Análisis de componentes principales

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

Download "Análisis de componentes principales"

Transcripción

1 Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los que se han medido p variables cuantitativas a n objetos. Esto se realiza construyendo un conjunto de variables incorreladas (componentes principales) que son combinación lineal de las variables originales. Las componentes principales están ordenadas en órden decreciente de importancia, de manera que la primera componente proporciona (o recoge) la mayor variabilidad posible de los datos. Seleccionando las componentes más importantes se resume la información que proporcionan los datos con poca pérdida de información. Los datos se podrán representar en un espacio de menor dimensión con ejes ortogonales. 1

2 Ejemplo 2.1 Ventas de dos productos en 25 establecimientos nacionales. X 1 X 2 X 1 X 2 X 1 X Vector de medias y la matriz de covarianzas: ( ) ( 185,7 95,29 52,87 X =, S 151,1 X = 52,87 54,36 Variables centradas: Y 1 = X 1 x 1 e Y 2 = X 2 x 2. Centramos los datos y representamos los puntos centrados P i = (y i1, y i2 ), i = 1, 2,..., 25. ) 2

3 3 40 Y 2 Z P i Z Y Figura 2.1: Nube de puntos (y i1, y i2 ), i = 1,..., 25. Se desea construir dos nuevos ejes que representen mejor los datos. P i = (y i1, y i2 ) punto genérico de la nube p i = (y i1, y i2 ) vector que va desde el origen hasta el punto P i a 1 = (a 11, a 21 ) vector director (unitario) de un nuevo eje Z 1 a 2 = (a 12, a 22 ) vector director (unitario) de un nuevo eje Z 2 Coordenadas de P i en los nuevos ejes Z 1 y Z 2 : z i1 =..., z i2 =...,

4 Estos son los valores del establecimiento i respecto a dos nuevas variables Z 1 y Z 2. Por tanto, buscar dos nuevos ejes donde representar los datos es equivalente a buscar dos nuevas variables Z 1 y Z 2 que son combinación lineal de las variables originales. El primer eje va a ser el que minimiza la distancia euclídea de cada punto a su proyección ortogonal (o coordenada) en dicho eje. El vector director del primer eje, a 1 = (a 11, a 21 ), se obtiene resolviendo el problema mín a1 25 i=1 z2 i2 s.a. a 1a 1 = 1. Pero por el teorema de Pitágoras, y despejando zi2 2, tenemos que d(o, P i ) 2 = z 2 i1 + z 2 i2, z 2 i2 = d(o, P i ) 2 z 2 i1. Además, d(o, P i ) 2 es una cantidad que no depende de a 1 = (a 11, a 21 ); es decir, para cualquier valor que tome a 1, la distancia es la misma. Por tanto, encontrar el vector a 1 que minimiza 25 i=1 z2 i2 es equivalente a encontrar el vector a 1 que maximiza 25 i=1 z2 i1. Por otro lado, al estar Y 1 e Y 2 centradas (ȳ 1 = ȳ 2 = 0), entonces Z 1 también está centrada, ya que z 1 =..., 4

5 y por tanto la varianza de las proyecciones en el eje Z 1 es s 2 Z 1 = 1 n zi1 2. n Así, el eje principal que minimiza la distancia euclídea de los puntos a sus proyecciones ortogonales, es el que maximiza la varianza de las proyecciones. Es decir, el primer eje principal es el que produce la mayor separación de los puntos respecto de su origen. i=1 El problema a resolver para encontrar dicho eje es 5 máx a11,a 21 s 2 Z 1 s.a. a a 2 21 = 1. La segunda componente es una recta ortogonal a Z 1. Interpretación de los ejes: Z 1 separa a los establecimientos que venden muchas unidades de ambos productos, de los establecimientos que venden pocas unidades. Por tanto, se puede interpretar que Z 1 es la variable que mide la proporcionalidad en la venta de ambos productos. Z 2 da los establecimientos que venden muchas unidades de uno de los productos y pocas del otro. Sin embargo, dado que hay pocos establecimientos con estas características, podemos considerar que este eje no representa demasiado a los datos que tenemos. Si lo eliminásemos, nos quedaríamos con un espacio de dimensión uno.

6 DEFINICIÓN DE LAS COMPONENTES PRIN- CIPALES Tabla de datos de p variables X 1,..., X p medidas a n individuos: Indiv. X 1 X 2 X p 1 x 11 x 12 x 1p 2 x 21 x x 2p. n x n1 x n2 x np Variables centradas: Datos centrados: Y j = X j x j, j = 1,..., p y ij = x ij x j, j = 1,..., p, i = 1,..., n, Matriz de datos centrados: y 11 y 12 y 1p y Y = 21 y 22 y 2p y n1 y n2 y np Vector de variables aleatorias centradas: Y = (Y 1, Y 2,..., Y p ) matriz de covarianzas de Y : S Y = 1 n Y Y Primera componente principal (Z 1 ): Combinación lineal de Y 1,..., Y p con varianza máxima. Sea a 1 = (a 11, a 21,..., a p1 ) el vector de coeficientes de la combinación lineal. La primera componente principal es Z 1 = a 1Y = a 11 Y 1 + a 21 Y a p1 Y p.

