Estructura y Tecnología de Computadores. Módulo G. Estructura del procesador. Concepto de aritmética. La aritmética en el computador.

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

Download "Estructura y Tecnología de Computadores. Módulo G. Estructura del procesador. Concepto de aritmética. La aritmética en el computador."

Transcripción

1 Estructura y Tecología de Computadores Módulo G. Estructura del procesador Tema 5. Artmétca José Mauel Medías Cuadros Dpto.. Arqutectura de Computadores y Automátca Uversdad Complutese de Madrd cotedos. Itroduccó Cocepto de artmétca. La artmétca e el computador.. Artmétca etera s sgo Represetacó e baro puro. Suma co propagacó de acarreo. Suma co atcpacó de acarreo. Resta. Comparacó. Multplcacó secuecal por sumas y desplazametos. Multplcacó combacoal. Dvsó secuecal co restauracó. Dvsó secuecal s restauracó. Dvsó combacoal.. Artmétca etera co sgo Represetacoes: C, MS, C y sesgada. Extesó de sgo. Negacó. Suma. Resta. Multplcacó. 4. Artmétca real e puto fjo Represetacó. 5. Artmétca real e puto flotate Represetacó. Estádar IEEE 754. Suma. Resta. Multplcacó. Dvsó.

2 . troduccó Cocepto E u computador dgtal cualquer formacó se represeta por ua coleccó de dígtos baros de logtud fja: ( x -, x -,..., x, x ) La artmétca del computador cubre: El estudo de las dferetes terpretacoes de dcha secueca de dígtos como úmeros El desarrollo de algortmos de mapulacó de secuecas de dígtos que reproduzca coheretemete las operacoes artmétcas presetes e los sstemas umércos La mplemetacó efcete de dchos algortmos como crcutos hardware Tpos de sstemas umércos más comues: Naturales: cuberta por la artmétca etera s sgo Eteros: cuberta por la artmétca etera co sgo Reales: cuberta por la artmétca e puto fjo y por la artmétca e puto flotate El cojuto de elemetos represetables co bts es fto y los sstemas umércos so ftos, por lo que aparece: Problemas de saturacó (overflow): u úmero o es represetable Problemas de precsó: u úmero es represetado por otro úmero cercao 4. troduccó La artmétca e el computador La ALU (udad artmétco-lógca) es el módulo hardware ubcado e la CPU ecargado de realzar las operacoes artmétcas Toma sus operados de los regstros de la CPU Los resultados que geera se almacea també e regstros de la CPU Actva dcadores (flags) como cosecueca de las excepcoes que detecte e la ejecucó de las operacoes artmétcas. Dchos dcadores so vsbles al programador y suele almacearse e el regstro de estado. El cotrolador de la CPU geera señales que gobera el fucoameto de la ALU Adcoalmete puede exstr coprocesadores artmétcos: crcutos esclavos exteros a la CPU especalzados e realzar operacoes artmétcas complejas U algortmo artmétco puede mplemetarse medate: u crcuto combacoal u crcuto secuecal que geere sus propas fases, es decr co u cotrolador propo u crcuto secuecal que o geere sus fases, es decr cotrolado por ua udad de cotrol extera (p.e. la de la CPU) medate la ejecucó de u programa

3 5. artmétca etera s sgo La represetacó más habtual es la bara pura El valor de la secueca de bts ( x -, x -,..., x, x ) es: Para obteer dcha secueca se dvde el úmero sucesvamete por. Cada uo de los restos determa los dígtos (comezado por el meos sgfcatvo) que forma la secueca. = x Esta represetacó se dce que es: o redudate: cada úmero tee ua úca represetacó. escalada (weghted): el valor de cada dígto depede de u factor del escala que tee asocado. poscoal: cada uo de los factores de escala depede de la poscó del dígto asocado. co base: los factores de escala so potecas cosecutvas de u msmo úmero, e este caso el. 6. artmétca etera s sgo: suma = 7 = 8 = 6 acarreos sumado sumado suma Prmera propuesta dseñar ua celda combacoal que, tomado dos dígtos y u posble acarreo ateror, geere la suma y u acarreo posteror replcar la celda tatas veces como dígtos tega el úmero Método tradcoal de suma: Obteer cada uo de los dígtos de la suma sumado de derecha a zquerda los dígtos de los sumados. La tabla de sumar es: = = = = y me llevo ua (acarreo) Cuado se produce u acarreo debe sumarse al resultado de sumar los dos sguetes dígtos Para dos sumados de bts la suma puede requerr hasta bts. Para sumados de y m bts, la suma puede ocupar como máxmo max(,m) bts El bt sobrate se deoma acarreo (carry). El bt de acarreo es el dcador de desbordameto e la suma s sgo. Habtualmete la suma y los sumados se represeta medate el msmo úmero de bts, por ello cuado la suma o es represetable la ALU debe avsarlo.

