Identificación Paramétrica
|
|
- Virginia Lagos Rubio
- hace 7 años
- Vistas:
Transcripción
1 Identificación Paramétrica
2 Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( ) ( ) y = G z u + H z ε G ( z ) = g ( ) z i= 0 H ( z ) = h ( ) z i= 0 ε representa el ruido operturbaciones demedición, ió por lo general se considera que el ruido es blanco o coloreado.
3 Métodos para la Obtención de un Modelo Discreto Familias de modelos de funciones de transferencia: ARX ARMAX ARARX ARARMAX Error de salida Box-Jenins
4 Estructura ARX: Métodos para la Obtención de un Modelo Discreto Esta estructura es probablemente la relación entrada-salida mas simple que se pueda obtener para describir el sistema a través de una ecuación en diferencias. a y + a y + a y a y = b u + b u + b u + ε n n 2 2 m m Con a = 0, Ay = Bu + ε A = + az + az + + az 2 n 2 n 2 m B= bz + b2 z + + bn z
5 Métodos para la Obtención de un Modelo Discreto Así según la estructura, tenemos que: ( ) G z B z = ( ) ( ) y = G z u + H z ε Ay = Bu + ε ( ) H ( z ) = A( z ) A z ( ) /A ε u y B/A
6 Métodos para la Obtención de un Modelo Discreto El modelo puede ser reescrito como: Ay = Bu + ε y + a y + a y + + a y = b u + + b u + ε 2 2 n n m m y = a y a y a y + b u + + b u + ε 2 2 n n m m En este caso, los parámetros a ajustar son: a, a,, a, b, b,, b 2 n 2 m
7 Métodos para la Obtención de un Modelo Discreto Definimos así el vector de parámetros a estimar como: [ a a a b b b ] θ = 2 n 2 Definimos un vector que va a contener las señales medidas: [ y y y u u u ] φ = 2 n 2 m m Así el modelo puede ser representado en forma vectorial como: y = φ θ + ε
8 Métodos para la Obtención de un Modelo Discreto y = φ θ + ε A esta ecuación se le denomina modelo de regresión lineal φ a este vector se le denomina regresores o vector de regresión θ vector de parámetros a estimar o identificar y = φ θ se le llama modelo de predicción
9 Métodos para la Obtención de un Modelo Discreto Así para la identificación del vector de parámetros, podemos usar un método muy eficaz y sencillo como lo es el método de los mínimos cuadrados: En este caso se define el error como: e = y yˆ e = y φ θ K El método de los mínimos cuadrados tiene como objetivo minimizar el error.
10 Métodos para la Obtención de un Modelo Discreto Así la función de costos para minimizar el error se puede definir como: V V V ( θ ) ( θ ) ( θ ) N = y φ θ 2 = N = E 2 = N = 2 = 2 E 2 2 Donde N es el número de muestras.
11 Método de Mínimos Cuadrados Método de mínimos cuadrados. y = φ θ En el caso general de N muestra, tenemos: Y = Φθ Donde Y es un vector Nx, Φ es una matriz Nxp y θ un vector px.
12 Método de Mínimos Cuadrados Y = Φθ Y y() y(2) = yn ( ) Nx ( ) ( 2) φ φ Φ φ ( N ) Φ = θ = [ a a a b b b ] Nxp 2 n 2 m xp θ Una manera de encontrar seria escoger el número de muestras N igual a p. Así Φ sería una matriz cuadrada. Si Φ es no singular, entonces θ =Φ θˆ Φ Y
13 Método de Mínimos Cuadrados Sin embargo en la práctica es muy difícil tomar N igual a p debido a la escasa información que se obtendría del sistema para realizar la identificación. Así otro método es, definimos el error entre la variable medida y(t) y las medidas provenientes del modelo φ θ et () = yt () φ θ
14 Método de Mínimos Cuadrados El método de mínimos cuadrados entonces minimiza el error a través de la minimización de una función de costos. N V E t E t E t E t ( θ ) = ( ) = ( ) ( ) = ( ) 2 t= Donde denota la norma euclideana.
