315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

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

Download "315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA"

Transcripción

1 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 APLICACIÓN: /5/8; MOD. I, UND., OJ. CRITERIO DE DOMINIO / - Formulacón del PPL Varables de decsón: x j : undades de producto tamaño, elaborados en la planta j, ( (grande), 2 (medano), 3 ( pequeño) ), (j, 2, 3 ) PPL: Maxmzar z 42 3 j 3 x + 36 x + 4 j j 2 j 3 j x 3 j Sujeto a : x + x 2 + x 3. x 2 + x 22 + x 32.2 x 3 + x 23 + x 33 8 Capacdad de produccón de plantas x + x 2 + x 3 5. x 2 + x 22 + x x 3 + x 23 + x 33. Capacdad de almacenamento de las plantas x + x 2 + x 3 4 x 2 + x 22 + x 23.2 x 3 + x 32 + x Demanda x j (, 2, 3; j,2, 3)

2 35 M/R Versón Integral 2/ 28/ Crtero de correccón: Se logra el objetvo s se formula un modelo de PL equvalente al mostrado. Es oblgatoro defnr las varables de decsón y sus undades. MOD. I, UND. 2, OJ. 2 CRITERIO DE DOMINIO / 2- Método Gráfco Maxmzar z 2x + x 2 Sujeto a: x + x 2 3/2 x + 2 x 2 3 x, x 2 Problema no tene solucón factble

3 35 M/R Versón Integral 3/ 28/ Crtero de correccón: Se logra el objetvo s se aplca correctamente el Método Gráfco, se representa correctamente la regón factble y se determna que es nfactble y por lo tanto no tene solucón. MOD. II, UND. 3, OJ. 3 CRITERIO DE DOMINIO / 3- Solucones báscas del conjunto de restrccones de un PPL: x + 2 x x 3 2x + 3 x x 3 7 x, x 2, x 3 a) Muestre que el vector (3, 2, ) es una solucón factble para el conjunto de restrccones, pero no básca. Para comprobar que (3, 2, ) es una solucón factble, calculamos: 2 3 x + x2 + x3 en donde x 3 x2 2 x3 Se comprueba que es factble, ya que satsface las restrccones Como: 2 3 c + c2 + c para c c 2 -; c 3 Se comprueba que los vectores columna son lnealmente dependentes (en general tres vectores bdmensonales son lnealmente dependentes). Esto es equvalente a decr que la matrz de los vectores columna no es nvertble. Por ello la solucón no es básca b) Halle una solucón básca factble a partr de ella. Debemos determnar cuál de las varables que consttuyen la solucón debe ser gual a cero. Calculamos: x r / c r mn { x j / c j, c j > } /, corresponde a x 3, lo cual quere decr que x 3 se reduce a, esto garantza la factbldad de la nueva solucón.

4 35 M/R Versón Integral 4/ 28/ Para obtener una nueva SF: calculamos los nuevos valores de las dos prmeras componentes, ya que la tercera es gual a cero: x x c (x r / c r ) 3 (-) () 4 x 2 x 2 c 2 (x r / c r ) 2 (-) () 3 x 3 Nueva SF: 4 3 Crtero de correccón: Se logra el objetvo s se obtene el msmo resultado basado en la aplcacón de los fundamentos del Método Smplex. MOD. II, UND.4, OJ. 4 CRITERIO DE DOMINIO / 4- Análss de sensbldad: Maxmzar z 3x + x 2 + 3x 3 sujeto a: 2 x + x 2 + x 3 2 x - 2x x 3 5 -x + 3x 2-2 x 3 x, x 2,x 3 Tabla óptma: x x 2 x 3 x 4 x 5 x 6 b x x x

5 35 M/R Versón Integral 5/ 28/ b 2 5 camba b 2 3. Calculamos ~ b ~ 2 2 b z nuevo Como la nueva solucón no es factble, no se mantene óptma la base actual, por lo tanto habría que emplear el Método Dual Smplex para obtener una nueva solucón óptma. Crtero de correccón: Se logra el objetvo s obtene la msma conclusón, empleando argumentos propos del Análss de Sensbldad. MOD. II, UND. 5, OJ. 5 CRITERIO DE DOMINIO / 5- MSR Maxmzar z 2x + x 2-2x 3 Sujeto a 2x + 4x 2 + 3x 3 6 x - 8x 2 + 4x 3 2 x + 5x 2-2x 3 4 x, x 2, x 3 Se agregan varables de holgura a cada restrccón (x 4, x 5, x 6 ) Iteracón : Conjunto básco: {x 4, x 5, x 6 } Conjunto no básco: {x, x 2, x 3 }

