Herramientas matemáticas básicas para el procesamiento de imágenes
|
|
- Eva María Cano Torres
- hace 6 años
- Vistas:
Transcripción
1 Herramientas matemáticas básicas para el procesamiento de imágenes Fundamentos de procesamiento de imágenes IIC / IEE er semestre 2011 Cristián Tejos Basado en material desarrollado por Marcelo Guarini, Domingo Mery, libro Digital Image Processing, 3erd Edition, R. Gonzalez y R. Woods, y wikipedia
2 Relaciones básicas entre pixeles Vecindad 4 o N 4 (p) Def: los 4 vecinos de un pixel p(x,y) ubicados en las coordenadas Vecindad diagonal o N D (p) Def: los 4 vecinos de un pixel p(x,y) ubicados en las coordenadas Vecindad 8 o N 8 (p) Def: los pixeles definidos por N 4 (p) y por N D (p) 2
3 Relaciones básicas entre pixeles Medidas de distancia: Para los pixeles p, q y z, con coordenadas (x, y), (s, t) y (v, w), respectivamente, D es una función de distancia o métrica La distancia Euclidiana entre p y q se define como: 3
4 Relaciones básicas entre pixeles Medidas de distancia: La distancia D4 (llamada distancia city-block) entre p y q se define como:
5 Relaciones básicas entre pixeles Medidas de distancia: La distancia D8 (llamada distancia tablero de ajedrez) entre p y q se define como:
6 Operaciones entre arreglos versus operaciones matriciales Una operación entre arreglos, que envuelve a una o más imágenes se efectúa pixel a pixel. Consideremos las siguientes dos imágenes El producto entre arreglos está dado por En cambio el producto matricial es 6
7 Operaciones lineales versus operaciones no lineales Una de las clasificaciones importantes de métodos de procesamiento de imágenes es si son lineales o no lineales. Consideremos el operador general H que produce una imagen de salida g(x, y) dada una imagen de entrada f(x, y): Se dice que H es un operador lineal si 7
8 Operaciones lineales versus operaciones no lineales Por ej., supongamos que el operador H es el operador (lineal). Su función es simplemente sumar sus entradas 8
9 Operaciones lineales versus operaciones no lineales Por Ej., supongamos ahora que el operador H es el operador max (no lineal). Su función es buscar el pixel de máximo valor en la imagen. Consideremos las siguientes dos imágenes Supongamos además que. Probamos para ver si es lineal Trabajando con la expresión de la derecha vemos que la operación no es lineal. 9
10 Operaciones aritméticas Las operaciones aritméticas entre imágenes son operaciones de arreglos, i.e. se llevan a cabo entre pares de pixeles correspondientes. Las cuatro operaciones se denotan: Ejemplo: sea una imagen corrupta formada por adición de ruido,, a una imagen libre de ruido, esto es: En general, se asume que el ruido en cada pixel es independiente (no está correlacionado con el ruido de otros pixeles) y tiene media cero. 10
11 Operaciones aritméticas Ej. Para reducir el contenido de ruido, se suma un conjunto de imágenes ruidosas. Esta es una técnica comunmente utilizada para mejorar imágenes Si el ruido satisface las restricciones mencionadas puede demostrarse que si una imagen se forma promediando K diferentes imagenes ruidosas, entonces se tiene que y 11
12 Operaciones aritméticas Disminusión de ruido
13 Operaciones aritméticas Ej. Substracción de imágenes para realzar diferencias. La segunda imagen se obtuvo haciendo cero el bit menos significativo de cada pixel. Las imágenes se ven iguales. Sin embargo la diferencia entre las dos muestra claramente sus diferencias Original Bit menos significativo = 0 Diferencia 13
14 Operaciones aritméticas Otra aplicación frecuente y exitosa: angiografía por sustracción Imagen original de rayos X del paciente, llamada máscara Imagen obtenida inyectando un medio yodado al flujo sanguíneo del paciente para aumentar el contraste. Imagen diferencia entre las dos imágenes superiores Imagen diferencia realzada
15 Operaciones aritméticas Multiplicación (o división) de imágenes Ej: corrección de sombras. Supongamos que un sensor produce imágenes que pueden modelarse como el producto entre una imagen perfecta y una de sombreado Si la imagen de sombreado se conoce entonce se puede obtener la imagen perfecta dividiendo por la imagen de sombreado.