15 Método de Mínimos Cuadrados eorema: Sea la función de costos V ( θ ) y definiendo el error como: E() t = Y () t Φθ. Suponiendo que Φ Φ es una matriz definida positiva, entonces V ( θ ) tiene un único punto mínimo dado por: θˆ = ΦΦ Φ Y ( ) Y el valor mínimo esta dado por: ( ) ( ˆ) min ( ) θ V θ = V θ = Y Y Y Φ Φ Φ Φ Y 2
16 Método de Mínimos Cuadrados Demostración: Sabemos: Et () = Y Φθ así, de la función de costos: V( θ ) = E ( t) E( t) 2 = [ Y Φθ] [ Y Φθ] 2 = Y Y Y Φθ θ Φ Y + θ ΦΦθ 2 Esta ecuación se puede escribir como: V( θ) = θ ( ) y ( ) θ ( ) Y Y Y Y ( ) Y (*) 2 ΦΦ Φ ΦΦ ΦΦ Φ + ΦΦΦ Φ 2
17 Método de Mínimos Cuadrados Prueba para (*) V( θ) = θ ( ) y ( ) θ ( ) Y Y Y Y ( ) Y (*) 2 ΦΦ Φ ΦΦ ΦΦ Φ + ΦΦΦ Φ 2 ( ) ( ) ( ) ( )( )( ) V [ θ ] = θ ( ΦΦ ) θ θ ( ΦΦ )( ΦΦ ) ΦY ( ΦΦ ) ΦY ΦΦ θ + ΦΦ ΦY ΦΦ ΦΦ ΦY 2 ( ) + YY Y Y 2 Φ Φ Φ Φ = 2 θ ΦΦθ θ Φ Y Y Φ θ + YY + YY YY 2 = θ Φ Φθ θ Φ Y Y Φ θ + Y Y 2 Así debe ser escogido como: = Φ Φ Φ para que V ( θ ) θˆ sea mínima. ( ) θˆ Y
18 Método de Mínimos Cuadrados V( θ) = θ ( ) y ( ) θ ( ) Y Y Y Y ( ) Y 2 ΦΦ Φ ΦΦ ΦΦ Φ + ΦΦΦ Φ 2 θˆ = Φ Φ Φ Y ( ) min ( ) V θ = Y Y Y Φ Φ Φ Φ Y ( ) 2 2 ( ) ˆ ( ) V V Y Y Y Y θ θ = θ = Φ Φ Φ Φ ( ) ( ) ( )
19 Método de Mínimos Cuadrados ( ) Y θˆ θ = ΦΦΦ Φ Y Cuando la matriz ΦΦ es singular (o semidefinida positiva), entonces calcular θˆ como se enunció en el teorema no es válido ya que no podríamos calcular su inversa. En este caso, evaluamos el gradiente de la función de costos V ( θ )
20 Método de Mínimos Cuadrados V θ = E t E t 2 ( ) () () V ( θ) = [ Y Φθ] [ Y Φ θ] = θ Φ Φθ θ Φ Y Y Φ θ + Y Y 2 2 Calcula la derivada, tenemos: Así dv ( θ ) dθ = Φ Φ θ + θ Φ Φ Φ Y Y Φ = = Φ Φθ Φ Y =Φ Φθ Φ Y = 0 2 ΦΦ ˆ θ =Φ Y Se debe resolver este sistema de ecuaciones.