6 35 M/R Versón Integral 6/ 28/ b x z a y y c z ; z j c j c - a j - c j Seleccón de la varable entrante (entre las no báscas) z c -2 ; z 2 c 2 - ; z 3 c 3 2 Varable entrante: x Seleccón de la varable salente: mn { 6 /2; 2/,4/ } 2 Varable salente: x 5 Iteracón 2: Conjunto básco: { x 4, x, x 6 } Conjunto no básco: { x 2, x 3, x 5 } b x z c x 4 Seleccón de la varable entrante: a y y c z ; y ; y ; 2 5 y ; z -6 ; z 3 8 ; z 5 2

7 35 M/R Versón Integral 7/ 28/ z 2 c ; z 3 c 3 8 (-2) ; z 5 c Varable entrante: x 2 La solucón actual NO ES ÓPTIMA ya que z 2 c 2 <. Seleccón de la varable salente: mn {2/2, -,2/ 3} Varable salente: x 4 Se debe contnuar aplcando el método hasta obtener una solucón óptma. Crtero de correccón: Se logra el objetvo s se aplca correctamente el MSR, obtenendo en cada teracón lo solctado (dos teracones). No se aceptan operacones con la forma tabular. MOD. II, UND. 6, OJ. 6 CRITERIO DE DOMINIO / 6- Problema de transporte 2 3 A C Como el problema no está balanceado se debe agregar un nodo fctco, resultando: 2 3 A C F

8 35 M/R Versón Integral 8/ 28/ Para hallar una solucón básca factble podemos emplear el Método de la Esquna del Noroeste A C SF: x A ; x 65; x 2 5; x C2 5; x C3 ; quedan 4 undades como capacdad no ocupada. El resto de las varables es gual a cero. Costo: 56 Para obtener una SF mejor que la anteror podemos aplcar el Algortmo de las Pedras de Paso: 2 3 A 5 (-) (+) 7 6 (+) 65 4 ( -) 5 6 C Elegmos una varable no básca que forme un crcuto, verfcamos que la varable no básca x A2 forma un crcuto con las báscas: x A, x y x 2. El mínmo {,5} es, que corresponde al mínmo número de undades que se puede restar para que alguna de las dos varables se haga gual a cero y por ende no básca. Por lo tanto x A sale de la base y entra x A2, así la nueva solucón es: 2 3

9 35 M/R Versón Integral 9/ 28/ A C SF: x A2 ; x 75; x 2 5; x C2 5; x C3 ; quedan 4 undades como capacdad no ocupada. El resto de las varables es gual a cero. Costo: 54 Se observa que es una solucón mejor, ya que dsmnuyó el costo Crtero de correccón: se logra el objetvo s se aplca alguno de los métodos conocdos para obtener una solucón básca factble ncal y luego se mejora, la solucón encontrada aplcando algún método conocdo MOD. III, UND. 7, OJ. 7 CRITERIO DE DOMINIO / 7- Aplcacón del Método Smplex, aplcando técncas para evtar la ocurrenca de cclaje Iteracón : Maxmzar 3x + 2x 2 Sujeto a 4x - x 2 8 4x + 3x 2 2 4x + x 2 8 x, x 2 x 3 x 4 x 5 x x 2 Sol. Z -3-2 x x x x es la canddata a entrar a la base Para determnar la varable que sale de la base:

10 35 M/R Versón Integral / 28/ mn {8/4, 2/4, 8/4} 2 (hay empate) Aplcamos la sguente regla: mn {y /4 ;y 3 /4} mn{/4 ; /4} corresponde a x 6, por lo tanto x 6 sale de la base x 3 x 4 x 5 x x 2 Sol. z -3-2 x x x Iteracón 2: x 3 x 4 x 5 x x 2 Sol. z 3/4-5/4 6 x x x ¼ ¼ 2 La solucón actual no es óptma Entra x 2, para calcular el vector salente se calcula: Mn {4/2;2/ ¼} 2, corresponde a x 5 En la próxma teracón se obtene la solucón óptma: x * 3/2 ; x 2 * 2 y el valor óptmo de la funcón objetvo, z* 7/2 Crtero de correccón: Se logra el objetvo, s se aplca correctamente el Método Smplex empleando los crteros apropados de seleccón de la varable salente de la base. Es oblgatoro especfcar los crteros de seleccón de varables entrantes y salentes de la base. MOD. III, UND. 8, OJ. 8 CRITERIO DE DOMINIO / 8- PLC w- Mz q w, z, w. z

11 35 M/R Versón Integral / 28/ M y 8 2 q Algortmo del Pvote Complementaro para resolver el problema: w w 2 w 3 w 4 z z 2 z 3 z 4 z q w w w w Entra z Sale w w w 2 w 3 w 4 z z 2 z 3 z 4 z q z w w w Entra la varable complementara z. Como todas las entradas de la columna de z son no postvas, entonces el algortmo NO ES CAPAZ DE RESOLVER EL PLC. Crtero de correccón: Se logra el objetvo, s se aplca correctamente el Algortmo del Pvote Complementaro para detectar que no resuelve el PLC. FIN DEL MODELO

315 M de R Versión 1 Segunda Parcial 1/8 Lapso 2008/2

315 M de R Versión 1 Segunda Parcial 1/8 Lapso 2008/2 5 M de R Versón Segunda Parcal /8 Lapso 8/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 5 MOMENTO: Segunda Parcal

Más detalles

315 M/R Versión 1 Segunda Parcial 1/7 Lapso 2009/2

315 M/R Versión 1 Segunda Parcial 1/7 Lapso 2009/2 35 M/R Versón Segunda Parcal /7 UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Segunda Parcal VERSIÓN:

Más detalles

348 -M/R Versión 1 1era. Prueba Parcial 1/6 SEMANA 22 LAPSO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348

348 -M/R Versión 1 1era. Prueba Parcial 1/6 SEMANA 22 LAPSO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348 348 -M/R Versón 1 1era. Prueba Parcal 1/6 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA: INGENIERÍA MODELO DE RESPUESTA CORREGIDO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II CÓDIGO: 348 MOMENTO:

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/13 2009/1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versión Integral /3 29/ UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA (VERSION.2) ASIGNATURA: Investigación de Operaciones I CÓDIGO: 35 MOMENTO: Prueba

Más detalles

TEMA 4. TEORÍA DE LA DUALIDAD.

TEMA 4. TEORÍA DE LA DUALIDAD. Investgacón Operatva TEMA. TEORÍA DE LA DUALIDAD. TEMA. TEORÍA DE LA DUALIDAD..... INTRODUIÓN... ALGORITMO DUAL DEL SIMPLEX.... EJEMPLO.... EJEMPLO.... EJEMPLO... TEORÍA DE LA DUALIDAD.... PROLEMA PRIMAL

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación 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 detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,

Más detalles

FE 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 (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 detalles

3.- Programación por metas.

3.- Programación por metas. Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del

Más detalles

60 EJERCICIOS de NÚMEROS COMPLEJOS

60 EJERCICIOS de NÚMEROS COMPLEJOS 60 EJERCICIOS de NÚMEROS COMPLEJOS. Resolver las sguentes ecuacones en el campo de los números complejos a) x -x+=0 (Soluc ) b) x +=0 (Soluc ) c) x -x+=0 (Soluc ) d) x +x+=0 (Soluc ) e) x -6x +x-6=0 (Soluc,

Más detalles

mn = cx sa Ax» b x Desde que, adconalmente, b La nclusón de las varables de olgura (para transformar las desgualdades en gualdades) sumnstran una base

mn = cx sa Ax» b x Desde que, adconalmente, b La nclusón de las varables de olgura (para transformar las desgualdades en gualdades) sumnstran una base CAPITULO DETERMINACION DE UNA SOLUCION BASICA FACTIBLE INICIAL Y ANALISIS DE CONVERGENCIA DEL METODO SIMPLEX Dscusón sobre una Base Factble Incal Motvacón El método smplex necesta de una SBF ncal para

Más detalles

c = costo unitario de transportar entre el origen i a un destino j x = Cantidad transportada desde el origen i al destino j UNIDAD VI

c = costo unitario de transportar entre el origen i a un destino j x = Cantidad transportada desde el origen i al destino j UNIDAD VI UNIDAD VI VI. ESTRUCTURA Y SOLUCIÓN DE UN MODELO PARA EL SISTEMA DE TRANSPORTE, ASIGNACIÓN Y TRANSBORDO.. Estructura Del modelo de transporte En esta oportundad analzaremos la estructura de tres tpos de