4 7. artmétca etera s sgo: suma Sumador co propagacó de acarreos x y c s c c s = ( x y ) c = x y x c c y = x y ( x y ) c acarreo de salda bt del prmer sumado bt de la suma x y x y x y x y bt del segudo sumado acarreo de etrada Seguda propuesta La propagacó del acarreo añade veles de puertas por bt calculado: puerta =. s sumar bts = 6.4 s t cclo ( MHz) = 5 s Obteer por atcpado los acarreos y determar por atcpado s va a propagarse usado úcamete los sumados: se geera u acarreo salda (depedetemete del carry de etrada) cuado x = y = el acarreo de etrada se propaga cuado x = ó y = s s s s 8. artmétca etera s sgo: suma Sumador co atcpacó de acarreos Para el bt : Se geera u acarreo cuado: G = x y Se propaga u acarreo cuado: P = x y Expresado la suma y del acarreo e fucó de los aterores fucoes queda: s = ( x y ) c = P c c = x y x c c y = x y ( x y ) c = G P c geeracó de acarreo propagacó de acarreo bt del prmer sumado bt del segudo sumado acarreo de etrada udad de atcpacó de acarreos x y x y x y x y s s s s c = G P c 4 c = G P c c = G P c c = G P c = G P G P P c = G P G P P G P P P c bt de la suma = G P G P P G P P P G P P P P c El úmero máxmo de veles de puertas es 4 para cualquer bt de la suma S embargo, coforme aumeta el úmero de bts el úmero de térmos producto y el úmero de factores e ellos crece demasado: para bts el cálculo de c tee t.p y factores

5 9. artmétca etera s sgo: suma Tercera propuesta Realzar los cálculos a varos veles e cascada de maera que exsta udades de atcpacó de arrastres de cojutos de udades de atcpacó de arrastres. Para ello, las udades de atcpacó de arrastres, e lugar de geerar u acarreo fal, debe geerar señales de propagacó de acarreo de grupo y de geeracó de acarreo de grupo: Para 4 bts, dchas señales resulta: G* = G G P G P P G P P P P* = P P P P 4 El acarreo de salda se calcula como: cout = G * P * c Cada uevo vel e cascada añade veles de puertas para cualquer bt de la suma u.a.a. u.a.a. u.a.a. u.a.a. u.a.a. s 5 s 4 s s s s s 9 s 8 s 7 s 6 s 5 s 4 s s s s Otra posble alteratva es dseñar sumadores co efoques mxtos. Por ejemplo para bts utlzar 4 sumadores co propagacó de arrastre de 4 bts que geere P* y G* y cuyos acarreos de etrada sea geerados por ua udad de atcpacó de arrastres 9-7 = = 4 = artmétca etera s sgo: resta acarreos muedo sustraedo resta Método tradcoal de resta: Obteer cada uo de los dígtos de la resta restado de derecha a zquerda los dígtos del muedo. La tabla de restar es: - = - = y me llevo ua (acarreo) - = - = Cuado se produce u acarreo debe sumarse al sguete dígto del substraedo (o restarse al sguete dígto del muedo) S el muedo y el sustraedo so úmeros de bts muedo sustraedo, la resta es postva y requere u máxmo de bts muedo < sustraedo, la resta es egatva y se produce u acarreo al sumar el últmo dígto El bt de acarreo fal es el dcador de desbordameto de la resta s sgo Cuado el resultado es egatvo (y o represetable e baro puro), este procedmeto obtee u patró de bts que cocde co la represetacó e complemeto a dos del úmero egatvo. E ese caso, el úmero que puede requerr u máxmo de bts para represetarse Alteratvas dseñar u restador específco sguedo u proceso aálogo al realzado para la suma aprovechar que x - y = x (-y) y utlzar u sumador co sgo y u módulo que egue artmétcamete al sustraedo.