21 Métodos para la Obtención de un Modelo Discreto Familias de modelos de funciones de transferencia: ARX ARMAX ARARX ARARMAX Error de salida Box- Jenins
22 Métodos para la Obtención de un Modelo Discreto Estructura ARMAX: La principal desventaja del modelo ARX reside en la escasez o falta de libertad en la descripción del término del error o perturbación. Debido a esto agregamos un término conocido como medida en movimiento (moving average) del ruido blanco, esto es: A y = Bu + C ε Donde C = + c z + c z + + c z 2 l 2 l
23 Métodos para la Obtención de un Modelo Discreto En este caso, el valor de parámetros lo podemos definir como: = a a2 an b b2 bm c c 2 c l θ [ y y y u u u ] ϕ = n m ε ε- ε-l Una versión de este modelo con una integración forzada se le conoce como modelo ARIMAX el cual es muy usado para describir sistemas con perturbaciones lentas. Y se obtiene reemplazando: Δ y = y y en lugar de y
24 Métodos para la Obtención de un Modelo Discreto Familias de modelos de funciones de transferencia: ARX ARMAX ARARX ARARMAX Error de salida Box- Jenins
25 Métodos para la Obtención de un Modelo Discreto Estructura ARARX: En lugar de modelar el término del ruido o perturbación con una media en movimiento, se puede describir esta perturbación como una auto regresión. Esto es: Donde Ay = Bu + D ε D = + dz + dz + + d z 2 P 2 P
26 Métodos para la Obtención de un Modelo Discreto Familias de modelos de funciones de transferencia: ARX ARMAX ARARX ARARMAX Error de salida Box- Jenins
27 Métodos para la Obtención de un Modelo Discreto Estructura ARARMAX: Una forma más general aun es la combinación del modelo ARMAX con el ARARX, dando como resultado el modelo ARARMAX. Esto es: C Ay = Bu + D ε ε C/D + u + y B /A
28 Métodos para la Obtención de un Modelo Discreto Familias de modelos de funciones de transferencia: ARX ARMAX ARARX ARARMAX Error de salida Box- Jenins
29 Error de salida: Métodos para la Obtención de un Modelo Discreto Hasta ahora hemos visto estructuras en las cuales la descripción de las funciones de transferencias tienen el polinomio A como factor común en sus denominadores. Sin embargo, sería más natural parametrizar de transferencia en forma independiente. estas funciones Supongamos ahora que tenemos la relación entre la entrada y la salida sin perturbación, esto es:
30 Métodos para la Obtención de un Modelo Discreto ε w + u Sistema y Fw = Bu Donde: 2 F = + fz + fz + + fz q 2 2 Así, y = w + ε B y = u + +ε F
31 Métodos para la Obtención de un Modelo Discreto Entonces el modelo es: ε u B/F y y B = u + ε F
32 Métodos para la Obtención de un Modelo Discreto Familias de modelos de funciones de transferencia: ARX ARMAX ARARX ARARMAX Error de salida Box-Jenins
33 Métodos para la Obtención de un Modelo Discreto Familia a general e de modelos: os Las estructuras que hemos visto anteriormente pueden generar muchos modelos, dependiendo de cómo se combinen los polinomios A,B,C,D o F. Así por conveniencia adoptaremos una estructura generalizada. A y = B C u F + D ε Estructura Box-Jains
34 Resumen Modelo Discreto Estructura ARX ARMAX ARIMAX ARARX ARARMAX Error de salida Box-Jenins Ay = Bu + ε A y = Bu + C ε Δ y = y y en lugar de y Ay = Bu + D ε C Ay = Bu + ε D B y = u +ε F B C Ay = u F + D ε
35 Método de Mínimos Cuadrados (Repaso) En el método de mínimos cuadrados, el modelo del sistema es: y = φ θ En el caso general de N muestra tenemos: Y = Φθ Donde Y es un vector Nx, Φ es una matriz Nxp y θ un vector px.
36 Método de Mínimos Cuadrados (Repaso) Y = Φθ Y y() y(2) = yn ( ) Nx φ ( ) ( 2) φ Φ= θ = [ a a a b b b ] Φ= φ ( N ) Nxp 2 n 2 m xp
37 Método de Mínimos Cuadrados (Repaso) Este método es un método paramétrico, en el cual los parámetros desconocidos de un modelo matemático deben escogerse de tal manera que, la suma de las diferencias cuadráticas entre los valores observados o medidos y los calculados (por modelo), multiplicados por valores que miden el grado de precisión sea mínimo. Es decir, N ( ) 2 N 2 2 i= 2 i= ( ) () () minθ V θ = Y i ϕ i θ = E
38 Método de Mínimos Cuadrados (Repaso) V ( θ ) = E t E t 2 ( ) ( ) V ( θ ) = Φ Φ ( ) ( ) ( ) ( ) 2 θ ΦΦ Φy ΦΦ θ ΦΦ Φ Y + Y Y Y ΦΦΦ ΦY 2 θˆ ˆ = ΦΦ Φ Y ( ) ( ) ( ˆ) min ( ) θ V θ = V θ = Y Y Y Φ Φ Φ Φ Y 2
39 Método de Mínimos Cuadrados Debido a la presencia de ruido en los sistemas, un modelo mas real viene dado por: ( ) = ϕ ( ) θ + ε( ) y i i i Donde ( ) t ε es la señal de ruido.