7 7 Su varianza es s 2 Z 1 =.... El vector a 1 se obtiene resolviendo el problema máx a1 s 2 Z 1 =... s.a. a 1a 1 = 1. Llamamos λ 1 al valor máximo solución de este problema. Segunda componente principal (Z 2 ): Combinación lineal de Y 1,..., Y p, incorrelada con Z 1, con varianza máxima. Sea a 2 = (a 12, a 22,..., a p2 ) el vector de coeficientes de la combinación lineal. La segunda componente principal es Su varianza es Z 2 = a 2Y = a 12 Y 1 + a 22 Y a p2 Y p. La covarianza entre Z 1 y Z 2 es s 2 Z 2 =.... s Z1,Z 2 =.... El vector a 2 se obtiene resolviendo el problema máx a2 s 2 Z 2 =... s.a. a 2a 2 = 1, a 1S Y a 2 = 0. Si λ 2 es este máximo, se verifica λ 1 λ 2. Componente principal j-ésima (Z j ): Combinación lineal de Y 1,..., Y p, incorrelada con Z 1, Z 2,..., Z j 1, con varianza máxima.

8 8 Sea a j = (a 1j, a 2j,..., a pj ) el vector de coeficientes de la combinación lineal. La j-ésima componente principal es Su varianza es Z j = a jy = a 1j Y 1 + a 2j Y a pj Y p. La covarianza entre Z i y Z j es s 2 Z j =.... s Zi,Z j =.... Por tanto, a j se obtiene resolviendo el problema máx aj s 2 Z j = a j S Y a j s.a. a j a j = 1, a i S Y a j = 0, i = 1,..., j 1. Si λ j es este máximo, se verifica λ 1 λ 2 λ j 1 λ j. Esto ocurre para j = 1,..., p. Solución - Descomposición espectral de S Y : Denotamos por Z = (Z 1,..., Z p ) al vector de componentes principales, y A = [a 1 a 2... a p ]. Expresamos la el vector de componentes principales en función del vector de variables originales: Z = A Y. La matriz de varianzas-covarianzas de Z es S Z = A S Y A = diag{s 2 Z 1,..., S 2 Z p }.

9 Por otro lado, al ser S Y simétrica, el Teorema de Descomposición Espectral nos dice que existe una matriz ortogonal P y otra matriz diagonal Λ, tales que S Y = P ΛP Λ = P S Y P = diag{λ 1,..., λ p }, donde las columnas de P son los vectores propios de S Y normalizados, y los elementos de Λ son los valores propios de S Y. El siguiente resultado nos dice que las dos igualdades anteriores coinciden, es decir, P = A y Λ = S Z, con lo cual, se verifica: a j es el vector propio normalizado de S Y asociado a λ j. s 2 Z j = λ j, donde λ j es el j-ésimo mayor valor propio de S Y. 9 Teorema 2.1 Sea S Y la matriz de covarianzas asociada al vector Y = (Y 1,..., Y p ). Sean λ 1 λ 2 λ p los valores propios de S Y, con vectores propios asociados a 1, a 2,..., a p. Se verifica: (i) La componente principal i-ésima es Z i = a iy = a 1i Y 1 + a 2i Y a pi Y p, i = 1,..., p. (ii) La varianza de la componente principal i-ésima es s 2 Z i = a is Y a i = λ i, i = 1,..., p. (iii) La covarianza entre dos componentes Z i y Z j es s Zi Z j = a is Y a j = 0, i j.

10 Ejemplo 2.2 En el Ejemplo 2.1, los valores y vectores propios de S Y = S X son λ 1 = 131,52, a 1 = (a 11, a 21 ) = (0,825, 0,565), λ 2 = 18,146, a 2 = (a 12, a 22 ) = ( 0,565, 0,825). Así, las dos componentes principales serían Z 1 =... Z 2 =... El primer eje principal es la recta que pasa por el origen y con vector director a 1 = (0,825, 0,565), cuya ecuación es Y 2 =... Y Corolario 2.1 Sea el vector de variables Y = (Y 1,..., Y p ), con matriz de covarianzas S Y. Sean λ 1 λ 2 λ p > 0 los valores propios de S Y, y a 1, a 2,..., a p los vectores propios asociados. Sean las componentes principales Z 1 = a 1Y, Z 2 = a 2Y,. Z p = a py Las componentes principales conservan la varianza total, es decir p p p tr(s Y ) = s 2 Y i = λ i = s 2 Z i. i=1 i=1 i=1