6 . artmétca etera s sgo: comparacó Método tradcoal de comparacó: Para comparar dos úmeros x e y de gual tamaño, se recorre dígto a dígto de zquerda a derecha: s los dígtos so guales se pasa al sguete dígto s x > y etoces x > y s x < y etoces x < y s o queda más dígtos por comparar x = y Alteratvas dseñar u comparador específco sguedo u proceso aálogo al realzado para la suma utlzar el acarreo de la resta para comparar: para comparar x e y, realzar la operacó x - y s se produce u desbordameto y > x, e caso cotraro y x para decdr s y < x ó s y = x, se utlza ua red de puertas NXOR y AND. artmétca etera s sgo: multplcacó = 4 multplcado multplcador productos parcales producto Prmera propuesta secuecal usar regstros: multplcado, multplcador y producto para poder usar u sumador de etradas, e cada teracó sumar el producto parcal obtedo a la suma de los aterores para alear correctamete los productos parcales, e cada teracó desplazar el multplcado a la zquerda para leer del msmo lugar cada uo de los bts del multplcador, e cada teracó desplazarlo a la derecha Método tradcoal de multplcacó : Obteer los productos parcales recorredo el multplcador bt a bt de derecha a zquerda: s el bt es u, el producto parcal es s el bt es u, el producto parcal es ua copa del multplcado Cada producto parcal debe estar desplazado ua poscó a la zquerda respecto al producto parcal ateror Ua vez calculados todos los productos parcales se suma para obteer el producto Para u multplcado de bts y u multplcador de m bts el producto ocupa como máxmo m bts

7 . artmétca etera s sgo: multplcacó Ruta de datos m m lsb P M hgh M low Algortmo de cotrol S S S : cargar multplcador e m cargar multplcado e M low borrar M hgh borrar P : s m lsb = etoces P PM s m lsb = etoces P P : desplazar M a la zquerda desplazar m a la derecha s S-S o se ha repetdo veces, r a S tras m M P S S S S S S S S S Seguda propuesta secuecal e cualquer estado la mtad de los bts del multplcado so los bts meos sgfcatvos del producto o camba ua vez formados (el multplcado se desplaza a zquerda sertado ceros por la derecha) desplazar el producto a la derecha e lugar de hacerlo a la zquerda co el multplcado para poder usar u sumador de bts, sumar el multplcado a los bts más sgfcatvos del producto cudado co el acarreo! 4. artmétca etera s sgo: multplcacó Ruta de datos c m m lsb P hgh M P low Algortmo de cotrol S : cargar multplcador e m cargar multplcado e M borrar c borrar P S : s m lsb = etoces P hgh P hgh M s m lsb = etoces P hgh P hgh S : desplazar P a la derecha sertado c desplazar m a la derecha s S-S o se ha repetdo veces, r a S tras m M c P S S S S S S S S S Tercera propuesta secuecal e cualquer estado el úmero bts desperdcados e el producto cocde co el úmero de bts co formacó relevate e el multplcador producto y multplcador se desplaza a la derecha usar el regstro producto para acumular e su parte alta los productos parcales y para almacear e su parte baja los bts relevates del multplcador

8 5. artmétca etera s sgo: multplcacó Multplcador secuecal por sumas y desplazametos Ruta de datos c M P hgh P low P lsb Algortmo de cotrol S : cargar multplcador e P low cargar multplcado e M borrar c borrar P hgh S : s P lsb = etoces P hgh P hgh M s P lsb = etoces P hgh P hgh S : desplazar P a la derecha sertado c s S-S o se ha repetdo veces, r a S tras M c P S S S S S S S S S 6. artmétca etera s sgo: multplcacó Prmera propuesta combacoal dseñar ua celda combacoal que, tomado u dígto del multplcado, otro del multplcador y otro del producto parcal ateror, geere u bt del sguete producto parcal replcar la celda tatas veces como bts parcales haya que geerar multplcado M M M M m productos parcales m m multplcador m P 7 P 6 P 5 P 4 P P P P producto

9 7. artmétca etera s sgo: multplcacó bt del producto parcal bt del multplcado bt del multplcador acarreo de salda acarreo de etrada Seguda propuesta combacoal Adaptar cada ua de las celdas segú el lugar que ocupa detro del multplcador bt del uevo producto parcal M M m = m 8. artmétca etera s sgo: multplcacó Multplcador combacoal (4 bts) M M M M m m m m P 7 P 6 P 5 P 4 P P P P

