Métodos avanzados para análisis y representación de imágenes
|
|
- Francisco José Marín Mendoza
- hace 8 años
- Vistas:
Transcripción
1 Métodos avanzados para análisis y representación de imágenes Unidad II (b): Descomposición en valores singulares Departamento de Informática - FICH Universidad Nacional del Litoral 19 de setiembre de 2012 Unidad II: Descomposición de imágenes (b) p. 1
2 Temas a desarrollar Elementos de álgebra lineal Unidad II: Descomposición de imágenes (b) p. 2
3 Elementos de álgebra lineal El producto externo de 2 vectores N 1: u i T = (u i1,u i2,...,u in ),v j T = (v j1,v j2,...,v jn ) resulta: u i v j T = u i1 u i2. u in (v j1,v j2,...,v jn ) = u i1 v j1 u i1 v j2... u i1 v jn u i2 v j1 u i2 v j2... u i2 v jn... u in v j1 u in v j2... u in v jn Unidad II: Descomposición de imágenes (b) p. 3
4 Elementos de álgebra lineal Matriz normal: A H A = AA H, con H: operador hermitiano. Matriz unitaria: A H A = AA H = I (matriz identidad). Matriz ortogonal (caso real): A T A = AA T = I. Propiedad: los vectores fila/columna forman un conjunto de vectores ortonormales. { (A A T 1, i = j; ) ij = v i v j = δ ij = 0, i j Ejemplo de matriz ortogonal: operador (transformación) de rotación antihoraria ( ) cosθ sinθ A = sinθ cosθ Unidad II: Descomposición de imágenes (b) p. 4
5 Elementos de álgebra lineal Vectores propios de un operador lineal: vectores no nulos que resultan invariantes ante la transformación, salvo un cambio de escala. Valor propio σ: factor de escala. T (v σ ) = σv σ Teorema de descomposición espectral de un operador lineal. La transformación aplicada a un vector puede expresarse como combinación lineal de los valores y vectores propios del operador, aplicados al vector: T (v) = σ 1 (v 1 v)v 1 +σ 2 (v 2 v)v σ N (v N v)v N Espectro de una matriz A R N N (K): σ(a) = {σ i K Av = σ i v, i = 1,2,...,N} Unidad II: Descomposición de imágenes (b) p. 5
6 Elementos de álgebra lineal Diagonalización: representación de una matriz A en función de sus vectores y valores propios, como A = PΣP 1, con: P = [v 1 v 2...v N ], σ σ Σ =......, σ 1 σ 2... σ N σ N Unidad II: Descomposición de imágenes (b) p. 6
7 Descomposición en valores singulares Descomposición en valores singulares (SVD): generalización del teorema de descomposición espectral para matrices no diagonizables, no cuadradadas, etc. Si A R N N, su SVD es: A = UΣV A = UΣV T A 1 = VΣ 1 U T con: U y V matrices ortogonales de vectores singulares a izquierda y derecha, Σ = diag(σ 1,σ 2,...,σ N ), Σ 1 = diag(1/σ 1,1/σ 2,...,1/σ N ). Unidad II: Descomposición de imágenes (b) p. 7
8 Descomposición en valores singulares A = UΣV T σ v 1 T 0 σ = [u 1 u 2...u N ]. v T σ N vn T = u 1 σ 1 v1 T +...+u N σ N vn T = A 1 = N σ i u i vi T. i=1 N i=1 1 σ i v i u T i. Unidad II: Descomposición de imágenes (b) p. 8
9 Descomposición en valores singulares Ejemplo: imagen flower.png Unidad II: Descomposición de imágenes (b) p. 9
10 Descomposición en valores singulares Ejemplo: imagen flower.png Rango=5 (de 8 valores posibles). Unidad II: Descomposición de imágenes (b) p. 10
11 Descomposición en valores singulares K-SVD: aproximación mediante una reconstrucción con sólo k < N términos k A k = σ i u i vi T. i=1 Diferencia entre original y aproximada: D = A A k = N i=k+1 σ i u i v T i. Error de aproximación: D 2 2= N i=k+1 σ i. Unidad II: Descomposición de imágenes (b) p. 11