11 Ejemplo 2.3 Para el Ejemplo 2.1, sabemos que S Y = S X, con lo cual, podemos calcular la traza de S Y tr(s X ) =.... Por otro lado, sumando los valores propios obtenemos λ 1 + λ 2 =.... Nota 2.1 En la Figura 2.1 se puede observar cómo las observaciones se pueden envolver en una elipsoide. Esto ocurre cuando el vector (Y 1, Y 2 ) tiene una distribución normal bivariante. Entonces, el primer eje principal tiene la dirección del eje principal de la elipsoide, y el segundo eje tiene la dirección del eje secundario de la elipsoide. Además, λ 1 es la longitud del semieje principal de la elipse, y λ 2 es la del semieje secundario SELECCIÓN E INTERPRETACIÓN DE LAS COMPONENTES ELECCIÓN DEL NÚMERO DE COMPONENTES En la literatura se proponen tres criterios: Retener un número de componentes tales que en conjunto recojan un porcentaje de variabilidad de al menos un 75 %. Proporción de la variabilidad total de la i-ésima componente: λ i tr(s Y ) = λ i p k=1 λ i = 1,..., p. k, Proporción de variabilidad de las primeras p 1 < p componentes: p1 k=1 λ i tr(s Y ) = p1 k=1 λ k p k=1 λ k. 11

12 Seleccionar las componentes con valores propios (varianzas) mayores que el valor propio (varianza) promedio: λ = 1 p λ k. p k=1 Usar el test scree o gráfico de sedimentación, en el que se representa el número de órden del valor propio i frente a su magnitud λ i. Se descartan las componentes que ya no aportan significativamente a la varianza autovalor Figura 2.2: Gráfico de sedimentación Ejemplo 2.4 En el Ejemplo 2.1, el porcentaje de variabilidad explicado por la primera componente principal Z 1 es... Según el primer criterio, nos quedaríamos con una componente principal. La media de los valores propios es...

13 Por tanto, ambos criterios indican lo mismo. El criterio del testscree no es necesario cuando solo se dispone de dos componentes principales COMUNALIDADES Comunalidad de una variable original: Cantidad de su varianza que recogen las componentes principales seleccionadas: Por el Teorema de Descomposición espectral, S Y = AΛA = λ 1 a 1 a λ p a p a p La varianza de cada variable original Y i se descompone en una suma de aportaciones de cada componente principal Z j, s 2 Y i = λ 1 a 2 i1 + + λ 1 a 2 ip, i = 1,..., p. La comunalidad de una variable original Y i es la cantidad de variabilidad que permanece en el sumatorio anterior al seleccionar solo las p 1 < p primeras componentes principales, h 2 Y i = λ 1 a 2 i1 + + λ p1 a 2 ip 1, i = 1,..., p. Las comunalidades nos indican lo bien representadas que están las variables originales por el conjunto de componentes seleccionadas. Ejemplo 2.5 Si en el Ejemplo 2.1 nos quedamos con una componente principal Z 1 = a 11 Y 1 + a 21 Y 2 =...,

14 14, entonces las comunalidades de la vari- con varianza λ 1 =... ables originales son h 2 Y 1 =..., h 2 Y 2 =.... La proporción de la varianza de las variables originales recogida (explicada) por la primera componente principal es h 2 Y 1 S 2 Y 1 = =..., h 2 Y 2 S 2 Y 2 = =..., En SPSS, estas proporciones se denominan comunalidades reescaladas. Una variable se considerará bien representada por las componentes principales seleccionadas si su comunalidad reescalada es al menos COMPONENTES PRINCIPALES REESCALADAS La matriz de covarianzas S Y se puede descomponer en el producto de una matriz por su traspuesta, de la forma S Y = AΛA = AΛ 1/2 Λ 1/2 A = AΛ 1/2 (AΛ 1/2 ) = A (A ), donde A = AΛ 1/2. Es decir, A = [a 1 a 2 a p], con a j = λ 1/2 j a j, j = 1,..., p. Es decir, las columnas a j de la matriz A son los coeficientes de las componentes principales, reescalados de manera que se le da un

15 peso mayor a las componentes que aportan mayor variabilidad. De esta manera, las componentes principales reescaladas son Z i = (a i ) Y, i = 1,..., n. La matriz A se denomina matriz factorial, o matriz de saturaciones. Ejemplo 2.6 Para el Ejemplo 2.1, las componentes principales reescaladas son a 1 = λ 1/2 1 a 1 =..., a 2 = λ 1/2 2 a 2 =.... La matriz de saturaciones es A = [a 1 a 2] = (... ) CORRELACIONES ENTRE VARIABLES Y COMPO- NENTES PRINCIPALES Corolario 2.2 Sea la componente principal j-ésima Z j = a 1j Y a pj Y p. Las correlaciones de Y 1, Y 2,..., Y p con Z j son λj a 1j λj a 2j r Y1,Z j =, r Y2,Z s j =,, r Yp,Z Y1 s j = Y2 λj a pj s Yp. Ejemplo 2.7 Para el Ejemplo 2.1, las correlaciones entre las variables Y 1 e Y 2 con las componentes principales Z 1 =...Y Y 2, Z 2 =...Y Y 2.