40 Método de Mínimos Cuadrados Generalizado Este método es una modificación del método de mínimos cuadrados presentado anteriormente. ambién es llamado método de mínimos cuadrados ponderados. Su modificación consiste en incluir pesos dentro de la función de costos a minimizar. i i El error a minimizar tiene un peso diferente en cada instante.
41 Método de Mínimos Cuadrados Generalizado El modelo en este caso, es el modelo de regresión lineal: ( ) = ϕ ( ) θ + ( ) y i i r i Donde en este caso el ruido blanco η t es reemplazado por un ruido coloreado. Por ejemplo una secuencia de variables aleatorias correlacionadas, así: ( ) = η Cz ( ) () () i r i
42 Método de Mínimos Cuadrados Generalizado En general, el ruido que esta afectando a la salida del sistema no tiene media cero y el estimador de mínimos cuadrados como consecuencia puede generar resultados desviados. Para compensar la desviación se define un estimador ponderado W, W = V V, donde V es una matriz triangular inferior. Así la función de costos es: N minθ V ( θ ) = w y ( i ) φ ( i ) θ = E WE 2 2 i= 2 ( ) E = Y Φ θ
43 Método de Mínimos Cuadrados Extendido Este método es otra modificación del método de mínimos cuadrados. En el método de mínimos cuadrados el modelo de regresión lineal se puede escribir como: Ay = Bu + ε ε es el ruido
44 Método de Mínimos Cuadrados Extendido En el caso del método de mínimos cuadrados generalizado, el modelo de regresión lineal es: Ay = Bu + η Cz ( ) En el caso de mínimos cuadrados extendidos el modelo de regresión lineal es: Ay Dz ( ) Bu = + Cz ( ) η
45 Método de Máxima Verosimilitud El método de máxima verosimilitud es un método estocástico. El método consiste en seleccionar los valores que minimicen la función de verosimilitud definida como: ( Y, θ ) P( Y,θ ) L = Donde Y es una variable aleatoria que tiene densidad probabilística P( ( Y,θ )
46 Método de Máxima Verosimilitud ( Y, θ ) P ( Y,θθ ) L Y = Esta densidad de probabilidad depende del parámetro desconocido θ Así el método de máxima verosimilitud reduce el problema de estimación de parámetros, a la maximización de una función de los parámetros θ y de los datos experimentales observados Y.
