El uso de la descomposición en valores singulares para el tratamiento de imágenes

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

Download "El uso de la descomposición en valores singulares para el tratamiento de imágenes"

Transcripción

1 CIENCI Volume 7, úm. 4 (dcembre 011) 14 págas hp:// ISSN: Recbdo: 8 de agoso de 011 Revsado: 15 de sepembre de 011 Publcado: 0 de febrero de 01 El uso de la descomposcó e valores sgulares para el raameo de mágees Leoardo Colombo Isuo de Cecas Maemácas CSIC-UM-UC3M-UCM, Madrd e-mal: leo.colombo@cma.es pága web: hp:// Ramro Lafuee Uversdad Nacoal de Córdoba, rgea FaMF & CIEM e-mal: ramlaf@gmal.com 1. Iroduccó Hace ya alguos sglos, el uso de los valores sgulares y la descomposcó e valores sgulares ha sdo objeo de esudo de dferees dscplas maemácas como el aálss marcal, el aálss fucoal y las ecuacoes e dervadas parcales, ere oras; pero s duda, el ámbo e que mayor mpaco uvo y coúa eedo es el del álgebra leal umérca. Dchos valores ee ua auraleza geomérca, dada a coocer e prmer lugar por el maemáco alao Eugee Belram [1, 7]. E el sglo XIX Belram, juo co oros geómeras dferecales, buscaba reducr ua forma cuadráca a ua forma dagoal medae rasformacoes orogoales. Fue Belram que do comezo a ese esudo, y al problema de la descomposcó e valores sgulares. Belram resolvó u caso parcular del problema, pero clave e dspesable para los esudos que sguero e años poserores. Demosró que exse al reduccó cuado la marz de la forma bleal es real, o sgular y cuadrada, ecorado ua descomposcó del po T U V S dag ( ), 1 dode posvas de U yv so marces orogoales. Más aú, dchos valores so las raíces cuadradas T (o de T, ya que so marces semejaes). Oro esudo sobre formas bleales llevó a Camlle Jorda a obeer resulados smlares y más geerales que los obedos por Belram. Los esudos de Jorda [4] fuero luego couados por Welad y Laczos. Idepedeemee, Joh Sylveser propuso u algormo para reducr ua forma cuadráca a ora dagoal e [6], dode ambé mecoó la exseca de ua eracó smlar para dagoalzar ua forma bleal. Geomércamee, los valores sgulares de ua marz se puede defr como las logudes de los semejes de la hperelpse que se rasforma medae e la esfera udad; pero e ese maemacala Vol. 7, úm. 4 (dcembre 011) 1

2 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee rabajo ulzaremos la defcó habual dada e los lbros de álgebra leal umérca, al gual que las éccas usuales e dcha dscpla. Vale la pea mecoar que el raameo de mágees uvo u gra mpaco e dversas áreas de la maemáca hace alguos años, prologádose hasa el día de hoy. l gual que sucede co la descomposcó e valores sgulares, muchas dscplas ceífcas esá eresadas e la relacó de las maemácas co el raameo (compresó, elmacó de rudo, desefoque, ec.) de mágees. La esadísca, la eoría de procesos esocáscos, el aálss armóco y la eoría del muesreo, la eoría de la formacó, el aálss umérco y la opmzacó, y, e geeral, la físca (s olvdar alguas ramas de la geería y la formáca) so alguas de las áreas que e la acualdad poe su erés e esos problemas. Para que el lecor se haga ua dea del uso acual del procesameo de mágees e la ecología, vamos a hacer refereca a los saéles Ladsa [5]. Esos so ua sere de saéles que orba crcularmee alrededor de la Terra, grabado mágees del erreo y de las cosas, de modo que cualquer lugar se pueda esear co mágees cada 8 días. Las mágees obedas por esos saéles so úles para esudar el rmo y la dreccó del crecmeo urbao, por ejemplo. La comudad agropecuara las ulza para aalzar la humedad del suelo y clasfcar la vegeacó. E cuao a los goberos, ésos puede deecar y esmar los daños provocados por desasres aurales. Y los orgasmos de proeccó del medo ambee las ulza para defcar la coamacó realzada por chmeeas y medr la emperaura del agua de ríos y lagos cercaos a plaas de eergía. Los sesores que esá corporados e los saéles oma see mágees smuláeamee de la regó de la Terra que se quera esudar. Cada mage se dgalza y se guarda e ua marz recagular, dode cada erada es u úmero que dca la esdad de señal de u puo (o píxel) de la mage. Dchas mágees suele eer mucha formacó redudae, la cual ocupa espaco ecesaramee, y uo raa de comprmrla para que eso o ocurra. Pero al compresó puede provocar que la mage resule legble. E ese rabajo dagaremos e la relacó que hay ere la descomposcó e valores sgulares y la compresó de mágees. Luego de roducr el ema medae ua revsó de los resulados prcpales que usaremos sobre la descomposcó e valores sgulares, veremos ua aplcacó de la msma a la compresó de mágees. Falmee, esudaremos ua aplcacó del méodo e la cual se resolverá u problema de mímos cuadrados cuya solucó será ua mage codfcada e forma de vecor.. Prelmares y oacó.1. cerca de la Descomposcó e Valores Sgulares (SVD) Los valores sgulares de ua marz de los auovalores de la marz smérca semdefda posva). Esos se ordea e sedo decrecee: m R se defe como las raíces cuadradas o egavas R, que sempre es defda o egava (o ( ) ( ) ( ) 0 1 p dode p m( m ). S el coexo lo perme, se ome la marz de su expresó y se deoa smplemee por: 1 p 0. S m R, co m, eoces exse marces UV S ales que USV, (1) Vol. 7, úm. 4 (dcembre 011) maemacala