16 son r Y1,Z 1 = =..., r Y2,Z 1 = =.... r Y1,Z 2 = =..., r Y2,Z 2 = = ANÁLISIS DE LA MATRIZ DE CORRELA- CIONES Si las variables originales X j, j = 1,..., p, tienen rangos muy distintos, o están medidas en unidades no comparables, es necesario tipificarlas (estandarizarlas) de la forma Y j = X j x j, s 2 s 2 j = 1 n 1 j p (x ij x j ) 2, j = 1,..., p. j=1 Así, la matriz de covarianzas S Y del vector (Y 1,..., Y p ) coincidirá con la matriz de correlaciones R Y. Entonces se verifica: tr(s Y ) = tr(r Y ) =... = p i=1 λ i = p i=1 s2 Z i. La media de valores propios es λ = p i=1 λ i/p =.... La correlación entre la variable Y i y la componente principal Z j es r Yi,Z j = =.... Las comunalidades son h 2 Y i = p 1 j=1 λ j a 2 ij =.... La matriz factorial es A = [a 1... a p], donde a j = λ j a j = (r Yi,Z j,..., r Yp,Z j ), j = 1,..., p.

17 REPRESENTACIÓN GRÁFICA Normalmente se realizan dos tipos de gráficos: Gráfico de componentes: Representa las correlaciones de las variables en el espacio de las componentes principales. De este gráfico se puede obtener una interpretación de cada componente en función de las variables originales. Representación de los individuos en el espacio de las componentes: Es un gráfico de dispersión en el que se representan las coordenadas de los n individuos en cada par de componentes seleccionadas. Permite caracterizar o describir a los individuos. Este gráfico se interpreta con ayuda de las correlaciones de las variables originales con las componentes principales (Gráfico anterior) RESUMEN Las componentes principales Z 1,..., Z p son nuevas variables incorreladas, que se obtienen como combinación lineal de las variables originales Y 1,..., Y p : Z 1 = a 11 Y 1 + a 21 Y a p1 Y p, Z 2 = a 12 Y 1 + a 22 Y a p2 Y p,. Z p = a 1p Y 1 + a 2p Y a pp Y p.

18 18 En principio, hay tantas componentes principales como variables originales. Geométricamente, los ejes principales son los ejes ortogonales que producen la mayor separación de las proyecciones. Cómo se calculan las componentes?, es decir, cómo se calculan las constantes a ij? Se calculan a partir de la matriz de covarianzas de Y = (Y 1,..., Y p ), llamada S Y. Se calculan sus valores propios y se ordenan de mayor a menor, λ 1 λ 2 λ p. Se calculan los vectores propios (normalizados) asociados a los valores propios, a 1,..., a p. Pues éstos son los vectores cuyas coordenadas me dan las constantes a ij, es decir, a 1 = (a 11,..., a p1 ), a 2 = (a 12,..., a p2 ),. a p = (a 1p,..., a pp ). Con cuántas componentes me quedo? Hay tres criterios: - Porcentaje de varianza: sabemos que los valores propios son las varianzas de las componentes principales, y que la suma de varianzas de las componentes es igual a la suma de las varianzas de las variables originales; por tanto, λ j p i=1 λ i 100 es el porcentaje de varianza que recoge la componente Z j.

19 Ordenadas de mayor a menor porcentaje de varianza, nos quedamos con el número de componentes que en total recojan al menos un 75 % de la varianza. - Nos quedamos con las componentes cuyo valor propio supere la media de los valores propios. - Criterio del test scree o gráfico de sedimentación: Nos fijamos en los codos más pronunciados. Una vez se han seleccionado un número p 1 < p de componentes principales, se observan las comunalidades de las variables originales. Las comunalidad de una variable Y i es la cantidad de su varianza S Yi que permanece al seleccionar las p 1 componentes principales. Una variable se considera mínimamente representada por las componentes si éstas recogen al menos un 60 % de su varianza. Si no es así, esta variable no es interpretable en función de las componentes. 19 Qué miden las componentes? Para interpretar el sentido de las componentes principales, el siguiente paso es observar las correlaciones entre las variables originales y dichas componentes seleccionadas. Para una componente Z j = a 1j Y a pj Y p,

20 20 las correlaciones de Y 1, Y 2,..., Y p con Z j son λj a 1j λj a 2j r Y1,Z j =, r Y2,Z s j =,, r Yp,Z Y1 s j = Y2 λj a pj s Yp. Para una mejor interpretación, interesa que las variables tengan una correlación alta solamente con una de las componentes. Si esto no se verifica, se pueden efectuar rotaciones, e inspeccionar si éstas mejoran los resultados. Estas correlaciones se pueden representar en gráficos. Por último, representado a los individuos en el espacio de las componentes principales y teniendo en cuenta las correlaciones anteriores, se pueden describir las características de los individuos y extraer conclusiones prácticas.

