CAPITULO 2º VECTORES Y ESPACIOS VECTORIALES - 1. Ing. Diego A. Patiño G. M.Sc., Ph. D.

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

Download "CAPITULO 2º VECTORES Y ESPACIOS VECTORIALES - 1. Ing. Diego A. Patiño G. M.Sc., Ph. D."

Transcripción

1 CAPITULO º VECTORES Y ESPACIOS VECTORIALES - Ig. Dego A. Patño G. M.Sc., Ph. D.

2 Vectores Efoque mecáco: defcó asocada a magtud y dreccó. Sgfcado físco. Restrgdo a 3 dmesoes. E. elocdad, aceleracó, campo eléctrco. Efoque matemátco básco: - tupla de elemetos umércos, co magtud y dreccó pero o restrgda a 3 dmesoes. Mapulacó por medo de operacoes matrcales. Efoque geeralzado: espacos leales: abstraccó que permte aplcar la teoría a ua clase ampla de problemas.

3 Espacos Vectorales Para espacos multdmesoales la represetacó geométrca o sre. Se desarrolla abstraccoes que retee las propedades báscas de los ectores: Producto Itero Norma 3

4 Campo. Campo (F): couto de uo o más elemetos del cual se seleccoa los elemetos escalares: Debe coteer el elemeto : I tal que a I: ( a) a a Debe coteer el elemeto : Debe coteer el elemeto a: I tal que a I: ( a) a () a / a I este - a tal a ( a) que 4

5 Campo. Debe estar defdas: Suma: a I y b I ( a b) ( b a) I El campo es cerrado bao la adcó Multplcacó: a I y b I ( a b) ( b a) I El campo es cerrado bao la multplcacó 5

6 Campo. Dsó: a I y b I y b ( a / b) I Para la suma y multplcacó aplca las leyes asocatas, comutata y dstrbuta 6

7 Campo. El couto de todas las matrces de la forma: Este la matrz Este la matrz I ; y R Este la matrz A tal que A(-A) y y El producto de dos matrces co este tpo de smetría es comutato Este couto es u campo. NO TODOS LOS CONJUNTOS DE MATRICES CUADRADAS SON UN CAMPO 7

8 Espacos Vectorales. U espaco ectoral leal X es ua coleccó de ectores defdos sobre u campo F La defcó depede del campo F sobre el cual se especfca el espaco. El espaco debe coteer: : X : X y uco y Este el elemeto egato 8

9 Espacos Vectorales. Para,y, z X y a, b, c F, debe estar defdas las operacoes:. Cerrado a la Adcó:. Comutacó: y X y y. Asocacó: ( y) z (y z) 9

10 Espacos Vectorales. Respecto a la multplcacó por escalares:. Cerrado respecto a multplcacó X y a I a es u ector y X. Asocacó : a ( b ) ( ab). Dstrbucó de multplcacó y adcó ectoral: ( a b) a b a( y) a ay

11 Espacos Vectorales. El couto de los úmeros reales defdo sobre el campo de los compleos: No es u espaco ectoral porque o es cerrado a la multplcacó por u escalar. El couto de los úmeros compleos defdo sobre el campo de los reales s es u espaco ectoral.

12 Espacos Vectorales. El couto de todas las solucoes de las ecuacoes dferecales, leales, homogéeas de orde fto es u espaco ectoral. El couto de todas las solucoes de las ecuacoes dferecales, leales, NO homogéeas de orde fto NO es u espaco ectoral.

13 Espacos Vectorales. Por la codcó de cerrado los espacos ectorales tee dmesó fta. No es ecesaro mapular espacos ftos: los ectores se puede descompoer e compoetes dreccoales depedetes. Se puede crear categorías de ectores smlares Esto coduce a los coceptos de Depedeca, Idepedeca, bases y dmesoes. 3

14 Depedeca Idepedeca Leal. {,..., } X U couto de ectores: es LINEALMENTE DEPENDIENTE s este u couto de escalares {a },,, NO TODOS CERO tales que: a a... a a S la combacó leal solo se cumple para a todos los {a },, guales a cero el couto de ectores { } es LINEALMENTE INDEPENDIENTE 4

15 Depedeca Idepedeca Leal. Geométrcamete para, dos ectores Lealmete Depedetes so coleales: el águlo etre ellos es cero y el área del paralelogramo formado es cero. S o so coleales o este escalares dferetes de cero que cambe las dreccoes de los ectores tal que la suma sea cero. Para 3, tres ectores so Lealmete Idepedetes s o so coplaares: u ector o está e el plao formado por los otros dos. 5

16 Depedeca Idepedeca Leal. LEMA: S se tee u couto de ectores lealmete depedetes y se adcoa otro ector a este couto, el couto resultate també es Lealmete depedete. a... a este u a a se a 3 puede asumr 6

17 7 Depedeca Idepedeca Leal. LEMA: s u couto de ectores el Lealmete depedete uo de ellos se puede escrbr como combacó leal de los demás: u a y a a a a a a a a a a a a a

18 Depedeca Idepedeca Leal. Represetacó matrcal: S la ecuacó X [ a [... a a ] a a T ] sólo tee la solucó tral a los ectores { } so LINEALMENTE INDEPENDIENTES. 8

19 Depedeca Idepedeca Leal. U crtero umérco establece que u couto de ectores { } es LINEALMENTE DEPENDIENTE s y solo s det[x] El crtero solo aplca cuado el úmero de compoetes del ector es gual al úmero de ectores e el couto El crtero o reela el sgfcado geométrco de depedeca/depedeca leal 9

20 Depedeca Idepedeca Leal. Para ectores de m compoetes o se puede defr el determate. S se asume que el couto es Lealmete Depedete, por lo meos este u coefcete a o ulo tal que:... : pre multplcado por T T T T a a a a

21 Depedeca Idepedeca Leal. De la msma forma se pre-multplca por los demás ectores traspuestos: [ T ][ a] para,,.. y,..., la matrz : G [ ] T es cuadrada de orde S el determate de G es o ulo la ersa este y: Ga a a G

22 Depedeca Idepedeca Leal. Etoces por cotradccó : ectores de m compoetes so lealmete depedetes s y solo s: G T,...,,..., G: matrz de Gram

23 Depedeca Idepedeca Leal de fucoes. Cuado los ectores so fucoes: ( t) para,,..., Se defe la depedeca sobre teralos de t. S este escalares o todos cero tal que la combacó leal: [ ] a ( t)... a( t) Para todo t to,t etoces el couto de fucoes es Lealmete Depedete e dcho teralo. E caso cotraro so depedetes. 3

24 Depedeca Idepedeca Leal de fucoes. Esto o garatza depedeca fuera del teralo. Se costruye el ector X de fucoes de orde : [ ( t)... ( )] T X ( t) t Se defe la matrz de Gram ( ) de X(t) como: G ( t, t) t t X( t) X *: Compleo cougado y traspuesta El couto de fucoes es Lealmete Idepedete e dcho teralo s y sólo s el determate de Gram es o ulo. * ( t) 4

25 Dmesó y Base Dmesó: mámo úmero de ectores LINEALMENTE INDEPENDIENTES que se puede tomar de u espaco. Base: U couto de ectores LINEALMENTE INDEPENDIENTES e el espaco X es ua base de X s y solo sí todo ector e X se puede epresar como ua combacó leal úca de ese couto de ectores. 5

26 Dmesó y Base S el espaco ectoral X es de dmesó, la base debe teer ectores Lealmete Idepedetes. Este u úmero fto de bases. E térmos geométrcos la base más seclla de escoger es el couto de ees coordeados: base ortoormal. U couto base NO tee que ser ortoormal. 6

27 Dmesó y Base Teorema: e u espaco ectoral leal de dmesoes cualquer couto de ectores lealmete depedetes calfca como ua base. Sea ua base : { e} { e,e...e} cualquer ector : β e se puede escrbr como ua combacó úca de los elemetos de la base 7

28 Dmesó y Base El couto de úmeros {β } es la represetacó de respecto a {e }. se puede escrbr por el couto de úmeros o - tupla: β T [ β β... β] La - tupla se puede usar e operacoes ectorales y se puede asocar a u couto de ees coordeados S se camba la base camba el couto de coordeadas y camba β 8

29 Spa U couto de ectores Y esta cuberto (spaed) por u couto de ectores { } s todo y Y se puede escrbr como ua combacó leal de los. Se represeta como: Y sp{ } { } o es ecesaramete ua base. 9

30 Cambo de Base U ector está dado respecto a ua base: Del msmo espaco ectoral se toma ua base dferete { ˆ }... El msmo ector se puede epadr respecto a las dos bases: { },..., ˆ ˆ 3

31 3 Cambo de Base Pero las dos bases cosste de ectores del msmo espaco ectoral y por lo tato { } se puede epadr como: Que se puede escrbr como: b b b ˆ ˆ ˆ ˆ.. ˆ ˆ ˆ b b b b

32 Cambo de Base Epadedo sobre : [ ] ˆ ˆ ˆ E otacó matrcal: b b b b b b Base orgal [ ] B Base uea B es la matrz que defe el cambo de base 3

33 Cambo de Base La represetacó orgal del ector: Reorgazado: b ˆ ˆ ˆ b ˆ ˆ 33

34 Cambo de Base Como es u couto depedete de ectores para que la ecuacó ateror sea cero: ˆ b Esta epresó da los compoetes de u ector e la uea base a partr de los compoetes e la base atgua 34

35 Cambo de Base E forma matrcal: ˆ B També se puede defr la base recíproca: RB I R B X B Xˆ R Xˆ Dode R es la matrz cuyas flas correspode a los ectores traspuestos de la base recíproca, para base ortogoal: { } T T T r r r 35

36 Cambo de Base Cosderar el espaco R y dos bases: Dado el ector [ ] T respecto a la base {e } represetarlos respecto a la base uea 36 { } { } ˆ ˆ e e e e

37 Rago y Nuldad Rago: El rago de ua matrz A, ρ(a), es el mámo úmero de columas lealmete depedetes. Este úmero es gual al úmero de flas lealmete depedete (Rago de Flas Rago de Columas). S la matrz A es de dmesoes m el rago de A es ρ(a) m(m,) S ρ(a) m(m,) se dce que la matrz es de Rago Completo. S ρ(a) < m(m,) se dce que la matrz es Defcete e Rago o Degeerada. 37

38 Rago y Nuldad S ua matrz cuadrada es de rago completo se deoma No Sgular, esto es equalete a que el determate es dferete de cero. Espaco Nulo: El espaco ulo de ua matrz A de dmesoes m se defe como η(a) - ρ(a) 38

39 Rago y Degeeracó Teorema: Sea las matrces A (m ) y B ( p), tales que AB C, etoces ρ(a) ρ(b) ρ(c) m[ρ(a), ρ(b)] η(c) η(a) η(b) Además, sea las matrces o sgulares D (m m) y E ( ), etoces ρ(da) ρ(a) y ρ(ae) ρ(a) 39

40 4 Rago y Nuldad Eemplo: Ecotrar el rago y el espaco ulo o degeeracó de la sguete matrz: 4 6 A F F F F La matrz tee dos flas LI ρ(a) Por otra parte η(a) - ρ(a) 3

41 Productos Iteros Las defcoes dadas para operacoes ectorales se puede eteder a espacos ectorales. Producto Itero: es ua operacó etre dos ectores que da como resultado u escalar. El producto tero tee las sguetes propedades:, y y, la barra sgfca, α y βy α,y β, y, y,,α y α,y α, y α,y compleo cougado 4

42 Productos Iteros Cuado los ectores,y está defdos sobre el campo de los reales, aplca la defcó básca: T T,y y y Cuado los ectores, y está defdos sobre el campo de los compleos:,y * y * : Compleo Cougado Traspuesto. Espacos co producto tero defdo para ellos so espacos ectorales co producto tero defdo. 4

43 Normas Norma: es la geeralzacó del cocepto de logtud o magtud de u ector. Es ua fucó de u ector que produce u escalar. Se deota por y tee las sguetes propedades: Para sem ormas : 43

44 Normas α α escalar α y y Desgualdad Tragular, y y Desgualdad de Cauchy - Schwarz 44

45 Normas Para u ector C se defe las ormas l p : p p p para p > Norma l : suma de magtudes dduales 45

46 Normas Norma l Eucldaa o dstaca etre dos putos Norma l ma orma fta : elemeto de mayor magtud 46

47 Normas Alguas ormas se puede ducr a partr de los productos teros, por eemplo la orma eucldaa:, T, U ector utaro tee orma Para u ector de elemetos: 47

48 Normas Cuado se trabaa co fucoes cotuas a tramos se defe las ormas temporales: Norma o IAE u () t u dt Norma o ISE u [ u () t ] dt Norma o alor pco u mama {{ u ( t) t 48

49 Normas La orma RMS o de poteca es ua sem orma: u( t) power lm { T T T T u ( t) dt Métrca: es ua fucó de dos ectores que da como resultado ua udad escalar de las dstacas etre dos ectores. r (, y) y 49

50 Productos Iteros y Normas Águlo: el águlo etre dos ectores se deota por θ(,y) y satsface la ecuacó:, y y cosθ Ortogoal: se dce que dos ectores so ortogoales s su producto tero es cero, <,y>. Ortoormal: U par de ectores es ortoormal s <,y> y y. E geeral u couto de ectores { } es ortogoal s:, y, E geeral u couto de ectores { } es ortoormal s:, y, 5

51 Ortoormalzacó de GRAM - SCHMIDT Es coeete y secllo emplear bases ortoormales. Por el procedmeto de Gram - Schmdt se uele ortoormal ua base cualquera. Co este procedmeto s se tee u couto de ectores o ortoormales que coforma ua base {y },, se puede geerar u couto de ectores { }, ortoormal Adcoalmete, cada subcouto de ectores { }, m, cubre (spas) al subcouto {y }, m, para m <. 5

52 Ortoormalzacó de GRAM - SCHMIDT Procedmeto: Se comeza co u ector del couto o ortoormal: y Se toma y y se resta del ueo ector cualquer compoete que comparta co los ectores ya defdos y a a represeta la magtud de la compoete de y e la dreccó y es ua cógta a determar. 5

53 Ortoormalzacó de GRAM - SCHMIDT Procedmeto: Como el couto { } es ortogoal:,, y a, y a, a, y, 53

54 Ortoormalzacó de GRAM - SCHMIDT Se repte el procedmeto ateror para el ueo ector 3 3 y3 a a Los coefcetes a y a represeta los compoetes de y 3 e la dreccó de y. Se calcula co u procedmeto smlar al ateror:, 3, y3 a a, y3 a, y 3 a, a, 3, 54

55 55 Ortoormalzacó de GRAM - SCHMIDT Por otra parte se tee que,, 3 3 a a y,,, 3 a a y 3 3,, y a Se repte este msmo proceso para obteer,, k k k k k k k k y y a y

56 Ortoormalzacó de GRAM - SCHMIDT Para obteer ua base ortoormal se ormalza cada uo de los ectores ˆ Norma Eucldaa Cada par de ectores ortoormales satsface ˆ, ˆ δ 56

57 57 Ortoormalzacó de GRAM - SCHMIDT S se usa ua base ortoormal sempre se puede ecotrar la compoete de u ector a lo largo del esmo ector de la base,, empleado u producto tero co el ector base, esto es c e y Sea {e },, ua base ortoormal para el espaco X y s X etoces e c e c e c c e e c e e e L L,,, 3 L L 3 3,,,,, e e c e e c e e c e e c e c e e c e 3,,

58 Ortoormalzacó de GRAM - SCHMIDT Cuado u ector esta represetado e térmos de ua base ortogoal {e }, la orma del ector se ecuetra empleado el teorema de Parseal: Teorema: S u ector, e u espaco leal de dmesó, está dado por cualquer represetacó {c } respecto a ua base ortoormal, etoces la orma eucldaa puede ser represetada como c S el ector está dado por ua base ortoormal se represeta como e 58

59 59 Ortoormalzacó de GRAM - SCHMIDT La orma eucldaa está dada por que també se puede escrbr como,, e c e c pero, e e c c c c c e e c e e c L,,

60 6 Ortoormalzacó de GRAM - SCHMIDT Etoces: S el ector está represetado respecto a ua base ortoormal la orma eucldaa es: S el ector o está represetado respecto a ua base ortoormal los dos resultados o cocde c c c c

61 6 Ortoormalzacó de GRAM - SCHMIDT Eemplo: Emplear el procedmeto de Gram Schmdh para costrur u couto ortogormal de ectores de: Se erfca s es ua base LI Se toma A

62 6 Ortoormalzacó de GRAM - SCHMIDT Se toma a a dode 5 7,, * * a etoces

63 63 Ortoormalzacó de GRAM - SCHMIDT Se repte el proceso 3 3 a a 5 5,, * 3 * 3 a 5 4,, * 3 * 3 a Etoces

64 64 Ortoormalzacó de GRAM - SCHMIDT Normalzado 5 ˆ ˆ ˆ3

65 Sub espacos U subespaco es u subcouto de u espaco ectoral leal y calfca a sí msmo como espaco: el plao es u subespaco del espaco de tres dmesoes. U subespaco M de u espaco ectoral X es u subcouto de X tal que s, y M, α y β escalares, y z α βy z M. La defcó especfca que el subespaco es cerrado para la suma ectoral y para la multplcacó por escalares. 65

66 Subespacos Las demás codcoes ecesaras para ser u subespaco se cumple por ser todos los ectores e el subespaco proeetes del espaco ectoral X. Todo espaco es subespaco de s msmo. S dm(m) dm(x), etoces X M. Se dce que u subespaco es propo s dm(m) < dm(x). 66

67 Teorema de Proyeccó Como todo los subespacos debe coteer al ector cero, etoces se puede hacer las sguetes obseracoes: Todos los subespacos propos de R so líeas rectas que pasa por el orge. Todos los subespacos propos de R 3 so líeas rectas o plaos que pasa a traés del orge. Todos los subespacos propos de R so hpersuperfces de dmesó - o meor que pasa a traés del orge. 67

68 Teorema de Proyeccó Cuál es el ector que está e el plao y es el más cercao a u ector dado que o está e el plao? Teorema de Proyeccó: Sea W u subespaco ectoral propo de X, etoces para todo X este u w W tal que w, para todo W. El ector w es la proyeccó ortogoal de e W. 68

69 Subespacos y Teorema de Proyeccó Complemeto Ortogoal: S W es u subespaco de X, el complemeto ortogoal de W, deotado W, es u subespaco de de X, tal que todos los ectores de W so ortogoales a W 69

70 Álgebra Leal Álgebra Leal: U álgebra leal es u espaco ectoral leal que además de los requstos para ser u espaco ectoral leal, cluye la multplcacó: Dados los ectores,y,z y el escalar α, etoces Asocata para multplcacó por escalar ( y) ( α) y ( αy) α Asocata para multplcacó de ectores ( y ) z ( yz) Dstrbuta para multplcacó de ectores ( y) z z yz 7

71 Referecas. BAY J.S. Fudametals of Lear State Space Systems. New York: McGraw Hll Iteratoal Chapter.. CHEN C.T. Lear Systems Theory ad Desg. 3rd Edto. New York: Oford Uersty Press Chapter SKOGESTAD S. ad POSTLEHWAITE L. Multarable Feedback Cotrol. Chchester: Joh Wley & Sos Apped A.5 7

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

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

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

Más detalles

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

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

TEMA 2: LOS NÚMEROS COMPLEJOS

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

Más detalles

Tema 2: Distribuciones bidimensionales

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

Más detalles

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

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

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

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

CENTRO DE MASA centro de masas centro de masas

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

Más detalles

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO

ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO DE ESTADO U N E X P O UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSE DE SUCRE VICE RECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERIA ELECTRONICA ANALISIS DE SISTEMAS LINEALES CONTINUOS EN EL ESPACIO

Más detalles

ESTADÍSTICA poblaciones

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

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

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

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

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

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

Más detalles

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

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

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

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

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

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

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

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

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

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

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

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

Más detalles

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

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

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

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

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

Más detalles

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

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

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

TEMA 4: NÚMEROS COMPLEJOS

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

Más detalles

Análisis Numérico: Matrices y Métodos directos de resolución de SEL

Análisis Numérico: Matrices y Métodos directos de resolución de SEL Matrces, aplcacoes leales y métodos drectos de resolucó de sstemas de ecuacoes leales Grupo de Dámca de Flujos Ambetales Uversdad de Graada Mauel Díez Mguto Ídce Ídce... 2 Lsta de Fguras...3 Lsta de Tablas...

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

LOS NÚMEROS COMPLEJOS

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

Más detalles

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

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

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

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

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO

EXISTENCIA DE UNA FUNCIÓN NO LINEAL, CONTINUA Y BIYECTIVA EN l CON INVERSA DISCONTINUA EN TODO PUNTO EXISTECIA DE UA FUCIÓ O LIEAL, COTIUA Y BIYECTIVA E l CO IVERSA DISCOTIUA E TODO PUTO Jorge E Herádez U, Temístocles Zeballos M Uversdad de Paamá, Cetro Regoal Uverstaro de Veraguas, Departameto de Matemátca

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*)

UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*) UNIVERSIDAD NACIONAL DE SALTA Facultad de Cecas Ecoómcas, Jurídcas y Socales Isttuto de Ivestgacoes Ecoómcas Reuó de Dscusó Nº 7 Fecha: /06/003 Hs.: 6 UNA NOTA SOBRE ECONOMETRÍA ESPACIAL (*) Eusebo Cleto

Más detalles

Cinemática de Manipuladores Robóticos

Cinemática de Manipuladores Robóticos CINEMÁICA DE MANIPULADORES Cemátca de Mapuladores Robótcos Adrés Jaramllo Botero abla de Cotedo CINEMÁICA DE ROBOS MANIPULADORES... ASPECOS DE RESALAR EN LA SOLUCIÓN DEL PROBLEMA CINEMÁICO... La Represetacó

Más detalles

2 - TEORIA DE ERRORES : Calibraciones

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

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

Más detalles

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

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

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

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

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

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5: Modelos de Probabldad Estadístca Computacoal º Semestre 00 Profesor :Héctor llede Pága : www.f.utfsm.cl/~hallede

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

Sistema binario. Disoluciones de dos componentes.

Sistema binario. Disoluciones de dos componentes. . Itroduccó ermodámca. ema Dsolucoes Ideales Ua dsolucó es ua mezcla homogéea, o sea u sstema costtudo por ua sola fase que cotee más de u compoete. La fase puede ser: sólda (aleacoes,..), líquda (agua

Más detalles

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

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

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

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

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

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

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

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

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

Más detalles

R-C CARGA Y DESCARGA DE UN CONDENSADOR

R-C CARGA Y DESCARGA DE UN CONDENSADOR RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

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

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

Más detalles

MS Word Editor de Ecuaciones

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

Más detalles

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es, VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA:

UNIVERSIDAD DE PANAMÁ FACULTAD DE INFORMÁTICA, ELECTRÓNICA Y COMUNICACIÓN ESCUELA DE INFORMÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS MONOGRAFÍA: UNIVERSIDAD DE PANAÁ FACULTAD DE INFORÁTICA, ELECTRÓNICA Y COUNICACIÓN ESCUELA DE INFORÁTICA CENTRO REGIONAL UNIVERSITARIO DE VERAGUAS ONOGRAFÍA: INTEGRACIÓN NUÉRICA POR EL ÉTODO DE LOS TRAPECIOS PRESENTA:

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (II) Magdalena Cladera Munar Departament d Economia Aplicada Universitat de les Illes Balears Aál etadítco báco (II) Magdalea Cladera Muar mcladera@ub.e Departamet d Ecooma Aplcada Uvertat de le Ille Balear CONTENIDOS Covaraza y correlacó. Regreó leal mple. REFERENCIAS Alegre, J. y Cladera, M.

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi

Ejemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo

Más detalles

2.- ESPACIOS VECTORIALES. MATRICES.

2.- ESPACIOS VECTORIALES. MATRICES. 2.- ESPACIOS VECTORIALES. MATRICES. 2.1. -ESPACIOS VECTORIALES Sea u cojuto V, etre cuyos elemetos (a los que llamaremos vectores) hay defiidas dos operacioes: SUMA DE DOS ELEMENTOS DE V: Si u, v V, etoces

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada primera de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada prmera de de ua fucó Prof. Alfredo López L Beto Prof. Carlos Code LázaroL Prof. Arturo dalgo LópezL

Más detalles

Revista Peruana de Epidemiología E-ISSN: Sociedad Peruana de Epidemiología Perú

Revista Peruana de Epidemiología E-ISSN: Sociedad Peruana de Epidemiología Perú Revsta Peruaa de Epdemología E-ISSN: 609-7 revsta@rpe.epredperu.et Socedad Peruaa de Epdemología Perú De La Cruz-Oré, Jorge Lus Qué sgfca los grados de lbertad? Revsta Peruaa de Epdemología, vol. 7, úm.,

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V

Línea de Investigación: Fisicoquímica de Alimentos. Programa Educativo: Licenciatura en Química. Nombre de la Asignatura: Química Analítica V Área Académca de: Químca Líea de Ivestgacó: Fscoquímca de Almetos Programa Educatvo: Lcecatura e Químca Nombre de la Asgatura: Químca Aalítca V Tema: Represetacoes gráfcas de las relacoes propedadcocetracó

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

Más detalles

Cálculo Integral. LA INTEGRAL

Cálculo Integral. LA INTEGRAL Cálculo Itegral. LA INTEGRAL Durate la seguda mtad del sglo XVII, Newto y Lebz dero u paso decsvo e la matemátca de las magtudes varables, al setar las bases del cálculo dferecal e tegral. "Este fue el

Más detalles

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI

C URVA DE L ORENZ C OEFICIENTE DE D ESIGUALDAD DE G INI TESIS DESARROLLO REIONAL C URVA DE L ORENZ C OEFICIENTE DE D ESIUALDAD DE INI D OCUMENTO A UXILIAR N DANIEL CAUAS - 5 JUN 203 LA CURVA DE LORENZ La curva de Lorez (Corado Lorez 905), es u recurso gráfco

Más detalles

CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA

CAPÍTULO 2 MODELO DE REGRESIÓN LOGÍSTICA Estmacó de la ocurreca de cdecas e declaracoes de pólzas de mportacó Salcedo Poma, Cela Mercedes CAPÍULO MODELO DE REGRESIÓN LOGÍSICA INRODUCCIÓN La Regresó Logístca es ua técca estadístca multvarate que

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

Ecuaciones diferenciales en derivadas parciales

Ecuaciones diferenciales en derivadas parciales Capítulo 10 Ecuacoes dferecales e dervadas parcales 10.1. Clasfcacó de las ecuacoes e dervadas parcales Los problemas e dervadas parcales que aparece e Físca se suele clasfcar e tres tpos prcpales: problemas

Más detalles

APLICACIONES LINEALES.

APLICACIONES LINEALES. APLICACIONES LINEALES. INTODUCCIÓN: APLICACIONES ENTE CONJUNTOS. Ua aplicació etre dos cojutos A y B es ua regla que permite asigar a cada elemeto de A, uo de B. La aplicació del cojuto A e el cojuto B

Más detalles

CAPITULO 1 VECTORES EN R 3

CAPITULO 1 VECTORES EN R 3 CPITULO Nuestrs lms, cuys fcultdes puede compreder l mrvllos rqutectur del mudo, y medr el curso de cd plet vgbudo, ú escl trs el coocmeto fto Chrstopher Mrlowe. ECTORES EN R. Mgtudes esclres y vectorles..

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

GENERACION DE NUMEROS ALEATORIOS

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

Más detalles