3 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee que sasface que sasface cuya dagoal es de ceros. Es decr: dode U es ua marz m m U U I, V es ua marz V V I, y S es ua marz m co u bloque superor dagoal (sedo 1 0 ), y u bloque feror ( m ) 1 S dag ( 1 ) 0 ( m) Esa descomposcó de como produco de res marces cumpledo las codcoes mecoadas se llama Descomposcó e Valores Sgulares, o SVD por sus sglas e glés ( Sgular Value Decomposo ). S r rg, eoces 1 r r1 0 O sea, que e caso de que sea de rago defcee ( r ), posee r valores sgulares ulos. Las columas de las marces U [ u1 u ] y V [ v1 v ] coee los vecores sgulares a zquerda y derecha, respecvamee, de ; a dfereca de los valores sgulares, ésos o esá uívocamee deermados. Se sobreederá e adelae que las afrmacoes que se haga sobre ellos so depedees de los vecores elegdos. Pero hay que eer cero cudado, ya que los vecores sgulares a derecha v de so vecores propos de y los vecores sgulares a zquerda u de so vecores propos de. S embargo, eso o sgfca que y cualesquera bases oroormales de vecores propos de pueda ser ulzadas como vecores sgulares a derecha e zquerda, respecvamee, de. Las columas v de cualquer marz orogoal V que dagoalce a puede servr como vecores sgulares por la derecha de, pero los vecores sgulares por la zquerda correspodees v fórmulas u s 1 r, es decr, y para 1 v v u 1 r v { u u u } se elge cualquer base oroormal de ker r r m u v 1 r demás, para los subespacos úcleo e mage de, se ee que ker spa{ v v } Im spa{ u u } r1 1 r u vee dados por las. També se cumple: dode spa deoa el subespaco geerado por dchos vecores. Co las oacoes k U [ u u ] V [ v v ] mk k 1 k k 1 k maemacala Vol. 7, úm. 4 (dcembre 011) 3

4 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee se ee Im ImU y las relacoes mporaes ker Im Im ImV 1 Im m1 ker r r dode deoa la suma dreca orogoal... Descomposcó dádca La descomposcó dádca de la marz se obee drecamee de la descomposcó e valores sgulares mosrada e (1), y es la sguee: 1 u v T Se llama dada a oda marz de rago 1, de ahí el ombre de la expresó aeror. Esa ermología provee de la Físca, dode se habla de esores dádcos. Usaremos la orma especral de marces,.e. la orma ducda por las ormas euclídeas e m 1 y 1, max x 1 x x ( ) Se puede demosrar que 1.3. Teorema de Eckar y Youg Sguedo e el coexo aeror, dado u eero k, 0 k r, sea k T k uv 1 Eoces, el eorema de Eckar y Youg asegura que m X ( ). rgx k k. k 1 O sea, la marz de rago meor o gual a k que mmza la dsaca a (e orma ) es precsamee. E parcular, k m X ( ) rgx r r1 r 4 Vol. 7, úm. 4 (dcembre 011) maemacala

5 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee.4. Resolucó de problemas de cuadrados mímos por medo de la SVD Esudaremos ssemas de ecuacoes leales del po x b m dode es la marz del ssema, de escalares. x 1 es la cóga, y b m1 es u vecor arbraro E el caso de u ssema co gual cadad de cógas que ecuacoes ( m ), se puede hallar las solucoes medae méodos drecos, como por ejemplo elmacó gaussaa, descomposcó LU, Cholesky, ec. 1. E el caso de que esos méodos o pueda ser aplcados (por problemas de memora o empos de ejecucó muy grades) se puede ulzar méodos eravos, los cuales aproxma la solucó x progresvamee para luego, al cabo de cera cadad de eracoes, obeer ua solucó acepable. Cuado el ssema es compable, se ea buscar u x de modo al que x se aproxme a b ao como sea posble. O sea, se busca mmzar la expresó x b () E geeral, cuado m o hay u x que sasfaga x b. Es e esos casos dode se resuelve el problema de mmzar la expresó expuesa aerormee, ambé coocdo como problema de mímos cuadrados. Es posble demosrar que el x que mmza dcha expresó es la solucó del ssema leal ( x) b Para resolver ese po de ssemas, e los cuales la marz es cuadrada ( ), debemos cosderar dos casos: cuado el rago por columas de es compleo, y cuado o lo es (para más formacó, ver [, 3]). S rg( ), eoces es defda posva, y podemos resolver el ssema ulzado la descomposcó de Cholesky. S embargo, cuado rg( ) o puede ser ulzado ese méodo, ya que alguos auovalores de la marz so ulos. Es e esos casos dode se puede aplcar la Descomposcó e Valores Sgulares (SVD). Esudaremos el caso e el que el rago de la marz sea defcee, eso es, meor a la cadad de columas. m Dada la marz del problema ( m ), supogamos que rg( ) r, o sea, que es de rago defcee. E ese caso, o exse u úco x que mmza (), so que e realdad el cojuo de ales vecores es de dmesó r. Iearemos ecorar dchos x, y cosderar como solucó al problema el x de orma míma. Como vmos aerormee, exse exacamee r valores sgulares de que so o ulos, y esos so los úcos que fluye e la SVD de. Luego, escrbamos la SVD de como: S1 0 USV [ U1 U ] [ V1 V ] U1S1V (3) 1 Para la aplcacó de dchos méodos se debe supoer que el ssema es compable deermado. maemacala Vol. 7, úm. 4 (dcembre 011) 5