12 Descomposición en valores singulares Ejemplo: imagen flower.png Unidad II: Descomposición de imágenes (b) p. 12
13 Descomposición en valores singulares Ejemplo: cameraman.tif (256x256 pixeles) Unidad II: Descomposición de imágenes (b) p. 13
14 Descomposición en valores singulares Ejemplo: cameraman.tif (256x256 pixeles) Unidad II: Descomposición de imágenes (b) p. 14
15 Descomposición en valores singulares Ejemplo: cameraman.tif (256x256 pixeles) Unidad II: Descomposición de imágenes (b) p. 15
16 Descomposición en valores singulares Ejemplo: cameraman.tif (256x256 pixeles) Situación: se debe transmitir la imagen, cuántos términos del SVD podrán ser enviados antes que el costo de transmitir la aproximación se vuelva ineficiente respecto a transmitir la imagen original? (suponer que cada número real ocupa 32 bits). Unidad II: Descomposición de imágenes (b) p. 16
17 Descomposición en valores singulares Ejemplo: cameraman.tif (256x256 pixeles) Situación: se debe transmitir la imagen, cuántos términos del SVD podrán ser enviados antes que el costo de transmitir la aproximación se vuelva ineficiente respecto a transmitir la imagen original? (suponer que cada número real ocupa 32 bits). Considerando σ i ya multiplicado en uno de los 2 vectores propios u i o v i, al transmitir un término del K-SVD enviamos 2 vectores de 256 elementos, sumando bits. La imagen completa necesita bits. Solución: antes de que se vuelva económicamente ineficiente se pueden transmitir k = = = 32 términos del K-SVD. Unidad II: Descomposición de imágenes (b) p. 17
18 Descomposición en valores singulares Ejemplo: camaleon.tif (247x372 pixeles) Rango=247. Unidad II: Descomposición de imágenes (b) p. 18
19 Descomposición en valores singulares Ejemplo: estanbul.tif (327x280 pixeles) Rango=176. Unidad II: Descomposición de imágenes (b) p. 19
20 Problemas inversos Interés en conocer las causas de fenómenos observados, cuando no se tiene acceso a las señales origen de esos efectos. Unidad II: Descomposición de imágenes (b) p. 20
21 Problemas inversos Ejemplos (centenares!): ecuación del calor, fuentes en propagación de ondas (imágenes médicas), foco de actividad eléctrica cerebral en EEG, propulsión en cohetes espaciales, lectura de códigos de barras, un largo etc. Problemas bien condicionados (condiciones de Hadamard): Existe una solución, es única, depende continuamente de los datos. Unidad II: Descomposición de imágenes (b) p. 21
22 Problemas inversos Modelo lineal simple de desenfoque: T (X) = B Unidad II: Descomposición de imágenes (b) p. 22
23 Problemas inversos Modelo lineal general: Ax = b Vectorización: mapeo R M N R MN 1, tal que X = [x 1,x 2,...,x N ] x = vec(x) = x 1 x 2... B = [b 1,b 2,...,b N ] b = vec(b) = El operador es: A R MN MN. x N b 1 b 2... b N Unidad II: Descomposición de imágenes (b) p. 23
24 Problemas inversos Construcción de A: Dada una PSF (respuesta al impulso) separable, puede representarse como producto externo de dos vectores: P = cr T = c 1 c 2... [r1,r1,...,r n]. c m Unidad II: Descomposición de imágenes (b) p. 24
25 Problemas inversos Para PSF de 3 3: P = cr T = c 1 c 2 c 3 [r 1,r 2,r 3 ]. Los vectores izquierda/derecha de A resultan: r 2 r 1 0 c 2 c 1 0 A r = r 3 r 2 r 1,A c = c 3 c 2 c 1 0 r 3 r 2 0 c 3 c 2 Luego: A = A r Ac Unidad II: Descomposición de imágenes (b) p. 25