16 Operaciones aritméticas Multiplicación (o división) de imágenes Ej: enmascaramiento
17 Operaciones espaciales Operaciones sobre un pixel Son de la forma Ej: Transformación de brillo para obtener el NEGATIVO
18 Operaciones espaciales Operaciones de vecindad
19 Operaciones espaciales Operaciones de vecindad
20 Transformaciones espaciales geométricas Pueden expresarse como La siguiente transformación enconge la imagen original a la mitad de su tamaño Una de las transformaciones espaciales utilizadas más comunmente es la llamada transformación afín, que tiene la forma general
21 Transformaciones espaciales geométricas v y = v sin ϑ + w cos ϑ
22 Transformaciones espaciales geométricas
23 Transformaciones espaciales geométrica Rotación de una imagen e interpolación de intensidades Imagen de 300 dpi Rotada 21 utilizando interpolación del vecino más cercano Rotada 21 utilizando interpolación bilineal Rotada 21 utilizando interpolación bicúbica
24 Principios básicos T es el operador sobre f definido en una vecinadad del punto (x, y)
25 Principios básicos Ejemplos
26 Funciones de transformación de intensidad básicas Negativo y potencias Negativo
27 Funciones de transformación de intensidad básicas Negativo
28 Funciones de transformación de intensidad básicas Transformaciones logarítmicas
29 Funciones de transformación de intensidad básicas Corrección gamma
30 Funciones de transformación de intensidad básicas Corrección gamma Imagen original (rampa) Imagen original vista en un monitor con un gamma de 2,5 Imagen original corregida en gamma Imagen corregida en gamma vista en el mismo monitor
31 Funciones de transformación de intensidad básicas Corrección gamma Imagen MRI de una columna vertebral fracturada
32 Funciones de transformación de intensidad básicas Corrección gamma Imagen aérea
33 Funciones de transformación de intensidad básicas Funciones de transformación lineales por tramo Estiramiento de contraste Forma de la función de transformación Imagen de bajo contraste Resultado del estiramiento de contraste Resultado de aplicar un umbral
34 Funciones de transformación de intensidad básicas Selección de niveles de intensidad Realza a un mismo valor el rango de grises [A,B] y disminuye el resto a un nivel más bajo Realza a un mismo valor el rango de grises [A,B] y preserva los otros niveles de intensidad
35 Funciones de transformación de intensidad básicas Selección de niveles de intensidad Original Aplicación de una transformación similar a la primera curva de la transparencia anterior
36 Funciones de transformación de intensidad básicas Selección de niveles de intensidad Original Aplicación de una transformación similar a la segunda curva de la transparencia precedente a la anterior
37 Funciones de transformación de intensidad básicas Selección de bit-planes
38 Funciones de transformación de intensidad básicas Selección de bit-planes Original Bit 1 Bit 2 Bit 6 Bit 7 Bit 8
39 Funciones de transformación de intensidad básicas Selección de bit-planes Bits 8 y 7 Bits 8, 7 y 6 Bits 8, 7, 6 y 5
40 Histograma El histograma de una imagen digital con niveles de intensidad de gris en el rango [0, L-1] es una función discreta, donde es el k-ésimo bin o valor de intensidad y es el número de pixeles en la imagen con intensidad # de ocurrencias bin intensidad Cómo se puede interpretar esto en términos de probabilidades?
41 Histograma Interpretación probabilística probabilidad bin intensidad
42 Procesamiento de Histograma Ejercicios:
43 Procesamiento de Histograma Ejercicios:
44 Procesamiento de Histograma Ejercicios:
45 Procesamiento de Histograma Ecualización de histograma: Cuál es la idea? T(r) T(r)
46 Procesamiento de Histograma Ecualización de histograma Supongamos por el momento valores de intensidad contínuos y sea r la variable que corresponde a la intensidad de la imagen a ser procesada. Enfocaremos la atención en transformaciones de la forma Que produce una salida de intensidad s por cada pixel en la imagen de entrada con intensidad r.
47 Procesamiento de Histograma Ecualización de histograma Asumiremos que: (a) es una función monotónicamente creciente en el intervalo. (b) En algunas formulaciones discutidas más adelante, se utiliza el inverso en cuyo caso se cambia la condición (a) por (a ) es una función monotónicamente creciente en forma estricta en el intervalo
48 Procesamiento de Histograma Ecualización de histograma El requerimiento (a) garantiza que los valores de intensidad de salida nunca serán menores que los correspondientes de entrada, previniendo artefactos creados por inversión de intensidades. La condición (b) garantiza que el rango de intensidades de salida es el mismo que el de la entrada. La condición (a ) garantiza que el mapeo de retorno (de s a r) será biyectivo (uno a uno), previniendo posibles ambiguedades.