6 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee rr dode S1 es ua marz dagoal (submarz de S ), e cuya dagoal se ecuera los U V represea las prmeras r valores sgulares o ulos de e orde decrecee, y 1 1 columas de las marces UV, respecvamee. Dada la descomposcó e (3), es posble demosrar que odas las solucoes al problema de mímos cuadrados so de la forma x V S U b V z co z u vecor arbraro de dmesoes adecuadas. Como las columas de V 1 y V so muuamee orogoales, eemos por el eorema de Págoras que x V S U b V z lo cual claramee se mmza omado z 0 (vecor ulo). De esa forma, coocedo la SVD de uesra marz, podemos obeer el x de orma míma que mmza (), medae la fórmula x V S U b b (4) , dode es la marz pseudo versa de Moore-Perose de (ver por ejemplo [3]). 3. Compresó de mágees medae el uso de la SVD E esa seccó preseamos ua aplcacó de la descomposcó e valores sgulares de ua marz, relacoada co la compresó de mágees (represeadas por marces) de ua maera más ecoómca Levaameo de mágees a parr de ua marz qué os refermos cuado hablamos de mágees represeadas por marces? S magamos la mage como ua abla de píxeles, cada uo co ua desdad deermada, lo que obeemos es e realdad ua marz, cuyas eradas dca el color (o valor de grs, s fuese e blaco y egro) de cada píxel de la mage e cuesó. De esa forma, podemos rabajar co las mágees como s fuera marces umércas cualesquera. Por ejemplo, la marz dedad (de ua deermada dmesó) represea, e érmos de mágees, u cuadrado blaco co su dagoal descedee pada de egro (los úmeros ere 0 y 1 os da la desdad de color grs que debe parse e cada píxel, asumedo que el 0 represea al color blaco puro y el 1 al egro). 3.. Compresó de la mage S uvéramos la ecesdad de evar ua mage e forma de marz, dgamos por correo elecróco, podría surgr el problema de que las dmesoes de la marz fuese exageradamee grades (por ejemplo, ua marz de x ), y e cosecueca la cadad de memora ecesara para guardar los daos que coee sería exremadamee grade. Mosraremos u méodo medae el cual, evado sólo formacó parcal de la marz (es decr, o la marz complea), logramos que se perda la meor cadad de formacó posble sobre la mage. 6 Vol. 7, úm. 4 (dcembre 011) maemacala

7 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee m que represea a la mage e cuesó lo que hacemos e prmer lugar es, Dada la marz a parr de su descomposcó e valores sgulares USV, obeer su descomposcó dádca T u v, (5) 1 dode u v so los vecores columa de U V respecvamee, y so los valores sgulares de la marz. El resulado prcpal que fudamea ese méodo es el eorema de Eckar y Youg, el cual asegura que s sólo coservamos los prmeros k érmos ( k ) de la expresó e (5), eoces la dsaca ere la marz obeda y es exacamee k 1. demás, el mecoado eorema os asegura que la marz k T k 1 u v es la más próxma a ere odas las se ecuera e orde marces de rago k. Como los valores sgulares 1 k k 1 decrecee (llegado cluso a ser ulos s rg ), eoces co la marz k eemos ua buea aproxmacó de uesra marz cal. Lo eresae de ese resulado es que para rasmr la marz ecesamos evar las columas de U y de V además de los valores sgulares de, meras que para coocer sólo ecesamos coocer k de los elemeos aes mecoados. Vale la pea señalar que, sorpredeemee, o hace fala demasados valores sgulares para obeer ua aproxmacó acepable de la mage. Como veremos e las mágees de ejemplo, co evar solo u cuaro, o cluso meos valores sgulares de uesra marz, podemos recosrur la mage cas a la perfeccó lgormos de Malab couacó presearemos los comados de Malab ecesaros para obeer la descomposcó e valores sgulares y para levaar mágees correspodees a las marces mecoadas aerormee. Malab presea ua mporae lbrería de mágees, codfcadas e forma de marces, las cuales se puede ulzar para lusrar lo expueso e esa seccó. Nosoros hemos elegdo la mage durer.ma. Esa es ua marz de 630 x 509. Para rabajar co ella, basa co cargarla a la memora de Malab de la sguee maera: load durer.m Y la marz correspodee a la mage durer.m queda guardada e la varable X. hora buscamos las marces U S y V de la SVD de x, medae la fucó svd de Malab: [U,S,V]=svd(X); Falmee, para mosrar la mage obeda al quedaros co sólo k valores (y vecores) sgulares, lo que debemos hacer es darle u valor a k, y escrbr el códgo ecesaro para levaar la mage correspodee: colormap(map) k=... mage(u(:,1:k)*s(1:k,1:k)*v(:,1:k) ) k k Malab es ua marca regsrada de Mah Works. maemacala Vol. 7, úm. 4 (dcembre 011) 7

8 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee 3.4. Imágees para lusrar la dea Luego de aplcar repedas veces el méodo e Malab como mosramos aes, obeemos las mágees correspodees a los dferees valores de k. Observamos que la mage se ecuera perfecamee dsguble co k 40 valores sgulares, y que ya co 150 valores obeemos ua caldad cas déca a la coseguda co la oaldad de la marz (Fguras 1 y ). Fgura 1. Recosruccó de la mage usado la SVD. Fgura. Recosruccó de la mage usado la SVD. 8 Vol. 7, úm. 4 (dcembre 011) maemacala

9 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee 3.5. cerca de la mage Durer.m La mage que hemos escogdo para ese ejemplo, durer.m (Fgura 3), represea el grabado Melacolía I del por reacesa alemá lbrech Dürer, y se cosdera su obra más mserosa por la geomería y cuesoes maemácas que aparece e ella. Fgura 3. Melacolía I, de. Dürer. Dürer mafesa su erés haca la maemáca e esa obra. E ella se puede observar semcrcuferecas, poledros, esferas y, lo más llamavo, el cuadrado mágco que aparece e la pare superor derecha. Fgura 4. Dealle del cuadrado mágco e Melacolía I de. Dürer. Observemos la parculardad de ese cuadrado mágco (Fgura 4): odas las flas, columas, dagoales prcpales y submarces de suma el úmero mágco, 34. maemacala Vol. 7, úm. 4 (dcembre 011) 9