Álgebra lineal y matricial

Álgebra lineal y matricial Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen

Más detalles

Definición de vectores

Definición de vectores Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Geometría Tridimensional

Geometría Tridimensional Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,

Más detalles

Vectores: Producto escalar y vectorial

Vectores: Producto escalar y vectorial Nivelación de Matemática MTHA UNLP 1 Vectores: Producto escalar y vectorial Versores fundamentales Dado un sistema de coordenadas ortogonales, se considera sobre cada uno de los ejes y coincidiendo con

Más detalles

Vectores en el espacio

Vectores en el espacio Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas

Más detalles

DIBUJO TÉCNICO. UNIDAD DIDÁCTICA 9: Geometría 2D (V)

DIBUJO TÉCNICO. UNIDAD DIDÁCTICA 9: Geometría 2D (V) UNIDAD DIDÁCTICA 9: Geometría 2D (V) ÍNDICE Página: 1 CURVAS CÓNICAS. ELEMENTOS CARACTERÍSTICOS.. 2 2 TRAZADO MEDIANTE RADIOS VECTORES 4 3 RECTAS TANGENTES A CÓNICAS 5 3.1 CIRCUNFERENCIAS FOCALES 6 3.2

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano

_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano 24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas

Más detalles

3.1 DEFINICIÓN. Figura Nº 1. Vector

3.1 DEFINICIÓN. Figura Nº 1. Vector 3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado

Más detalles

VECTORES COORDENADOS (R n )

VECTORES COORDENADOS (R n ) VECTORES COORDENADOS (R n ) Cómo puede ser representado un número Real? Un número real puede ser representado como: Un punto de una línea recta. Una pareja de números reales puede ser representado por

Más detalles

Nivelación de Matemática MTHA UNLP 1. Vectores

Nivelación de Matemática MTHA UNLP 1. Vectores Nivelación de Matemática MTHA UNLP 1 1. Definiciones básicas Vectores 1.1. Magnitudes escalares y vectoriales. Hay magnitudes que quedan determinadas dando un solo número real: su medida. Por ejemplo:

Más detalles

Anexo 1: Demostraciones

Anexo 1: Demostraciones 75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:

Más detalles

COORDENADAS CURVILINEAS

COORDENADAS CURVILINEAS CAPITULO V CALCULO II COORDENADAS CURVILINEAS Un sistema de coordenadas es un conjunto de valores que permiten definir unívocamente la posición de cualquier punto de un espacio geométrico respecto de un

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

ECUACION DE DEMANDA. El siguiente ejemplo ilustra como se puede estimar la ecuación de demanda cuando se supone que es lineal.

ECUACION DE DEMANDA. El siguiente ejemplo ilustra como se puede estimar la ecuación de demanda cuando se supone que es lineal. ECUACION DE DEMANDA La ecuación de demanda es una ecuación que expresa la relación que existe entre q y p, donde q es la cantidad de artículos que los consumidores están dispuestos a comprar a un precio

Más detalles

1 Espacios y subespacios vectoriales.

1 Espacios y subespacios vectoriales. UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Espacios vectoriales y sistemas de ecuaciones 1 Espacios y subespacios vectoriales Definición 1 Sea V un conjunto

Más detalles

VECTORES. Por ejemplo: la velocidad de un automóvil, o la fuerza ejercida por una persona sobre un objeto.

VECTORES. Por ejemplo: la velocidad de un automóvil, o la fuerza ejercida por una persona sobre un objeto. Un vector v es un segmento orientado. VECTORES Se representa gráficamente por medio de una flecha, por ejemplo: Todos los vectores poseen las siguientes características: Punto de aplicación: es el lugar

Más detalles

VECTORES EN EL PLANO

VECTORES EN EL PLANO VECTORES EN EL PLANO VECTOR: vectores libres Segmento orientado, con un origen y extremo. Módulo: es la longitud del segmento orientado, es un número positivo y su símbolo es a Dirección: es la recta que

Más detalles

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

6. VECTORES Y COORDENADAS

6. VECTORES Y COORDENADAS 6. VECTORES Y COORDENADAS Página 1 Traslaciones. Vectores Sistema de referencia. Coordenadas. Punto medio de un segmento Ecuaciones de rectas. Paralelismo. Distancias Página 2 1. TRASLACIONES. VECTORES

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 APLICACIONES LINEALES. DIAGONALIZACIÓN 4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos

Más detalles

De acuerdo con sus características podemos considerar tres tipos de vectores:

De acuerdo con sus características podemos considerar tres tipos de vectores: CÁLCULO VECTORIAL 1. ESCALARES Y VECTORES 1.1.-MAGNITUDES ESCALARES Y VECTORIALES Existen magnitudes físicas cuyas cantidades pueden ser expresadas mediante un número y una unidad. Otras, en cambio, requieren

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.

Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental

Más detalles

1. Vectores 1.1. Definición de un vector en R2, R3 (Interpretación geométrica), y su generalización en Rn.

1. Vectores 1.1. Definición de un vector en R2, R3 (Interpretación geométrica), y su generalización en Rn. 1. VECTORES INDICE 1.1. Definición de un vector en R 2, R 3 (Interpretación geométrica), y su generalización en R n...2 1.2. Operaciones con vectores y sus propiedades...6 1.3. Producto escalar y vectorial

Más detalles

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.

BASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases. BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Selectividad Junio 2008 JUNIO 2008 PRUEBA A

Selectividad Junio 2008 JUNIO 2008 PRUEBA A Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo

Más detalles

Muchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8

Muchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8 Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características

Más detalles

Curso de Procesamiento Digital de Imágenes

Curso de Procesamiento Digital de Imágenes Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx

Más detalles

REGRESION simple. Correlación Lineal:

REGRESION simple. Correlación Lineal: REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)

Más detalles

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.

VECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define. VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

Diagonalización de matrices

Diagonalización de matrices diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla

Más detalles

Seminario Universitario Material para estudiantes. Física. Unidad 2. Vectores en el plano. Lic. Fabiana Prodanoff

Seminario Universitario Material para estudiantes. Física. Unidad 2. Vectores en el plano. Lic. Fabiana Prodanoff Seminario Universitario Material para estudiantes Física Unidad 2. Vectores en el plano Lic. Fabiana Prodanoff CONTENIDOS Vectores en el plano. Operaciones con vectores. Suma y producto por un número escalar.

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.

PROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2. PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.

Más detalles

VECTORES. Abel Moreno Lorente. February 3, 2015

VECTORES. Abel Moreno Lorente. February 3, 2015 VECTORES Abel Moreno Lorente February 3, 015 1 Aspectos grácos. 1.1 Deniciones. Un vector entre dos puntos A y B es el segmento de recta orientado que tiene su origen en A y su extremo en B. A este vector

Más detalles

Caracterización geométrica

Caracterización geométrica Caracterización geométrica Ahora vamos a centrar nuestra atención en la elipe. Esta figura geométrica tiene la misma esencia que la circunferencia, pero ésta está dilatada en uno de sus ejes. Recuerda

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

Espacios vectoriales. Bases. Coordenadas

Espacios vectoriales. Bases. Coordenadas Capítulo 5 Espacios vectoriales. Bases. Coordenadas OPERACIONES ENR n Recordemos que el producto cartesiano de dos conjuntos A y B consiste en los pares ordenados (a,b) tales que a A y b B. Cuando consideramos

Más detalles

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO) Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

Más detalles

Tema 3. Espacios vectoriales

Tema 3. Espacios vectoriales Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición

Más detalles

APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO

APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO APUNTES DE MATEMÁTICAS TEMA 4: VECTORES 1º BACHILLERATO ÍNDICE VECTORES EN EL PLANO... 3 Vector Fijo... 3 VECTOR LIBRE... 3 Operaciones con Vectores... 3 Suma de vectores... 3 Producto de un número por

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 4 La recta en el plano Elaborado por la Profesora Doctora María Teresa

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles

Geometría analítica. Impreso por Juan Carlos Vila Vilariño Centro I.E.S. PASTORIZA

Geometría analítica. Impreso por Juan Carlos Vila Vilariño Centro I.E.S. PASTORIZA Conoce los vectores, sus componentes y las operaciones que se pueden realizar con ellos. Aprende cómo se representan las rectas y sus posiciones relativas. Impreso por Juan Carlos Vila Vilariño Centro

Más detalles

RECTAS Y PLANOS EN EL ESPACIO

RECTAS Y PLANOS EN EL ESPACIO UNIDAD 6 RECTA Y PLANO EN EL EPACIO Página 1 1. Puntos alineados en el plano Comprueba que los puntos A (, ), B (8, ) y C (1, ) no están alineados. A (, ) B (8, ) C (1, ) AB = (, 1); BC = (, ) No tienen

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

Departamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA

Departamento de Economía Aplicada I ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA EN CIENCIAS EMPRESARIALES ESTADÍSTICA ESCUELA UIVERSITARIA DE ESTUDIOS EMPRESARIALES DIPLOMATURA E CIECIAS EMPRESARIALES ESTADÍSTICA Ejercicios Resueltos AÁLISIS ESTADÍSTICO DE DOS VARIABLES Y RE- GRESIÓ LIEAL SIMPLE Curso 6-7 Curso 6-7 1)

Más detalles

Sistemas de vectores deslizantes

Sistemas de vectores deslizantes Capítulo 1 Sistemas de vectores deslizantes 1.1. Vectores. Álgebra vectorial. En Física, se denomina magnitud fsica (o simplemente, magnitud) a todo aquello que es susceptible de ser cuantificado o medido

Más detalles

Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores

Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores Apoyo para la preparación de los estudios de Ingeniería y Arquitectura Física (Preparación a la Universidad) Unidad 4: Vectores Universidad Politécnica de Madrid 5 de marzo de 2010 2 4.1. Planificación

Más detalles

Análisis de medidas conjuntas (conjoint analysis)

Análisis de medidas conjuntas (conjoint analysis) Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los

Más detalles

1.4.- D E S I G U A L D A D E S

1.4.- D E S I G U A L D A D E S 1.4.- D E S I G U A L D A D E S OBJETIVO: Que el alumno conozca y maneje las reglas empleadas en la resolución de desigualdades y las use para determinar el conjunto solución de una desigualdad dada y