49 Procesamiento de Histograma Ecualización de histograma Monotónicamente creciente Monotónicamente creciente en sentido estricto
50 Procesamiento de Histograma Ecualización de histograma
51 Procesamiento de Histograma Ecualización de histograma
52 Procesamiento de Histograma Ecualización de histograma
53 Procesamiento de Histograma Ecualización de histograma
54 Procesamiento de Histograma Ecualización de histograma
55 Procesamiento de Histograma Ecualización de histograma Ecuacion (2)
56 Procesamiento de Histograma Ecualización de histograma (forma discreta)
57 Procesamiento de Histograma Ecualización de histograma (forma discreta) Histograma
58 Procesamiento de Histograma Ecualización de histograma (forma discreta)
59 Procesamiento de Histograma Ecualización de histograma (forma discreta)
60 Procesamiento de Histograma Ecualización de histograma (forma discreta)
61 Procesamiento de Histograma Ecualización de histograma (forma discreta)
62 Procesamiento de Histograma Ecualización de histograma (forma discreta)
63 Procesamiento de Histograma Ecualización de histograma (forma discreta)
64 Procesamiento de Histograma Ecualización de histograma (forma discreta) Funciones de transformación utilizadas en las cuatro imágenes anteriores
65 Procesamiento de Histograma Especificación de histograma
66 Procesamiento de Histograma Especificación de histograma (6) (7)
67 Procesamiento de Histograma Especificación de histograma
68 Procesamiento de Histograma Especificación de histograma: Ej. (caso contínuo) t
69 Procesamiento de Histograma Especificación de histograma: Ej. (caso contínuo)
70 Procesamiento de Histograma Especificación de histograma: Caso discreto
71 Procesamiento de Histograma Especificación de histograma: Caso discreto
72 Procesamiento de Histograma Especificación de histograma: Caso discreto
73 Procesamiento de Histograma Especificación de histograma: Caso discreto, resumen de pasos a seguir:
74 Procesamiento de Histograma Especificación de histograma: Ejemplo
75 Procesamiento de Histograma Especificación de histograma: Ejemplo
76 Procesamiento de Histograma Especificación de histograma: Ejemplo
77 Procesamiento de Histograma Especificación de histograma: Ejemplo
78 Procesamiento de Histograma Especificación de histograma: Ejemplo (z 7 )
79 Procesamiento de Histograma Especificación de histograma: Ejemplo
80 Procesamiento de Histograma Especificación de histograma: Ejemplo S 0 ->Z 3 S 1 ->Z 4 S 2 ->Z 5 S 3 ->Z 6 S 5 ->Z 7 S k Z q
81 Procesamiento de Histograma Especificación de histograma: Ejemplo Imagen de la luna Phobos de Marte tomada por el Mars Global Surveyor. Histograma de la imagen
82 Procesamiento de Histograma Especificación de histograma: Ejemplo Curva de transformación para ecualización de histograma Histograma resultante Imagen resultante de muy bajo contraste y concentrada en grises altos
83 Procesamiento de Histograma Especificación de histograma: Ejemplo Histograma especificado Curva de transformación
84 Procesamiento de Histograma Especificación de histograma: Ejemplo Imagen resultante Histograma de la imagen resultante
85 Procesamiento de Histograma Procesamiento local de histograma Imagen original Resultado de aplicar ecualización global de histograma Resultado de aplicar ecualización local de histograma utilizando una vecindad de 3 x 3
86 Métodos probabilísticos Métodos probabilísticos. Los métodos probabilísticos entran de diversos modos en el procesamiento de imágenes. La forma más simple es considerando la intensidad de grises como cantidades aleatorias. Ejemplo: sea el valor de todas las intensidades posibles en una imagen digital de M x N. Entonces, la probabilidad que ocurra el nivel de intensidad en una imagen dada, se estima como: donde es el número de veces que la intensidad ocurre en la imagen, y MN es el número total de pixeles. Claramente
87 Métodos probabilísticos Métodos probabilísticos. Una vez obtenida, podemos determinar un número importante de características de la imagen. Por ejemplo, la intensidad media. La varianza de la intensidad, que es una medida de la amplitud de los valores de z en torno a la media En general, el n-esimo momento de una variable aleatoria z en torno a la media es
88 Métodos probabilísticos Métodos probabilísticos. S = 14.3 S = 31.6 S = 49.2
89 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
90 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
91 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
92 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
93 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
94 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes. EJEMPLO: Se requiere realzar la zona obscura de la siguiente imagen para observar claramente el filamento que aparece obscuro al lado derecho.
