléctrcos que se generan cuando se cumplen unas determnadas
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesUN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON LA HEURÍSTICA R: UN CASO DE ESTUDIO
Scenta et Technca Año XIII, No 37, Dcembre de 2007. Unversdad Tecnológca de Perera. ISSN 0122-1701 407 UN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON HEURÍSTICA R: UN CASO DE ESTUDIO A
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesALGORITMO SATSA DE DOS PASOS PARA JSSP.
ALGORITMO SATSA DE DOS PASOS PARA JSSP. AUTORES Marco Antono Cruz Chávez 00334858@academ01.mor.tesm.mx Arnulfo Martínez Perete 00371320@academ01.mor.tesm.mx Novembre del 2000 MATERIA ANÁLISIS DE ALGORITMOS
Más detallesMétodos cuantitativos de análisis gráfico
Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos
Más detallesECUACIONES DIFERENCIALES Problemas de Valor Inicial
DIVISIÓN DE IENIAS FÍSIAS Y MATEMÁTIAS DTO. TERMODINÁMIA Y FENÓMENOS DE TRANSFERENIA MÉTODOS AROXIMADOS EN ING. QUÍMIA TF-33 EUAIONES DIFERENIALES roblemas de Valor Incal Esta guía fue elaborada por: rof.
Más detallesIMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1
IMPEMEACIÓ PRÁCICA DE U BACO DE FIROS UIFORME En este tpo de bancos, la forma de la respuesta espectral de cada uno de los fltros es la msma, y su frecuenca central se raparte de manera unforme en el espectro:
Más detalles3.1. Características del comportamiento estratégico Características del comportamiento estratégico
3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estrategas posbles para cada
Más detallesSolución de problemas no lineales con restricciones usando DIRECT y una función Lagrangeana aumentada
Solucón de problemas no lneales con restrccones usando DIRECT y una funcón Lagrangeana aumentada Vanesa Fuertes Ibán Unversdade do Mnho vanesa211@hotmal.com Ana Mara A. C. Rocha Dep. Produção e Sstemas
Más detallesPista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador.
ITM, Insttucón unverstara Guía de Laboratoro de Físca Mecánca Práctca : Colsones en una dmensón Implementos Psta curva, soporte vertcal, cnta métrca, eseras metálcas, plomada, dspostvo óptco dgtal, varlla
Más detallesAplicación de curvas residuo y de permeato a sistemas batch y en continuo
Aplcacón de curvas resduo de permeato a sstemas batch en contnuo Alan Dder érez Ávla En el presente trabajo se presentara de manera breve como obtener las ecuacones que generan las curvas de resduo, de
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detallesESTÁTICA DEL SÓLIDO RÍGIDO
DSR-1 ESTÁTICA DEL SÓLIDO RÍGIDO DSR-2 ESTÁTICA DEL SÓLIDO RÍGIDO La estátca estuda las condcones bajo las cuales los sstemas mecáncos están en equlbro. Nos referremos úncamente a equlbro de tpo mecánco,
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesA B C D Margen Básico Transmisor Wifi Número de empleados
PROBLEMA: TELEVISIÓN DIGITAL Una empresa de fabrcacón de aparatos electróncos está vendo la posbldad de lanzar al mercado decodfcacodres que permtan a los televsores analógcos vsualzar la señal de la televsón
Más detallesProf. Dr. Paul Bustamante
Carnet: Nombre: Practca Calfcada de C++ Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Practca Calfcada - Programacón en C++ Pág. 1 ÍNDICE ÍNDICE... 1 1. Introduccón... 1 1.1 Ejercco
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesEl diodo Semiconductor
El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por
Más detallesUnidad Nº III Unidad Aritmética-Lógica
Insttuto Unverstaro Poltécnco Santago Marño Undad Nº III Undad Artmétca-Lógca Undad Artmétca-Lógca Es la parte del computador que realza realmente las operacones artmétcas y lógcas con los datos. El resto
Más detalles16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales
16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la
Más detallesMETODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil
CATEDRA 0 6 Facultad de Ingenería de Mnas, Geología Cvl Departamento académco de ngenería de mnas cvl METODOS NUMERICOS Ingenería Cvl ING.CRISTIANCASTROP. Captulo VI Sstema de Ecuacones Algebracas No Lneales
Más detallesMETODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil
ING.CRISTIANCASTROP. CATEDRA 0 6 Facultad de Ingenería de Mnas, Geología Cvl Departamento académco de ngenería de mnas cvl METODOS NUMERICOS Ingenería Cvl ING.CRISTIANCASTROP. Captulo VI Sstema de Ecuacones
Más detalles