10 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee 4. plcacó a la resolucó de u problema de cuadrados mímos couacó veremos ua aplcacó del méodo de descomposcó e valores sgulares para la resolucó de u ssema de ecuacoes parcular. E dcho ssema, lo que obedremos como solucó será ua mage (a dfereca de la seccó aeror, la mage esará codfcada e el vecor x y o e la marz ). Ese problema surge e la prácca, cuado queremos recosrur ua mage a parr de la emsó de rayos X e ua omografía compuerzada Recosruccó de mágees por emsó de rayos X e ua omografía compuerzada Ua omografía compuerzada brda ua mage dgalzada de ua regó plaa R, co el objevo de cosegur ua recosruccó e blaco y egro de la mecoada regó R. Para obeer la mage dgalzada, debe procederse de la sguee maera: ) Emarcar e u recágulo la zoa R a reproducr. ) Dvdr el recágulo e pequeños cuadrados, los deomados píxeles. ) Colorear cada cuadrado (píxel) asgádole u color e la gama blaco-egro, es decr, colorear de grs co ua esdad predeermada. S deoamos a la cadad de píxeles obedos eoces, cuao mayor sea, mejor será la caldad de la mage reproducda. El msmo procedmeo se puede aplcar s lo que se desea recosrur es u cuerpo co volume. E las mágees reproducdas por u omógrafo compuerzado la esdad del color asgado a cada píxel de la malla depede de la desdad del ejdo cuya mage se desea reproducr. Cosderado que, a pror, la desdad del cuerpo a recosrur es descoocda (es la cóga del problema a resolver), el omógrafo deberá procesar formacó que le perma ferr la desdad del cuerpo e cada uo de los píxeles de la malla. E lo que sgue haremos ua breve descrpcó del modo e que u omógrafo compuerzado opera cuado ea recosrur mágees plaas: ) Ua fuee exera al cuerpo a recosrur eme u rayo que aravesa al mecoado cuerpo. ) l aravesar el cuerpo el rayo ee ua pérdda de esdad, la que se supoe que es drecamee proporcoal a la desdad del cuerpo aravesado. ) U recepor exero recbe al rayo y mde la aeuacó oal sufrda por el rayo, a la que deoamos b. Supogamos que la regó a recosrur es aravesada por m rayos, umerados de 1 a m, y que la malla posee píxeles umerados de 1 a. Obsérvese que a parr del coocmeo del águlo que forma el rayo co la fuee emsora y del amaño de la malla, se puede deermar la logud del ramo de rayo que aravesa cada píxel 3. Deoamos a a la logud del rayo que aravesa el píxel j, y b a la aeuacó del rayo medda e el recepor. S supoemos que la desdad del cuerpo es cosae e cada píxel de la malla, y que el facor de aeuacó es proporcoal a la logud del ramo del rayo que aravesa el píxel j, la corbucó a la aeuacó oal del rayo debda al paso por el píxel j será eoces ax j j, para cero del rayo). j a j x j (que depede úcamee del píxel j y o 3 Obvamee el rayo o aravesa alguos píxeles, e cuyo caso la logud del ramo asocada a al píxel es cero para ese rayo. 10 Vol. 7, úm. 4 (dcembre 011) maemacala

11 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee sí, la aeuacó oal e el rayo provedrá de sumar la aeuacó sufrda a lo largo de odos los píxeles que el rayo aravesa; es decr, j1 ax j j debe cocdr co la aeuacó debe sasfacer b medda por el recepor. E oras palabras, las cógas aj x j b 1 m (6) j1 x j Para poder ferr la desdad del ejdo del píxel j, debemos hallar la aeuacó x j ocurrda al aravesar el píxel j. Teedo e cuea que u rayo sólo aravesa alguos píxeles, se deduce que para recosrur oda la mage se debe aravesar la regó por varos rayos y procesar e forma cojua la formacó obeda por odos ellos. Luego, debemos hallar los valores de x que sasface el ssema de ecuacoes (6), sedo m el úmero de rayos emdos por las fuees. Usado oacó marcal, recosrur la mage equvale a resolver el ssema x b. Cada fla de correspode a u rayo, y los elemeos de la fla -ésma de so a a a a 1 j, j sedo aj 0 s el rayo o pasa por el píxel j. Cabe desacar que: ) Para cosegur ua buea recosruccó de la mage debemos dvdr la regó e u úmero grade de píxeles ( grade) y usar muchos rayos para aravesarla ( m grade) 4. ) U rayo puede aravesar sólo uos pocos píxeles; por lo ao, la ecuacó asocada a cada rayo ee muchos coefcees a ulos. sí, la marz es dspersa (sparse e glés). j ) Obsérvese que s la cadad de rayos emdos es meor que la cadad de píxeles, m eoces el ssema edrá fas solucoes. E ese caso, quzás se desee hallar aquella solucó que da la meor aeuacó de píxeles. Tal solucó es la de míma orma. v) S la cadad de rayos emdos es mayor que la cadad de píxeles, m eoces el ssema podría o eer solucó. Lo msmo puede ocurrr s por errores de redodeo e las medcoes realzadas para cualquer a, el ssema resula compable. j 4 Nóese que el ssema es geeralmee de gra escala. maemacala Vol. 7, úm. 4 (dcembre 011) 11

12 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee demás, la aeuacó de la eergía es ua egral de líea a lo largo de la rayecora del rayo, y b es el valor de esa egral, meras que cada ecuacó plaeada es ua suma de Rema. Eso dce que es alamee probable que el ssema plaeado sea cossee. E al suacó, ua posbldad eresae es hallar valores para sea a x que sasfaga que la dfereca x j pequeña como sea posble. Es decr, buscamos la solucó al problema de mímos cuadrados del ssema x b 4.. Preseacó y resolucó del problema medae SVD Resolveremos el problema de mímos cuadrados b m x x b dode es la marz que represea las logudes de los dferees rayos que aravesa la regó, b represea la aeuacó de cada rayo medda e el recepor, y x, la cóga, so las desdades de la regó e cada píxel. E uesro caso parcular, la marz es de dmesoes 144 x 144 y de rago aproxmadamee 15. Como rg( ), o podemos ulzar la ecuacó ormal y luego la descomposcó de Cholesky. Es por eso que resolveremos la cuesó hacedo uso de la SVD de la marz : USV Como ya hemos vso, la cóga x de meor orma que resuelve el problema vee dada por la fórmula (4): x V S U b b Para hallar la solucó x e la prácca, se puede proceder e Malab como explcaremos a couacó lgormos de Malab para la resolucó del problema Prmero debemos leer los daos de los archvos correspodees. Supogamos que eemos los daos de y b guardados e los archvos.da, b.da respecvamee. Eoces, los leemos e Malab co el sguee códgo: fd1=fope(.da ); =fscaf(fd1, %f %f,[ ]); fclose(fd1) fd=fope( b.da ); b=fscaf(fd, %f,[144,1]); fclose(fd) Para hallar la marz pseudoversa de basa co escrbr C=pv(). Luego, la solucó al problema de cuadrados mímos que esamos buscado es x=c*b. 1 Vol. 7, úm. 4 (dcembre 011) maemacala