47 Resumen Método Estructura Mínimos Cuadrado d Mínimos Cuadrados Generalizado Ay Ay = Bu Ay = Bu + η = Bu + Cz ( ) η Mínimos Cuadrados Extendido Ay = Bu + Dz ( ) η Cz ( ) Máxima Verosimilitud ( Y, θ ) P( Y,θ ) L =
48 Referencias bibliográficas A continuación se presenta el listado de las referencias bibliográficas requeridas: Isermann, R & Münchhof, M. (20). Least squares parameter estimation for static processes. En: Identification of dynamic systems. (pp ). Estados Unidos: Springer. Isermann, R & Münchhof, M. (20). Least squares parameter estimation for dynamic processes. En: Identification of dynamic systems. (pp ). Estados Unidos: Springer. Söderström, & Stoica, P. (200). Linear regression. En: System Identification. (pp ). Gran Bretaña: Prentice Hall. Söderström, & Stoica, P. (200). Model parametrizations. En: System Identification. (pp ). Gran Bretaña: Prentice Hall. Söderström, & Stoica, P. (200). Prediction error methods. En: System Identification. (pp ). Gran Bretaña: Prentice Hall. A continuación se presenta el listado de las referencias bibliográficas complementarias: Identificación de sistemas. Recuperado en System identification toolbox. Recuperado en
OPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesModelización por medio de sistemas
SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable
Más detallesEJERCICIOS DE SELECTIVIDAD LOGSE en EXTREMADURA MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES
EJERCICIOS DE SELECTIVIDAD LOGSE en EXTREMADURA MATRICES DETERMINANTES Y SISTEMAS DE ECUACIONES JUNIO 06/07. a) Calcula el rango de la matriz A según los valores del parámetro a 3 a A = 4 6 8 3 6 9 b)
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detalles2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO. Una señal puede ser definida como una portadora física de información. Por ejemplo,
2. SEÑALES Y SISTEMAS DISCRETOS EN EL TIEMPO Una señal puede ser definida como una portadora física de información. Por ejemplo, las señales de audio son variaciones en la presión del aire llevando consigo
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesRobusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico
Robusticidad de los Diseños D-óptimos a la Elección de los Valores Locales para el Modelo Logístico David Felipe Sosa Palacio 1,a,Víctor Ignacio López Ríos 2,a a. Escuela de Estadística, Facultad de Ciencias,
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
Más detallesCAMPOS ELÉCTRICOS DEBIDOS A DISTRIBUCIONES CONTINUAS DE CARGA
CAMPOS ELÉCTRICOS DEBIDOS A DISTRIBUCIONES CONTINUAS DE CARGA Este documento enuncia de forma más detallada la formulación matemática que permite el estudio de campos eléctricos debido a distribuciones
Más detallesMatemáticas Universitarias
Matemáticas Universitarias 1 Sesión No. 5 Nombre: Desigualdades lineales, cuadráticas y valor absoluto Objetivo de la asignatura: En esta sesión el estudiante conocerá las características y métodos de
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesÁngulos complementarios Un par de ángulos son complementarios si la suma resultante de sus medidas es.
Materia: Matemática de Séptimo Tema: Ángulos y pares de ángulos Objetivos de aprendizaje Entender e identificar ángulos complementarios. Entender e identificar ángulos suplementarios. Entender y utilizar
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesMAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas. g(z) e u(z) 1. u(z) a log z + b
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE MATEMÁTICAS MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas 1. Sea u : C R una función armónica positiva. Pruebe que u es constante. Solución:
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesEl método de mínimos cuadrados. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
El método de mínimos cuadrados Curso de Estadística TAE, 005 J.J. Gómez-Cadenas Mínimos cuadrados y máxima verosimilitud Teorema del límite central Una medida y, puede considerarse como un variable aleatoria,
Más detallesEcuaciones diferenciales homogéneas y no homogéneas lineales a coeficientes constantes. Búsqueda de la solución particular.
Ecuaciones diferenciales homogéneas y no homogéneas lineales a coeficientes constantes. Búsqueda de la solución particular. 1. Definiciones previas 1.1. Wronskiano Diremos que el Wronskiano de un conjunto
Más detalles1 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Capítulo 1 SISTEMAS DE ECUACIONES LINEALES Y MATRICES 1.1 INTRODUCCIÓN Este libro trata del álgebra lineal. Al buscar la palabra lineal en el diccionario se encuentra, entre otras definiciones, la siguiente:
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesAprendizaje basado en ejemplos.
Aprendizaje basado en ejemplos. In whitch we describe agents that can improve their behavior through diligent study of their own experiences. Porqué queremos que un agente aprenda? Si es posible un mejor
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 7: Lunes 22 - Viernes 27 de Abril. Contenidos
Coordinación de Matemática I (MAT01) 1 er Semestre de 013 Semana 7: Lunes - Viernes 7 de Abril Cálculo Contenidos Clase 1: Álgebra de límites. Teorema del Sandwich. Cálculo de límites. Límites trigonométricos.
Más detallesTema 6: Ecuaciones diferenciales lineales.
