1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza

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

Download "1,2,,n, se puede asociar otra función sobre el conjunto de medidas probabilísticas. i f i P E f p i f i. Además, ˆP, el dominio de la esperanza"

Transcripción

1 El Método de Relajacó Aplcado a Optzacó de Ssteas Dscretos F. Szget, J. Cardllo, J. C. Heet y J. L. Calet Uersdad de Los Ades Departaeto de Ssteas de Cotrol, Mérda Veezela Laboratore d Aalyse et d Archtectre des Systees, LAAS-CNRS, Tolose -Fraca Rese: E el sgete trabajo se estra el étodo de relajacó, aplcado e la optzacó de a fala partclar de ssteas dscretos. Así, a codcó para la correspodeca etre el ío del problea orgal y del problea relajado se tradce e codcó eqalete al prcpo de ío. Ejeplos lstratos estra la técca y la codcó ecotrada. 1. Itrodccó La técca de relajacó se pede descrbr de aera seclla para la zacó de a fcó sobre doo fto: f : 1,2,,. A cada fcó sobre el doo Z 1,2,,, se pede asocar otra fcó sobre el cojto de eddas probablístcas de la sgete aera: ˆP P p : 0 p, 1,2,,; p 1, P f P E f p f. Adeás, ˆP, el doo de la esperaza ateátca, es a extesó atral del doo edda probablístca defda por: 1 P 0,,0,1,0,0, es decr, p Es fácl er qe el ío global del problea o leal cocde e 0 P 0. 1 Z. E efecto, a cada j 1, j=, 0, j. Z se pede asocar la f y el ío de la fcó leal Z A la extesó de a fcó o leal a a fcó leal tlzado la técca presetada se le deoa el étodo de relajacó. Para ssteas de cotrol clásco, ya e los años 60 J. Warga y otros tlzaro la técca de relajacó. Crosaete e los últos años ha resrgdo el so de la técca, pero e otro cotexto. Así, e ez del so de la optzacó cobatora se propoe resoler los probleas relajados, co el f de dsr la coplejdad coptacoal. E [JW62], [JW162] se aalza la eqaleca etre el problea orgal y el problea relajado. E este trabajo, plateaos el problea de relajacó e el cotexto de la optzacó de a clase de procesos a eetos dscretos (ssteas a eetos dscretos) eqpados co fcoes de costo cócaas y coexas. El prero, geércaete, sepre garatza qe la eqaleca etre el problea orgal y el problea relajado es dada esecalete co a codcó de prcpo de ío. Metras qe el segdo, es cosececa del teorea de separacó para cojtos coexos; garatzado la eqaleca etre el problea orgal y el relajado por a codcó de prcpo de ío. 2. El problea de optzacó de procesos a eetos dscretos (Sstea a Eetos Dscretos) Cosdereos el sgete problea de optzacó x k 1 A k x k b k, x 0 0 (2.1)

2 dode A : 1,1, b : 1,1, so fcoes de doo fto, defdo sobre el cojto 1,1 de los értces del hpercbo de desó. A la sececa 0, 1,, K 1 se le deoa cotroles (decsoes). La trayectora asocada al cotrol es la sececa x 0,x 1,,x K, calclada por (2.1). La fcó de costo es defda por Ahora, el objeto es hallar a sececa correspodete x 0, x 1,,x K, se cpla: para todo 0, 1,, K 1. :, coo J x, x K. 0, 1,, K 1, tal qe, para la trayectora J x, x K x K J x,, El prcpo de ío es a codcó ecesara para el cotrol ópto 0, 1,, K 1. Para acarlo ecestaos el cocepto de trayectora arada x, 0, x, 1,,x, K y la trayectora dal, 1,, 2,,, K : dode x, k x k, k, x, 1 A x b, x k 1 A k x k b k, k> y,, T,,,, k A k k 1, K R x K ;x K, k>,, 1, 0 R x K ;x K grad x K t x K x K dt. Etoces el crtero de optaldad es la desgaldad:, 1, A x b 1,A x b,, para todo y. (léase prcpo de ío sobre doos ftos [JC03]). Aqí la relajacó se defe e la dáca para, y edda de probabldad P p, la sgete aera. La trayectora x 0,x 1,, x K, se defe por: 1,1 ; de x k x k, k, x 1 p A x k b, x k 1 A k x k b k, k>. El problea de relajacó cosste e poder obteer a codcó tal qe: se cpla. x K x K x k 0,1, K ˆ K k 1,1 P P