26 Problemas inversos Solución naïve: x naïve = A 1 b Unidad II: Descomposición de imágenes (b) p. 26
27 Problemas inversos Sea B ex una imagen desenfocada, sin ruido agregado; y E una imagen de ruido, definimos: b ex = vec(b ex ) = Ax, e = vec(e) La imagen desenfocada+ruido es: b = b ex +e. Solución naïve: x naïve = A 1 b = A 1 b ex +A 1 e = x+a 1 e Ruido invertido (!): A 1 e. Unidad II: Descomposición de imágenes (b) p. 27
28 Problemas inversos Usando la SVD(A)... x naïve = A 1 b = VΣ 1 U T b = N i=1 u T i b σ i v i. La contribución del ruido invertido está dada por: A 1 e = VΣ 1 U T e = N i=1 u T i e σ i v i. - Componentes de error u T i e muy pequeñas, igual magnitud i. - Número de condición: cond(a) = σ 1 /σ N cuando i crece. - Vectores singulares de i grande tienen σ i pequeños y más cambios de signo (alta frecuencia!). Unidad II: Descomposición de imágenes (b) p. 28
29 Problemas inversos Vectores base v i para la expansión (ojo: no son imágenes!): Unidad II: Descomposición de imágenes (b) p. 29
30 Problemas inversos Vectores base v i para la expansión (ojo: no son imágenes!): Unidad II: Descomposición de imágenes (b) p. 30
31 Regularización de soluciones Filtrado espectral: procesamiento de la solución SVD para disminuir los efectos del ruido, según: x filt = N i=1 φ i u T i b σ i v i = VΦΣ 1 U T b = VΣ filt 1 U T b con Φ = diag(φ 1,...,φ N ), y Σ filt = ΦΣ 1. Cuestiones: cómo elegirφ i?, cuánto filtrado aplicar?, se podrán elegir automáticamente?... Idea general: fijar los factores del filtro tal que φ i 1 para valores singulares altos, φ i 0 para los pequeños. Unidad II: Descomposición de imágenes (b) p. 31
32 Regularización de soluciones TSVD: SVD truncado φ i = { 1, i = 1,...,k 0, i = k +1,...,N. k: parámetro de truncado. Tikhonov: φ i = α > 0: parámetro de regularización. Nueva cuestión: parámetro óptimo? σ 2 i σ i +α2, i = 1,...,N. Unidad II: Descomposición de imágenes (b) p. 32
33 Regularización de soluciones Métodos de elección de parámetro: Validación cruzada generalizada (GCV): falla cuando e 0. Principio de discrepancia: solución sobre-suavizada, convergente cuando e 0. Criterio de la curva L: falla con N grande. Importante: ningún método es perfecto para todas las imágenes, todo depende de los datos con que se cuente. Unidad II: Descomposición de imágenes (b) p. 33
34 Regularización de soluciones Validación cruzada generalizada (GCV): encontrar el mínimo de los funcionales GCV para TSVD: GCV para Tikhonov: G(k) = 1 (N k) 2 N i=k+1 ( u T i b ) 2. G(α) = N ( utb i σ ) i+α i=1 ) 2 1 σi+α 2 2 i=1 ( N Unidad II: Descomposición de imágenes (b) p. 34
35 Regularización de soluciones Validación cruzada generalizada (GCV): encontrar el mínimo de los funcionales Unidad II: Descomposición de imágenes (b) p. 35
36 Regularización de soluciones Ejemplo: texto desenfocado. Unidad II: Descomposición de imágenes (b) p. 36
37 Regularización de soluciones Ejemplo: texto desenfocado (por GCV). Unidad II: Descomposición de imágenes (b) p. 37
38 Fin de teoría Próxima teoría: PCA e ICA. Unidad II: Descomposición de imágenes (b) p. 38
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 detallesÁlgebra 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 detallesÁlgebra II, licenciatura. Examen parcial I. Variante α.