Tema 6: Ecuaciones diferenciales lineales Una ecuación diferencial lineal de orden n es una ecuación que se puede escribir de la siguiente forma: a n (x)y (n) (x) + a n 1 (x)y (n 1) (x) + + a 0 (x)y(x)
Más detallesMateria: Matemática de Octavo Tema: Raíces de un polinomio. Marco teórico
Materia: Matemática de Octavo Tema: Raíces de un polinomio Y si tuvieras una ecuación polinómica como? Cómo podrías factorizar el polinomio para resolver la ecuación? Después de completar esta lección
Más detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesProfesorado de Nivel Medio y Superior en Biología Matemática - 1º Cuatrimestre Año 2013 FUNCIÓN CUADRÁTICA
Matemática - º Cuatrimestre Año 0 FUNCIÓN CUADRÁTICA Hemos definido anteriormente la función lineal como una función f: R R de la forma f()a+b con a R y b R, que se representa en el plano mediante una
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo
Más detallesRegresión con variables independientes cualitativas
Regresión con variables independientes cualitativas.- Introducción...2 2.- Regresión con variable cualitativa dicotómica...2 3.- Regresión con variable cualitativa de varias categorías...6 2.- Introducción.
Más detallesIntroducción. Flujo Eléctrico.
Introducción La descripción cualitativa del campo eléctrico mediante las líneas de fuerza, está relacionada con una ecuación matemática llamada Ley de Gauss, que relaciona el campo eléctrico sobre una
Más detallesPROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C)
PROGRAMACIÓN DE LOS CONTENIDOS DE MATEMÁTICAS EN LA PREPARACIÓN DE LA PARTE COMÚN DE LA PRUEBA DE ACCESO A LOS C.F.G.S. (Opción C) I.E.S. Universidad Laboral de Málaga Curso 2015/2016 PROGRAMACIÓN DE LA
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesMENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
Más detalles2º INGENIERÍA INDUSTRIAL TEORÍA DE CIRCUITOS Y SISTEMAS
º INGENIERÍA INDUSTRIAL TEORÍA DE CIRCUITOS Y SISTEMAS PRÁCTICA 7 SISTEMAS. UTILIDADES MATLAB. TRANSFORMADAS Y ANTITRANSFORMADAS Matlab permite obtener transformadas y antitransformadas de Fourier, Laplace
Más detalles1 Ecuaciones diferenciales
1 Ecuaciones diferenciales La solución a una ecuación algebraica es un número, o un conjunto de números que satisfacen la ecuación. Por ejemplo las soluciónes de x 2 4x + 3 = 0 son x 0 = 1 y x 1 = 3. Las
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesNÚMEROS COMPLEJOS: C
NÚMEROS COMPLEJOS: C Alejandro Lugon 21 de mayo de 2010 Resumen Este es un pequeño estudio de los números complejos con el objetivo de poder usar las técnicas de solución de ecuaciones y sistemas diferenciales
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesde la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Más detallesy cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy).
UNIDAD II: VECTORES EN DOS Y TRES DIMENSIONES Un espacio vectorial (o espacio lineal) es el objeto básico de estudio en la rama de la matemática llamada álgebra lineal. A los elementos de los espacios
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detallesProyecciones. Producto escalar de vectores. Aplicaciones
Proyecciones La proyección de un punto A sobre una recta r es el punto B donde la recta perpendicular a r que pasa por A corta a la recta r. Con un dibujo se entiende muy bien. La proyección de un segmento
Más detalles2 Unidad II: Ecuaciones Diferenciales de Orden Superior
ITESM, Campus Monterrey Departamento de Matemáticas MA-41: Ecuaciones Diferenciales Lectura # Profesor: Victor Segura Flores Unidad II: Ecuaciones Diferenciales de Orden Superior.1 Ecuaciones Diferenciales
Más detallesCálculo de bisección inversa mediante mínimos cuadrados
www.topoedu.es Los mejores recursos especializados en topografía y geodesia, nunca vistos hasta ahora. Hojas técnicas de cálculo: Cálculo de bisección inversa mediante mínimos cuadrados Versión 1. Febrero