95 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
96 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
97 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
98 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes.
99 Procesamiento de Histograma Uso de la información estadística del histograma para realzar imágenes. Original Ecualización de histograma global Realce utilizando estadística de histograma local
100 Fundamentos de Filtros Espaciales Mecánica de los filtros espaciales
101 Fundamentos de Filtros Espaciales Mecánica de los filtros espaciales
102 Fundamentos de Filtros Espaciales Mecánica de los filtros espaciales
103 Fundamentos de Filtros Espaciales Correlación espacial en una dimensión
104 Fundamentos de Filtros Espaciales Convolución espacial en una dimensión
105 Fundamentos de Filtros Espaciales Correlación y Convolución espacial en dos dimensiones
106 Fundamentos de Filtros Espaciales Correlación espacial en dos dimensiones
107 Fundamentos de Filtros Espaciales Convolución espacial en dos dimensiones
108 Fundamentos de Filtros Espaciales Correlación y Convolución espacial en dos dimensiones Expresiones Matemáticas
109 Fundamentos de Filtros Espaciales Representación vectorial para filtrado lineal
110 Fundamentos de Filtros Espaciales Representación vectorial para filtrado lineal
111 Fundamentos de Filtros Espaciales Generación de máscaras para filtros espaciales
112 Fundamentos de Filtros Espaciales Generación de máscaras para filtros espaciales
113 Fundamentos de Filtros Espaciales Filtros para suavizamiento
114 Fundamentos de Filtros Espaciales Filtros para suavizamiento
115 Fundamentos de Filtros Espaciales Filtros para suavizamiento, EJEMPLO Imagen original 500 x 500 pixeles Máscara de 3 x 3
116 Fundamentos de Filtros Espaciales Filtros para suavizamiento, EJEMPLO Máscara de 5 x 5 Máscara de 9 x 9
117 Fundamentos de Filtros Espaciales Filtros para suavizamiento, EJEMPLO Máscara de 15 x 15 Máscara de 25 x 25
118 Fundamentos de Filtros Espaciales Filtros para suavizamiento, EJEMPLO Original Pasabajo Umbral
119 Fundamentos de Filtros Espaciales Filtro de mediana (no lineal) sal
120 Fundamentos de Filtros Espaciales Filtro de mediana (no lineal), EJEMPLO: Original Pasabajo Mediana
121 Fundamentos de Filtros Espaciales Filtro espaciales para agudizar
122 Fundamentos de Filtros Espaciales Filtro espaciales para agudizar (diferencia entre la derivada de primer órden y la de segundo órden)
123 Fundamentos de Filtros Espaciales Filtro espaciales para agudizar (diferencia entre la derivada de primer órden y la de segundo órden)
124 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano)
125 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano) Implementación en forma de máscara
126 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano) Otra implementación utilizada en la práctica frecuentemente
127 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano) Extensión utilizando las diagonales
128 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano)
129 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano) Imagen original Laplaciano sin escalar
130 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano) Imagen original Laplaciano escalado
131 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano) Imagen original Laplaciano sumado a imagen
132 Fundamentos de Filtros Espaciales Uso de la segunda derivada para agudizar imágenes (Laplaciano) Imagen original Laplaciano sumado a imagen
133 Fundamentos de Filtros Espaciales Unsharp - mask
134 Fundamentos de Filtros Espaciales Unsharp - mask
135 Fundamentos de Filtros Espaciales Uso de la primera derivada para agudizar imágenes (Gradiente)
136 Fundamentos de Filtros Espaciales Uso de la primera derivada para agudizar imágenes (Gradiente)
137 Fundamentos de Filtros Espaciales Uso de la primera derivada para agudizar imágenes (Gradiente)
138 Fundamentos de Filtros Espaciales Uso de la primera derivada para agudizar imágenes (Gradiente)
139 Fundamentos de Filtros Espaciales Uso de la primera derivada para agudizar imágenes (Gradiente)
140 Fundamentos de Filtros Espaciales Uso de la primera derivada para agudizar imágenes (Gradiente) EJEMPLO:
141 Transformadas de imágenes Transformadas de imágenes Hasta ahora sólo hemos visto procesamiento a nivel de pixel, en el dominio de la imagen Muchas veces es conveniente aplicar una transformación de dominio, procesar en el nuevo dominio y luego aplicar la transformación inversa, para volver al dominio de la imagen. Una clase importante de transformadas 2-D lineales, T(u, v) puede expresarse de la siguiente forma: donde es la imagen de entrada, se conoce como kernel de transformación directa y la ecuación es evaluada para
142 Transformadas de imágenes Transformadas de imágenes Dada T(u, v) es posible recuperar f(x, y) aplicando la transformada inversa a T(u, v) para x = 0,1,..., M-1 e y = 0, 1,..., N-1 y donde s(x, y, u, v) corresponde al kernel de transformación inversa. Los pasos típicos de procesamiento utilizando esta modalidad son:
143 Transformadas de imágenes Transformadas de imágenes Ejemplo: 1 2 Imagen corrupta por ruido sinusoidal Transformada de Fourier de la imagen Máscara utilizada para eliminar los peaks de energía Transformada inversa de Fourier del producto entre 2 y 3 3 4
144 Transformadas de imágenes Transformadas de imágenes Se dice que el kernel de transformación directa es separable si Adicionalmente se dice que un kernel es simétrico si equivalente a r 2 (x,y), de tal forma que r 1 (x,y) es funcionalmente La transformada de Fourier vista en el ejemplo, tiene los siguientes kernels directo e inverso respectivamente: y
145 Transformadas de imágenes Transformadas de imágenes Sustituyendo ambos kernels en la forma general nos da el siguiente par de transformadas No es difícil comprobar que los kernels de Fourier son separable y simétricos, y que los kernels que son separables y simétricos permiten calcular la transformada 2-D como un conjunto de transformadas 1-D
146 Transformadas de imágenes Transformadas de imágenes Cuando los kernels directo e inverso satisfacen las condiciones mencionadas y f(x, y) es una imagen cuadrada de M x M las transformadas pueden expresarse en forma matricial como: Para obtener la transformada inversa, se pre y post multiplica por la matriz de transformada inversa B
147 Transformadas de imágenes Transformadas de imágenes Lo anterior indica que F [con elementos f(x, y) ] puede ser recuperada completamente a partir de su transformada directa entonces la aplicación de la ecuación matricial anterior da la aproximación Además de la Transformada de Fourier, existe un importante número de transformadas útiles en procesamiento de imágenes: Transformada de Walsh, de Hadamard, del Coseno Discreto, de Haar entre otras
Curso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-mast.html elena.martinez@iimas.unam.mx
Más detallesProcesamiento de imágenes
Procesamiento de imágenes Técnicas de realce de imágenes Técnicas de realce de imágenes Las imágenes digitalizadas no presentan siempre una calidad adecuada para su utilización, ello puede ser debido a
Más detallesFiltros en el dominio de la frecuencia
Filtros en el dominio de la frecuencia Fundamentos de procesamiento de imágenes IIC / IEE 3713 1er semestre 2011 Cristián Tejos Basado en material desarrollado por Marcelo Guarini, Domingo Mery, libro
Más detallesFiltros digitales dominio del espacio dominio de la frecuencia
Tema 3: Filtros 1 Filtros digitales Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos
Más detallesGRADIENTE La laplaciana es un buen filtro paso alto, pero no es una buena herramienta para resaltar o detectar los bordes. En muchos casos, los bordes o límites de las figuras o de las regiones aparecen
Más detallesTema 4. Reducción del ruido
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos Definición Filtros Lineales Filtros Temporales Realce Espacial Definición Ruido:
Más detallesConceptos básicos de Geometría
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 15 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) 15 de enero del 2013 1 / 25 1 Geometría Afín Geometría Euclidiana Áreas y ángulos Dr. Eduardo
Más detallesProcesamiento Digital de Imágenes
Visión or Comutadora Unidad III Procesamiento Digital de Imágenes Rogelio Ferreira Escutia Contenido 1) Oeraciones Individuales a) Transformaciones Punto a Punto b) Transformaciones de 2 Imágenes Punto
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesUna operación interna: Suma Una operación externa: Multiplicación por un escalar
El conjunto R n Es el conjunto de las n-adas formadas por el producto cartesiano RRR.R, donde R es el conjunto de los números reales. Así pues, dos elementos X y Y de R n serán iguales si y solo si tienen
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-mast.html elena.martinez@iimas.unam.mx
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesSESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES
SESIÓN N 07 III UNIDAD RELACIONES Y FUNCIONES RELACIONES BINARIAS PAR ORDENADO Es un arreglo de dos elementos que tienen un orden determinado donde a es llamada al primera componente y b es llamada la
Más detallesIntroducción a las imágenes digitales. Segunda parte
Introducción a las imágenes digitales Segunda parte Introducción a las imágenes digitales Herramientas matemáticas. Transformaciones de intensidad. Histograma de una imagen. Imágenes a color. Modelos de
Más detallesNúmeros reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
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 detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
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 detallesNúmeros reales Conceptos básicos Algunas propiedades
Números reales Conceptos básicos Algunas propiedades En álgebra es esencial manejar símbolos con objeto de transformar o reducir expresiones algebraicas y resolver ecuaciones algebraicas. Debido a que
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 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 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 detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesCapítulo 2 Análisis espectral de señales
Capítulo 2 Análisis espectral de señales Objetivos 1. Se pretende que el alumno repase las herramientas necesarias para el análisis espectral de señales. 2. Que el alumno comprenda el concepto de espectro
Más detallesREDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL
Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández REDUCCIÓN DEL RUIDO EN UNA IMAGEN DIGITAL Tabla de Contenidos Definición Filtros No Lineales Filtros Temporales Definición 3 G = Ruido:
Más detallesDOCENTE: JESÚS E. BARRIOS P.
DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos
Más detallesTécnicas de mejora de imágenes
Técnicas de mejora de imágenes Mejora o enhancement Restauración Reconstrucción Mejora de la imagen Dominio espacial Opera directamente sobre los píxeles g(x,y)=t entorno (f(x,y)) Dominio en el espacio
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 detallesMATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).
1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden
Más detallesÁlgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes
Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesson dos elementos de Rⁿ, definimos su suma, denotada por
1.1 Definición de un vector en R², R³ y su Interpretación geométrica. 1.2 Introducción a los campos escalares y vectoriales. 1.3 La geometría de las operaciones vectoriales. 1.4 Operaciones con vectores
Más detallesFASCÍCULO: SISTEMAS DE ECUACIONES LINEALES
FASCÍCULO: SISTEMAS DE ECUACIONES LINEALES Una de las aplicaciones más famosas del concepto de determinante es el método para resolver sistemas de m ecuaciones con n incógnitas, aparece en en la publicación
Más detallesCONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Más detallesEXPRESIONES ALGEBRAICAS EXPRESIONES ALGEBRAICAS Y POLINOMIOS
EXPRESIONES ALGEBRAICAS Trabajar en álgebra consiste en manejar relaciones numéricas en las que una o más cantidades son desconocidas. Estas cantidades se llaman VARIABLES, INCÓGNITAS o INDETERMINADAS
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detallesAritmética de Enteros
Aritmética de Enteros La aritmética de los computadores difiere de la aritmética usada por nosotros. La diferencia más importante es que los computadores realizan operaciones con números cuya precisión
Más detallesTema 3: Filtros SEGUNDA PARTE
Tema 3: Filtros SEGUNDA PARTE FILTROS En el dominio del espacio: Filtros de suavizado. Filtros de realce. En el dominio de la recuencia: Filtros de suavizado. Filtros de realce. Filtros espaciales de realce
Más detallesContenidos mínimos Criterios de evaluación Ejemplos de preguntas
Contenidos mínimos Criterios de evaluación Ejemplos de preguntas 1º ESO Números naturales, enteros y decimales: operaciones elementales. Fracciones: operaciones elementales. Potencias de exponente natural.
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detalles5 Continuidad y derivabilidad de funciones reales de varias variables reales.
5 Continuidad y derivabilidad de funciones reales de varias variables reales. 5.1 Funciones reales de varias variables reales. Curvas de nivel. Continuidad. 5.1.1 Introducción al Análisis Matemático. El
Más detallesEl Producto escalar para las comunicaciones (parte 1) Luca Mar9no Apuntes no revisados Cuidado!
El Producto escalar para las comunicaciones (parte ) Luca Mar9no Apuntes no revisados Cuidado! Producto Escalar El producto escalar, también conocido como producto interno o producto punto, es una operación
Más detallesPROYECTO MATEM CURSO PRECÁLCULO UNDÉCIMO AÑO MODALIDAD ANUAL. Guía para el II parcial
Universidad de Costa Rica Instituto Tecnológico de Costa Rica PROYECTO MATEM CURSO PRECÁLCULO UNDÉCIMO AÑO MODALIDAD ANUAL Guía para el II parcial Sábado 25 de junio, 8:00 a.m. 2016 II PARCIAL ÁLGEBRA
Más detallesMATRICES. Rango de una matriz. Matriz Inversa. Determinante de una matriz cuadrada. Sistemas de Ecuaciones Lineales. Nociones de espacios vectoriales
MATRICES Rango de una matriz Matriz Inversa Determinante de una matriz cuadrada Sistemas de Ecuaciones Lineales Nociones de espacios vectoriales MATRICES -DEFINICIÓN DE MATRIZ. -ALGUNOS TIPOS DE MATRICES.