13 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee Recordemos que dcha solucó esá odavía e forma de vecor (de 144 x 1). Como represea ua mage, debemos raducr x a ua marz cuadrada Y, de 1 x 1, usado el comado de Malab Y = reshape(x,1,1);. hora sólo resa comparar ese resulado co la verdadera solucó del problema Esudo de los resulados obedos Nos eresa saber e cuáo dfere uesro resulado de la solucó real al problema. Para comparar las mágees, debemos coverr las marces que eemos (el vecor solucó obedo, y el que sabemos que es solucó real al problema) e mágees, y observar qué vel de smlud ecoramos lgormo de Malab para levaar mágees couacó preseamos el algormo para coverr ua marz e ua mage e blaco y egro. E Malab, debemos escrbr: fgure(a) magesc(y) colormap(gray) dode a es el úmero de mage que queremos asocarle, e Y es la marz a levaar Comparacó co la solucó "verdadera" Sólo resa ver las mágees que hemos obedo co los algormos ya expuesos y co la ayuda de Malab. Observamos e la Fgura 5 que las mágees o so compleamee guales; s embargo, la solucó obeda se aproxma muchísmo (y e varos lugares cocde exacamee) co la verdadera. Fgura 5. Solucó obeda vs. solucó real. 5. Coclusoes lo largo del rabajo hemos vso la ulzacó de la Descomposcó e Valores Sgulares para dsas aplcacoes. Co respeco a la compresó de mágees, vale la pea mecoar que es u ejemplo perfeco para mosrar el poder de alguas herrameas del Álgebra Leal Numérca (y e parcular de la SVD). maemacala Vol. 7, úm. 4 (dcembre 011) 13

14 El uso de la descomposcó e valores sgulares para el raameo de mágees L. Colombo, R. Lafuee Hemos poddo observar los cambos e las mágees a medda que k aumeaba, y llegamos a la coclusó de que lo prmordal para recuperar la formacó de la marz fuero sólo uos pocos u v ): los mayores. valores sgulares (co sus respecvos vecores demás, vmos cómo levaar ua mage (movados por la recosruccó de mágees por emsó de rayos X) resolvedo u ssema de ecuacoes co fas solucoes, plaeado el problema como uo de mímos cuadrados, pues esábamos rabajado co marces de rago defcee. Hemos vso cómo la solucó obeda (ua mage codfcada e forma de vecor) se aproxma mucho a la solucó real, mosrado e cera maera la efceca del méodo. S be la resolucó del problema de mímos cuadrados se podría haber realzado medae oro méodo, las dmesoes de uesro ssema o era demasado grades, por lo que o uvmos coveees al aplcar el méodo de la SVD, medae el cual se obuvo la solucó cas medaamee. 6. gradecmeos Los auores quere agradecer a Nélda Echebes (Uversdad Nacoal de La Plaa-rgea) sus crícas y recomedacoes. L. Colombo agradece al programa predocoral JE-Pre del CSIC, y R. Lafuee al CONICET-rgea. Referecas [1] ^ E. Belram: Sulle fuzo blar. Gorale d Maemache ad Uso degl Sude Delle Uversa 11 (1873), [] ^ J. Demmel: ppled umercal lear algebra (1 s ed.). SIM, [3] a b R. Hor, Ch. Johso: Topcs marx aalyss. Cambrdge Uversy Press, [4] ^ C. Jorda: Sur la réduco des formes bléares. Compes Redues de l cadéme des Sceces 78 (1874), [5] ^ NS: Ladsa Program, hp://ladsa.gsfc.asa.gov. [6] ^ J. Sylveser: ew proof ha a geeral quadrac may be reduced o s caocal form (ha s, a lear fuco of squares) by meas of a real orhogoal subsuo. The Messeger of Mahemacs 19 (1889), 1-5. [7] ^ I. Zaballa Tejada: Valores sgulares. Qué so? Para qué srve?, hp:// Sobre los auores Leoardo Colombo () es lcecado e Maemáca por la Uversdad Nacoal de La Plaa (rgea, 009). cualmee es becaro JE-Pre del Isuo de Cecas Maemácas (ICMT) e Madrd, dode realza su rabajo de ess docoral ulado sobre el ema Méodos geomércos y umércos para eoría de corol ópmo bajo la drecco del Dr. Davd Marí de Dego. Ramro Lafuee es lcecado e Maemáca por la Uversdad Nacoal de La Plaa (rgea, 009). cualmee es becaro de CONICET e FaMF (Uversdad Nacoal de Córdoba, rgea), para realzar su ess docoral bajo la dreccó del Dr. Jorge Laure sobre el ema El flujo de Rcc y las mércas soloes e varedades homogéeas. 14 Vol. 7, úm. 4 (dcembre 011) maemacala

Álgebra Manuel Hervás Curso

Álgebra Manuel Hervás Curso Álgebra Mauel Hervás Curso 0-0 FORMAS LINEALES Defcó Sea E u espaco vecoral sobre referdo a ua base B e e e,,, Se deoma Forma Leal sobre a la aplcacó leal f : E al que x E f ( x) b De modo que elegdo u

Más detalles

{ a 1, a 2,..., a } n. Cualquier vector n

{ a 1, a 2,..., a } n. Cualquier vector n Deparameo de Aálss Ecoómco UNIVERSIDAD DE ZARAGOZA Tema 3: Formas cuadrácas reales Para odo el ema, se cosdera e R u ssema de refereca (o base) dado { a 1, a 2,..., a }. Cualquer vecor x R se escrbe de

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop 4.4. La cudad crcular El Malde Machado Ecoomía Idusral - Malde Machado La Cudad Crcular El modelo de Salop 4.4. La cudad crcular El E el modelo de Hoellg habamos supueso que solo hay dos empresas. Ahora

Más detalles

Introducción a la Econometría Curso 2009/ Serie de Problemas 21

Introducción a la Econometría Curso 2009/ Serie de Problemas 21 Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda

Más detalles

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

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

Más detalles

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS.

ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. 09- ECUACIÓN DE DIFUSIÓN PARA FLUJO DE FLUIDOS EN MEDIOS POROSOS. Iroduccó. Para obeer la ecuacó geeral que descrbe el comorameo del flujo de fludos a ravés de medos orosos, se hace uso de dferees rcos

Más detalles

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

Redes Neuronales con Base Radial (Poggio y Girosi,1990)

Redes Neuronales con Base Radial (Poggio y Girosi,1990) Redes euroales co Base Radal Poggo y ros,990 Iroduccó a las Redes euroales Arfcales Esquema de rabajo: Esrucura de ua RBF Problema de clasfcacó ora vez Ejemplo XOR Teorema de Cover úmero de euroas Problema

Más detalles

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores 1 RAPIDEZ DE CAMBIO Semaa 05 1 Varables depedees y o depedees Defr los cocepos: varable, cosae, cremeo, varacó. Defr los cocepos: varable depedee, varable depedee. Recoocer varables depedees e depedees.

Más detalles

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 :

menor (espira 2), φ m2 como la suma de dos partes, una proporcional a la corriente I 1 y otra proporcional a la corriente I 2 : eccó 6.ey de duccó de Faraday. 5 3..- Coefcee de duccó muua Cuado dos o más crcuos esá próxmos uo al oro, el flujo magéco que aravesa uo de ellos, o sólo depede de la corree e ese crcuo, so ambé de la

Más detalles

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n

1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n . TORÍA ASINTÓTICA Jore duardo Orz Trvño rofesor Asocado eparameo de Ieería de Ssemas e Idusral Uversdad Nacoal de Colomba jeorz@ual.edu.co (a) Se euca (s demosracó) varos resulados mporaes de esadísca.

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TEMAS DE MATEMÁTICAS (Oposcoes de Secudara TEMA 8 MATRICES. ALGEBRA DE MATRICES. APLICACIONES AL CAMPO DE LAS CIENCIAS SOCIALES Y DE LA NATURALEZA.. Iroduccó.. Cocepo báscos... Tpos de marces. 3. M mx

Más detalles

F = = 0. 64, que es la eficiencia del test de signo relativa al

F = = 0. 64, que es la eficiencia del test de signo relativa al Méodos No Paramércos I 5 Elea J. Maríez do cua. 004 Efceca: La efceca del es de Fredma relava al es F es ( f ( x dx e(, F σ + e observa que o hereda la efceca de los ess de Wlcoxo y Ma-Whey relavas al

Más detalles

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA Daposva ema6: rasmsó de calor muldreccoal rasora RANSMISIÓN DE CALOR MULIDIRECCIONAL Y RANSIORIA J.M.Corberá, R. Roo (UPV Daposva ema6: rasmsó de calor muldreccoal rasora ÍNDICE. RANSMISIÓN DE CALOR MULIDIRECCIONAL.

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) TRANSFORMACIONES LINEALES UNIDAD Nº 5. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 2017 ÁLGEBRA II (LSI PI) UNIDAD Nº 5 RANSFORMACIONES LINEALES Facultad de Cecas Exactas y ecologías UNIERSIDAD NACIONAL DE SANIAGO DEL ESERO aa Error! No hay texto co el estlo especfcado e el documeto

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo

x independiente y dependiente 0301a) Concepto de Cambio Fenómenos F( t + t Generalidades Cambio Ejemplo: crecimiento exponencial Cambio de F Positivo = ( + ( Cabo de ( + ( ( + > ( > 0 Posvo + ( + = ( = 0 ( ( + Nulo + Tpos ( + ( Cabo + Geeraldades Nauraleza El cabo puede ser Carácer Varable Cabo Cosae Aueo o creeo Dsucó o decreeo = Varacó cero ( = (

Más detalles

7. Contrastes de Hipótesis

7. Contrastes de Hipótesis 7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

Más detalles

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web:

Introducción al Algebra Lineal en Contexto Autor José Arturo Barreto M.A. Web: Itroduccó al Algebra Leal e Cotexto Autor José Arturo Barreto M.A. Web: www.abaco.com.e www.mprofe.com.e josearturobarreto@yahoo.com Descomposcó e Valor Sgular (SVD: Sgular Value Decomposto) El sguete

Más detalles

Curvas Sistemas Gráficos Ing. Horacio Abbate 1

Curvas Sistemas Gráficos Ing. Horacio Abbate 1 Crvas Ssemas Gráfcos Ig. Horaco Abbae Polomos de erse Para y cosderar Para y cosderar - - Forma a base ara los olomos de grado. Calqer olomo de grado se ede descrbr como a combacó leal de olomos de erse

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez Yañez Meda, Medardo - Gómez de

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

La Docencia y la importancia de la investigación en Ingeniería

La Docencia y la importancia de la investigación en Ingeniería a Doceca y la mporaca de la esgacó e Igeería J.M. CARBAO JIMÉNEZ. Profesor Iesgador de ESCOM IPN. carballomeez@gmal.com J. GARCÍA MARTINEZ. Iesgador de la ESM-IPN. bucefalo@yahoo.com.m J.A.JÁREZ RAMÍREZ.