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesTema 3 Álgebra Matemáticas I 1º Bachillerato. 1
Tema 3 Álgebra Matemáticas I 1º Bachillerato. 1 TEMA 3 ÁLGEBRA 3.1 FACTORIZACIÓN DE POLINOMIOS LA DIVISIBILIDAD EN LOS POLINOMIOS Un polinomio P(x) es divisible por otro polinomio Q(x) cuando el cociente
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesUnidad III: Curvas en R2 y ecuaciones paramétricas
Unidad III: Curvas en R2 y ecuaciones paramétricas 2.1 Ecuación paramétrica de la línea recta. La recta constituye una parte fundamental de las matemáticas. Existen numerosas formas de representar una
Más detallesMATEMÁTICAS APLICADAS A LAS CC. SOCIALES I. Examen de la tercera evaluación. Nombre y apellidos Fecha: 10 de junio de 2010
IES ATENEA San Sebastián de los Rees MATEMÁTICAS APLICADAS A LAS CC. SOCIALES I Eamen de la tercera evaluación Nombre apellidos Fecha: 0 de junio de 00.- (, 5 puntos) En seis modelos de zapatillas deportivas
Más detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesEstadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5
Estadística Industrial Universidad Carlos III de Madrid Series temporales Práctica 5 Objetivo: Análisis descriptivo, estudio de funciones de autocorrelación simple y parcial de series temporales estacionales.
Más detallesTeoría Tema 6 Ecuaciones de la recta
página 1/14 Teoría Tema 6 Ecuaciones de la recta Índice de contenido Base canónica en dos dimensiones como sistema referencial...2 Ecuación vectorial de la recta...4 Ecuación paramétrica de la recta...6
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesUnidad 2: Ecuaciones, inecuaciones y sistemas.
Unidad 2: Ecuaciones, inecuaciones y sistemas 1 Unidad 2: Ecuaciones, inecuaciones y sistemas. 1.- Factorización de polinomios. M. C. D y m.c.m de polinomios. Un número a es raíz de un polinomio es 0.
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesTEMA 6. SVM Support Vector Machines (Máquinas de Vectores Soporte)
TEMA 6. SVM Support Vector Machines (Máquinas de Vectores Soporte) Francisco José Ribadas Pena Modelos de Razonamiento y Aprendizaje 5 Informática ribadas@uvigo.es 17 de abril de 2012 FJRP ccia [Modelos
Más detallesUN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL.
UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. Benjamín R. Sarmiento Lugo. Universidad Pedagógica Nacional bsarmiento@pedagogica.edu.co Esta conferencia está basada en uno de los temas desarrollados
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesInecuaciones con valor absoluto
Inecuaciones con valor absoluto El valor absoluto de un número real a se denota por a y está definido por: Propiedades a a si a si a 0 a < 0 i a y b son números reales y n es un número entero, entonces:
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesCONCEPTOS BASICOS DE LA TRANSFORMADA DE LAPLACE LA TRANSFORMADA DE LAPLACE
LA TRANSFORMADA DE LAPLACE Por cálculo integral sabemos que cuando vamos a determinar una integral impropia de la forma,su desarrollo se obtiene realizando un cambio de variable en el límite superior de
Más detallesPRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO. Otra forma de expresar un número complejo es la forma polar o forma módulo-argumento,
OBJETIVO EDUCACIONAL PRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO Resolver problemas de aplicación e interpretar las soluciones utilizando matrices y sistemas de ecuaciones lineales para las diferentes
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple. Facultad de Ciencias Sociales - UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 7. El modelo de regresión simple Facultad de Ciencias Sociales - UdelaR Índice 7.1 Introducción 7.2 Análisis de regresión 7.3 El Modelo de Regresión
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesControl Moderno. Ene.-Jun. 2007 UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN. Facultad de Ingeniería Mecánica y Eléctrica. Dr. Rodolfo Salinas.