Más detallesMatemáticas Aplicadas a los Negocios
LICENCIATURA EN NEGOCIOS INTERNACIONALES Matemáticas Aplicadas a los Negocios Unidad 4. Aplicación de Matrices OBJETIVOS PARTICULARES DE LA UNIDAD Al finalizar esta unidad, el estudiante será capaz de:
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 detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesUnidad II. 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función.
Unidad II Funciones 2.1 Concepto de variable, función, dominio, condominio y recorrido de una función. Función En matemática, una función (f) es una relación entre un conjunto dado X (llamado dominio)
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
Más detalles1. (F, +) es un grupo abeliano, denominado el grupo aditivo del campo.
Capítulo 5 Campos finitos 5.1. Introducción Presentaremos algunos conceptos básicos de la teoría de los campos finitos. Para mayor información, consultar el texto de McEliece [61] o el de Lidl y Niederreiter
Más detallesTema 1: MATRICES. OPERACIONES CON MATRICES
Tema 1: MATRICES. OPERACIONES CON MATRICES 1. DEFINICIÓN Y TIPO DE MATRICES DEFINICIÓN. Una matriz es un conjunto de números reales dispuestos en filas y columnas. Si en ese conjunto hay m n números escritos
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS
1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesSESIÓN 14 DERIVADAS SUCESIVAS DE UNA FUNCION, DE MÁXIMOS Y MÍNIMOS Y LA CONCAVIDAD DE UNA CURVA APLICANDO EL CRITERIO DE LA SEGUNDA DERIVADA
SESIÓN 14 DERIVADAS SUCESIVAS DE UNA FUNCION, DE MÁXIMOS Y MÍNIMOS Y LA CONCAVIDAD DE UNA CURVA APLICANDO EL CRITERIO DE LA SEGUNDA DERIVADA I. CONTENIDOS: 1. Derivadas sucesivas de una función 2. Concavidad
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 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 detallesNúmeros Complejos. Números naturales: útiles para contar cosas N={ 0, 1, 2, } Pero con ellos no podemos resolver la ecuación: X+5=2
Números Complejos Números naturales: útiles para contar cosas N={ 0, 1, 2, } Pero con ellos no podemos resolver la ecuación: X+5=2 Números Complejos Entonces inventamos los números enteros: Z = { -2, -1,
Más detallesContenidos Mínimos de 1º ESO Matemáticas 1º E.S.O.
Contenidos Mínimos de 1º ESO Matemáticas 1º E.S.O. - Realizar operaciones básicas con números naturales. - Resolver problemas aritméticos con números naturales. - Calcular potencias y raíces cuadradas
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 detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesSistemas de ecuaciones lineales dependientes de un parámetro
Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que
Más detallesPROGRAMA DE ESTUDIO. Práctica. Práctica ( ) Semestre recomendado: 8º. Requisitos curriculares: Sistemas Digitales 2
PROGRAMA DE ESTUDIO Nombre de la asignatura: PROCESAMIENTO DIGITAL DE SEÑALES Clave: IEE25 Fecha de elaboración: marzo 2015 Horas Semestre Horas semana Horas de Teoría Ciclo Formativo: Básico ( ) Profesional
Más detallesSESIÓN 6 INTERPRETACION GEOMETRICA DE LA DERIVADA, REGLA GENERAL PARA DERIVACIÓN, REGLAS PARA DERIVAR FUNCIONES ALGEBRAICAS.
SESIÓN 6 INTERPRETACION GEOMETRICA DE LA DERIVADA, REGLA GENERAL PARA DERIVACIÓN, REGLAS PARA DERIVAR FUNCIONES ALGEBRAICAS. I. CONTENIDOS: 1. Interpretación geométrica de la derivada 2. Regla general
Más detallesCLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO
MATEMÁTICAS AVANZADAS PARA LA INGENIERÍA EN SISTEMAS CLAVE: MIS 206 PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. SISTEMAS LINEALES DISCRETOS Y CONTINUOS 1.1. Modelos matemáticos 1.2. Sistemas 1.3. Entrada
Más detallesTEMA 8: FUNCIONES. Primer Curso de Educación Secundaria Obligatoria. I.e.s. Fuentesaúco.
2009 TEMA 8: FUNCIONES. Primer Curso de Educación Secundaria Obligatoria. I.e.s. Fuentesaúco. Manuel González de León. mgdl 01/01/2009 1º E.S.O. TEMA 08: Funciones. TEMA 08: FUNCIONES. 1. Correspondencia.
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
CONCEPTO MATRICES Se llama matriz de orden (dimensión) m n a un conjunto de m n elementos dispuestos en m filas y n columnas Se representa por A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn j=1,2,,n
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 detallesJesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple
Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización
Más detalles[20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
102784 [20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. En cuál de estas posibles aplicaciones podríamos utilizar una característica
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 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 detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesINSTITUTO CHAPULTEPEC MIDDLE SCHOOL
MATEMÁTICAS VII. (1er BIMESTRE) INSTITUTO CHAPULTEPEC MIDDLE SCHOOL. 2009-2010 1) SIGNIFICADO Y USO DE LOS NÚMEROS a) Lectura y escritura de números naturales. - Operaciones con números naturales. - Problemas
Más detallesSESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS
SESIÓN 11 DERIVACIÓN DE FUNCIONES TRIGONOMETRICAS INVERSAS I. CONTENIDOS: 1. Función inversa, conceptos y definiciones 2. Derivación de funciones trigonométricas inversas 3. Ejercicios resueltos 4. Estrategias
Más detalles2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual
Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas
Más detallesMATEMÁTICA DE CUARTO 207
CAPÍTULO 1 CONJUNTOS NUMÉRICOS 1 Introducción... pág. 9 2 Números naturales... pág. 10 3 Números enteros... pág. 10 4 Números racionales... pág. 11 5 Números reales... pág. 11 6 Números complejos... pág.
Más detallesCOLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II
COLEGIO UNIVERSITARIO CARDENAL CISNEROS Libro de Ejercicios de Matemáticas Empresariales II Manuel León Navarro 2 Capítulo 1 Ejercicios lección 1 1. Sea el conjunto de las matrices cuadradas de orden 2
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detalles4. Complementos sobre Problemas de Contorno para S.D.O. Lineales. 4. Complementos sobre Problemas de Contorno
para S.D.O. Lineales 4.1. Problemas de contorno para s.d.o. lineales. Teorema de alternativa 4.1. Problemas de contorno. Teorema de alternativa Fijemos A C 0 ([α, β]; L(R N )) y b C 0 ([α, β]; R N ), dos
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC13 Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas ITESM Matrices: Conceptos y Operaciones Básicas Matemáticas Discretas - p. 1/25 Una matriz A m n es un arreglo
Más detallesLEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS
LEYES DE COMPOSICIÓN INTERNA Y ELEMENTOS DISTINGUIDOS Sea una estructura formada por un conjunto A, sobre cuyos elementos se ha definido una operación o ley interna, comúnmente denotada por " * ", que
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 detallesContenidos. Importancia del tema. Conocimientos previos para este tema?
Transformación conforme Contenidos Unidad I: Funciones de variable compleja. Operaciones. Analiticidad, integrales, singularidades, residuos. Funciones de variable real a valores complejos. Funciones de
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
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 detallesNo es otra cosa, que la representación de los resultados de una función sobre el plano carteciano.
FUNCIONES GRAFICAS No es otra cosa, que la representación de los resultados de una función sobre el plano carteciano. INTÉRVALOS Un intervalo es el conjunto de todos los números reales entre dos números
Más detallesSeñales: Tiempo y Frecuencia PRÁCTICA 1
Señales: Tiempo y Frecuencia PRÁCTICA 1 (1 sesión) Laboratorio de Señales y Comunicaciones PRÁCTICA 1 Señales: Tiempo y Frecuencia 1. Objetivo El objetivo de esta primera práctica es revisar: las principales
Más detallesSi se pueden obtener las imágenes de x por simple sustitución.
TEMA 0: REPASO DE FUNCIONES FUNCIONES: TIPOS DE FUNCIONES Funciones algebraicas En las funciones algebraicas las operaciones que hay que efectuar con la variable independiente son: la adición, sustracción,
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detalles4.1. Determinante de una matriz cuadrada de orden 2. , entonces el determinante de A es a 21 a 22 a 11 a 12 = a 11a 22 a 12 a 21
Capítulo 4 Determinante Los determinantes se calculan para matrices cuadradas. Se usan para saber cuando una matriz tiene inversa, en el cálculo de autovalores y también para resolver sistemas de ecuaciones
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Septiembre de 2005
Filtrado Espacial Introducción El filtrado espacial es la operación que se aplica a una imagen para resaltar o atenuar detalles espaciales con el fin de mejorar la interpretación visual o facilitar un
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detalles