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

4º IEM Gestión de operaciones 25/06/2013 GESTIÓN DE PRODUCTOS FINANCIEROS (3.5 PUNTOS)

4º IEM Gestión de operaciones 25/06/2013 GESTIÓN DE PRODUCTOS FINANCIEROS (3.5 PUNTOS) 4º IEM Gestón de operacones GESTIÓN DE PRODUCTOS FINANCIEROS (3.5 PUNTOS) El gestor de una empresa dspone de un mllón de euros para nvertr durante un año. Analzado el mercado de productos fnanceros consdera

Más detalles

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

Ejercicios Resueltos de NÚMEROS COMPLEJOS

Ejercicios Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Ejerccos Resueltos de NÚMEROS COMPLEJOS Números Complejos. Formas de epresarlos.- Halla las raíces de los sguentes números: 00 Solucón: ± 00 00 ± 0 ± ±.- Representa

Más detalles

Capitalización y descuento simple

Capitalización 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 detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

TRABAJO Nº 5 PSU MATEMÁTICA 2017 NÚMEROS COMPLEJOS Nombre:. Fecha:..

TRABAJO Nº 5 PSU MATEMÁTICA 2017 NÚMEROS COMPLEJOS Nombre:. Fecha:.. GUÍA DE TRABAJO Nº 5 PSU MATEMÁTICA 07 NÚMEROS COMPLEJOS Nombre:. Fecha:.. CONTENIDOS Números complejos, problemas que permten resolver. Undad magnara. Operatora con números complejos. Propedades de los

Más detalles

Ejercicios y problemas (páginas 131/133)

Ejercicios y problemas (páginas 131/133) 7 Calcula el opuesto y el conjugado de los sguentes números complejos, expresándolos en forma polar: a) z b) z (cos 00 sen 00 ) c) z Expresamos en prmer lugar los números complejos en forma Calcula las

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas 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 detalles

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA 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 detalles

Introducción a la Optimización Multiobjetivo

Introducción 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 detalles

Por: Ing César Chilet León

Por: Ing César Chilet León Por: Ing César Chlet eón 1 El flujo de potenca tambén es conocdo tambén como flujo de carga. El flujo de potenca es una herramenta para el análss de redes. En tareas de planfcacón de redes Determnacón

Más detalles

Capitalización y descuento simple

Capitalización 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 detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

CI63G Planificación de Sistemas de Transporte Público Urbano. Clase 8 Semestre Otoño 2008

CI63G 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 detalles

Estadística Unidimensional: SOLUCIONES

Estadística Unidimensional: SOLUCIONES 4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

EJERCICIOS 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. 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 detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para

Más detalles

Nuevos Algoritmos en el Problema de Transporte. UPV. Correo-e: RESUMEN

Nuevos 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 detalles

Cátedra Investigación Operativa

Cátedra 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 detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto

Más detalles

Tema 3. Teoremas de la Teoría de Circuitos

Tema 3. Teoremas de la Teoría de Circuitos Tema 3. Teoremas de la Teoría de Crcutos 3.1 Introduccón 3. Superposcón 3.3 Transformacón de fuentes 3.4 Teorema de Theenn 3.5 Teorema de Norton 3.6 Máxma transferenca de potenca Th Th L nálss de Crcutos

Más detalles

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

Guía de Electrodinámica

Guía de Electrodinámica INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

Determinar el momento de inercia para un cuerpo rígido (de forma arbitraria).

Determinar el momento de inercia para un cuerpo rígido (de forma arbitraria). Unversdad de Sonora Dvsón de Cencas Exactas y Naturales Departamento de Físca Laboratoro de Mecánca II Práctca #3: Cálculo del momento de nerca de un cuerpo rígdo I. Objetvos. Determnar el momento de nerca

Más detalles

ANEXO 24 JUSTIFICACIÓN ECONÓMICA

ANEXO 24 JUSTIFICACIÓN ECONÓMICA ANEXO 24 JUSTIFICACIÓN ECONÓMICA 1 JUSTIFICACION ECONOMICA 1.0 MARCO DE REFERENCIA El plan de Expansón de del Sstema de Transmsón (PEST), tene el objetvo de planfcar la expansón y reposcón del sstema de

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA

Más detalles

El ACB es una herramienta fundamental en el campo de la política ambiental

El ACB es una herramienta fundamental en el campo de la política ambiental Introduccón al análss coste-benefco. El ACB es una herramenta fundamental en el campo de la polítca ambental 1. El ACB: rentabldad fnancera-económca y socal. 2. El Análss Coste Efcenca 3. Técncas de Decsón

Más detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La adopción y uso de las TICs en las Microempresas Chilenas Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas

Más detalles

Tallerine: Energías Renovables. Fundamento teórico

Tallerine: 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 detalles

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades

Más detalles

SISTEMAS DE ECUACIONES DIFERENCIALES

SISTEMAS 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 detalles

16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales

16.21 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 detalles

Bloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos

Bloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos Bloque Análss de crcutos almentados en corrente contnua Teoría de Crcutos . Métodos sstemátcos de resolucón de crcutos : Método de mallas Métodos sstemátcos de resolucón de crcutos Permten resolver los

Más detalles

Problemas sobre números complejos -1-

Problemas sobre números complejos -1- Problemas sobre números complejos --.- Representa gráfcamente los sguentes números complejos y d cuáles son reales, cuáles magnaros y, de estos, cuáles magnaros puros: 5-5 + 4-5 7 0 -- -7 4.- Obtén las

Más detalles

INSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS

INSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS ESCUELA: CARRERA: ESPECALDAD: COORDNACON: DEPARTAMENTO: UPCSA NGENERA EN TRANSPORTE ACADEMAS DE MATEMATCAS CENCAS BASCAS ASGNATURA: MATEMATCAS APLCADAS : TMMA SEMESTRE: 4 CREDTOS: 8 VGENTE: ENERO 2000

Más detalles

Formulación y Evaluación de Proyectos

Formulación 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 detalles

UNIVERSIDAD TÉCNICA DE ORURO FACULTAD NACIONAL DE INGENIERIA INGENIERÍA ELÉCTRICA Y ELECTRÓNICA

UNIVERSIDAD TÉCNICA DE ORURO FACULTAD NACIONAL DE INGENIERIA INGENIERÍA ELÉCTRICA Y ELECTRÓNICA UNIVERSIDAD TÉCNICA DE ORURO FACULTAD NACIONAL DE INGENIERIA INGENIERÍA ELÉCTRICA Y ELECTRÓNICA APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN EN SISTEMAS ELÉCTRICOS Curso de Actualzacón MCs. Ing. Armengol Blanco

Más detalles

Resuelve. Unidad 6. Números complejos. BACHILLERATO Matemáticas I. [x ( )][x (2 3 1)] = Cómo operar con 1? Página 147

Resuelve. Unidad 6. Números complejos. BACHILLERATO Matemáticas I. [x ( )][x (2 3 1)] = Cómo operar con 1? Página 147 Undad. Números complejos Matemátcas I Resuelve Págna 7 Cómo operar con? Vamos a proceder como los antguos algebrstas: cuando nos encontremos con seguremos adelante operando con ella con naturaldad y tenendo

Más detalles

La elasticidad como una aplicación de análisis de oferta y demanda

La elasticidad como una aplicación de análisis de oferta y demanda La elastcdad como una aplcacón de análss de oerta y demanda por Aracel Ramírez Zamora La elastcdad mde la sensbldad de una varable a otra, nos ndca la varacón porcentual que expermentará la cantdad demandada

Más detalles

METODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil

METODOS 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 detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

INGENIERÍA ENERGÉTICA

INGENIERÍA ENERGÉTICA INGENIERÍA ENERGÉTICA PROGRAMACIÓN DE LA GENERACIÓN DE ENERGÍA ELÉCTRICA Programacón de la generacón MERCADO DIARIO Es el mercado en el que tenen lugar las transaccones de compra y venta de energía para

Más detalles

Scatter Search: Diseño Básico y Estrategias Avanzadas

Scatter Search: Diseño Básico y Estrategias Avanzadas Scatter Search: Dseño Básco y Estrategas Avanzadas Rafael Martí * y Manuel Laguna + *Departamento de Estadístca e Investgacón Operatva, Unverstat de Valènca, 46100 Burjassot (Valenca), Span. rafael.mart@uv.es

Más detalles

Matemáticas Financieras

Matemáticas Financieras Matemátcas Fnanceras Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Profundzar en los fundamentos del cálculo fnancero, necesaros

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu CONENIDO PROBLEMAS DE PROGRAMACIÓN NO LINEAL IPOS DE PROBLEMAS NLP CLASIFICACIÓN DE MÉODOS

Más detalles

Para 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)}

Para 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 detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

Análisis de Resultados con Errores

Análisis 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 detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1 odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

CONTENIDO. Ingeniería

CONTENIDO. Ingeniería CONTENIDO 1.-Defncón 2. Componentes 2.1. Claves 2.2. No claves 2.3. Dstrbudos 2.4. Adyacentes 3. Determnacón de la presón de operacón y tpo de condensador 4. Métodos aproxmados 4.1.Métodos FENSKE UNDERWOOD

Más detalles

Planeamiento de sistemas de distribución de energía eléctrica usando Branch and Bound

Planeamiento de sistemas de distribución de energía eléctrica usando Branch and Bound Planeamento de sstemas de dstrbucón de energía eléctrca usando Branch and Bound Maurco Granada Echeverr 1 Ramón Alfonso Gallego Rendón 2 Rcardo Alberto Hncapé Isaza 3 RESUMEN Este trabajo presenta un algortmo

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

Análisis de Sistemas Multiniveles de Inventario con demanda determinística

Análisis de Sistemas Multiniveles de Inventario con demanda determinística 7 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 00 Análss de Sstemas Multnveles de Inventaro con demanda determnístca B. Abdul-Jalbar, J. Gutérrez, J. Scla Departamento de

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

Más detalles

UN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON LA HEURÍSTICA R: UN CASO DE ESTUDIO

UN 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 detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

62 EJERCICIOS de NÚMEROS COMPLEJOS

62 EJERCICIOS de NÚMEROS COMPLEJOS 6 EJERCICIOS de NÚMEROS COMPLEJOS. Resolver las sguentes ecuacones en el campo de los números complejos: a x -x+=0 (Soluc: ± b x +=0 (Soluc: ± c x -x+=0 (Soluc: ± d x -x+=0 (Soluc: ± e x -6x +x-6=0 (Soluc:,

Más detalles

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.

SISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1. Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón

Más detalles

En un mercado hay dos consumidores con las siguientes funciones de utilidad:

En un mercado hay dos consumidores con las siguientes funciones de utilidad: En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta

Más detalles

Constante de los valores de K Componente fi (lbmol/h) A Bx104 Cx106 Dx108 Solución: Caso 1 D (lbmol/h) Componentes xfi fi caso1 caso2 caso3

Constante de los valores de K Componente fi (lbmol/h) A Bx104 Cx106 Dx108 Solución: Caso 1 D (lbmol/h) Componentes xfi fi caso1 caso2 caso3 Utlzando los métodos cortos apromados en la destlacón de mezclas multcomponentes para las especfcacones de la sguente columna, determne: a) La dstrbucón de los componentes a refluo total b) La relacón

Más detalles

OPTIMIZACIÓN. María Jesús de la Fuente Aparicio Alberto Herrreros López

OPTIMIZACIÓN. María Jesús de la Fuente Aparicio Alberto Herrreros López OPTIMIZACIÓN María Jesús de la Fente Aparco Alberto Herrreros Lópe Optmacón Problemas de optmacón: Como tomar la mejor opcón entre aras posbles Problemas de natralea m dersa Dseño (p.e. dmensonamento de

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Captura de objetos móviles sobre una recta *

Captura de objetos móviles sobre una recta * Morfsmos, Vol. 18, No. 1, 2014, pp. 45 55 Captura de objetos móvles sobre una recta * Lus E. Urbán Rvero Rafael López Bracho Francsco J. Zaragoza Martínez Resumen En el problema del agente vajero eucldano

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Pista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador.

Pista 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 detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

Control Predictivo basado en Modelos (MPC)

Control Predictivo basado en Modelos (MPC) Control Predctvo basado en Modelos (MPC) Prof. Cesar de Prada Dto. Ingenera de Sstemas Automátca Unversdad de Valladold, Esaña e-mal: rada@autom.uva.es web:htt//www.sa.ce.uva.es Tendencas en la ndustra

Más detalles