10 9. artmétca etera s sgo: multplcacó restos parcales dvdedo artmétca etera s sgo: dvsó dvsor 4 = cocete Prmera propuesta secuecal usar regstros: resto/dvdedo, dvsor y cocete para alear correctamete los restos parcales y el dvsor, e cada teracó desplazar el dvsor a la derecha para escrbr e el msmo lugar cada uo de los bts del cocete, e cada teracó desplazarlo a la zquerda para evtar teer u comparador y u restador, usar éste últmo para comparar: el sgo de la resta determará s el resto parcal cabe etre el dvsor resto Método tradcoal de dvsó : Obteer los restos parcales y los bts del cocete recorredo de zquerda a derecha los bts del dvdedo: s el resto parcal es mayor que el dvsor, añadr u al cocete; el uevo resto parcal será la resta del resto parcal y del dvsor s el resto parcal es meor que el dvsor, añadr u al cocete y amplar el resto parcal co u bt más del dvdedo Este algortmo o fucoa cuado el dvsor es : la ALU posee u dcador para avsarlo E cualquer caso se cumple que: dvdedo = dvsor cocete resto Para u dvdedo de bts y u dvsor de m bts, el cocete o el resto puede llegar a ocupar bts (depederá del valor de los argumetos). Como se suele utlzar -m bts para el cocete (para que dvsor cocete ocupe bts y la dvsó y multplcacó sea coheretes), la ALU posee u dcador de overflow que se actvará cuado el valor de los m bts más sgfcatvos del dvdedo sea mayor que el dvsor

11 . artmétca etera s sgo: dvsó Ruta de datos Algortmo de cotrol S S S : cargar (,dvdedo) e D cargar dvsor e d dgh borrar d low borrar C : D D (,d) : s D msb = etoces desplazar C a la zquerda sertado u s D msb = etoces desplazar C a la zquerda sertado u D D(,d) desplazar d a la derecha s S-S o se ha repetdo veces r a S C D msb d hgh ± D d low tras D d C S S S S S S S S S S S Seguda propuesta secuecal e cualquer estado la mtad de los bts del dvsor so desplazar el dvdedo a la zquerda e lugar de hacerlo a la derecha co el dvsor y usar u sumador/restador de bts para que el cocete quepa e bts la prmera comparacó debe fallar, luego ésta o es ecesara y el algortmo puede hacerse e teracoes. artmétca etera s sgo: dvsó Ruta de datos Algortmo de cotrol S S S S : cargar (,dvdedo) e D cargar dvsor e d borrar C : desplazar D a la zquerda : D hgh D hgh (,d) : s D msb = etoces desplazar C a la zquerda sertado u s D msb = etoces desplazar C a la zquerda sertado u D hgh D hgh (,d) s S-S o se ha repetdo veces r a S ± D msb C D hgh D low d tras D d C S S S S S S S S S S S S S Tercera propuesta secuecal el úmero bts desperdcados e el dvdedo cocde co el úmero de bts co formacó relevate e el cocete usar el regstro dvdedo para acumular e su parte alta los restos parcales y para almacear e su parte baja los bts relevates del cocete

12 . artmétca etera s sgo: dvsó Dvsor secuecal co restauracó Ruta de datos Algortmo de cotrol S S S S : cargar (,dvdedo) e D cargar dvsor e d : desplazar D a la zquerda : D hgh D hgh (,d) : s D msb = etoces D lsb s D msb = etoces D lsb, D hgh D hgh (,d) s S-S o se ha repetdo veces r a S D msb ± D hgh d D low D lsb tras D d S S S S S S S S S S S S S 4. artmétca etera s sgo: dvsó Cuarta propuesta secuecal cosderar la secueca de operacoes que se realza tras la resta e S : s D msb = ( cabe ) se desplaza D a la zquerda y se resta d. Queda: D-d s D msb = ( o cabe ) se suma d, se desplaza el resultado y se resta d. Queda: (Dd)-d = Dd etoces, e lugar de restaurar: sumar o restar d e fucó de D msb e la últma teracó restaurar el resto (sumádole d) s es ecesaro Dvsor secuecal s restauracó Algortmo de cotrol (msma ruta de datos) S : cargar (,dvdedo) e D cargar dvsor e d S : desplazar D a la zquerda S : D hgh D hgh (,d) S : s D msb = etoces D lsb s D msb = etoces D lsb S4 : desplazar D a la zquerda S5 : s D msb = etoces D hgh D hgh (,d) s D msb = etoces D hgh D hgh (,d) r a S-S5 o se ha repetdo - veces r a S S6 : s D msb = etoces D lsb s D msb = etoces D hgh D hgh (,d), D lsb tras D d S S S S S4 S5 S S4 S5 S S4 S5 S6

13 5. artmétca etera s sgo: dvsó dvdedo D 7 D 6 D 5 D 4 D D D D dvsor d d d d C restos parcales C cocete C C Prmera propuesta combacoal dseñar ua celda combacoal que sume o reste u bt del dvsor a u bt del resto parcal, segú el algortmo s restauracó R R R R resto 6. artmétca etera s sgo: dvsó Seguda propuesta combacoal Adaptar cada ua de las celdas segú el lugar que ocupa detro del dvsor bt del dvsor bt del resto parcal a b c c o X X - para u sumador co la etrada zquerda fja a : c o = b c resultado de la comparacó acarreo de salda acarreo de etrada bt del uevo resto parcal =

14 7. artmétca etera s sgo: dvsó D 7 D 6 D 5 D 4 D D D D d d d d C C C C Dvsor combacoal s restauracó R R R R 8. artmétca etera s sgo: dvsó

15 9. artmétca etera co sgo La represetacó más habtual es el complemeto a dos (C) El valor de la secueca de bts ( x -, x -,..., x, x ) es: x x = El bt más sgfcatvo se deoma bt de sgo ( ó s el úmero represetado es postvo o egatvo) Para obteer dcha secueca, se obtee la represetacó bara de la magtud. A cotuacó s el úmero es egatvo se complemeta a dos la secueca obteda complemetar a dos: es vertr todos los dígtos y sumar uo al resultado Esta represetacó es útl porque: Cada úmero tee ua úca represetacó (el cero tee ua úca represetacó) Smplfca las operacoes más smples (suma y resta) Extesó de sgo: Cuado se desea aumetar la logtud de la represetacó de u úmero e C a otra mayor, es ecesaro trasladar el bt de sgo a la poscó más a la zquerda de la ueva logtud y copar sobre los bts termedos dcho bt de sgo. (6 bts) =, (8 bts) = - (6 bts) =, - (8 bts) = Negacó: Para cambar el sgo de u úmero represetado e C se utlza la operacó de complemeto a dos =, - = o( ) = = Otras represetacoes Magtud y sgo (MS): El valor de la secueca de bts ( x -, x -,..., x, x ) es: Para obteer dcha secueca, se obtee la represetacó bara de la magtud y se poe el dígto más sgfcatvo a ó s el úmero es postvo o egatvo. Complemeto a uo (C): El valor de la secueca de bts ( x -, x -,..., x, x ) es: Para obteer dcha secueca, se obtee la represetacó bara de la magtud. A cotuacó s el úmero es egatvo se complemeta los dígtos de la secueca obteda. Sesgada (based): El valor de la secueca de bts ( x -, x -,..., x, x ) es: Para obteer dcha secueca, se suma - al úmero y el resultado se represeta e baro.. artmétca etera co sgo x ( ) = = x = Para cada represetacó la mplemetacó de las operacoes artmétcas es dferete. Exste dos alteratvas: Dseñar hardware específco para cada represetacó Dseñar hardware específco para ua represetacó y hardware de coversó para adaptarlo al resto de las represetacoes ( ) x x = x x = x

16 . artmétca etera co sgo: suma/resta e C La suma y la resta e baro puro so coheretes co la artmétca e C: Puede utlzarse los msmos módulos para realzar operacoes de suma y resta gorado el acarreo de salda La resta se mplemeta usado u sumador baro al que se adapta para que verta el sustraedo: egado sus bts y sumado uo a través del acarreo de etrada S embargo, los dcadores de desbordameto so dferetes e C y e baro puro E C sólo puede ocurrr acarreo al sumar dos catdades del msmo sgo o al restar dos catdades de dferete sgo. E los otros casos la catdades se compesa y el resultado es represetable. Se produce u desbordameto cuado el sgo del resultado o cocde co el esperado e la operacó (ej: obteer ua suma egatva de sumar dos úmeros postvos) o lo que es lo msmo, cuado el acarreo de etrada y el acarreo de salda del bt más sgfcatvo de la suma o cocde: x y c x y c = c c X Y X Y S*/R C V Restador baro/c C V Sumador/restador baro/c. artmétca etera co sgo: multplcacó e C La multplcacó e C o es coherete co la multplcacó s sgo. S embargo, puede modfcarse el algortmo de suma y desplazameto para que opere drectamete e C. Para ello dstguremos casos posbles er. caso: multplcado postvo No requere multplcador postvo modfcacó (-5) (5) = (-5) () (5) = (5) 5 = 5 do. caso: multplcado egatvo multplcador postvo Exteder correctamete el sgo del dvdedo 55 = 5 5 = (-5) 5 Al sumar los productos parcales se asume mplíctamete que los bts más sgfcatvos de los sumados so, esto solo es correcto s el dvdedo es postvo, s es egatvo se está extedo correctamete su sgo.

17 . artmétca etera co sgo: multplcacó e C er. caso: multplcador egatvo (-5) (-) = (5) -65 E la últma teracó sumar o restar el multplcado e fucó del sgo del multplcador 5 Estudemos la operacó que se realza cuado el multplcador es egatvo: El multplcador está represetado e C luego su valor es: V( m) = m = m S se gora el sgo del multplcador (y se realza la multplcacó teedo e cueta sólo los - bts meos sgfcatvos del multplcador) el resultado del método tradcoal es: = V( M) V( P) = V( M) m El resultado buscado es V(M) V(m), luego cuado m - = es ecesaro corregr el resultado parcal obtedo, restado el multplcado a la mtad mas sgfcatva de P: ( ) ( ) = ( ) ( ) V M V m V P V M = ( V( m) m ) = V( M) V( m) V( M) m m 4 4. artmétca e puto fjo Se asume mplíctamete que exste u puto etre dos dígtos baros e ua poscó que es fja para cualquer secueca de bts. Toda secueca de bts ( x,..., x ) co u puto mplícto permte dstgur dos partes e ella: ( x k-,..., x. x -,..., x -m ) parte etera: el cojuto de bts aterores al puto parte fraccoara: el cojuto de bts posterores al puto El valor de la secueca de (km) dígtos es: Habtualmete o se dseña ua artmétca específca para puto fjo, ya que co ua pequeña adaptacó se puede utlzar la artmétca etera: La artmétca etera es u subcojuto del puto fjo ya que el puto se cosdera ubcado tras el bt meos sgfcatvo La artmétca fraccoara es otro subcojuto del puto fjo que lo cosdera ubcado delate del bt más sgfcatvo Es el programador o el dseñador del HW el ecargado de alear y corregr los resultados (por ejemplo: la suma o es ecesaro corregrla y la multplcacó sí, multplcado el resultado por -m, es decr desplazádolo m bts a la derecha). V( a) V( b) V( a) V( b) A B = = m m m k = x m = x = x = m V( a) V( b) V( a) V( b) = = A B m m m

18 5 5. artmétca e puto flotate La represetacó e puto flotate está basada e la otacó cetífca: El puto decmal o se halla e ua poscó fja detro de la secueca de bts, so que su poscó se dca como ua poteca de la base: sgo expoete sgo expoete matsa base E todo úmero e puto se flotate dstgue tres compoetes: Sgo: dca el sgo del úmero (= postvo, =egatvo) Matsa: cotee la magtud del úmero (e baro puro) Expoete: cotee el valor de la poteca de la base (sesgado) La base queda mplícta y es comú a todos los úmeros, la más comú la. s V( e) El valor de la secueca de bts ( s, e p-,..., e, m q-,..., m ) es: ( ) V( m) Dado que u msmo úmero puede teer varas represetacoes (. 5 = =. 6 ) los úmero suele estar ormalzados: u úmero está ormalzado s tee la forma.xx... xx... (ó.xx... xx... ) dado que los úmeros ormalzados e base tee sempre u a la zquerda, éste suele quedar mplícto (pero debe ser tedo e cueta al calcular el valor de la secueca) matsa base 6 Sea el sguete formato puto flotate de bts (base, ormalzado) bt El rago de valores represetable por cada uo de los campos es: Expoete (8 bts co sesgo de 8) : Matsa ( bts ormalzados) : los valores baros represetables oscla etre... y..., es decr etre y - - (... = ) overflow egatvo 5. artmétca e puto flotate 8 bts bts s e m úmeros egatvos expresables udeflow egatvo udeflow postvo úmeros postvos expresables overflow postvo -(.- - ) (.- - ) 7 Obsérvese que la catdad de úmeros represetables es (gual que e puto fjo). Lo que permte la represetacó puto flotate es amplar el rago represetable a costa de aumetar el espaco etre úmeros represetable (u espaco que o es uforme). - 4

19 7 5. artmétca e puto flotate: estádar IEEE 754 formatos co sgo explícto, represetacó sesgada del expoete (sesgo gual 7), matsa ormalzada co u mplícto (.M) y base. precsó smple ( bts): bt de sgo, 8 de expoete, de matsa (- - ) 7 = precsó doble (64 bts): bt de sgo, de expoete, 5 de matsa (- -5 ) = formatos amplados para cálculos termedos (4 y 79 bts). Codfcacoes co sgfcado especal Ifto (e=55, m=): represeta cualquer valor de la regó de overflow NaN (Not-a-Number) (e=55, m>): se obtee como resultado de operacoes váldas Número deormalzado (e=, m>): es u úmero s ormalzar cuyo bt mplícto se supoe que es. Al ser el expoete, permte represetar úmeros e las regoes de uderflow Cero (e=, m=): úmero o ormalzado que represeta al cero (e lugar de al ) 4 modos de redodeo: Redodeo al más cercao Redodeo a más fto (por exceso) Redodeo a meos fto (por defecto) Redodeo a cero (trucameto) Excepcoes: Operacó válda: ±,,,, x mod, x cuado x<, x= Iexacto: el resultado redodeado o cocde co el real Overflow y uderflow Dvsó por cero 8 5. artmétca e puto flotate: suma/resta aleameto operacó ormalzacó redodeo Método de suma/resta : Extraer sgos, expoetes y magtudes. Tratar operados especales (por ejemplo, alguo de ellos a cero) Desplazar la matsa del úmero más pequeño a la derecha e -e bts Fjar el expoete del resultado al máxmo de los expoetes S la operacó es suma y los sgos so guales, o s la operacó es resta y los sgos so dferetes, sumar las matsas. E otro caso restarlas Detectar overflow de la matsa Normalzar la matsa, desplazádola a la derecha o a la zquerda hasta que el dígto más sgfcatvo esté delate del puto. Redodear el resultado y reormalzar la matsa s es ecesaro. Corregr el expoete e fucó de los desplazametos realzados sobre la matsa. Detectar overflow o uderflow del expoete

20 9 5. artmétca e puto flotate: multplcacó/dvsó (-.4.) operacó ormalzacó redodeo Método de multplcacó/dvsó: Extraer sgos, expoetes y magtudes. Tratar operados especales Calcular el sgo del producto (o del cocete) como la o-exclusva de los sgos de los operados Calcular el expoete del producto (cocete) como la suma (resta) de los expoetes de los operados. Dado que esta operacó provoca u sesgo doble, elmar el sesgo sobrate, restado (sumado) (umero de bts del expoete) Detectar desbordameto o desbordameto a cero del expoete Calcular la matsa del producto (cocete) como la multplcacó (dvsó) de las matsas de los operados Normalzar, s es ecesaro, la matsa y actualzar coveetemete el expoete Redodear el resultado y reormalzar la matsa s es ecesaro.

ALGORITMOS Y PROCESADORES ARITMÉTICOS

ALGORITMOS Y PROCESADORES ARITMÉTICOS ALGORITMOS Y PROCESADORES ARITMÉTICOS. - INTRODUCCIÓN - Procesador artmétco - Característcas - Nveles de descrpcó fucoal - Nvel abstracto - Nvel de algortmo artmétco - Nvel de mplemetacó.2 - SISTEMA DE

Más detalles

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.

Actividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran. Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

TEMA 3 Diseño de Subsistemas Aritméticos

TEMA 3 Diseño de Subsistemas Aritméticos Departameto de Igeería Electróca SISTEMS DIGITLES DE INSTRUMENTCIÓN Y CONTROL TEM 3 Dseño de Subsstemas rtmétcos Rafael Ramos Lara Febrero 7 TEM 3 Dseño de Subsstemas rtmétcos Idce (I) 3.. Formatos de

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

Lenguaje humano. Representación de la información. Utiliza un conjunto de símbolos alfanuméricos. Puede representar Información

Lenguaje humano. Representación de la información. Utiliza un conjunto de símbolos alfanuméricos. Puede representar Información Leguje humo Represetcó de l formcó Utlz u cojuto de símbolos lfumércos Crcteres lfbétcos:, B, C,.Z,, b, c,...z Símbolos umércos 9 sgos de putucó... Puede represetr Iformcó umérc lfumérc Leguje del ordedor

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS

Números complejos. Números complejos. Las tribulaciones del estudiante Törless LITERATURA Y MATEMÁTICAS Números complejos SOLUCIONARIO Números complejos LITERATURA Y MATEMÁTICAS Las trbulacoes del estudate Törless Dme, etedste be todo esto? Qué? Ese asuto de los úmeros magaros. Sí, o es ta dfícl. Lo úco

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

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

(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

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

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

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

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

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

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

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

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

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

TEMA 4: NÚMEROS COMPLEJOS TEMA : COMPLEJOS 1 EN FOMA BINÓMICA 1.1 DEFINICIONES Sabemos que la resolucó de alguas ecuacoes de º grado coduce a ua raíz cuadrada de u º egatvo. Dcha raíz o tee setdo e el cojuto de los úmeros reales.

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

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

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

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

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

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

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

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

Transformada rápida de Fourier.

Transformada rápida de Fourier. Capítulo 24 Trasformada rápda de Fourer. Es cosderado u algortmo clásco, que permte obteer a partr de ua sere de valores temporales las compoetes espectrales e frecueca, y vceversa co u costo O( log ).

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

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

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

3. Unidad Aritmética Lógica (ALU)

3. Unidad Aritmética Lógica (ALU) 3. Udd rtmétc Lógc (LU) bordremos los spectos que permte l mplemetcó de l rtmétc de u computdor, trbuto fucol de l Udd rtmétc Lógc (LU). Prmero se revstrá lo relcodo l form de represetr los úmeros como

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente: Matemátcas faceras 4.2. Aualdades atcpadas 4.2. Aualdades atcpadas UNIDAD IV. ANUALIDADES Las aualdades vecdas so aquellas que sus pagos guales ocurre al falzar cada perodo, u dagrama de flujo de cada

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 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

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

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

5.3 Estadísticas de una distribución frecuencial

5.3 Estadísticas de una distribución frecuencial 5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

2 - TEORIA DE ERRORES : Calibraciones - TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

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

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

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama

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

Estudio y optimización del algoritmo de ordenamiento Shellsort

Estudio y optimización del algoritmo de ordenamiento Shellsort Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del

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

FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD

FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD FACTOR DE COBERTURA EN MEDIDA DE RADIOACTIVIDAD Blázquez J. Dvsó de Fsó Nuclear CIEMAT, Madrd INTRODUCCIÓN Co frecueca, las meddas de recueto radoactvo está sujetas a Garatía de Caldad (). Etre otras cosas,

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax + bx + c = 0 se aalzó el sgo

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. González, H. A. Larrondo, C. A. Gayoso, L. J.

GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. González, H. A. Larrondo, C. A. Gayoso, L. J. GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. Gozález, H. A. Larrodo, C. A. Gayoso, L. J. Aroe Facultad de Igeería. Uversdad Nacoal de Mar del Plata Argeta Jua

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

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

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

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

a es la parte real, bi la parte imaginaria.

a es la parte real, bi la parte imaginaria. CAPÍTULOIX 55 NÚMEROS COMPLEJOS Coocmetos Prevos Supoemos coocdo que: ) El cojuto de úmeros complejos está e correspodec buívoc co el cojuto de los putos de u plo. b) U úmero complejo expresdo e form boml

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

Procesadores aritméticos. Ejercicios

Procesadores aritméticos. Ejercicios UNIVERSITAT POLITÈCNICA DE CATALUNYA ESCOLA UNIVERSITÀRIA POLITÈCNICA DE VILANOVA I LA GELTRÚ Procesadores aritméticos. Ejercicios DEPARTAMENT: Arquitectura de Computadors ESPECIALITAT: Iformàtica de Gestió

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

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

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

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles