COMPONENTES PRINCIPALES
|
|
- Gustavo Gallego Iglesias
- hace 6 años
- Vistas:
Transcripción
1 COMPONENTES PRINCIPALES Jorge Galbiati R. El método de Componentes Principales tiene por objeto reducir la dimensionalidad de un problema de múltiples variables, aplicando una sucesión de transformaciones lineales a las variables, de modo que un subconjunto de ellas concentre la mayor parte de la variabilidad contenida en las variables originales. Supongamos que se tiene un vector aleatorio de dimensión p, x =[x x... x p ], que su vector de medias es µ y su matriz de varianzas covarianzas es Σ. Sea y la variable aleatoria definida por la fórmula y = γ (x µ) () γ es un vector constante tal que la varianza de y sea máxima,sujetoalacondición de que la norma γ es. γ de Es decir, [ ]} Var ( y )=máx γ {var γ (X µ) sujetoalacondición γ =. Pero [ ] var γ (X µ) = γ var(x µ)γ = γ γ y γ = γ γ Luego, equivalentemente, γ se obtiene resolviendo el problema: Maximizar γ γ con respecto de γ sujeto a la condición γ γ = Por multiplicadores de lagrange, esto se logra minimizando la función
2 Ψ(γ,λ)=γ γ λ(γ γ ) Esta es una función polinómica, luego se deriva con respecto de γ y λ, se igualan a cero las derivadas, y se resuelve es sistema resultante para obtener el mínimo: γ γ = γ λγ =0 p ecuaciones (p dimensión del vector aleatorio) γ λ = γ γ = 0 ecuación De la ecuación, γ= λγ, loquesignificaqueλ es un valor propio de y su respectivo vector propio es γ, que está estandarizado a norma (estandarizado). La varianza resulta ser γ γ = λγ γ = λ, luegoγ es el vector propio normalizado asociado al mayor valor propio λ,de, y que denominaremos γ. Recordar que es semidefinida positiva, luego todos sus valores propios son mayores o iguales a cero. Además, por ser simétrica, sus vectores propios son ortogonales entre si. DEFINICION: El vector aleatorio y = γ (x µ) de la transformación () se denomina Primera Componente Principalde x. La dirección definida por el vector γ se denomina Primer Eje Principal. La segunda componente principal es la variable aleatoria y = γ (x µ), en que γ es el vector propio asociado al segundo valor propio λ, etc. hasta la p-ésima componente principal. PROPIEDADES:.- E(y i )=0.- Var(y i )=λ i i-ésimo valor propio de.- Cov(y i,y j )=0 para i j 4.- Var(y ) Var(y )... (y p ) p i= var(y i)=traza( ) p i= var(y i)=det( ) Las transformaciones y i se pueden escribir todas juntas en forma condensada
3 y =Γ (x µ) en que y es el vector de componentes principales y =[y,y,..., y p ] y Γ la matriz ortogonal p p tal que sus columnas son los vectores propios de, en orden descendentede sus valores propios. Observar que Γ es ortogonal, luego ΓΓ =Γ Γ=I. Esto significa que la transformación de componentes principales, y = γ (x µ), consiste en un centrado del vector de observaciones, al restar µ, para luego efectuar una rotación (la multiplicación de un vector por una matriz ortogonal corresponde a una rotación del vector en el espacio). Esta rotación busca ver el vector desde el punto en que aparece con mayor variabilidad, por lo tanto, más informativo. También se observa que Γ y Γ son matrices mutuamente inversas. Entonces la transformación inversa, que convierte las componentes principales en las observaciones originales, es : x =Γy + µ pues que Γ y Γ son matrices mutuamente inversas. Los registros γ ij de Γ se denominan cargas (loadings) Las propiedades, y dadas anteriormente, se pueden expresar en términos matriciales:. E(y) =0. y. Var(y)=, con =diag{λ,..., λ p } También se puede agregar que la matriz de covarianzas entre x e y es Cov( x, y )=Γ Entonces la covarianzas entre la variable x i está dadaporγ ij λ j (la coordenada i-ésima de x )ylaj-ésima componente principal La matriz de correlaciones entre x e y está dadapord Γ en que = diag { λ, λ,..., } { λ p y D = diag σ, σ,..., σpp }
4 en que σ ii es la varianza de la variable original x i. Recordar que λ j es la varianza de la j-ésima componenete principal y j. Desarrolando la expresión matricial para la matriz de correlaciones obtenemos las correlaciones individuales: COMPONENTES PRINCIPALES MUESTRALES corr(x i,y j )=γ ij λj σ ii Si se tiene una matriz de datos X nxp, las componentes principales se obtienen a partir de la matriz de varianzas - covarianzas muestral S = X (I n )X,enqueI es la matriz identidad p-dimensional diag {,,..., } y es un vector p-dimensional en que todos sus elementos son unos. O bien se pueden obtener las componentes principales a partir de la matriz d correlaciones muestral R = D SD en que { } D = diag s, s,..., spp siendo los s ii las varianzas muestrales. La matriz H =(I n ) se denomina Matriz de Centrado, porque lo que hace es quitarle a cada elemento de la matriz de datos X, el promedio muestral de la variable respectiva (el promedio de la columna). Las componentes principales no son invariantes con respecto de cambios de escala de las variables. Por lo tanto si se usa S oseusar, los resultados obtenidos serán diferentes. Cuándo se usa una u otra matriz? Si la escala de medida de todas las variables es la misma, basta con S. En cambio, si las escalas de medida son muy diferentes dominarán las variables con magnitudes mayores. Por lo tanto, en estos casos, conviene usar la matriz de correlaciones R. ALGORITMO DE CALCULO De forma análoga al caso de las Componentes Principales poblacionales, visto arriba, dada una matriz de datos, para obtener las componentes principales (muestrales) se deben calcular los valores y vectores propios de S o de R. Los valores propios son las varianzas de las Componentes Principales. Los vectores propios son los ejes principales. Las coordenadas del i-ésimo vector propio son las cargas o coeficientes de la i-ésima componente principal. Los valores de las componentes principales (también llamados Scores) se obtienen multiplicando las variables centradas por los vectores propios: La j-ésima componente principal es el vector n-dimensional dado por y j = HXγ j en que γ j es el j-ésimo vector propio, H es la matriz de centrado 4
5 H =(I n ) Expícitamente, la observación i-ésima de la j-ésima variable se expresa como función lineal de las p variables originales de la i-ésima observación: y ij = γ ij (x i x )+γ i (x i x ) γ ip (x ip x p ) La covarianza muestral entre x i y la componente principal y j está dada por el producto cov(x i,y j )=γ ij λ j, el producto de la coordenada i-ésima de la j-ésima componente principal γ ij por el j-ésimo valor propio λ j si se usa S,ó γ ij λj s ii en el caso en que se usa R. La correlación muestral entre x i e y j está dadapor si se usa S,ó γ ij λj en el caso en que se usa R. corr(x i,y j )=γ ij λj s ii Reducción de dimensionalidad Las componentes principales tienen un orden descendente de importancia, debido a que la varianza que contienen va también en orden descendente, y las variables que tienen poca varianza, tienen poca información acerca de los sujetos observados. En las aplicaciones, se suele conservar las primeras componentes y descartar las últimas, con el objeto de reducir la dimensionalidad del problema. Las que se descartan constituyen información que se pierde. Según la forma que tienen las cargas en las fórmulas de transformación de las observaciones en las componentes, se les puede dar interpretaciones a las componentes principales. Por ejemplo, si las cargas son todas positivas, es un promedio ponderado entre las variables cuyas cargas sean significativamente grandes. Si hay positivas y negativas, es un contraste o comparación (entre las variables que tienen cargas postivas y las que tienen cargas negativas, con magnitudes significativas). Para decidir cuántas conservar se debe llegar a un compromiso entre el grado de simplificación del problema y la cantidad de información perdida. Existen algunos criterios para decidir cuántas componentes principales conservar, y cuántas descartar: ) Observar el gráfico de barras que muestra las magnitudes de las varianzas de las componentes, en orden descendente (scree plot). Este puede sugerir si hay un punto que separe las grandes de las pequeñas. Este se denomina criterio de Cattell. 5
6 ) Incluir las componentes que expliquen hasta un 90 % de la varianza acumulada. Este criterio tiende a incluir muchas componentes. ) Excluir aquellas componentes cuyas varianzas sean menos que el promedio. Este es el llamado criterio de Kayser, y tiende a incluir muy pocas variables. En cada caso se verá cuál criterio será más apropiado, o si se aplicará un criterio de compromiso entre ellos. EJEMPLO Supongamos que se tiene una matriz de datos de n observaciones de dimensión, es decir, tres variables. X = Se calculan el vector de medias y la matriz de varianzas-covarianzasque supondremos dan los siguientes resultados: x =,, 4 S = 0 9, 0 Los valores propios son λ =4, λ =,λ = y sus respectivos vectores propios son v =, v = 0, v = 6 Los valores que aparecen como factores, en términos decimales (aproximado a tres decimales) son =0, 577 =0, =0, 408 Los ejes principales son v, v y v, en ese orden. Los porcentajes de varianza respectivos de las componentes principales son 50 %, 7, 5% y, 5 %. Las varianzas acumuladas son 50 % para la primera, 87,5% para las primeras dos y 00 % para las tres. Se puede observar que la suma de las varianzas de las tres componentes principales es igual a la suma de las varianzas de las observaciones originales. 6
7 Figura : Scree plot. Las transformaciones de componentes principales y i = γ (x µ) expresadas de manera explícita son: i y =0, 577x +0, 577x +0, 577x 4,696 y =0, 707x 0, 707x 9,050 y =0, 408x 0, 86x +0, 408x,509 El término constante 4, 696 corresponde a γ x =0, 577, +0, 577, 4+0, 577 9, Los otros se obtienen en forma análoga. La primera componente se puede interpretar como un promedio entre las tres variables x, x y x. La segunda como una comparación entre la primera variable, x, y la tercera, x. La tercera componente principal como una comparación entre la segunda variable, x, y el promedio de las otras dos. El siguiente gráfico (screeplot) exhibe las tres varianzas, mostrando que la primera componente contiene más del doble de la varianza de cada una de las restantes. Tambien se muestran las varianzas acumuladas : Según los criterios presentados para la eliminación de componentes, claramente se puede eliminar la última sin gran pérdida de información, quedándonos con las dos primeras. Los escores de las 6 observaciones que se observan en la matriz de datos, correspondientes a las dos primeras componenetes principales, se calculan utilizando las fórmulas de cálculo de las componentes. para la primera observación son y =0, , , ,696 =, 9 7
8 y =0, , ,050 =, 97 Calculando los dos escores para las demás observaciones, se obtienen los siguientes resultados, expresados como matriz de datos: Y =, 9, 97 9,,68 4, 7 6, 50, 7 5, 80 0, 69 0, 85.., 6 0, 4 Estos pares se pueden graficar en un plano formado por las dos primeras componenet prioncipales (Primer Plano Principal), que muestra las proyecciones de los puntos sobre este plano, que es aquel en que se observa la mayor dispersión.el gráfico se denomina Biplot. Las proyecciones de los ejes originales x, x vectores elementales y x sobre el primer plano principal se obtienen multiplicando los e =[, 0, 0] e =[0,, 0] e =[0, 0, ] por γ ypor γ,obteniéndose así los extremos de los vectores elementales. Los resultados son [0, 577; 0, 707], [0, 577; 0] y [0, 577; 0, 707] para cada uno de las proyecciones de los ejes originales, los que se muestran en el biplot. Se observa una mayor dispersión de las observaciones que vemos en la matriz de datos, en el sentido del eje de la primera componente. Las observaciones aparecen numeradas, según el orden en que se ven en la matriz de datos. Los tres vectores rotulados x, x y x son las proyecciones de los vectores unitarios que siguen la dirección de los tres ejes correspondientes a las variables originales, sobre el primer plano principal. Cálculo de las correlaciones de las variables originales x λj fórmula corr(x i,y j )=γ ij : s ii con las componentes principales y, utilizando la Recordar que la matriz de transformación, cuyas columnas son los vectores priopios normalizados de la matriz de varianzas-covarianzas S, y cuyos elementos son las cargas, es Γ= Los valores propios λ son λ =4,λ =,yλ =. Las varianzas de las variables originales son σ =,σ =,y σ =. 8
9 Figura : Biplot. Con estos valores obtenemos la matriz de correlaciones siguiente, en que el elemento corr(x i,y j ): (i, j) es la correlación Corr(x,y)= 0 = 0,667 0,707 0,6 0,86 0 0,577 0,667 0,866 0,6 Se puede observar que la primera variable x está correlacionada positivamente con las dos primeras componentes principales, lo que se refleja en el gráfico Byplot, en que aparece aproximadamente diagonal en el primer cuadrante. La segunda variable está correlacionada con la primera componente, y tiene cero correlación cion la segunda. Por eso en el gráfico aparece paralela al eje de la primera componente. La tercera variable parece correlacionada positivamente con la primera componente, y negativamente con la segunda. De ahí que aparezca casi diagonal, pero en el cuadrante 4, en que la segunda componente es negativa. 9
Tema 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 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 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 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 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 detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
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 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 detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más 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 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
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 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 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 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.
Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x
Más detallesTEMA 8. GEOMETRÍA ANALÍTICA.
TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesSistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales 1 Sistemas de ecuaciones y matrices Definición 1 Una ecuación lineal en las variables x 1, x 2,..., x n es una ecuación de la forma con a 1, a 2... y b números reales. a
Más detallesAPUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES
APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesNOTACIÓN Y REPRESENTACIÓN
TEORÍA NÚMEROS COMPLEJOS DEFINICIÓN: Los números complejos son el conjunto de todos los números reales e imaginarios. Surgen de la necesidad de expresar la raíz par de un número negativo. APLICACIÓN: Los
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 detallesDEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES
ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas
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 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 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 detallesSistemas de ecuaciones lineales
Tema 1 Sistemas de ecuaciones lineales 11 Definiciones Sea K un cuerpo Una ECUACIÓN LINEAL CON COEFICIENTES EN K es una expresión del tipo a 1 x 1 + + a n x n = b, en la que n es un número natural y a
Más detallesUNIDAD 10: ECUACIONES DE SEGUNDO GRADO.
UNIDAD 10: ECUACIONES DE SEGUNDO GRADO. 10.1 Estudio elemental de la ecuación de segundo grado. Expresión general. 10.2 Resolución de ecuaciones de segundo grado completas e incompletas. 10.3 Planteamiento
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más 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 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 detallesMENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
Más detallesMateria: Matemática de 5to Tema: Método de Cramer. Marco Teórico
Materia: Matemática de 5to Tema: Método de Cramer Marco Teórico El determinante se define de una manera aparentemente arbitraria, sin embargo, cuando se mira a la solución general de una matriz, el razonamiento
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesECUACIÓN DE OSCILACIONES. Tomado del texto de Ecuaciones Diferenciales de los Profesores. Norman Mercado. Luis Ignacio Ordoñéz
ECUACIÓN DE OSCILACIONES Tomado del texto de Ecuaciones Diferenciales de los Profesores Norman Mercado Luis Ignacio Ordoñéz Muchos de los sistemas de ingeniería están regidos por una ecuación diferencial
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
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 detallesUnidad 2: Ecuaciones, inecuaciones y sistemas.
Unidad 2: Ecuaciones, inecuaciones y sistemas 1 Unidad 2: Ecuaciones, inecuaciones y sistemas. 1.- Factorización de polinomios. M. C. D y m.c.m de polinomios. Un número a es raíz de un polinomio es 0.
Más detallesVECTORES. también con letras sobre las cuales se coloca una flechita ( a ). A = módulo de A. modulo o magnitud, dirección y sentido. vector.
VECTORES Según su naturaleza las cantidades físicas se clasifican en magnitudes escalares y magnitudes vectoriales Las magnitudes como el tiempo, la temperatura, la masa y otras, son magnitudes escalares
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales TIPOS DE SISTEMAS. DISCUSIÓN DE SISTEMAS. Podemos clasificar los sistemas según el número de soluciones: Incompatible. No tiene solución Compatible. Tiene solución. Compatible
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesECUACIONES POLINÓMICAS CON UNA INCÓGNITA
Unidad didáctica. Ecuaciones, inecuaciones y sistemas de ecuaciones e inecuaciones ECUACIONES POLINÓMICAS CON UNA INCÓGNITA Las ecuaciones polinómicas son aquellas equivalentes a una ecuación cuyo primer
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 0 REFLEXION Y RESUELVE Resolución de sistemas Ò mediante determinantes y Resuelve, aplicando x x e y, los siguientes sistemas de ecuaciones: 3x 5y 73 a
Más detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detallesFactorización de matrices
CAPÍTULO Factorización de matrices En este capítulo se estudian algunas de las técnicas más utilizadas para factorizar matrices, es decir, técnicas que permiten escribir una matriz como producto de dos
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detallesMatemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Matemáticas 2.º Bachillerato. Ejemplo:
Mapa conceptual Determinante de segundo orden Dada una matriz cuadrada de segundo orden: a a 11 12 A = a a 21 22 se llama determinante de A al número real: det (A)= A = a11 a 12 = a a a a a21 a22 11 22
Más detallesMáximos y mínimos. Mínimo global Máximo global máximo relativo mínimo relativo
Máximos y mínimos. Anteriormente estudiamos métodos para obtener los extremos de funciones de una variable. Extenderemos esas técnicas a funciones de dos variables. Sea una función de dos variables, definida
Más detalles1. dejar a una lado de la igualdad la expresión que contenga una raíz.
1. Resuelve las siguientes ecuaciones reales: Solución x 1 + x = 0 ; 3 x = 3 ; ln(x 1) + 4 = ln 3 Ecuaciones con raíces: No todas las ecuaciones de este tipo son sencillas de resolver, pero podemos intentar
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesDERIVADAS PARCIALES Y APLICACIONES
CAPITULO IV CALCULO II 4.1 DEFINICIÓN DERIVADAS PARCIALES Y APLICACIONES En cálculo una derivada parcial de una función de diversas variables es su derivada respecto a una de esas variables con las otras
Más detallesECUACIÓN DE LA RECTA
MATEMÁTICA SEMANA 2 ECUACIÓN DE LA RECTA Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está permitido copiar, reproducir, reeditar, descargar,
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 detallesTransformada de Laplace - Conceptos Básicos. e -st f(t)dt. L { f (t) } = F(s) =
Transformada de Laplace - Conceptos Básicos Definición: Sea f (t) una función de t definida para t > 0. La Transformada de Laplace de f(t) se define como: L { f (t) } = F(s) = 0 e -st f(t)dt Algunas Propiedades
Más detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
Más detallesINTRODUCCIÓN. FUNCIONES. LÍMITES.
INTRODUCCIÓN. FUNCIONES. LÍMITES. Este capítulo puede considerarse como una prolongación y extensión del anterior, límite de sucesiones, al campo de las funciones. Se inicia recordando el concepto de función
Más detallesTema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso
Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
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 detallesSistemas de ecuaciones
Eje temático: Álgebra y funciones Contenidos: Sistemas de ecuaciones Nivel: 2 Medio Sistemas de ecuaciones 1. Sistemas de ecuaciones lineales En distintos problemas de matemáticas nos vemos enfrentados
Más detallesUna ecuación puede tener ninguna, una o varias soluciones. Por ejemplo: 5x 9 = 1 es una ecuación con una incógnita con una solución, x = 2
Podemos definir a las ecuaciones como una igualdad entre expresiones algebraicas (encadenamiento de números y letras ligados por operaciones matemáticas diversas),en la que intervienen una o más letras,
Más detallesTEMA 0: REPASO DE FUNCIONES
TEMA 0: REPASO DE FUNCIONES Recordamos que una función real de variable real es una aplicación de un subconjunto de los números reales A en el conjunto de los números reales de forma que a cada elemento
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesLa representación gráfica de una función cuadrática es una parábola.
Función Cuadrática A la función polinómica de segundo grado +bx+c, siendo a, b, c números reales y, se la denomina función cuadrática. Los términos de la función reciben los siguientes nombres: La representación
Más detallesUNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.
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 detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más detallesSolución de Sistemas de Ecuaciones Diferenciales Lineales
Solución de Sistemas de Ecuaciones Diferenciales Lineales Departamento de Matemáticas, CCIR/ITESM 9 de febrero de Índice..Introducción.................................................Ejemplo.................................................3.Ejemplo................................................
Más detallesTema 5: Sistemas de ecuaciones lineales.