3 3. Resltados Epeceos esta seccó dado algas obseracoes y leas ecesaros para los prcpales resltados qe obtos. Obsereos, qe s P P, es decr etoces x k,x, k. La trayectora dal correspodete, e este caso, se defe coo: Lea 1: S T k A k k 1, K R x K ;x K 0 cx, co x 1, x 0, etoces 0 c. p 1, =, 0,, Preba Por el absrdo, spogaos qe c 0, etoces, dado qe x 0 1 =, 0 0, 0 etoces 0 cx0 c 0 <0, es a cotradccó. Lea 2: S x k es la trayectora del -eso problea relajado por P p y x, solcó del problea pertrbado e el paso por, etoces k es la x k p x k, k=+1,,k. (3.1), Preba Por defcó y x, 1 A x b, x 1 p A x b p x, 1, etoces (3.1)es áldo para +1. Spoedo por dccó ateátca qe (3.1) es áldo para k, etoces para k+1, x k 1 A k x k b k P A k p x k b k p A k x k b k p x k 1. Teorea 1: S es cócaa, es decr, s para todo, 0, 1, co x y x y, x, y, se cple qe

4 etoces el problea relajado y el problea orgal tee el so ío. Es decr, s 0, 1,, K 1, es el cotrol ópto, etoces, para cada fjo, el -eso problea relajado tee el ío e P, defdo por Preba Prero deostrareos la galdad x K, ˆ P P p 1 =, 0. x K x K p 1, A x b A x b x K x K R x K ;x K x K x K K,x K x K K, A K 1 x K 1 b K 1 A K 1 x K 1 b K 1 T A K 1 K,x K 1 x K 1 K 1,x K 1 x K 1 1,x x 1 1 1, p A x b A x b p 1, A x b A x b. (3.2) Ahora spogaos qe el -eso problea relajado tee ópto e P y por la fórla deostrada aterorete 0 x K x K,. Etoces 0 p 1, A x b A x b para todo P, así coo tabé para P P y P, 1 1. Por el Lea 1, se tee 1,A x b 1,A x b (3.3) sedo (3.3) el prcpo de ío, s ecesdad de sar la cocadad o coexdad de. Ahora, spogaos qe el prcpo de ío se cple. Para a edda de probabldad P p, ltplqeos la desgaldad (3.3) por p() y seos para todo 1,1. Etoces 0 p 1, A x b A x b

5 p 1,x 1 x 1 p p K,x K x K x K x K p x K p x K x K x K, por lo qe el ío del problea relajado es alcazado e P etre el problea orgal y el relajado.. Qedado deostrada la eqaleca 4. Ejeplos 4.1. Ejeplo 1 Cosdere el sgete sstea leal e x k, co fcó de costo leal x k 1 A k x k b k, x 0 x K,x K. La aplcacó leal,x K es cócaa (tabé pede ser coexa) por lo cal co el teorea ateror el problea orgal y el problea relajado tee el so ío. Adeás las ecacoes dales so las sas ya qe la codcó cal K, es depedete de la pertrbacó o de la relajacó. Por lo cal e este caso el prcpo de ío es de la fora clásca 1,A x b 1,A x b, por lo qe e la fora Haltoaa os da H x,, 1 H x,, 1. Nota: el Haltoao es defdo coo H x,,,a x b Ejeplo 2 Cosdere el so sstea leal ateror x k 1 A k x k b k, x 0, co fcó de costo cadrátca de la fora x K Qx K,x K, y las sas cosderacoes tato para el sstea pertrbado coo para el relajado. Etoces x K x K p 1, A x b A x b. (4.1)