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN Facultad de Ingeniería Mecánica y Eléctrica Control Moderno Ene.-Jun. 2007 Dr. Rodolfo Salinas abril 2007 Control Moderno N1 abril 2007 Dr. Rodolfo Salinas Modelo Ecuación
Más detallesTEMA 8: ECUACIONES EN DIFERENCIAS
Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 8: ECUACIONES EN DIFERENCIAS 1 CONCEPTOS BASICOS Una ecuación en diferencias es una expresión del tipo: G(n, f(n), f(n + 1),..., f(n + k)) = 0, n Z,
Más detallesUna matriz es una tabla ordenada (por filas y columnas) de escalares a i j de la forma: ... ... a... ...
MATRICES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales. Tienen también muchas aplicaciones
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A.
ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; A = A. 2. La inversa de A 1 es A; A 1 1 = A. 3. AB = B A. 4. Las matrices A A y AA son simétricas. 5. AB 1 = B 1 A 1, si A y B son no singulares. 6. Los escalares
Más detallesSoluciones de la ecuación diferencial lineal homogénea
Ecuaciones diferenciales lineales de orden superior Ampliación de matemáticas urso 2008-2009 Ecuación diferencial lineal de orden n (x dn y n + P (x dn y n + + P n (x dy + P n(xy = G(x ( donde, P,...,
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS CC SOCIALES CAPÍTULO 2 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesPAU Madrid. Matemáticas II. Año Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos.
PAU Madrid. Matemáticas II. Año 22. Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos. Se considera una varilla AB de longitud 1. El extremo A de esta varilla recorre completamente la circunferencia
Más detallesLección 4. Ecuaciones diferenciales. 1. Ecuaciones diferenciales de primer orden. Trayectorias ortogonales.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 0.. Ecuaciones diferenciales de primer orden. Traectorias ortogonales. Muchas aplicaciones problemas de la ciencia, la ingeniería la economía se formulan en términos
Más detallesTeoremas de convergencia y derivación bajo el signo integral
Capítulo 8 Teoremas de convergencia y derivación bajo el signo integral En este capítulo estudiaremos sucintamente bajo qué circunstancias puede intercambiarse el orden de la integral con las operaciones
Más detallessobre un intervalo si para todo de se tiene que. Teorema 1 Sean y dos primitivas de la función en. Entonces,
Integral indefinida Primitiva e integral indefinida. Cálculo de primitivas: métodos de integración. Integración por cambio de variable e integración por partes. Integración de funciones racionales e irracionales.
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 2: Lunes 18 Viernes 22 de Marzo. Contenidos
Cálculo Coordinación de Matemática I MAT021 1 er Semestre de 2013 Semana 2: Lunes 18 Viernes 22 de Marzo Contenidos Clase 1: La Ecuación Cuadrática. Inecuaciones de grado 2, con y sin valor absoluto. Clase
Más detallesTrabajo Práctico n 2. Robotización de un Puente Grúa. Presentación. Restricciones. Curso 2011
Trabajo Práctico n 2 Robotización de un Puente Grúa Presentación Este problema consiste en desarrollar un sistema de control automático que permita robotizar la operación de un puente grúa para la carga
Más detallesGuía n 0: Herramientas de Física y Matemáticas
Guía n 0: Herramientas de Física y Matemáticas Problema Dadas dos partículas en el espacio ubicadas en los puntos de coordenadas p = (0,5, 2) y p 2 = (2,3,). Hallar el vector posición de la partícula respecto
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesTRA NSFORMACIO N ES LIN EA LES
TRA NSFORMACIO N ES LIN EA LES C o m p uta c i ó n G r á fica Tipos de Datos Geométricos T Un punto se puede representar con tres números reales [x,y,z] que llamaremos vector coordenado. Los números especifican
Más detallesTrabajo 2. Jonathan A. Trejos O. El primer problema es uno típico de teoría de números, en el cual se puede apreciar la simetría.
Trabajo Jonathan A. Trejos O. 1 Primer problema El primer problema es uno típico de teoría de números, en el cual se puede apreciar la simetría. Enunciado 1 Halle y pruebe una bonita fórmula para el producto
Más detallesx^new = x^old + K(b new A new x^old )
El Filtro de Kalman: La idea fundamental del filtro de Kalman es la actualización La llegada de una nueva observación supone un cambio en la mejor estimación mínimo cuatrática del parámetro x Se desea
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detalles