TEORÍA DE ÁLGEBRA: Tema 5 DIPLOMATURA DE ESTADÍSTICA 1 Tema 5: Sistemas de ecuaciones lineales 1 Definiciones generales Definición 11 Una ecuación lineal con n incognitas es una expresión del tipo a 1
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
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 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 detallesEcuaciones e inecuaciones. Sistemas de ecuaciones e inecuaciones
Ecuaciones e inecuaciones. Sistemas de ecuaciones e inecuaciones Álvarez S., Caballero M.V. y Sánchez M. a M. salvarez@um.es, m.victori@um.es, marvega@um.es Índice 1. Herramientas 6 1.1. Factorización
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 detallesCALCULO DE MEDIDAS DE RESUMEN CON DATOS TABULADOS
CALCULO DE MEDIDAS DE RESUMEN CON DATOS TABULADOS Jorge Galbiati Riesco Si los datos se presentan en tablas de recuencias por intervalos, se pueden obtener valores aproximados de las medidas de resumen,
Más detallesCURSO CERO DE MATEMATICAS. Apuntes elaborados por Domingo Pestana Galván. y José Manuel Rodríguez García
INGENIEROS INDUSTRIALES Y DE TELECOMUNICACIONES CURSO CERO DE MATEMATICAS Apuntes elaborados por Domingo Pestana Galván y José Manuel Rodríguez García UNIVERSIDAD CARLOS III DE MADRID Escuela Politécnica
Más detallesInstituto Tecnológico Autónomo de México. 1. At =..
Instituto Tecnológico Autónomo de México TRANSPUESTA DE UNA MATRIZ DEFINICION : Transpuesta Sea A = (a ij ) una matriz de mxn Entonces la transpuesta de A, que se escribe A t, es la matriz de nxm obtenida
Más detallesGEOMETRÍA EN EL ESPACIO.
GEOMETRÍA EN EL ESPACIO. Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal 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 detallesTeoría Tema 6 Ecuaciones de la recta
página 1/14 Teoría Tema 6 Ecuaciones de la recta Índice de contenido Base canónica en dos dimensiones como sistema referencial...2 Ecuación vectorial de la recta...4 Ecuación paramétrica de la recta...6
Más detallesUn subconjunto no vacío H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura:
4 Subespacios 29 b) x 5 [25;5], 5 [;24], z 5 [4;4] Use a 5 2, a 5 / a 5 2 / 2 c) Su propia elección de x,, z /o a 2 a) Elija algunos valores para n m genere tres matrices aleatorias de n m, llamadas X,
Más detallesPRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO. Otra forma de expresar un número complejo es la forma polar o forma módulo-argumento,
OBJETIVO EDUCACIONAL PRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO Resolver problemas de aplicación e interpretar las soluciones utilizando matrices y sistemas de ecuaciones lineales para las diferentes
Más 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 detallesTRA NSFORMACIO N ES LIN EA LES
TRA NSFORMACIO N ES LIN EA LES C o m p uta c i ó n G r á fica Tipos de Datos Geométricos T Un punto se puede representar con tres números reales [x,y,z] que llamaremos vector coordenado. Los números especifican
Más 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 detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
Más detallesMapa Curricular: Funciones y Modelos
A.PR.11.2.1 Determina el dominio y el alcance de las funciones a partir de sus diferentes representaciones. A.PR.11.2.2 Identifica y aplica las relaciones entre los puntos importantes de una función (ceros,
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesSISTEMAS DE ECUACIONES LINEALES
1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables
Más detallesEl Algoritmo E-M. José Antonio Camarena Ibarrola
El Algoritmo E-M José Antonio Camarena Ibarrola Introducción Método para encontrar una estimación de máima verosimilitud para un parámetro ѳ de una distribución Ejemplo simple 24 Si tiene las temperaturas
Más detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detalles1 ÁLGEBRA DE MATRICES
1 ÁLGEBRA DE MATRICES 1.1 DEFINICIONES Las matrices son tablas numéricas rectangulares. Se dice que una matriz es de dimensión m n si tiene m filas y n columnas. Cada elemento de una matriz se designa
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales
PROLEMS RESUELTOS ÁLGER LINEL Tema. Transformaciones Lineales SUTEM: MTRICES SOCIDS UN TRNSFORMCIÓN Problema : Sean P P los espacios vectoriales de lo polinomios de grado menor o igual a dos menor o igual
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 detallesECUACIONES DE PRIMER GRADO CON UNA INCÓGNITA
UNIDAD OBJETIVO: Resolverá situaciones y problemas en los que se apliquen ecuaciones de primer grado con una incógnita, sistemas de ecuaciones lineales con dos y tres incógnitas, mediante métodos algebraicos
Más detalles