6 Spogaos qe es tal qe S p 1, =, 0,. 0 x K x K, (prcpo de ío), es sae e hperplao tagete qe separa e x K el cerpo coexo x K y es coexo, etoces el x : x x K de los ptos x. K, tabé separa de la cápsla coexa los ptos pto x K p x K. x K,x K, 1,1, es decr el Por lo cal, x K x K, es alor separador. Así 0 x K x K p x K x K, el alor de los dos probleas es eqalete. El desarrollo ateror se descrbe gráfcaete e la sgete fgra. xp K xp K x K Qx,x Qx K, x K Fgra 1: Sgfcado geoétrco de la relajacó 4. Coclsoes La ayoría de los probleas de optzacó dscretos, o escapa al so de étodos de optzacó cobatora, qe e prcpo so sesbles a la coplejdad coptacoal. Así, e este trabajo retoaos la dea del so del étodo relajacó sobre doos ftos codcete a la trasforacó de problea dscretos e la forlacó clásca, la cal proee a ía para resoler el problea de optzacó. Así, aqí para a fala partclar de procesos dscretos coo lo so los procesos leales e el estado eqpados co fcoes de costo cócaas o coexas, obteeos a codcó de eqaleca etre el ópto relajado y el ópto del problea orgal e la fora

7 de prcpo de ío. Para el caso co fcoes de costo leal la codcó obteda es a codcó de prcpo de ío clásca. 5. Referecas [AB00] Ar Beck ad Marc Tebolle, Global Optalty Codto for Qadratc Optzato Proble wth Bar Costrats, SIAM Joral Optzato, ol. 11, º 1, pp , [JC03], Ja Cardllo, Optzacó de Ssteas a Eetos Dscretos, Tess de Doctorado, [JL01] J.B.LASSERRE, A explct exact SDP relaxato for olear 0-1 progras, Rapport LAAS No th Iteratoal Coferece o Iteger Prograg ad Cobatoral Optzato (IPCO'VIII), Utrecht (Pays-Bas), J 2001, Lectre Notes Copter Sceces 2081, Eds. K.Aardal, B.Gerards, 2001, Sprger, ISBN , pp [JL03] J.B.LASSERRE, T.PRIETO RUMEAU SDP VS. LP Relaxatos for the oet approach soe perforace ealato probles, Rapport LAAS N 03125, Mars 2003, 16p. [JW62] J. Warga, Relaxed Varatoal Proble, Joral of Matheatcal Aalyss ad Applcatos, 4, , [JW162] J. Warga, Necessary Codto for M Relaxed Varatoal Proble, Joral of Matheatcal Aalyss ad Applcatos 4, , [JW72] J. Warga, Optal Cotrol of Dfferetal ad Fctoal Eqatos, Acadec Press 1972, Card Nber

8 Ths docet was created wth W2PDF aalable at The regstered erso of W2PDF s for ealato or o-coercal se oly.

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Probabldades y stadístca Cotacó Facltad de Cecas actas y Natrales. Uversdad de Beos Ares Aa M. Baco y lea J. Martíez 4 Ifereca estadístca - stacó tal La estadístca rovee téccas qe erte obteer coclsoes

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

EXPRESIÓN DE INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS DE MEDICIÓN DE ENERGÍA ELÉCTRICA

EXPRESIÓN DE INCERTIDUMBRE EN LA CALIBRACIÓN DE EQUIPOS DE MEDICIÓN DE ENERGÍA ELÉCTRICA Ig. Álvaro Zpaqrá Traa Ig. Gerardo Porras Reda Laboratoro de Poteca y Eergía Spertedeca de Idstra y Comerco 0. INTRODUCCIÓN Cado se expresa el resltado de medcó e a magtd, es coveete y a veces oblgatoro,

Más detalles

El Amplificador Operacional de Tensiones

El Amplificador Operacional de Tensiones El Aplfcador Operacoal de Tesoes El Aplfcador Operacoal de Tesoes. Itroduccó 2. El Aplfcador Operacoal Ideal de Tesoes 3. Nodealdades e el Opap 4. Crcutos co ealetacó Postva. Itroduccó.. El problea de

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

Más detalles

Inferencia estadística - Estimación puntual

Inferencia estadística - Estimación puntual Iereca estadístca - stacó ptal a estadístca provee téccas qe perte obteer coclsoes geerales a partr de cojto ltado pero represetatvo de datos. Cado eros o teeos garatía de qe la coclsó qe obteeos sea eactaete

Más detalles

10. Optimización no lineal

10. Optimización no lineal 0. Optzcó o lel Coceptos báscos Prcpos y teores pr l búsqued de óptos lobles Optzcó s restrccoes e desó Optzcó s restrccoes e desó > Modelos co restrccoes de uldd Codcoes de uh-tucker Alortos uércos báscos

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO.

UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A LABORATORIO DE FÍSICA I/11. PRÁCTICA No. 2 ANÁLISIS GRÁFICO. Pága de 5 NÚCLEO UNIVERSITARIO RAFAEL RANGEL UNIVERSIDAD DE LOS ANDES T R U J I L L O - V E N E Z U E L A ÁREA DE FÍSICA LABORATORIO DE FÍSICA LABORATORIO DE FÍSICA I/ PRÁCTICA No ANÁLISIS GRÁFICO OBJETIVO

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

1. Propiedades molares y propiedades molares parciales

1. Propiedades molares y propiedades molares parciales erodáca. ea 9 Ssteas abertos y ssteas cerrados de coposcó varable. ropedades olares y propedades olares parcales Ua agtud olar se dee coo: Sepre está asocada a u sstea terodáco de u úco copoete (sstea

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

PRACTICAS AMPLIACION DE ANALISIS NUMERICO FACULTAD DE INFORMATICA

PRACTICAS AMPLIACION DE ANALISIS NUMERICO FACULTAD DE INFORMATICA PRACICAS AMPLIACION DE ANALISIS NUMERICO FACULAD DE INFORMAICA Práctca. Lbrerías para maear mágees. Coger de la pága web de la asgatra las lbreras ttp://serds.ds.lpgc.es/~lalvarez/teacg/aa/am_bmp. y ttp://serds.ds.lpgc.es/~lalvarez/teacg/aa/am..

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu

Tema 5: Equilibrio General Parte III OWC Economía para Matemáticos. Fernando Perera Tallo ttp://bit.ly/8l8ddu y Tea 5: Equlbro Geeral Parte III OWC Ecooía para Mateátcos Ferado Perera Tallo ttp://bt.ly/8l8ddu Esteca de Equlbro Ferado Perera-Tallo A lo largo de esta presetacó os vaos a cocetrar e espacos Eucldos,

Más detalles

( ) = 1 ; f k. u v. uk v. vk u. Diferenciacion e Interpolacion 1/8. Diferenciacion e Interpolacion numerica. Diferencias finitas

( ) = 1 ; f k. u v. uk v. vk u. Diferenciacion e Interpolacion 1/8. Diferenciacion e Interpolacion numerica. Diferencias finitas Derecaco e Iterpolaco /8 Derecaco e Iterpolaco merca. Derecas tas Dadas las abscsas X ormemete espacadas X X h, a las qe correspode alores de co (): (X) se dee las prmeras derecas tas ( Haca delate ) como:

Más detalles

Espacios Afín y Euclídeo Resumen ESPACIOS AFÍN Y EUCLÍDEO

Espacios Afín y Euclídeo Resumen ESPACIOS AFÍN Y EUCLÍDEO ESACIOS AFÍN Y EUCLÍDEO Nota: Los pocedimietos expestos o so los úicos qe eselve los poblemas Defiició El espacio afí so los ptos coexistiedo jto al espacio vectoial V, co sistema de efeecia ( pto fijo

Más detalles

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =

OPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A = IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)

Más detalles

REDES DE BASE RADIAL. 1. Funciones de Base Radial.

REDES DE BASE RADIAL. 1. Funciones de Base Radial. Tema 5: Redes de Base Radal Sstemas Coexostas 1 REDES DE BASE RADIAL 1. Fcoes de Base Radal. 2. Dervacó del Modelo Neroal. 2.1. Arqtectra de a RBFN 2.2. Fcoaldad. 2.3. Carácter Local de a RBFN. 3. Etreameto.

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA.

DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. Saber, Uversdad de Orete, Veeuela.Vol. 2. Nº 2: 44-49. (2000) DISEÑO ÓPTIMO DE DIAGRAMAS EWMA. NELSON BRACHO Departaeto de Estadístca Uversdad de Orete. RESUMEN E este artículo se descrbe el esquea de

Más detalles

Tema 2: El modelo básico de regresión lineal múltiple (I)

Tema 2: El modelo básico de regresión lineal múltiple (I) Tema : l modelo básco de regresó leal múltple I Casaldad la ocó de cetrs parbs e el aálss ecoométrco Repaso del cocepto de regresó smple: Recta de regresó poblacoal p verss recta de regresó estmada Motvacó

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

Práctica número 12. Capacitor, resistor e inductor equivalentes

Práctica número 12. Capacitor, resistor e inductor equivalentes Práctca úmero 2 Capactor, resstor e ductor equvaletes Lab. de Prcpos de Termodámca y Electromagetsmo Objetvos a) Idetfcar el fucoameto de u resstor e los crcutos eléctrcos y obteer el resstor equvalete

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica

Selección de portafolios de mínima varianza cuando están expuestos a diversos factores de riesgo: nota técnica Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca 7 Seleccó de portafolos de ía varaza cuado está expuestos a dversos factores de resgo: ota técca Fracsco López

Más detalles

REVISTA INVESTIGACIÓN OPERACIONAL Vol., 31, No. 1, 61-69, 2010

REVISTA INVESTIGACIÓN OPERACIONAL Vol., 31, No. 1, 61-69, 2010 REVISTA INVESTIGACIÓN OPERACIONAL Vol., 3, No., 6-69, 200 UN SISTEMA DE SOPORTE A LA DECISIÓN PARA LA ASIGNACIÓN DE RECURSOS HUMANOS A EQUIPOS DE PROYECTOS DE SOFTWARE Margarta Adré Apero * y María Glara

Más detalles

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS José Atoo Ordaz Saz María del Carme Melgar Hraldo Carme María Rbo Castaño Departameto de Ecoomía, Métodos Cattatvos e Hstora Ecoómca Uversdad

Más detalles

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS

MÉTODOS ESTADÍSTICOS Y ECONOMÉTRICOS EN LA EMPRESA Y PARA FINANZAS MÉTODOS ESTADÍSTICOS ECONOMÉTRICOS EN LA EMPRESA PARA FINANZAS José Atoo Ordaz Saz María del Carme Melgar Hraldo Carme María Rbo Castaño Departameto de Ecoomía, Métodos Cattatvos e Hstora Ecoómca Uversdad

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio

Método de semivarianza y varianza para la selección de un portafolio óptimo. Semivariance and variance method for selecting an optimal portfolio Método de sevaraza y varaza para la seleccó de u portaolo ópto Sevarace ad varace ethod or selectg a optal portolo Lzbeth María de Jesús Urbe, Mguel Ágel Martíez Daá, Gustavo aírez Valverde ESUMEN E los

Más detalles

ESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA

ESTIMACIÓN DE VARIANZAS Y PROPORCIONES POBLACIONALES MEDIANTE INTERVALOS DE CONFIANZA UNP-Facultad de Igeiería Carreras: Ig. Electróica y Electricista CAPÍTUO 6 ESTIMACIÓN DE VARIANZAS PROPORCIONES POBACIONAES MEDIANTE INTERVAOS DE CONFIANZA 6.1 Itervalo de cofiaza ara la variaza de ua

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

- Función Polinómica f es toda función de dominio el conjunto de los números reales, tal que la imagen de cada número real x es:

- Función Polinómica f es toda función de dominio el conjunto de los números reales, tal que la imagen de cada número real x es: POLINOMIOS Defcó: Fucó Polóc - Fucó Polóc f es tod fucó de doo el cojuto de los úeros reles, tl que l ge de cd úero rel es: f = + + + + +, dode,,,,, so ueros reles y es turl Defcó: Poloo - Poloo de vrble

Más detalles

45 EJERCICIOS de POLINOMIOS 4º ESO opc. B

45 EJERCICIOS de POLINOMIOS 4º ESO opc. B EJERCICIOS de POLINOMIOS º ESO opc. B 1. Calcular el valor numérico del polinomio P(x) para el valor de x indicado: a) P(x)x +1, para x1 b) P(x)x +1, para x-1 c) P(x)x +x+, para x d) P(x)-x -x-, para x-

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

En consecuencia: Z=f(x,y)=f[ x(t) ; y(t) ]= F(t) (1) que resulta en definitiva una función de la variable t.la llamaremos Función Compuesta de t.

En consecuencia: Z=f(x,y)=f[ x(t) ; y(t) ]= F(t) (1) que resulta en definitiva una función de la variable t.la llamaremos Función Compuesta de t. TEMA 4 (Últma mocacó 8-7-05) CALCULO DIFERENCIAL E INTEGRAL II FUNCIONES COMPUESTAS DE UNA VARIABLE INDEPENDIENTE. Coseramos e prmer térmo a có e os arables Z=(;) spogamos, aemás qe é o so arables epeetes,

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Resumen: Límites de funciones. Asíntotas

Resumen: Límites de funciones. Asíntotas Resue: Líites de ucioes. Asítots epre que se pued sustituir probles e l epreó de Los csos e los que o se pued sustituir es: k cudo tegos Es ideterido el go del y depede de l regl de los gos. Ejeplos: *?

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Núeros Coplejos PREGUNTAS MÁS FRECUENTES. Qué es la udad agara? Es u eleeto del que cooceos úcaete su cuadrado:.obvaete, o se trata de u úero real.. Qué es u úero coplejo? Es

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

OPERACIONES CON POLINOMIOS.

OPERACIONES CON POLINOMIOS. OPERACIONES CON POLINOMIOS. EXPRESIONES ALGEBRAICAS. Ua epresió ateática que usa úeros o variables o abos para idicar productos o cocietes es u tério. Los térios,, (ab), so todos epresioes algebraicas.

Más detalles

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA

MATEMÁTICAS 4º ESO. TEMA 2: COMBINATORIA Fracscaos T.O.R. Cód. 87 MATEMÁTICAS º ESO. TEMA : COMBINATORIA.. La regla de la sua el producto.. Varacoes s repetcó.. Varacoes co repetcó.. Perutacoes s repetcó.. Cobacoes s repetcó.. Núeros cobatoros.7.

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

ANEXO D. Cálculo del cortante basal

ANEXO D. Cálculo del cortante basal Cálculo del cortate basal CÁLCULO DEL CORANE BASAL El cálculo del cortate basal perte deterar la fuerza lateral total coo cosecueca de las fuerzas erca que se duce a u sstea de N rados de lbertad, dstrbuyédolo

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

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor

GENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor GNRCIÓN TRMOLÉCTRIC. Cálculo de la toa de las extraccoes de u cclo de apor ISML PRITO ÍNDIC D MTRIS CÁLCULO D LOS PUNTOS D TOM D LS XTRCCIONS PR QU L MJOR DL RNDIMINTO DL CICLO RGNRTIVO S MÁXIM. MJOR N

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

11. Optimización no lineal con restricciones

11. Optimización no lineal con restricciones . Optzacó o leal co restrccoes. Optzacó o leal co restrccoes Prcpos y teoreas para la búsqueda de óptos lobales Modelos co restrccoes de ualdad Codcoes de uh-tucker Alortos uércos báscos Prcpos y teoreas

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

5. ANALISIS DE COLUMNAS DE ABSORCION

5. ANALISIS DE COLUMNAS DE ABSORCION 55 5. AALISIS DE COLUMAS DE ABSORCIO Se cosdera como a dad compleja la qe se etede costtda por cojto de dades smples, por ejemplo, a colma de absorcó o destlacó. La separacó qe se propoe e a de ellas se

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x) APROXIMACIÓN DISCRETA DE MÍNIMOS CUADRADOS Las leyes físcas que rge el feómeo que se estuda e forma expermetal os proporcoa formacó mportate que debemos cosderar para propoer la forma de la fucó φ ( x)

Más detalles

0(=&/$6*$6(26$6. i = (3)

0(=&/$6*$6(26$6. i = (3) 0(&/$6$6(26$6,1752'8&&,21 E la erodáca, para poder realzar aál de prera eguda le, e ecearo coocer la propedade terodáca de la utaca de trabajo, coo o, por ejeplo, la eergía tera, la etalpía la etropía.