Engrape aqu ı No doble Álgebra II, licenciatura. Examen parcial I. Variante α. Operaciones con matrices. Sistemas de ecuaciones lineales. Nombre: Calificación ( %): examen escrito tarea 1 tarea 2 asist.+
Más detallesMatrices 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 detalles1 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 detalles21.1.2. 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 detallesApéndice A. Repaso de Matrices
Apéndice A. Repaso de Matrices.-Definición: Una matriz es una arreglo rectangular de números reales dispuestos en filas y columnas. Una matriz com m filas y n columnas se dice que es de orden m x n de
Más detallesDiagonalización 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 detallesValores singulares. Producto escalar y ortogonalidad. Proposición. Curso < x, y >= si F = C. Si x C n x i=1
Valores singulares Curso 2017-18 1 Producto escalar y ortogonalidad < x, y >= n y i x i = y T x si F = R, n y i x i = y x Si x C n x x = n x i 2 = x 2 2. si F = C Si x, y C n x y = y x, pero si x, y R
Más detallesTransformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.
Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen
Más detalles1. Resolver el sistema de dos ecuaciones con dos incógnitas AX = B, donde 1 0,999 1,999 A = 1,999 . 0,999 1 1 0,999 A = . 0,999 1. AX = αo 1 + βo 2.
Instituto de Matemática y Estadística Prof Ing Rafael Laguardia Facultad de Ingeniería Universidad de la República C1 y GAL1 anuales 2009 Trabajo: número de condición y SVD El objetivo de este trabajo
Más detallesTEMA 6. EIGENVALORES Y EIGENVECTORES
TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES
Más detallesDefinición 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 detallesCapitán 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 detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detallesAnexo 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 detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 44 Capítulo III Descomposición de Matrices 2 / 44 1 Descomposición de Matrices Notación Matrices Operaciones con Matrices 2
Más detalles4 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 detallesEstructuras 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 detallesLas matrices Parte 1-2 o bachillerato
Parte 1-2 o bachillerato wwwmathandmatesurlph 2014 1 Introducción Generalidades 2 Definición Ejercicio 1 : Suma de dos matrices cuadradas 2x2 Ejercicio 2 : Suma de dos matrices cuadradas 3x3 Propiedades
Más detallesIntroducción al Cálculo Simbólico a través de Maple
1 inn-edu.com ricardo.villafana@gmail.com Introducción al Cálculo Simbólico a través de Maple A manera de introducción, podemos decir que los lenguajes computacionales de cálculo simbólico son aquellos
Más detallesMétodos estadísticos y algebraicos
Métodos estadísticos y algebraicos Tratamiento Avanzado de Señal en Comunicaciones Curso 2009-2010 1: Multiplicaciones matriciales Si b = Ax, entonces b es una combinación lineal de las columnas de A.
Más detalles1 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 detallesTema 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 detalles3.1 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 detallesPROBLEMA 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 detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesCursada Primer Semestre 2015 Guía de Trabajos Prácticos Nro. 2
Temas: Programación en MATLAB: Sentencias, expresiones y variables. Estructuras de control. Operadores relacionales y lógicos. Programación de funciones. Aritmética finita: Representación de números en
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Resumen el análisis de Fourier es un conjunto de técnicas matemáticas basadas en descomponer una señal en
Más detallesEspacios vectoriales y aplicaciones lineales.
Práctica 2 Espacios vectoriales y aplicaciones lineales. Contenido: Localizar bases de espacios vectoriales. Suma directa. Bases y dimensiones. Cambio de base. Aplicaciones lineales. Matriz asociada en
Más detalles3.- DETERMINANTES. a 11 a 22 a 12 a 21
3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles
Más detallesApuntes de Álgebra Lineal
Apuntes de Álgebra Lineal Mariano Echeverría Introducción al Curso El álgebra lineal se caracteriza por estudiar estructuras matemáticas en las que es posible tomar sumas entre distintos elementos de cierto
Más detallesMatemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos
Más detallesBASES 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 detallesDIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD
Curso Asignatura 2014/2015 MATEMÁTICAS II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad La siguiente relación de objetivos,
Más detallesMatrices invertibles. La inversa de una matriz
Matrices invertibles. La inversa de una matriz Objetivos. Estudiar la definición y las propiedades básicas de la matriz inversa. Más adelante en este curso vamos a estudiar criterios de invertibilidad
Más detallesEspacios vectoriales y Aplicaciones lineales
Espacios vectoriales y Aplicaciones lineales Espacios vectoriales. Subespacios vectoriales Espacios vectoriales Definición Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesTema 2. Aplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 1 Índice general 2. Aplicaciones lineales y matrices. 1 2.1. Introducción....................................... 2 2.2. Espacio Vectorial.....................................
Más detallesEspacios vectoriales
Espacios vectoriales Problemas teóricos Muchos de estos problemas me los han enseñado mis colegas: profesores Flor de María Correa Romero, Carlos Domínguez Albino, Sergio González Govea, Myriam Rosalía
Más detallesAplicaciones Lineales
Aplicaciones Lineales Primeras definiciones Una aplicación lineal de un K-ev de salida E a un K-ev de llegada F es una aplicación f : E F tal que f(u + v) = f(u) + f(v) para todos u v E f(λ u) = λ f(u)
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesALN - SVD. In. Co. Facultad de Ingeniería Universidad de la República
ALN - SVD In. Co. Facultad de Ingeniería Universidad de la República Índice Definición Propiedades de SVD Ejemplo de SVD Métodos para calcular SVD Aplicaciones de SVD Repaso de matrices: m xm Una matriz
Más detallesQué es una imágen digital?
Qué es una imágen digital? Una imagen digital es una fotografía, un dibujo, un trabajo artístico o cualquier otra imagen que es convertida en un fichero de ordenador. Qué es una imágen digital? Una imagen
Más detallesAlgebra Lineal y Geometría.
Algebra Lineal y Geometría. Unidad nº7: Transformaciones Lineales. Algebra Lineal y Geometría Esp. Liliana Eva Mata 1 Contenidos. Transformación lineal entre dos espacios vectoriales. Teorema fundamental
Más detallesClasificación de métricas.
Clasificación de métricas. 1. El problema de clasificación. Como bien sabemos, el par formado por una métrica T 2 (esto es, un tensor 2-covariante simétrico) sobre un espacio vectorial E, (E, T 2 ), constituye
Más detallesTRANSFORMACIONES LINEALES. Transformaciones. TRANSFORMACIONES LINEALES Ejemplo. TRANSFORMACIONES LINEALES Ejemplo
TRANSFORMACIONES LINEALES Transformaciones Conceptos básicos Gilberto Aguilar Miranda Instituto Tecnologico de Chihuahua : Una transformación lineal L de R n en R m (L : R n R m ) es una función que asigna
Más detallesFORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES
FORMA CANONICA DE JORDAN Y ECUACIONES DIFERENCIALES LINEALES A COEFICIENTES CONSTANTES Eleonora Catsigeras 6 de mayo de 997 Notas para el curso de Análisis Matemático II Resumen Se enuncia sin demostración
Más detallesDefinición operacional, independientemente de cualquier sistema de referencia
Carácter de las magnitudes físicas: Magnitudes escalares y vectoriales. Vectores unitarios, Operaciones con vectores. No todas las magnitudes físicas tienen las mismas características matemáticas El carácter
Más detallesTransformada de Fourier
Transformada de Fourier Transformada Inversa de Fourier Estas ecuaciones existen si f(x) es continua e integrable y si F(u) es integrable (casi siempre se cumplen en la práctica). Espectro de Fourier La
Más detallesTema 7: Valores y vectores propios
Tema 7: es y clausura s Espacios y Permutaciones es y clausura Una permutación p = {p 1, p 2,..., p n } de los números {1, 2,..., n} es una nueva ordenación de los elementos {1, 2,..., n}, es decir, un
Más detallesCapítulo V APLICACIONES DE LAS FUNCIONES A LA ADMINISTRACIÓN
Capítulo V APLICACIOES DE LAS FUCIOES A LA ADMIISTRACIÓ 5.1 ITRODUCCIÓ: Muchos problemas relacionados con la administración, la economía y las ciencias afines, además de la vida real, requieren la utilización
Más detalles2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace
2.2 Transformada de Laplace y Transformada 2.2.1 Definiciones 2.2.1.1 Transformada de Laplace Dada una función de los reales en los reales, Existe una función denominada Transformada de Laplace que toma
Más detallesEcuaciones e Inecuaciones
5 Ecuaciones e Inecuaciones Objetivos En esta quincena aprenderás a: Resolver ecuaciones de primer y segundo grado. Resolver ecuaciones bicuadradas y factorizadas. Identificar y resolver inecuaciones de
Más detallesy 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 detallesLección 1: Análisis Numérico y Ciencias de la Computación
Lección 1: Análisis Numérico y Ciencias de la Computación ICI3140 Métodos Numéricos Profesor : Dr. Héctor Allende-Cid e-mail : hector.allende@ucv.cl Computación Científica y Análisis Num. Computación Científica
Más detallesCambio 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 detallesUniversidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.
Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo
Más detalles2 año secundario. Función Lineal MINISTERIO DE EDUCACIÓN. Se llama función lineal porque la potencia de la x es 1. Su gráfico es una recta.
año secundario Función Lineal Se llama función lineal porque la potencia de la x es. Su gráfico es una recta. Y en general decimos que es de la forma : f(x)= a. x + b donde a y b son constantes, a recibe
Más detallesFormas bilineales y cuadráticas.
Tema 4 Formas bilineales y cuadráticas. 4.1. Introducción. Conocidas las nociones de espacio vectorial, aplicación lineal, matriz de una aplicación lineal y diagonalización, estudiaremos en este tema dos
Más detallesSistemas de Ecuaciones Lineales y Matrices
Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre
Más detallesAplicaciones 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 detallesJosé de Jesús Ángel Ángel, c 2010. Factorización
José de Jesús Ángel Ángel, c 2010. Factorización Contenido 1. Introducción 2 1.1. Notación.................................. 2 2. Factor común 4 2.1. Ejercicios: factor común......................... 4
Más detalles2. TERMINOS BÁSICOS DE ACÚSTICA.
2. TERMINOS BÁSICOS DE ACÚSTICA. Definición de términos y sistemas de medición del ruido. Qué es el sonido? Cuando nos referimos al sonido audible por el oído humano, lo definimos como ondas sonoras que
Más detallesSea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores
FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido
Más detallesTema 3 : Algebra de Boole
Tema 3 : Algebra de Boole Objetivo: Introducción al Algebra de Boole 1 INTRODUCCIÓN George Boole creó el álgebra que lleva su nombre en el primer cuarto del siglo XIX. Pretendía explicar las leyes fundamentales
Más detallesOperaciones con vectores y matrices ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES. Ana Morata Gasca
ECONOMETRÍA I OPERACIONES CON VECTORES Y MATRICES Ana Morata Gasca 1 DEFINICIÓN DE VECTOR Un vector es todo segmento de recta dirigido en el espacio. CARACTERÍSTICAS DE UN VECTOR Origen o Punto de aplicación:
Más detallesAplicaciones 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 detallesORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD
ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD MODALIDAD CIENTÍFICO-TÉCNICO 1. NOMBRE DE LA MATERIA: Matemáticas II 2. NOMBRE DEL COORDINADOR: Miguel Delgado Pineda (mdelgado@mat.uned.es,
Más detallesDefinición 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 detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detallesPROPIOS. DIAGONALIZACIÓN DE MATRICES CUADRADAS
Tema 7.- VALORES Y VECTORES PROPIOS. DIAGONALIZACIÓN DE MATRICES CUADRADAS VALORES Y VECTORES PROPIOS MATRICES CUADRADAS DIAGONALIZABLES DIAGONALIZACIÓN N ORTOGONAL DE MATRICES CUADRADAS SIMÉTRICAS 1 Un
Más detalles4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d
GRADO EN I. TELEMÁTICA. HOJA : ESPACIOS VECTORIALES. ESPACIOS NULO Y COLUMNA.- Sea W el conjunto de todos los vectores de R de la forma subespacio de R. s + t s t s t t, con s, t R. Probar que W es un.-
Más detallesFunciones lineales, diádicas y tensores en la mecánica newtoniana
Funciones lineales, diádicas y tensores en la mecánica newtoniana En este documento se introducen los conceptos de diádicas y tensores en un espacio vectorial euclídeo tridimensional, con objeto de dotar
Más detallesIgnacio Romero 20 de Septiembre de 2004. Notación indicial
INGENIERÍA GEOLÓGICA: MECÁNICA DE MEDIOS CONTINUOS Ignacio Romero 20 de Septiembre de 2004 Notación indicial En Mecánica de Medios Continuos los objetos matemáticos más empleados son los escalares, vectores
Más detallesCurso cero Matemáticas en informática :
y Curso cero Matemáticas en informática : y Septiembre 2007 y y Se llama matriz de orden m n a cualquier conjunto de elementos dispuestos en m filas y n columnas: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n
Más detallesMatemáticas III (Álgebra Lineal)
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Matemáticas lll (Álgebra Lineal) Ingeniería en Industrias Alimentarias ACM-9504
Más detallesEspacios vectoriales y aplicaciones lineales
Capítulo 3 Espacios vectoriales y aplicaciones lineales 3.1 Espacios vectoriales. Aplicaciones lineales Definición 3.1 Sea V un conjunto dotado de una operación interna + que llamaremos suma, y sea K un
Más detallesINSTITUTO VALLADOLID PREPARATORIA página 9
INSTITUTO VALLADOLID PREPARATORIA página 9 página 10 FACTORIZACIÓN CONCEPTO Para entender el concepto teórico de este tema, es necesario recordar lo que se mencionó en la página referente al nombre que
Más detallesAPUNTES 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 detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Problemas teóricos Sistemas de ecuaciones lineales con parámetros En los siguientes problemas hay que resolver el sistema de ecuaciones lineales para todo valor del parámetro
Más detallesTEMA 7 GEOMETRÍA ANALÍTICA
Nueva del Carmen, 35. 470 Valladolid. Tel: 983 9 63 9 Fax: 983 89 96 TEMA 7 GEOMETRÍA ANALÍTICA. Objetivos / Criterios de evaluación O.7. Concepto y propiedades de los vectores O.7. Operaciones con vectores:
Más detallesEspacios vectoriales con producto interno
Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.
Más detallesVectores 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 detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesVectores y Valores Propios
Capítulo 11 Vectores y Valores Propios Las ideas de vector y valor propio constituyen conceptos centrales del álgebra lineal y resultan una valiosa herramienta en la solución de numerosos problemas de
Más detallesAXIOMAS DE CUERPO (CAMPO) DE LOS NÚMEROS REALES
AXIOMASDECUERPO(CAMPO) DELOSNÚMEROSREALES Ejemplo: 6 INECUACIONES 15 VA11) x y x y. VA12) x y x y. Las demostraciones de muchas de estas propiedades son evidentes de la definición. Otras se demostrarán
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detalles1. Cambios de base en R n.
er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..
Más detallesEspacio afín. Transformaciones afines y movimientos
Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio
Más detallesCURSO 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 detallesValores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Más detallesUNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES
UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES Departamento: Matemática Carrera: Analista en Computación ASIGNATURA: Geometría Código: 3327 Profesor Responsable:
Más detallesMATEMÁTICAS BÁSICAS. Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño
MATEMÁTICAS BÁSICAS Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño Universidad Nacional de Colombia Departamento de Matemáticas Sede Bogotá Enero de 2015 Universidad Nacional de Colombia
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS
Más detallesAhora podemos comparar fácilmente las cantidades de cada tamaño que se vende. Estos valores de la matriz se denominan elementos.
Materia: Matemática de 5to Tema: Definición y Operaciones con Matrices 1) Definición Marco Teórico Una matriz consta de datos que se organizan en filas y columnas para formar un rectángulo. Por ejemplo,
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detalles2.1 Sistemas discretos en tiempo. 2.1.1 Sistemas lineales. 2.1.2 Sistemas invariantes en tiempo
2.1 stemas discretos en tiempo Un sistema discreto en el tiempo se define matemáticamente como la transformación o el operador que traza una secuencia de entrada con valores x[n], en una secuencia de salida
Más detalles