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 21

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 21 SIGNTU: MTEMTI EN IOLOGI DOENTE: LI.GUSTO DOLFO JUEZ GUI DE TJO PTIO Nº ES: POFESODO Y LIENITU EN IOLOGI _PGIN Nº 4_ GUIS DE TIIDDES Y TJO PTIO Nº OJETIOS: Lograr que el lumno: Interprete la información

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

BREVE MANUAL DE SOLVER

BREVE MANUAL DE SOLVER BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación

Más detalles

GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008

GEOMETRÍA ANALÍTICA 2º Curso de Bachillerato 22 de mayo de 2008 1. Sean los puntos A (1, 0,-1) y B (,-1, 3). Calcular la distancia del origen de coordenadas a la recta que pasa por A y B. Calculemos la recta que pasa por A y B. El vector AB es (1,-1,4) y por tanto

Más detalles

FUNCIONES CUADRÁTICAS Y RACIONALES

FUNCIONES CUADRÁTICAS Y RACIONALES www.matesronda.net José A. Jiménez Nieto FUNCIONES CUADRÁTICAS Y RACIONALES 1. FUNCIONES CUADRÁTICAS. Representemos, en función de la longitud de la base (), el área (y) de todos los rectángulos de perímetro

Más detalles

1. El teorema de la función implícita para dos y tres variables.

1. El teorema de la función implícita para dos y tres variables. GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(

Más detalles

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial.

y λu = Idea. Podemos sumar vectores y multiplicar por un escalar. El resultado vuelve a ser un vector Definición de espacio vectorial. Espacios vectoriales Espacios y subespacios R n es el conjunto de todos los vectores columna con n componentes. Además R n es un espacio vectorial. Ejemplo Dados dos vectores de R por ejemplo u = 5 v =

Más detalles

Selectividad Septiembre 2013 OPCIÓN B

Selectividad Septiembre 2013 OPCIÓN B Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR

Más detalles

PROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta

PROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta PROBLEMAS MÉTRICOS Página 3 REFLEXIONA Y RESUELVE Diagonal de un ortoedro Halla la diagonal de los ortoedros cuyas dimensiones son las siguientes: I) a =, b =, c = II) a = 4, b =, c = 3 III) a =, b = 4,

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

La forma algebraica de la ecuación producto cruz es más complicada que la del producto escalar. Para dos vectores 3D y,

La forma algebraica de la ecuación producto cruz es más complicada que la del producto escalar. Para dos vectores 3D y, Materia: Matemática de 5to Tema: Producto Cruz Marco Teórico Mientras que un producto escalar de dos vectores produce un valor escalar; el producto cruz de los mismos dos vectores produce una cantidad

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es

Más detalles

INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA

INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA Juana María Vivo Molina Departamento de Métodos Cuantitativos para la Economía. Universidad de Murcia. jmvivomo@um.es RESUMEN En este trabajo se

Más detalles

CURSO BÁSICO DE FÍSICA MECÁNICA PROYECTO UNICOMFACAUCA TU PROYECTO DE VIDA

CURSO BÁSICO DE FÍSICA MECÁNICA PROYECTO UNICOMFACAUCA TU PROYECTO DE VIDA UNICOMFACAUCA TU DE VIDA Tabla de contenido... 2 PARTES DE UN VECTOR... 3 Notación... 5 Tipos de vectores... 5 Componentes de un vector... 6 Operaciones con vectores... 7 Suma de vectores... 7 Resta de

Más detalles

GEOMETRÍA ANALÍTICA GIRO DE LOS EJES

GEOMETRÍA ANALÍTICA GIRO DE LOS EJES GIRO DE LOS EJES CONTENIDO. Ecuaciones de giro. Ejercicios Ya tratamos el procedimiento, mediante el cual, con una translación paralela de ejes, simplificamos las ecuaciones en particular de las curvas

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

a < b y se lee "a es menor que b" (desigualdad estricta) a > b y se lee "a es mayor que b" (desigualdad estricta)

a < b y se lee a es menor que b (desigualdad estricta) a > b y se lee a es mayor que b (desigualdad estricta) Desigualdades Dadas dos rectas que se cortan, llamadas ejes (rectangulares si son perpendiculares, y oblicuos en caso contrario), un punto puede situarse conociendo las distancias del mismo a los ejes,

Más detalles

Vectores no colineales.

Vectores no colineales. Vectores no colineales. Por definición son aquellos vectores que no tienen igual dirección. La resultante de los mismos no surge de la suma algebraica de los módulos de dichos vectores, sino que deben

Más detalles

ANALISIS MULTIVARIANTE

ANALISIS MULTIVARIANTE ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,

Más detalles

Universidad de la Frontera. Geometría Anaĺıtica: Departamento de Matemática y Estadística. Cĺınica de Matemática. J. Labrin - G.

Universidad de la Frontera. Geometría Anaĺıtica: Departamento de Matemática y Estadística. Cĺınica de Matemática. J. Labrin - G. Universidad de la Frontera Departamento de Matemática y Estadística Cĺınica de Matemática 1 Geometría Anaĺıtica: J. Labrin - G.Riquelme 1. Los puntos extremos de un segmento son P 1 (2,4) y P 2 (8, 4).

Más detalles

Segundo de Bachillerato Geometría en el espacio

Segundo de Bachillerato Geometría en el espacio Segundo de Bachillerato Geometría en el espacio Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid 204-205. Coordenadas de un vector En el conjunto de los vectores libres del espacio el concepto

Más detalles

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones

Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................

Más detalles

TEMA 1: DISEÑO Y DIBUJO DE OBJETOS.

TEMA 1: DISEÑO Y DIBUJO DE OBJETOS. TEMA 1: DISEÑO Y DIBUJO DE OBJETOS. Francisco Raposo Tecnología 3ºESO 1. LA REPRESENTACIÓN DE OBJETOS 1.1.EL DIBUJO TÉCNICO Es una de las técnicas que se utilizan para describir un objeto, con la intención

Más detalles

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente.

ÁLGEBRA DE MATRICES. Al consejero A no le gusta ninguno de sus colegas como presidente. ÁLGEBRA DE MATRICES Página 49 REFLEXIONA Y RESUELVE Elección de presidente Ayudándote de la tabla, estudia detalladamente los resultados de la votación, analiza algunas características de los participantes

Más detalles

En la siguiente gráfica se muestra una función lineal y lo que representa m y b.

En la siguiente gráfica se muestra una función lineal y lo que representa m y b. FUNCIÓN LINEAL. La función lineal o de primer grado es aquella que se representa gráficamente por medio de una línea recta. Dicha función tiene una ecuación lineal de la forma f()= =m+b, en donde m b son

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

TEMA II ÁLGEBRA VECTORIAL; FUNDAMENTOS. 2.1.- Definicion, notacion y clasificacion de los vectores.

TEMA II ÁLGEBRA VECTORIAL; FUNDAMENTOS. 2.1.- Definicion, notacion y clasificacion de los vectores. J.A DÁVILA BAZ - J. PAJÓN PERMUY CÁLCULO VECTORIAL 29 UNIDAD DIDÁCTICA I: CÁLCULO VECTORIAL. TEMA II ÁLGEBRA VECTORIAL; FUNDAMENTOS 2.1.- Definicion, notacion y clasificacion de los vectores. Un vector

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS

6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS 6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA

Más detalles

ESTADÍSTICA SEMANA 4

ESTADÍSTICA SEMANA 4 ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...

Más detalles

Tema 5: Dualidad y sensibilidad de los modelos lineales.

Tema 5: Dualidad y sensibilidad de los modelos lineales. ema 5: Dualidad y sensibilidad de los modelos lineales. Objetivos del tema: Introducir el concepto de Sensibilidad en la Programación Lineal Introducir el concepto de Dualidad en la Programación Lineal

Más detalles

Finanzas de Empresas Turísticas

Finanzas de Empresas Turísticas Finanzas de Empresas Turísticas Prof. Francisco Pérez Hernández (f.perez@uam.es) Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid 1 Departamento de Financiación e Investigación

Más detalles

ANALISIS DE COMPONENTES PRINCIPALES

ANALISIS DE COMPONENTES PRINCIPALES 1 X 2 F 1 F 2 e 2 v 2 v 1 e 1 X 1 ANALISIS DE COMPONENTES PRINCIPALES José Luis Vicente Villardón Departamento de Estadística 2 1.- EJEMPLO INICIAL...3 2.- DEFINICIONES BASICAS...13 3.- OBTENCION DE LA

Más detalles

SISTEMAS INTELIGENTES

SISTEMAS INTELIGENTES SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones

Más detalles

Funciones, x, y, gráficos

Funciones, x, y, gráficos Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre

Más detalles

Los métodos Biplot. LOS METODOS BIPLOT (Teoría) José Luis Vicente Villardón Departamento de Estadística Universidad de Salamanca

Los métodos Biplot. LOS METODOS BIPLOT (Teoría) José Luis Vicente Villardón Departamento de Estadística Universidad de Salamanca LOS METODOS BIPLOT (Teoría) José Luis Vicente Villardón Departamento de Estadística Universidad de Salamanca 1 T1. INTRODUCCION...3 T. DEFINICION Y OBTENCION DE MARCADORES...14 T.1 DEFINICION...14 T. BIPLOT

Más detalles

EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA

EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA OPCIÓN A EJERCICIO 1 Halle el punto P simétrico del punto P ( 3, 4, 0) respecto del plano Л que contiene a la recta s : x = y 2 = z 1 y al

Más detalles

Un ejemplo de ACP paso a paso

Un ejemplo de ACP paso a paso Un ejemplo de ACP paso a paso Francesc Carmona Departament d Estadística 13 de enero de 2014 1. Introducción Para ilustrar el procedimiento de cálculo, partamos de un ejemplo en el que disponemos de la

Más detalles