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

El modelo insumo-producto supone que los insumos para elaborar

El modelo insumo-producto supone que los insumos para elaborar MATRICES INSUMO-PRODUCTO Y ANÁLISIS DE MULTIPLICADORES: UNA APLICACIÓN PARA COLOMBIA Gstavo Herádez* El modelo smo-prodcto spoe qe los smos para elaborar prodcto se relacoa coforme a a fcó de costos leal,

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

INTEGRAL INDEFINIDA. Hemos estudiado la derivada de una función. Ahora vamos a determinar una función F(x) conociendo su derivada.

INTEGRAL INDEFINIDA. Hemos estudiado la derivada de una función. Ahora vamos a determinar una función F(x) conociendo su derivada. 1. INTEGRAL INDEFINIDA INTEGRAL INDEFINIDA Hemos estudiado la derivada de una función. Ahora vamos a determinar una función F(x) conociendo su derivada. Ejm: La función F x = x es una primitiva de f x

Más detalles

Linealización Monovariable

Linealización Monovariable Capítulo : Descrpcó y represetacó de los ssteas cotuos Sstea: dvsó e subssteas o bloques FDT & dagraa a bloques Obetvos Lealzacó del sstea FDT Dagraas a bloques Ssteas realetados Álgebra de bloques Lealzacó

Más detalles

Espacios con producto interior

Espacios con producto interior Espacos co producto teror [Versó prelmar] Prof. Isabel Arrata Z. Algebra Leal E esta udad, todos los espacos ectorales será reales Sea V u espaco ectoral sobre. U producto teror (p..) e V es ua fucó

Más detalles

Una magnitud física es todo aquello que se puede medir: masa, volumen, temperatura, velocidad...

Una magnitud física es todo aquello que se puede medir: masa, volumen, temperatura, velocidad... Fdmetos Teoís Físcs TS Aqtect.. CÁLCUL VCTIAL... INTDUCCIÓN L ecác es l pte de l Físc qe estd el eqlbo el mometo de los cepos. Se dde e Cemátc qe se ocp del mometo de los cepos depedetemete de ls fes qe

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

Estimación de Incertidumbres y presentación de resultados

Estimación de Incertidumbres y presentación de resultados 4/0/05 Estacó de Icertdbres y presetacó de resltados Práctcas de Físca I y Físca II epartaeto de Físca Aplcada I Escela Poltécca Speror Coceptos prevos Matd: Propedad de feóeo, cerpo o sstaca qe pede epresarse

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

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT

3. Estequiometría. Transformaciones químicas. Andrés s Cedillo, AT Trasforacoes quícas Adrés s Cedllo, AT-50 cedllo@xau.ua.x www.fqt.zt.ua.x/cedllo 3. Estequoetría 3.1. Masa atóca 3.. El cocepto de ol 3.3. Relacoes e fórulas f quícas 3.4. Relacoes e reaccoes quícas Cap.

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Teoría de Juegos Aplicada a Problemas de Bancarrota

Teoría de Juegos Aplicada a Problemas de Bancarrota Teoría de Juegos Aplcada a Problemas de Bacarrota Dra. Flor María Guerrero Casas Dr. Mguel Ágel Hojosa Ramos Fracsca Jesús Sáchez Sáchez Departameto de Ecoomía y Empresa. Uversdad Pablo de Olavde. Ctra.

Más detalles

VECTORES. Copia en un papel cuadriculado los cuatro vectores siguientes:

VECTORES. Copia en un papel cuadriculado los cuatro vectores siguientes: a c VECTORES Página REFLEXIONA Y RESUELVE Mltiplica vectores por números Copia en n papel cadriclado los catro vectores sigientes: d Representa: a a c Expresa el vector d como prodcto de no de los vectores

Más detalles

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora

Más detalles

EXTENSIÓN DEL METODO ONE-LEG MULTISTEP CON ESTABILIDAD MARGINAL

EXTENSIÓN DEL METODO ONE-LEG MULTISTEP CON ESTABILIDAD MARGINAL Mecáca Coputacoal Vol XXVIII, págs. 235-2364 (artículo copleto) Crsta García Bauza, Pablo Lotto, Lsadro Parete, Marcelo Véere (Eds.) Tadl, Argeta, 3-6 Novebre 29 EXTENSIÓN DEL METODO ONE-LEG MULTISTEP

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

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

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