Curso Propedéutico de Cálculo Sesión 7:
|
|
- Diego Redondo Rojo
- hace 5 años
- Vistas:
Transcripción
1 Curso Propedéutico de Cálculo Sesión 7: Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico
2 Esquema
3 Esquema
4 Hasta ahora nos hemos enfocado en funciones que dependen de una sola variable, funciones f : R R que tienen como dominio un subconjunto de los números reales. Nos van a interesar ahora funciones más generales, cuyo dominio va a ser un conjunto de vectores. El caso más sencillo es el de las funciones de dos variables, que definimos a continuación. Llamaremos R 2 al conjunto de los pares ordenados (x, y), con x R, y R. Por ejemplo, (5, 1.6) es un elemento de R 2.
5 Dos elementos de R 2 difieren si alguna de las componentes son distintas. Por ejemplo,( 2, 5), (5, 2), (5, 2) y ( 2, 5) son todos elementos distintos de R 2. Por lo tanto, dos pares ordenados son iguales si y sólo si su dos componentes son iguales y aparecen en el mismo orden. Así como representamos geométricamente a los números reales con los puntos en un recta, podemos representar los elementos de R 2 por puntos en un plano usando un sistema de coordenadas cartesianas.
6 El punto (a, b) de R 2 se representa como el punto del plano que tiene coordenadas a en el eje x y b en el eje y. y b x a De esta manera podemos identificar el conjunto R 2 con el plano cartesiano.
7 Definición Sea D R 2. Una función f : D R es una regla que a cada par ordenado (a, b) en el conjunto D le asigna un único elemento de R que denotamos f (a, b): (a, b) f (a, b) R El conjunto D es el dominio de la función. El recorrido es el conjunto de todos los valores que toma la función.
8 Ejemplo Consideremos la función f (x, y) = y x x 2 + (y 3) 2 Esta función está definida salvo cuando el denominador se anula, lo que ocurre en el punto (, 3). Por lo tanto el dominio de definición de esta función es R 2 {(, 3)}.
9
10
11
12 Esquema
13 Consideremos una función f de dos variables x y y. Si mantenemos una de los dos variables constante, por ejemplo, si x = x, entonces f (x, y) es una función de una variable real y. Bajo las condiciones que estudiamos anteriormente, podemos considerar derivar esta función respecto a la variable y, manteniendo el valor de x fijo en x. Si esta derivada existe la llamamos la derivada parcial de f respecto a y.
14 Definición La derivada parcial de f respecto a y en (x, y ) es la derivada de f (x, y) con respecto a y en el punto y = y (manteniendo x = x fijo): f y (x, y ) = f y (x, y ) = lim y f (x, y + y) f (x, y ). y De manera similar, la derivada parcial de f respecto a x en el punto (x, y ) está dada por f x (x, y ) = f x (x, y ) = lim x f (x + x, y ) f (x, y ). x
15 Para calcular la derivadas parciales podemos usar las reglas de derivación que estudiamos para las funciones de una variable, siempre que la otra variable se mantenga fija. Ejemplo Hallar las derivadas parciales de la función f (x, y) = x 3 y 2x 2 en el punto ( 1, 3). Tenemos f x = 3x 2 y 4x, En el punto ( 1, 3) valen f y = x 3. f x ( 1, 3) = 13, f y ( 1, 3) = 1.
16 Si llamamos z al valor de la función, tenemos otra notación alternativa para las derivadas parciales: z x, z y, y para el valor en el punto (x, y ) usamos z x (x,y ) y z y. (x,y )
17 Interpretación Geométrica Consideremos una superficie cuya ecuación es z = f (x, y). El plano y = y intersecta a esta superficie en una curva plana y el valor de f x (x, y ) es la pendiente de la recta tangente a esta curva en el punto (x, y, f (x, y )). De manera análoga, el plano x = x corta a la superficie en una curva plana y el valor de f y (x, y ) es la pendiente de la recta tangente a esta curva en el punto (x, y, f (x, y )).
18 de Orden Superior Las derivadas parciales de una función f (x, y) son, generalmente, funciones de todas las variables originales. En consecuencia, podemos considerar las derivadas parciales de estas nuevas funciones, que serían las derivadas de orden superior. Tenemos cuatro posibles derivadas de orden 2: f xx = ( f ) = 2 f x x x 2 f xy = ( ) f x y = ( f ) f yx = ( f y ) y x = x x ) ( f y = 2 f y x = 2 f x y f yy = ( f ) = 2 f y y y 2
19 Ejemplo Hallar las derivadas parciales de segundo orden de la función f (x, y) = ye x cos(y/x) Las primeras derivadas parciales son f x (x, y) = ye x + sen(y/x)( y/x 2 ), f y (x, y) = e x + sen(y/x)(1/x)
20 Las segundas derivadas parciales son f xx (x, y) = ye x + cos(y/x)( y/x 2 ) 2 + sen(y/x)(2y/x 3 ) f yy (x, y) = cos(y/x)(1/x 2 ) f xy (x, y) = e x + cos(y/x)( y/x 3 ) + sen(y/x)( 1/x 2 ) f yx (x, y) = e x + cos(y/x)( y/x 3 ) + sen(y/x)( 1/x 2 ) Observamos que en este caso f xy = f yx, pero esta igualdad no es cierta siempre.
21 Regla de la Cadena Recordemos la regla de la cadena para funciones de una variable: si x es función de t y y es función de x, y(t) = y(x(t)) y la derivada de y respecto a t es dy dt = dy dx dx dt Veamos una primera versión para el caso de dos variables. Sean x = x(t), y = y(t) funciones diferenciables en t, y sea z = f (x, y) diferenciable en (x(t), y(t)). Entonces z = f (x(t), y(t)) es diferenciable en t y dz dt = z dx x dt + z dy y dt
22 Observación No hemos explicado lo que significa que una función de dos variables sea diferenciable, pero es una condición más fuerte que pedir la existencia de las derivadas parciales. Ejemplo Sea z = x 3 y donde x = 2t y y = t 2. Determine dz/dt. dz dt = z dx x dt + z dy y dt = (3x 2 y)(2) + (x 3 )(2t) = 6(2t) 2 (t 2 ) + 2(2t) 3 (t) = 4t 4
23 Una segunda versión de la regla de la cadena es la siguiente. Supongamos que x = x(s, t) y y = y(s, t) tienen primeras derivadas parciales en (s, t) y sea z = f (x, y) diferenciable en (x(s, t), y(s, t)). Entonces z = f (x(s, t), y(s, t)) tiene primeras derivadas parciales dadas por z s = z x x s + z y y s z = z x t x t + z y y t
24 Ejemplo Si z = 2x 2 3y 2, donde x = 5s + 2t, y = 4st, determine z/ t en términos de s y t. z s = z x x s + z y y s = (4x)(2) + (6y)(4s) = 4(5s + 2t) + 24s(4st) = 2s + 8t + 96s 2 t.
25 Esquema
26 Definición Recordemos la definición de la integral definida o integral de Riemann: Si f es una función continua en el intervalo [a, b] y P es una partición de este intervalo con subintervalos de longitud x k, k = 1,..., n, elegimos un punto x k en el k-ésimo intervalo de la partición y formamos las sumas n f ( x k ) x k k=1 Hacemos ahora tender el tamaño de la partición a y el límite de esta sucesión es lo que llamamos la integral definida de f en el intervalo [a, b]: b a f (x) dx = lim P k=1 n f ( x k ) x k
27 Definición Para définir la intégra de dos variables consideramos una función f definida en un rectángulo R con lados paralelos a los ejes R = {(x, y) : a x b, c y d} = [a, b] [c, d] Formamos una partición de R en subrectángulos usando rectas paralelas a los ejes. Supongamos que la partición tiene n rectángulos que denotamos por R k, k = 1,..., n. Sean x k y y k las longitudes de los lados de R k y sea A k = x k y k su área.
28 Definición En el intervalo R k escogemos un punto cualquiera ( x k, ȳ k ) y formamos la suma de Riemann correspondiente n f ( x k, ȳ k ) A k k=1 Hacemos ahora la partición cada vez más fina, de modo que todos los rectángulos R k sean más pequeños. Para esto llamamos P a la longitud de la mayor diagonal entre todos los rectángulos
29 Definición Definición Sea f una función continua definida en R = [a, b] [c, d]. Definimos la integral doble de f en R por R f (x, y) da = lim P k=1 n f ( x k, ȳ k ) A k Si la función f es positiva, la integral representa el volúmen del sólido bajo la superficie z = f (x, y) y sobre el rectángulo R.
30 Propiedades Propiedad 1 La integral doble es lineal, es decir, kf (x, y) da = k f (x, y) da, R R [f (x, y) + g(x, y)] da = f (x, y) da + g(x, y) da, R R R
31 Propiedades Propiedad 2 La integral dobre es aditiva en rectángulos que tienen un lado común f (x, y) da = R f (x, y) da + R 1 f (x, y) da, R 2 R 1 R 2
32 Propiedades Propiedad 3 La integral dobre es monótona: Si f (x, y) g(x, y) para todo (x, y) en R, entonces f (x, y) da g(x, y) da R R
33 Hemos definido la integral doble pero no hemos visto como calcularla. La idea fundamental es iterar la integración de las variables considerando la(s) otra(s) variables como fijas. Si queremos integrar la función f (x, y) sobre el rectángulo R = [a, b] [c, d] podemos hacerlo de dos maneras, como indicamos a continuación R f (x, y) da = = d c b a [ b a [ d c ] f (x, y) dx dy ] f (x, y) dy dx
34 Ejemplo Halle la integral de la función f (x, y) = 3x + 2y sobre el rectángulo R = [1, 2] [2, 4]. Tenemos f (x, y) da = R = = [ 2 (3x + 2y) dx 1 [ 3 2 x 2 + 2xy)] 2 [ y ] dy 1 dy ] dy [ 9 = 2 y + y 2] 4 = 9 (4 2) + (16 4) 2 2 = 21
35 Ejejmplo Halle el volúmen V del sólido sobre el rectángulo R = {(x, y) : x 1, y 2} y bajo la superficie z = 4 x 2 y. V = R 2 (4 x 2 y) da = (4 x 2 y) dx dy = [4x x 3 ] 1 3 yx dy = (4 1 y) dy 3 [ 11 = 3 y 1 2 y 2] 2 = = 16 3
36 Vamos a considerar ahora integrales sobre regiones que son mas complejas que un rectángulo. Comenzamos por definir las regiones que vamos a considerar. Un conjunto S es y-simple si existen funciones φ 1 y φ 2 en [a, b] tales que S = {(x, y) : φ 1 (x) y φ 2 (x), a x b}. Un conjunto S es x-simple si existen funciones ψ 1 y ψ 2 en [c, d] tales que S = {(x, y) : ψ 1 (y) x ψ 2 (y), c y d}.
37 φ 2(x) S φ 1(x) a b c d ψ 1(x) S ψ 2(x)
38 Supongamos ahora que queremos evaluar la integral doble de una función f (x, y) sobre un conjunto y-simple S. Consideramos un rectángulo R que contenga a la región S y hacemos f (x, y) = fuera de S. Entonces f (x, y) da = f (x, y) da S = = R b a b a [ d c [ φ 2 (x) φ 1 (x) ] f (x, y) dy dx ] f (x, y) dy dx En la integral interior, x se mantiene fijo.
39 Si el conjunto S es x-simple, un razonamiento similar conduce a la fórmula d [ ψ 2 (y) ] f (x, y) da = f (x, y) dx dy S c ψ 1 (y)
40 Ejemplo Evalúe la integral iterada 5 x 2 3 x (4x + 1y) dy dx 5 x 2 3 x (4x + 1y) dy dx = = = [4xy + 5y 2] x 2 x [ (4x 3 + 5x 4 ) ( 4x 2 + 5x 2 ) (5x 4 + 4x 3 x 2 ) dx = [x 5 + x 4 x 3 3 = ] 5 3 ] dx
41 Ejemplo Evalúe la integral iterada 1 y 2 (2ye x ) dx dy 1 y 2 (2ye x ) dx dy = 1 1 [ y 2 ] 2ye x dx dy = [2ye x] y 2 dy = = [e y 2 y 2] 1 = e 2. 1 (2ye y 2 2y) dy
42 Mediante un cambio en el orden de integración, evalúe 4 2 x/2 e y 2 dy dx La integral interior no se puede evaluar pues e y 2 no tiene una primitiva en términos de funciones elementales. Esta integral iterada es igual a e y 2 da S donde S = {(x, y) : x/2 y 2, x 4} = {(x, y) : x 2y, y 2}
43 Si escribimos esta integral doble como una integral iterada realizando primero la integración respecto a x, obtenemos 2 2y e y 2 dy = = 2 2 = e 4 1. [xe y 2] 2y dy 2ye y 2 dy = [e y 2] 2
44 Cambio de La fórmula de cambio de variables en el caso de integrales dobles es más complicada que en el caso de las integrales de una variable. Presentamos el resultado sin demostración.
45 Cambio de Supongamos que G es una transformación uno a uno de R 2 a R 2, que transforma la región acotada S en el plano uv en la región acotada R del plano xy. Si G tiene la forma G(u, v) = (x(u, v), y(u, v)) entonces f (x, y) dx dy = f (x(u, v), y(u, v)) J(u, v) du dv R S donde J(u, v) se conoce como el Jacobiano y es igual al determinante x x J(u, v) = u v y y = x y u v x y v u. u v
46 Ejemplo Evalúe R cos(x y) sen(x + y) da, donde R es el triángulo con vértices (, ), (π, π) y π, π). Sean u = x y y v = x + y. Resolviendo para x, y obtenemos x = 1 2 (u + v) y 1 (v u) 2 Podemos describir la región R a través de las condiciones x y x, x π, que es la región S en el plano uv.
47 Si sustituimos u y v en estas expresiones obtenemos 1 2 (u + v) 1 2 (v u) 1 (u + v), 2 que se reduce a u, v, u + v 2π. 1 (u v) π R S
48 El Jacobiano de esta transformación es x x 1 u v J(u, v) = y y = 2 u v = 1 2 Por lo tanto cos(x y) sen(x + y) da = cos u sen v 1 dv du R S 2 = 1 2 2π 2π u cos u sen v dv du
49 1 2π 2 2π u cos u sen v dv du = 1 2 = 1 2 2π 2π 2π cos u(1 cos(2π u)) du cos u(1 cos(u)) du = 1 (cos u cos 2 (u)) du 2 = 1 2π ( cos u 1 + cos(2u) 2 2 = 1 [ sen u u 1 ] 2π 4 sen 2u = 1 2 π. ) du
50 Esquema
51 Probabilidad Consideremos un espacio de probabilidad (Ω, F, P) y dos variables aleatorias X, Y definidas sobre Ω. Al igual que en el caso de una variable, el vector (X, Y ), que toma valores en R 2, tiene asociada una distribución de probabilidad, que denotamos P X,Y. En el caso de variables continuas, esta distribución de probabilidad se representa por una función de densidad f X,Y. Una densidad de probabilidad para un vector aleatorio (X, Y ) es una función f : R 2 [, 1] que es positiva, f (x, y) para todo x, y y cuya integral sobre R 2 vale 1: f (x, y) dx dy = 1
52 Probabilidad Si el vector aleatorio (X, Y ) tiene densidad f XY, la probabilidad de que tome valores en un conjunto S está dada por P((X, Y ) S) = f X,Y (x, y) da S En particular, si S es el rectángulo [a, b] [c, d], P(a X b, c Y d) = = d b c a b d a c f (x, y) dx dy f (x, y) dy dx
53 Probabilidad Ejemplo Sean X, Y variables aleatorias con densidad conjunto f (x, y) = Cxy, x < y 1. Halle el valor de C. 1 1 x Cxy dy dx = y en consecuencia C = 8. = 1 1 [ 1 Cx x ] y dy dx Cx 2 (1 x 2 ) dx = C 8
54 Probabilidad Distribución Uniforme SeaA una región con área A. Decimos que X y Y tienen distribución conjunta uniforme si tienen densidad conjunta { A 1, (x, y) A, f (x, y) = en otro caso. Ejemplo Si (X, Y ) tienen distribución conjunta uniforme sobre el círculo centrado en el origen y de radio 1, su densidad está dada por f (x, y) = 1 π, x 2 + y 2 1.
55 Probabilidad Densidades Marginales Si X, Y tienen densidad f (x, y) entonces X tiene densidad (marginal) f X (x) = y Y tiene densidad (marginal) f (x, y) dy, f Y (y) = f (x, y) dx.
56 Probabilidad Ejemplo Sean X, Y variables con densidad conjunta f (x, y) = C(x + y), x, y 1 Halle el valor de C, la densidad marginal f X (x), P(Y < 1/2) y P(X < Y 2 ).
57 Tenemos 1 = 1 1 Probabilidad ( 1 C(x + y) dx dy = C x dx + 1 ) y dy = C de modo que C = 1. La densidad marginal de X es f X (x) = para x 1. 1 (x + y) dy = [ xy + y 2 ] 1 2 = x + 1 2
58 Probabilidad De manera similar se tiene que f Y (y) = y para y 1, y entonces P(Y < 1 1/2 2 ) = (y ) dy = 3 8 P(X < Y 2 ) = = = x<y 1 1 y 2 (x + y) dx dy (x + y) dx dy = [ 1 1 y y 4] 1 = (1 2 y 4 + y 3) dy
59 Probabilidad Ejemplo Sean (X, Y ) v.a. con densidad conjunta dada por f (x, y) = λµe λx µy, x, y <. Hallar las densidades marginales de X y Y y P(X < Y ). Tenemos f X (x) = f (x, y) dy = λe λx µe µy dy = λe λx[ e µy] = λe λx.
60 Probabilidad P(X < Y ) = = = x<y ( = λ λ + µ λµe λx µy dx dy x µe µy dy)λe λx dx λe λx µx dx dy
61 Probabilidad Otra manera de describir la distribución del vector aleatorio (X, Y ) es a través de la función de distribución conjunta, que denotamos F(x, y) = F X,Y (x, y), y definimos como F(x, y) = P(X x, Y y) = x y f (s, t), dt ds Es posible obtener la densidad a partir de la función de distribución diferenciando: 2 F(x, y) = f (x, y). x y
62 Probabilidad Las funciones de distribución marginales de X y Y se obtienen a parir de la f.d. conjunta: F X (x) = lim y F(x, y); F Y (y) = lim x F(x, y) La función de distribución conjunta satisface F(x, y) 1 para todo x, y R y la función F es creciente cuando x o y crecen.
63 Probabilidad Las funciones de distribución conjuntas satisfacen otra propiedad adicional: Para a < b y c < d, F(b, d) F (a, d) F(b, c) + F(a, c) = P(a X b, c Y d)
64 Probabilidad Ejemplo Hallemos la f.d. para las variables con densidad Para x, y 1, F(x, y) = f (x, y) = x + y, x, y 1. y x Para x 1, y > 1, F(x, y) = 1 x Para y 1, x > 1, F(x, y) = y 1 (s + t) ds dt = 1 xy(x + y). 2 (s + t) ds dt = 1 x(x + 1). 2 (s + t) ds dt = 1 y(y + 1). 2 Finalmente, para x, y > 1 tenemos F(x, y) = 1.
65 Probabilidad Ejemplo Sean X, Y v.a. con función de distribución F(x, y) = 1 1 2x 2 y 2 ( x 2 + y 2 + (xy 1)(x + y). para x, y 1. Halle la densidad conjunta y las densidades marginales de X y Y.
66 Diferenciando obtenemos Haciendo y Probabilidad f (x, y) = 2 F x y = x + y x 3, x, y 1. y 3 y derivando F X (x) = 1 x + 1 2x 2, x > 1, f X (x) = 2 + x 2x 3, x > 1. De manera similar f Y (y) = 2 + y 2y 3, y > 1.
67 Probabilidad Independencia Recordemos la definición de independencia para eventos: Dos eventos A y B son independientes si P(A B) = P(A)P(B). Definición Sean X, Y variables con función de distribución F(x, y). Decimos que X y Y son independientes si y sólo si para todo x, y, F(x, y) = F X (x)f Y (y)
68 Probabilidad Podemos ver una relación entre las dos definiciones observando que si A x = {ω : X(ω) x} y B y = {ω : Y (ω) y}, entonces X, Y son independientes si y solo si A x y B y son independientes para todo x, y. Si X, Y tienen densidad conjunta f (x, y), entonces son independientes si, para todo x, y, f (x, y) = f X (x)f Y (y).
69 Probabilidad Ejemplo Sea (X, Y ) variables con distribución uniforme en el rectángulo x a, y b. Entonces la densidad es f (x, y) = 1 ab. Las densidades marginales son f X (x) = En consecuencia b y X y Y son independientes. f (x, y), dy = 1 a, y f Y (y) = 1 b. f (x, y) = 1 ab = f X (x)f Y (y),
70 Probabilidad Ejemplo Sea X, Y variables aleatorias con distribución uniforme en el círculo unitario, con densidad f (x, y) = 1 π. Veamos que estas variables no son independientes. y f X (x) = f Y (y) = Obviamente f (x, y) f X (x)f Y (y). (1 x 2 ) 1/2 (1 x 2 ) 1/2 1 π dy = 2 π (1 x 2 ) 1/2 (1 y 2 ) 1/2 (1 y 2 ) 1/2 1 π dx = 2 π (1 y 2 ) 1/2
71 Probabilidad Esperanza Sean X, Y, Z variables aleatorias tales que Z = g(x, Y ). Si X, Y tienen densidad conjunta f (x, y) entonces E(Z ) = g(x, y) f (x, y) dx dy.
72 Probabilidad Teorema Sean X, Y variables independientes, entonces E(XY ) = E(X) E(Y ). Demostración. E(XY ) = xy f (x, y) dx dy = xy f X (x)f Y (y) dx dy = x f X (x) dx y f Y (y) dy = E(X) E(Y ).
73 Probabilidad Corolario Si X, Y son variables independientes, Var(X + Y ) = Var(X) + Var(Y ). Demostración. Var(X + Y ) = E(X + Y E(X + Y )) 2 = E(X E X) 2 + E(Y E Y ) E[(X E X)(Y E Y )]. Como X y Y son independientes E[(X E X)(Y E Y )] = [E(X E X)][E(Y E Y )] = y obtenemos Var(X + Y ) = Var(X) + Var(Y ).
74 Probabilidad Definición La covarianza entre dos variables X y Y se denota Cov(X, Y ) y se define como Cov(X, Y ) = E[(X E X)(Y E Y )] = E(XY ) E(X) E(Y ) = Cov(Y, X). Para cualquier par de variables aleatorias, Var(X + Y ) = Var(X) + Var(Y ) + 2 Cov(X, Y ).
75 Probabilidad Definición Si Cov(X, Y ) = decimos que las variables X y X no están correlacionadas. Si las variables X y Y son independientes, no están correlacionadas, pero el recíproco no es cierto. Ejemplo Sea X una variables acotada distinta de con distribución simétrica respecto a : f ( x) = f (x). Sea Y = X 2, entonces Y no es independiente de X pero Cov(X, Y ) = E(X 3 ) E(X) E(X 2 ) =.
76 Probabilidad Definición La función de correlación ρ(x, Y ) de X y Y se define como ρ(x, Y ) = Cov(X, Y ) (Var(X) Var(Y )) 1/2 La correlación tiene dos ventajas importantes. Por un lado, al estar normalizada toma valores en [ 1, 1] y por otro, una transformación lineal de las variables no cambia el valor de la correlación, salvo, quizás, por el signo.
77 Probabilidad Ejemplo Consideremos de nuevo variables X, Y con distribución uniforme en el círculo unitario. Ya vimos que estas variables no son independientes. Es fácil ver que, por simetría, E(X) = E(Y ) = E(XY ) = y por lo tanto las variables no están correlacionadas, aunque no son independientes.
78 Probabilidad
79 Probabilidad
Curso Propedéutico de Cálculo Sesión 3: Derivadas
Curso Propedéutico de Cálculo Sesión 3: Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema 1 2 3 4 5 6 7 Esquema 1 2 3 4 5 6 7 Introducción La derivada
Más detallesIntegrales dobles. Integrales dobles
Integrales dobles Integrales iteradas b g2 (x) a g 1 (x) f(x, y) dydx ó d h2 (y) c h 1 (y) f(x, y) dxdy Los límites interiores de integración pueden ser variables respecto a la variable exterior de integración,
Más detallesTeorema de la Función Implícita
Teorema de la Función Implícita Sea F : U R p+1 R U abierto F (x 1, x 2,..., x q, y) y un punto a (a 1, a 2,..., a q, b) en U tal que i)f (a 1, a 2,..., a q, b) 0 ii) 0 y continua, existe entonces una
Más detalles3. Funciones de varias variables
Métodos Matemáticos (Curso 2013 2014) Grado en Óptica y Optometría 17 3. Funciones de varias variables Función real de varias variables reales Sea f una función cuyo dominio es un subconjunto D de R n
Más detallesVectores Aleatorios. Vectores Aleatorios. Vectores Discretos. Vectores Aleatorios Continuos
Definición Dado un espacio muestral S, diremos que X =(X 1, X 2,, X k ) es un vector aleatorio de dimension k si cada una de sus componentes es una variable aleatoria X i : S R, para i = 1, k. Notemos
Más detallesVectores Aleatorios. Definición 1.1. Diremos que el par (X,Y) es un vector aleatorio si X e Y representan variables aleatorias
Universidad de Chile Facultad De Ciencias Físicas y Matemáticas MA3403 - Probabilidades y Estadística Prof. Auxiliar: Alberto Vera Azócar. albvera@ing.uchile.cl Vectores Aleatorios 1. Vectores Aleatorios
Más detallesCÁLCULO II Funciones de varias variables
CÁLCULO II Funciones de varias variables Facultad de Informática (UPM) Facultad de Informática (UPM) () CÁLCULO II Funciones de varias variables 1 / 36 Funciones de varias variables Función vectorial de
Más detallesFunciones Reales de Varias Variables
Funciones Reales de Varias Variables Hermes Pantoja Carhuavilca Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Matematica II Hermes Pantoja Carhuavilca 1 de 162 CONTENIDO Funciones
Más detallesCurso Propedéutico de Cálculo Sesión 1: Funciones
Curso Propedéutico de Cálculo Sesión 1: Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema 1 2 Esquema 1 2 El cálculo se basa en las propiedades de los
Más detallesDistribución conjunta de variables aleatorias
Distribución conjunta de variables aleatorias En muchos problemas prácticos, en el mismo experimento aleatorio, interesa estudiar no sólo una variable aleatoria sino dos o más. Por ejemplo: Ejemplo 1:
Más detallesIntegración múltiple
Integración múltiple IABEL MARRERO Departamento de Análisis Matemático Universidad de La Laguna imarrero@ull.es Índice 1. Introducción 1 2. Integrales múltiples 1 3. Caso particular: la integral triple
Más detallesIntegrales Dobles. Hermes Pantoja Carhuavilca. Matematica II. Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos
Integrales Dobles Hermes Pantoja Carhuavilca Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Matematica II Hermes Pantoja Carhuavilca 1 de 76 CONTENIDO Integrales Dobles Introducción
Más detallesTEORIA MATEMATICAS 5 PRIMER PARCIAL
Def: Grafica de una función TEORIA MATEMATICAS 5 PRIMER PARCIAL Sea:. Definimos la grafica de f como el subconjunto de formado por los puntos, de en los que es un punto de U. Simbólicamente grafica es:
Más detallesProbabilidad y Estadística
Vectores aleatorios Probabilidad y Estadística Vectores aleatorios Federico De Olivera Cerp del Sur-Semi Presencial curso 2015 Federico De Olivera (Cerp del Sur-Semi Presencial) Probabilidad y Estadística
Más detallesEscuela Universitaria Politécnica Examen de Cálculo - Febrero - Curso 01/02
Escuela Universitaria Politécnica Examen de Cálculo - Febrero - Curso 0/02 x 2 + y 4. (a) Comprueba que el siguiente límite no existe lim (x,y) (0,0) x 2 + y. 2 (b) Busca una trayectoria a través de la
Más detallesUniversidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA Probabilidades y Estadística
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Matemática MA3403 - Probabilidades y Estadística Vectores Aleatorios Alberto Vera Azócar, albvera@ing.uchile.cl.
Más detalles1. Ecuaciones Exactas. M(x, y)x + N(x, y) = 0 (1.4)
1. Ecuaciones Exactas Consideremos la ecuación diferencial M(x, y) + N(x, y)y = 0 (1.1) en donde la variable independiente es x y la variable dependiente es y. Vamos a asociar a esta ecuación diferencial
Más detallesTEMA 1 VARIABLES ALEATORIAS MULTIDIMENSIONALES
TEMA 1 VARIABLES ALEATORIAS MULTIDIMENSIONALES Recordemos que el concepto de variable aleatoria surge de la necesidad de transformar el espacio muestral asociado a un experimento aleatorio en un espacio
Más detalles2. Continuidad y derivabilidad. Aplicaciones
Métodos Matemáticos (Curso 2013 2014) Grado en Óptica y Optometría 7 2. Continuidad y derivabilidad. Aplicaciones Límite de una función en un punto Sea una función f(x) definida en el entorno de un punto
Más detalles+ ax 2 + bx) x. ( 2 sen(x) 0 (a + b sen(x) sen(2x))2 dx sea mínima.
Facultad de Ingeniería - IMERL Cálculo - Curso. Práctico 8. Integrales paramétricas e integrales iteradas dobles y triples. Integrales múltiples. Cambio de variables, áreas, volúmenes, sumas de Riemann
Más detallesINTEGRALES DE FUNCIONES DE VARIAS VARIABLES
INTEGALES DE FUNCIONES DE VAIAS VAIABLES [Versión preliminar] Prof. Isabel Arratia Z. Integrales dobles sobre rectángulos La integral de iemann para una función f de dos variables se define de manera similar
Más detallesPolinomio de Taylor. Extremos.
CAPÍTULO 6 Polinomio de Taylor. Extremos. En este capítulo trabajamos con el polinomio de Taylor de una función de varias variables y su aplicación al estudio de los extremos de funciones de más de una
Más detallesPolinomio de Taylor. Extremos.
CAPÍTULO 6 Polinomio de Taylor. Extremos. En este capítulo trabajamos con el polinomio de Taylor de una función de varias variables y su aplicación al estudio de los extremos de funciones de más de una
Más detallesCálculo Integral Agosto 2015
Cálculo Integral Agosto 5 Laboratorio # Antiderivadas I.- Halle las siguientes integrales indefinidas. ) (x 5 8x + 3x 3 ) ) (y 3 6y 6 5 + 8) dy 3) (y 3 + 5)(y + 3) dy 4) (t 3 + 3t + ) (t 3 + 5) dt 5) (3y
Más detallesIntegral definida. dx es diferencial de x, e indica cuál es la variable de la función que se integra.
Integral definida Integral definida Dada una función f(x) y un intervalo [a,b], la integral definida es igual al área limitada entre la gráfica de f(x), el eje de abscisas, y las rectas verticales x =
Más detallesPráctica 7. sen 2 x cos x dx. c) 3x 2 x 2 dx. f) 3. Hallar el área encerrada por las curvas:
ANÁLISIS I MATEMÁTICA ANÁLISIS (Computación) Práctica 7 I. epaso: integración en una variable. Calcular: sen x. b) π sen x. c) El área entre las curvas y = sen x, y =, x =, x = π.. Calcular: x sen x. b)
Más detallestodos los puntos de U, y las funciones df : U R m son continuas en x, entonces F es diferenciable en x.
clase C 1 clase C p 1. clase C 1 Consideremos U un abierto de R n, y F : U R m. Si para cada x U existe df (x), podemos definir una función df : U R m df (x) = ( 1 (x),..., m (x)) y tiene sentido estudiar
Más detallesIntegrales múltiples
ntegrales múltiples Cálculo (2004) * El objetivo de este capítulo es definir y aprender a calcular integrales de funciones reales de varias variables, que llamamos integrales múltiples. Las motivación
Más detallesx (0) si f (x) = 2s 1, s > 1 d) f 3. Analizar la existencia de derivadas laterales y de derivada en a = 0, para las siguientes funciones:
FACULTAD DE CIENCIAS EXACTAS Y NATURALES UNIVERSIDAD DE BUENOS AIRES COMPLEMENTOS DE ANÁLISIS MAESTRíA EN ESTADíSTICA MATEMÁTICA SEGUNDO CUATRIMESTRE 2007 PRÁCTICA 7 1. Usando sólo la definición de derivada,
Más detallesTEMA 5: LA INTEGRAL DEFINIDA
Alonso Fernández Galián TEMA 5: LA INTEGRAL DEFINIDA Originalmente el Cálculo Diferencial e Integral estaba fuertemente vinculado a la geometría analítica. Ya vimos la aplicación de las derivadas al cálculo
Más detallesTema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) HOJA 3: Derivadas parciales y diferenciación.
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES ) 3-1. Calcular, para las siguientes funciones. a) fx, y) x cos x sen y b) fx, y) e xy c) fx, y) x + y ) lnx + y )
Más detallesFunciones reales de varias variables.
Tema 4 Funciones reales de varias variables. 4.1. El espacio euclídeo R n. Definición 4.1.1. Se define el producto escalar entre vectores de R n como la aplicación: ( ) : R n R n R : x y = (x 1, x 2,...,
Más detallesIntegrales Múltiples.
CAPÍTULO 8 Integrales Múltiples. En este capítulo generalizamos las integrales definidas de una variable a dos y tres variables. La interpretación geométrica de las integrales definidas de una variable
Más detallesSoluciones de los ejercicios del examen de Cálculo del 29 de junio de 2007 Primero de Ingeniería de Telecomunicación
Soluciones de los ejercicios del examen de del 29 de junio de 27 Primero de Ingeniería de Telecomunicación Ejercicio a Justifica que la ecuación x 2 = x sen x+ cos x tiene exactamente dos soluciones reales.
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A Ejercicio 1.- Sea f : R R definida por f(x) = x 3 +ax 2 +bx+c. a) [1 75 puntos] Halla a,b y c para que la gráfica de f tenga un punto de inflexión de abscisa x = 1 2 y que la recta tangente en
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 detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A xcos(x)+b sen(x) Ejercicio 1.- [2 5 puntos] Sabiendo que lím x 0 x 3 es finito, calcula b y el valor del límite. Ejercicio 2.- Sean f : R R y g : R R las funciones definidas mediante f(x) = x(x
Más detalles. Luego, para el período n + 1 los resultados estarán, en cualquier caso, en el conjunto {λ k n 0 } n+1. k= (n+1). Consideremos Y = λ U n
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Probabilidades MA, /5/9, Prof. Raúl Gouet Solución Control #. Considere una colonia de bacterias con población inicial
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A Ejercicio 1.- [2 5 puntos] Halla las dimensiones del rectángulo de área máxima inscrito en un triángulo isósceles de 6 metros de base (el lado desigual) y 4 metros de alto. Ejercicio 2.- Sean
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Grado en Ingeniería Informática Tema 4 Vectores aleatorios Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo PREST.
Más detallesCÁLCULO Primer curso de Ingeniero de Telecomunicación Examen Final. 26 de Junio de 2007 Primera parte
CÁLCULO Primer curso de Ingeniero de Telecomunicación Examen Final. 6 de Junio de 7 Primera parte Ejercicio. Determinar los puntos de máxima y mínima pendiente de la gráfica de la función y = +x, x. Solución.
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD
Opción A Ejercicio 1.- Sea f : R R definida por f(x) = x 3 +ax 2 +bx+c. a) [1 75 puntos] Halla a,b y c para que la gráfica de f tenga un punto de inflexión de abscisa x = 1 2 y que la recta tangente en
Más detallesPAU Madrid. Matemáticas II. Año Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos.
PAU Madrid. Matemáticas II. Año 22. Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos. Se considera una varilla AB de longitud 1. El extremo A de esta varilla recorre completamente la circunferencia
Más detallesCapítulo VI. Diferenciabilidad de funciones de varias variables
Capítulo VI Diferenciabilidad de funciones de varias variables La definición de diferenciabilidad para funciones el cociente no tiene sentido, puesto que no está definido, porque el cociente entre el vector
Más detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesELEMENTOS DE GEOMETRIA ANALITICA
ELEMENTOS DE GEOMETRIA ANALITICA Derecho básico de aprendizaje: Explora y describe las propiedades de los lugares geométricos y de sus transformaciones a partir de diferentes representaciones. (ver DBA
Más detallesLección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos
Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto
Más detallesMomentos de Funciones de Vectores Aleatorios
Capítulo 1 Momentos de Funciones de Vectores Aleatorios 1.1 Esperanza de Funciones de Vectores Aleatorios Definición 1.1 Sea X = (X 1,..., X n ) un vector aleatorio (absolutamente continuo o discreto)
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) y = ex cos y. e x cos y e x sin y. y 2.
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES HOJA 4: Derivadas de orden superior 4-1. Sea u : R R definida por u(x, y e x sen y. Calcula las cuatro parciales segundas,
Más detallesMATEMÁTICAS: PAU 2015 JUNIO CASTILLA Y LEÓN
MATEMÁTICAS: PAU 05 JUNIO CASTILLA Y LEÓN Opción A Ejercicio A m + 0 0 Dada la matriz A = ( 3 m + ), se pide: 0 m a) Hallar los valores de m para que la matriz A 0 tenga inversa. ( 5 puntos) La condición
Más detallesPráctico Preparación del Examen
Cálculo Diferencial e Integral (Áreas Tecnológicas) Segundo Semestre 4 Universidad de la República Práctico Preparación del Examen Límites, funciones y continuidad Ejercicio Sea log(+x ) f(x) =, si x
Más detallesClase 10: Extremos condicionados y multiplicadores de Lagrange
Clase 10: Extremos condicionados y multiplicadores de Lagrange C.J. Vanegas 7 de abril de 008 1. Extremos condicionados y multiplicadores de Lagrange Estamos interesados en maximizar o minimizar una función
Más detallesEXAMEN DE MATEMÁTICAS I. Test
Primer Parcial 16 de febrero de 005 Test Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0. puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Considerando
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesFundamentos matemáticos. Tema 5 Derivación de funciones de una y varias variables
Fundamentos matemáticos Grado en Ingeniería agrícola y del medio rural Tema 5 Derivación de funciones de una y varias variables José Barrios García Departamento de Análisis Matemático Universidad de La
Más detallesIntegrales Curvilíneas.
CAPÍTULO 7 Integrales Curvilíneas. Este capítulo abre la segunda parte de la materia : el cálculo integral vectorial. Las integrales de línea de campos escalares y vectoriales tienen aplicaciones a la
Más detallesDerivación de funciones de varias variables.
Derivación de funciones de varias variables. En este apartado se presentan los conceptos básicos que aparecen en la derivación de funciones de varias variables. La idea es establecer un método para estudiar
Más detallesCÁLCULO Primer curso de Ingeniero de Telecomunicación Examen, 7 de Septiembre de 2005 Primera parte
CÁLCULO Primer curso de Ingeniero de Telecomunicación Examen, 7 de Septiembre de 005 Primera parte Ejercicio 1. Un espejo plano de dimensiones 80 cm y 90 cm, se rompe por una esquina según una recta. De
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 detallesCÁLCULO DIFERENCIAL Muestras de examen
CÁLCULO DIFERENCIAL Muestras de examen Febrero 2012 T1. [2] Demostrar que la imagen continua de un conjunto compacto es compacto. T2. [2.5] Definir la diferencial de una función en un punto y demostrar
Más detallesIES Fco Ayala de Granada Modelo 5 del Solución Germán-Jesús Rubio Luna. Opción A. Ejercicio 1 de la opción A del modelo 5 de 1999.
IES Fco Ayala de Granada Modelo 5 del 999. Germán-Jesús Rubio Luna Opción A Ejercicio de la opción A del modelo 5 de 999. [ 5 puntos] Haciendo el cambio de variable t = e x, calcula Calculamos primero
Más detallesVariables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
Más detallesVariables Aleatorias y Distribución de Probabilidades
Variables Aleatorias y Distribución de Probabilidades Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de mayo de 2011 Tabla de Contenidos Variables
Más detallesTermodinámica. 1. Introducción. Transformaciones de Legendre Potenciales Termodinámicos
Termodinámica 2 o curso de la Licenciatura de Físicas Lección 3 Introducción Transformaciones de Legendre Potenciales Termodinámicos 1. Introducción El estado de equilibrio está caracterizado las variables
Más detallesMatemáticas de 2º de bachillerato página 1 Integral indefinida. Integral indefinida
Matemáticas de º de bachillerato página Integral indefinida Integral indefinida.introducción.- La integración es el proceso recíproco de la derivación, es decir, en la derivación se trata de hallar la
Más detalles= lim. y = f(x 0 ) + f (x 0 )(x x 0 )
Tema 4 Diferenciabilidad 4.1 Funciones Diferenciables Cuando estudiamos el Cálculo en una variable real, se definía función derivable en un punto como aquélla para la cual existía la derivada en dicho
Más detallesMúltiple Opción. Respuestas. Sean {a n } y {b n } dos sucesiones A A D C E. Para cada a R +, el área encerrada A D B C D
Universidad de la República - Facultad de Ingeniería - IMERL Cálculo Solución - Examen 2 de julio de 206 Múltiple Opción Respuestas Sean {a n } y {b n } dos sucesiones... 2 3 4 5 A A D C E Para cada a
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 201 Capítulo 4 Año 200 4.1. Modelo 200 - Opción A Problema 4.1.1 2 puntos Determinar los valores
Más detallesEl teorema de Stokes. 1. Integración de formas en variedades
Capítulo 12 El teorema de Stokes 1. Integración de formas en variedades En esta sección definimos la integral de una k-forma diferencial ω definida en una variedad diferenciable en R n de dimensión k,
Más detallesCÁLCULO II Grados en Ingeniería
CÁLCULO II Grados en Ingeniería Domingo Pestana Galván José Manuel Rodríguez García Figuras realizadas con Arturo de Pablo Martínez Capítulo 1. Cálculo diferencial 1.1 Funciones. Límites y continuidad
Más detalles6-1. Dos preguntas sobre 100 tiradas de dado
Semana 6 Esperanza y Varianza 6-1. Dos preguntas sobre 100 tiradas de dado 6-2. Esperanza 6-3. Propiedades básicas de la esperanza 6-4. Distancia esperada a la media 6-5. Varianza 6-6. Demostraciones 6-1.
Más detallesProcesos estocásticos
Procesos estocásticos Enrique Miranda Universidad of Oviedo Máster Universitario en Análisis de Datos para la Inteligencia de Negocios Contenidos del curso 1. Introducción. 2. Procesos a tiempo discreto:
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid Resueltos Isaac Musat Hervás 22 de mayo de 203 Capítulo 7 Año 2006 7.. Modelo 2006 - Opción A Problema 7.. 2 puntos Un punto de luz situado
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detalles(x x 0 ) y 0. O bien z z 0 = x 0. y notamos a este límite ᾱ (t 0 ) = dᾱ dt (t 0).
O bien z z 0 = x 0 z 0 (x x 0 ) y 0 z 0 (y y 0 ). Para obtener la ecuación cartesiana de este plano hacemos x 0 (x x 0 )+y 0 (y y 0 )+z 0 (z z 0 ) = 0, como x 0 + y0 + z0 = x 0 + y0 + r (x 0 + y0) = r
Más detallesTema 6: Funciones de varias variables
Tema 6: Funciones de varias variables de febrero de 6 Preliminares: derivadas parciales. Sea F una función de dos variables, como por ejemplo la función definida por F(x; y) = x y 3 Podemos derivarla con
Más detallesMaterial introductorio
Material introductorio Nombre del curso: Teoría Moderna de la Detección y Estimación Autores: Vanessa Gómez Verdejo Índice general. Variables aleatorias unidimensionales..................................
Más detallesECUACIONES DIFERENCIALES AUTÓNOMAS Y ESTABILIDAD DE LOS PUNTOS DE EQUILIBRIO Complemento sobre Ecuaciones Diferenciales para los cursos de Cálculo
ECUACIONES DIFERENCIALES AUTÓNOMAS Y ESTABILIDAD DE LOS PUNTOS DE EQUILIBRIO Complemento sobre Ecuaciones Diferenciales para los cursos de Cálculo Eleonora Catsigeras * 17 de Noviembre 2013 Notas para
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesDistribuciones multivariadas
Distribuciones multivariadas Si X 1,X 2,...,X p son variables aleatorias discretas, definiremos la función de probabilidad conjunta de X como p(x) =p(x 1,x 2,...,x k )=P (X 1 = x 1,X 2 = x 2,...,X p =
Más detallesMA1111 sept.-dic. de 2012 UNIVERSIDAD SIMON BOLIVAR Parcial 3 tipo único [40%] Departamento de Matemáticas 30 de noviembre de 2012
1 / 5 Pregunta 1. (8 ptos.) Suponiendo que y es función de x, definida implícitamente por la ecuación x+ xy + y = 1, halle dy dx, d2 y dx 2. Pregunta 2. (4 ptos.) Dada la función inyectiva f(x)=x x 2 +1,
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Examen-Modelo para el curso 2014-2015 MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES
Más detallesModelos Estocásticos I. Notas de Curso. Cimat, A.C.
Modelos Estocásticos I Notas de Curso Joaquín Ortega Sánchez Víctor Rivero Mercado Cimat, A.C. Índice general 1. Introducción a la Teoría de Probabilidad 1 1.1. Introducción............................................
Más detallesContinuidad de funciones reales y vectoriales de variable vectorial
Capítulo 6 Continuidad de funciones reales y vectoriales de variable vectorial 6.1. Introducción Hasta el momento hemos estudiado funciones reales de variable real, es decir, funciones de la forma f :
Más detalles2.4 Ecuaciones diferenciales de Bernoulli
.4 Ecuaciones diferenciales de Bernoulli 3 Ejercicios.3. Ecuaciones diferenciales lineales. Soluciones en la página 4 Resolver las siguientes ecuaciones diferenciales lineales.. y 0 C 00y D 0.. x 0 0x
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesIntegrales múltiples
ntegrales múltiples Cálculo (2003) El objetivo de este capítulo es definir y aprender a calcular integrales de funciones reales de varias variables, que llamamos integrales múltiples. Las motivación más
Más detallesIntegración doble Integrales dobles sobre regiones no rectangulares
Nuestra intención es extender la definición de integral doble, de funciones continuas, sobre regiones más generales que el rectángulo. Para ello definiremos dos tipos de regiones en el plano, que llamaremos
Más detallesDiferenciación numérica: Método de Euler explícito
Clase No. 21: MAT 251 Diferenciación numérica: Método de Euler explícito Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesSistemas no lineales
Tema 4 Sistemas no lineales Dpto. Matemática Aplicada I E.T.S. de Arquitectura Universidad de Sevilla Curso 2005 2006 Tema 4. Sistemas no lineales 1. Sistemas no lineales de ecuaciones diferenciales. Integrales
Más detalles2.5. Vectores aleatorios
2.5. Vectores aleatorios Hasta ahora, dado un espacio de probabilidad (Ω, F, P), sólo hemos considerado una variable aleatoria X sobre Ω a la vez. Sin embargo, nos puede interesar estudiar simultáneamente
Más detallesDerivación. Aproximaciones por polinomios.
Derivación... 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Matemáticas (Grado en Químicas) Contenidos Derivada 1 Derivada 2 3 4 5 6 Outline Derivada 1 Derivada 2 3 4 5 6 Definición
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesSoluciones de los ejercicios del segundo examen parcial
Matemáticas III GIC, curso 5 6 Soluciones de los ejercicios del segundo examen parcial EJERCICIO. Considera la integral doble π π ibuja la región del plano XY en la que se está integrando. Usa el teorema
Más detallesLongitud, áreas y volúmenes. Trigonometría. Circunferencia de radio R Círculo de radio R. 1 Triángulo de base B y altura H A = (BH ) 2
Longitud, áreas y volúmenes Circunferencia de radio R Círculo de radio R A πr L πr Triángulo de base B y altura H A (BH ) Cuadrado de lado L A L Rectángulo de base B y altura H Superficie esférica A 4πR
Más detallesFunciones de varias variables: continuidad derivadas parciales y optimización
Titulación: Ingeniero en Telecomunicación. Asignatura: Cálculo. Relación de problemas número 4. Funciones de varias variables: continuidad derivadas parciales y optimización Problema 1. Determinar el dominio
Más detallesEjercicios recomendados: Cálculo III
Ejercicios recomendados: Cálculo III Cátedra de MA 1003 II ciclo 2017 Los ejemplos que siguen están tomados del libro: Claudio Pita Ruiz Cálculo Vectorial Prentice-Hall Hispanoamericana México 1995 Ejemplos
Más detallesFunción lineal y cuadrática. Curvas de primer y segundo grado.
Tema 5 Función lineal y cuadrática. Curvas de primer y segundo grado. 5.0.1 Ecuaciones en dos variables. Una linea del plano es el conjunto de puntos (x, y), cuyas coordenadas satisfacen la ecuación F
Más detallesFunción diferenciable Regla de la cadena (2 variables) Regla de la cadena (vectorial) Diferenciabilidad
Diferenciabilidad 1 Función diferenciable 2 Regla de la cadena (2 variables) 3 Regla de la cadena (vectorial) OBJETIVO Generalizar el concepto de diferenciabilidad (conocido ya para funciones de una variable)
Más detalles