Más detalles

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad

Más detalles

Capítulo 3. Consideraciones sobre métodos numéricos

Capítulo 3. Consideraciones sobre métodos numéricos 3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes

Más detalles

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

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

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

Más detalles

INSTITUTO POLITECNICO NACIONAL CENTRO DE INVESTIGACIÓN Y DESARROLLO DE TECNOLOGÍA DIGITAL MAESTRIA EN CIENCIAS CON ESPECIALIDAD EN SISTEMAS DIGITALES

INSTITUTO POLITECNICO NACIONAL CENTRO DE INVESTIGACIÓN Y DESARROLLO DE TECNOLOGÍA DIGITAL MAESTRIA EN CIENCIAS CON ESPECIALIDAD EN SISTEMAS DIGITALES INSTITUTO POLITCNICO NACIONAL CNTRO D INVSTIGACIÓN Y DSARROLLO D TCNOLOGÍA DIGITAL MASTRIA N CINCIAS CON SPCIALIDAD N SISTMAS DIGITALS MODLADO D ANTNAS MPLANDO DIFRNCIAS FINITAS N L DOMINIO DL TIMPO TSIS

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

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

Ingeniería de Confiabilidad - Equipos

Ingeniería de Confiabilidad - Equipos SECCION 4. Igeería de Cofabldad-Equpos Igeería de Cofabldad - Equpos Seccó 4 Medardo Yañez Herado Gómez de la Vega Kara Semeco Soo Nayrh Meda Esa seccó esa dedcada al esudo de los aspecos físcos y aleaoros

Más detalles

Supongamos que hemos aplicado el test F y hemos rechazado la H0.

Supongamos que hemos aplicado el test F y hemos rechazado la H0. Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos

Más detalles

Una formulación general de un modelo de regresión paramétrico es la siguiente:

Una formulación general de un modelo de regresión paramétrico es la siguiente: Esmadores úcleos y polomos locales. Fracsco Parra Rodrguez Docor e Cecas Ecoómcas. UNED. Modelos de regresó o paramércos Los modelos de regresó paramércos supoe ue los daos observados provee de varables

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

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

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

Más detalles

GENERALIDADES SOBRE MÓDULOS

GENERALIDADES SOBRE MÓDULOS GENERALIDADES SOBRE MÓDULOS Presetar el Z -módulo Z como cocete de u Z -módulo lbre Hacer lo msmo para el grupo de Kle Calcular los auladores de los sguetes módulos: a) El Z -módulo Z Z 6 b) El Z -módulo

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

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

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

2. Movimiento Browniano.

2. Movimiento Browniano. Movmeo Browao Defcó y Propedade Báca Defcó : EL proceo de Weer (ó movmeo Browao e u proceo eocáco (Ver ZDZ co valore e R defdo para [, al que: W = co probabldad gual a uo La rayecora o coua Para cualquer

Más detalles

1.3. Longitud de arco.

1.3. Longitud de arco. .. Logtud de arco. Defcó. Sea C ua curva suave defda paramétrcamete por la fucó vectoral f : R R / f () t = ( f() t, f() t,, f ( t) ) e el espaco R, co t [ a, b], que se recorre exactamete ua vez cuado

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

SISTEMAS DE ECUACIONES NO LINEALES SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales Esmacó de Parámeros de Ssemas Leales vía Marces Operacoales Isdro I. Lázaro, Salvador Ramírez lazaro@zeus.umch.mx szavala@zeus.umch.mx Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo

Más detalles

ANÁLISIS DE CIRCUITOS EN RÉGIMEN POLIARMÓNICO

ANÁLISIS DE CIRCUITOS EN RÉGIMEN POLIARMÓNICO A.4. EORÍA DE CRCUOS CAPÍULO 3 ANÁLSS DE CRCUOS EN RÉGEN POLARÓNCO Cáedra de eoría de Crcuos Edcó 3 ANÁLSS DE CRCUOS EN RÉGEN POLARÓNCO 3. roduccó El desarrollo de las éccas de aálss de Fourer posee ua

Más detalles

Duración y Convexidad I

Duración y Convexidad I Marí Herádez errao Modelo Aleravo Duracó y Covexdad I E ese maeral se presea de forma accesble, mas co u grado resposable de rgor maemáco, los cocepos de duracó y covexdad. e asume que el lecor cuea co

Más detalles

EJERCICIOS DE MATRICES

EJERCICIOS DE MATRICES EJERCICIOS DE MTRICES RNGO DE UN MTRIZ 4. Calcula el rago de la mariz 4 0 0 0 Obeer ua mariz escaloada por filas Se puede cambiar el orde de las filas de la mariz: F F4 0 0 0 0 0 0 F F 4F 4 F 4 F F 0 F

Más detalles

CÁLCULO NUMÉRICO (0258)

CÁLCULO NUMÉRICO (0258) CÁLCULO NUÉRICO (58) Tema 4. Apromacó de Fucoes Juo. Ecuetre los polomos de meor grado que terpola a los sguetes cojutos de datos plateado y resolvedo u sstema de ecuacoes leales: 7 y 5-4 7 y 4 9 6.5.7.

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices

El estudio de autovalores y autovectores (o valores y vectores propios) de matrices Tema V DIAGONALIZACIÓN POR TRANSFORMACIONES DE SEMEJANZA Objetvos Presetar los coceptos de autovalor y autovector, los cuales tee gra mportaca e las aplcacoes práctcas (tato es así, que podría decrse que

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

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

Capítulo 1: Tensiones

Capítulo 1: Tensiones Esabldad -a Capíulo Capíulo : Tesoes Tesoes - : NTRODUCCÓN E el curso desarrollaremos la Teoría de la Elascdad, y para ello ada mejor que ecuadrarla e el campo de la Físca Mecáca a la cual pereece: Mecáca

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA.

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA. TEMA.- LA APITALIZAIÓN OMPUESTA. Objevo: Foralzar la ley de capalzacó copuesa y esudar sus agudes dervadas.. EXPRESIÓN ANALÍTIA Y REPRESENTAIÓN GRÁFIA. La ley facera de capalzacó copuesa ee la sguee expresó

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

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual esó Jove Revsa de la Agrupacó Jove Iberoamercaa de oabldad y Admsracó de Empresas (AJOIA) º 7 07 I 988-90 pp 60-75 Méodo de deprecacó de reduccó de saldos y saldos decrecees s error resdual uevo méodo

Más detalles

Sistemas Productivos

Sistemas Productivos Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee

Más detalles

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace Tema Traformada de aplace Traformada de aplace Traformada vera de aplace Coedo Grupo EDUMATICUS. Deparameo de Maemáca Aplcada. Uverdad de Málaga Amplacó de Cálculo 2/. Ecuela Polécca Superor Tema : Traformada

Más detalles

REFLEXIÓN Y TRANSMISIÓN DE ONDAS PLANAS.

REFLEXIÓN Y TRANSMISIÓN DE ONDAS PLANAS. REFLEXIÓN Y TRANSMISIÓN DE ONDAS PLANAS. Objevo. EL objevo de esa prácca es la obecó de los coefcees de Fresel para ua erfase delécrca plaa, el esudo de la cdeca de ua oda plaa e ua láma de caras plao-paralelas,

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

Números Complejos PREGUNTAS MÁS FRECUENTES

Números Complejos PREGUNTAS MÁS FRECUENTES Repaso de º de Bachllerato Números Complejos PREGUNTAS MÁS FRECUENTES. Qué es la udad magara? Es u elemeto del que coocemos úcamete su cuadrado:.obvamete, o se trata de u úmero real.. Qué es u úmero complejo?

Más detalles

Seminario de problemas. Curso Hoja 9

Seminario de problemas. Curso Hoja 9 Semiario de prolemas. Curso 05-6. Hoja 9 49. Alero, Berardo y Carla se ha coocido e ua red social. Ellos pregua a Carla cuádo es su cumpleaños; e lugar de respoderles direcamee, ella decide poerles u prolema.

Más detalles

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS Sugerecas para que mparte el curso Ha llegado el mometo e que es coveete resolver ejerccos aplcado

Más detalles

Espacios con producto interior

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

Más detalles

G - Métodos de Interpolación

G - Métodos de Interpolación ESCUELA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS G - Métodos de Iterpolacó Polomo de terpolacó de Lagrage. Polomo de terpolacó

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

SISTEMAS FOTÓNICOS MULTICAPA

SISTEMAS FOTÓNICOS MULTICAPA IX SCULA D INVIRNO J. J. GIAMBIAGI Pare B: De la ao a la macro escala: respuesa elecromagéca de esrucuras complejas SISTMAS FOTÓNICOS MULTICAPA Amparo Pos Marí Deparameo de Ópca Uversdad de Valeca, spaña

Más detalles

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN

Más detalles

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS

ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA FUNDAMENTOS MATEMÁTICOS ESUELA TÉNIA SUPERIOR DE NÁUTIA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO OI ESKOLA TEKNIKOA UNDAMENTOS MATEMÁTIOS : ORMAS UADRÁTIAS orm blel Decó K Se E res espcos vecrles dedos sobre el

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

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS:

ESPACIOS VECTORIALES SUBESPACIOS FINITAMENTE GENERADOS: SUBESPACIOS FINITAMENTE GENERADOS: Teorema S G={v, v,, v } es u sstema fto de geeradores de u subespaco S V K-EV, etoces G`= {v, v,, v,w} sedo w combacó leal de vectores de G, també geera a S. Demostracó

Más detalles

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( )

MÉTODOS MATEMÁTICOS ESPACIOS DE HILBERT Y OPERADORES LINEALES 1. ESPACIOS LINEALES. x = x x L. ε es el elemento neutro de la ley del producto ( ) ÉTODOS ATEÁTICOS TEA 0: REPASO ÁLGEBRA ESPACIOS DE HILBERT Y OPERADORES LINEALES Profesora: ª Cruz Boscá ESPACIOS LINEALES Espaco leal L sobre u cuerpo (comutatvo) Λ U espaco leal (o vectoral) L sobre

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

Flujo en acuífero libre

Flujo en acuífero libre SESIÓN PRÁCTICA EDP PARABÓLICA CON MÉTODO FTCS Flujo e acuíero lbre E esa sesó se aalza medae el méodo eplíco de derecas as la evolucó emporal del vel reáco sobre ua geomería de acuíero lbre alerada por

Más detalles

i 1,2,..., m (filas) j 1,2,..., n (columnas) t

i 1,2,..., m (filas) j 1,2,..., n (columnas) t MTRICES Y DETERMINNTES Cocepos básicos Deermiaes Mariz iversa CONCEPTOS BÁSICOS MTRIZ de m filas y columas: a11 a12 a1 a21 a22 a 2 am1 am2 am i1,2,..., m (filas) Se represea por a j 1,2,..., (columas)

Más detalles

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS

Experimento: TEORÍA DE ERRORES. UNIVERSIDAD DE ATACAMA Facultad de Ciencias Naturales Departamento de Física I. OBJETIVOS Epermeto: I. OJETIVOS UNIVERSIDD DE TM Facultad de ecas Naturales Departameto de Físca TEORÍ DE ERRORES Idetfcar errores sstemátcos y accdetales e u proceso de medcó. ompreder los coceptos de eacttud y

Más detalles

Problemas discretos con valores iniciales

Problemas discretos con valores iniciales Problemas dscretos co valores cales Gustavo Adolfo Juarez Slva Iés Navarro El presete trabajo pretede dfudr problemas dscretos co valores cales (e adelate PVID), a partr de ecuacoes e dferecas leales co

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

I.- Distribución Normal Multivariada

I.- Distribución Normal Multivariada II Modelo de Regresó Leal Mahl Herrera M. I.- Dsrbucó Normal Mulvarada. Resulados de Álgebra Leal Lema... A y B so dos marces cuadradas co versa cada ua eoces (AB - B - A - Lema... a r(a+br(a+r(b b r(abr(ba

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

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles