Álgebra Lineal. Tema 12. Mínimos cuadrados II. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
|
|
- Esther Correa Iglesias
- hace 5 años
- Vistas:
Transcripción
1 Álgebra Lineal Tema 2 Mínimos cuadrados II Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR
2 Índice general 2 Mínimos cuadrados II 2 Método general 2 22 Ejemplo práctico 4 I
3 Tema 2 Mínimos cuadrados II En este capítulo vamos a aplicar el método de los mínimos cuadrados a un caso más realista en el que las medidas experimentales tienen un cierto error estadístico En este tema se intentará introducir el menor número posible de conceptos de estadística y probabilidad Siguiendo con el ejemplo inicial del Tema 3 del curso, supongamos que tenemos dos magnitudes físicas X e Y que teóricamente satisfacen la ley: Y = α + β X, donde α, β R son ciertos parámetros que queremos estimar a partir de una serie de medidas experimentales En el Tema 3 considerábamos pares de medidas (x, y ), (x 2, y 2 ),, (x n, y n ) En este tema vamos a considerar la situación en la que conocemos el error estadístico σ i de cada medida y i y asumiremos que dichas medidas son estadísticamente independientes (es decir, no dependen unas de otras) Tenemos ahora tripletes de medidas (x, y, σ ), (x 2, y 2, σ 2 ),, (x n, y n, σ n ) y queremos estimar los valores óptimos de los parámetros α y β
4 2 Método general En el caso sin errores estadísticos, el método consistía esencialmente en minimizar la siguiente función n f(z) = A z b 2 = ɛ 2 i, donde ɛ i es la diferencia entre la predicción teórica dada por y i = (A z) i y la medida real b i En el ejemplo de la introducción la matriz A y el vector z toman la forma: x x 2 A =, z = (α, β) t x n i= Cuando tenemos errores estadísticos en las medidas experimentales, podemos generalizar estas ecuaciones de manera que el significado del vector z y la matriz A sean los mismos que en el Tema 3: el vector z contiene los r parámetros que queremos determinar y las entradas de la matriz A (de dimensión n r) son funciones de la magnitud física X En este caso la función que queremos minimizar es g(z) = n ((A z) i b i ) 2 σ 2 i= i = n ɛ 2 i σ 2 i= i, ya que lo que es físicamente relevante es el cociente entre los errores estadísticos de las medidas experimentales y las diferencias entre los valores experimentales y los teóricos Es decir, si una medida difiere de su valor teórico en una cantidad ɛ i, esta diferencia será poco relevante si ɛ i σ i ; pero sí será relevante cuando ɛ i σ i Para escribir esta ecuación en forma matricial, primero calculamos la llamada matriz 2
5 de covarianza de las medidas C Y = σ σ σ 2 n Esta matriz es diagonal porque las medidas de la magnitud Y son estadísticamente independientes entre sí Como nos interesa pesar las diferencias con el inverso de σ 2 i, definimos la matriz inversa G Y = C Y = La función g se puede re-escribir como σ σ σ 2 n g(z) = (A z b) t G Y (A z b), que se reduce a f cuando G Y es la matriz identidad Para calcular las ecuaciones que nos dan el valor mínimo de g usamos métodos similares a los del Tema 3 del curso El valor z 0 que minimiza g se escribe de forma compacta como: A t G Y A z 0 = A t G Y b Si la matriz A t G Y A es invertible, entonces la solución de este sistema z 0 es única y viene dada por: z 0 = (A t G Y A) A t G Y b Por supuesto, si G Y = I n, entonces esta ecuación se reduce a la derivada en el Tema 3 Además si G Y = α I con α R (es decir, todos los errores estadísticos son iguales), el resultado es exactamente igual al de los mínimos cuadrados habituales 3
6 22 Ejemplo práctico Supongamos que tenemos dos magnitudes físicas cuya dependencia teórica es Y = α + β X Hacemos cuatro medidas independientes y obtenemos la siguiente tabla de resultados i x i y i,4,5 3,7 4, σ i 0,2 0,4 0,4 0,2 Una representación gráfica de los valores experimentales (x i, y i ) está dada en la figura 2 Los errores estadísticos σ i se representan como una barra de error vertical que va del punto (x i, y i σ i ) al punto (x i, y i + σ i ) 5 4 Y 3 2 X Figura 2: Representación gráfica de los datos experimentales (x i, y i, σ i ) con i 4 4
7 En este caso tenemos que G Y = , , , A = 0 2 3, b =,4,5 3,7 4, Haciendo los cálculos pertinentes resulta que z 0 = (α 0, β 0 ) t = (,372, 0,935) t Esta es la línea continua verde que aparece en la figura 22 Si ignoramos los errores estadísticos obtenemos otra solución z = (α, β ) t = (,3,,03) t Esta línea está representada en la figura 22 por una línea roja discontinua En la figura 22 se puede observar que la recta correspondiente a la solución de mínimos cuadrados con errores estadísticos se aproxima mucho más a los dos puntos con menores errores (ie, el primero y el último) que la recta correspondiente a la solución de mínimos cuadrados estándar La razón es que los puntos con menor error estadístico influyen en la solución mucho más que aquellos puntos con mayor error estadístico 5
8 5 4 Y 3 2 X Figura 22: Representación gráfica de los datos experimentales (x i, y i, σ i ) con i 4 La línea roja discontinua marca la aproximación por mínimos cuadrados sin tener en cuenta los errores estadísticos La linea continua verde corresponde a la solución de mínimos cuadrados teniendo en cuenta dichos errores 6
Álgebra Lineal. Tema 13. Mínimos cuadrados. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 3. Mínimos cuadrados Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Índice
Más detallesÁlgebra Lineal. Tema 7. Forma normal de una transformación
Álgebra Lineal Tema 7. Forma normal de una transformación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V
Más detallesÁlgebra Lineal. Tema 7. La forma canónica de Jordan
Álgebra Lineal Tema 7 La forma canónica de Jordan Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR Índice
Más detallesÁlgebra Lineal. Tema 6. Transformaciones lineales y matrices
Álgebra Lineal Tema 6. Transformaciones lineales y matrices Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S.
Más detallesÁlgebra Lineal. Hoja 6. Transformaciones lineales y matrices
Álgebra Lineal Hoja 6. Transformaciones lineales y matrices Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S.
Más detalles1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que:
1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que: (B -1 A -1 - (A B) -1 + A) B = A B? Justifica tu respuesta. De hecho el problema consiste en demostrar que: B A (A B) = Expresión que es
Más detallesUna forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.
Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES
Más detallesÁlgebra y Matemática Discreta
Álgebra y Matemática Discreta Sesión de Teoría 23 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 2 Dic 2013-8 Dic 2013 Introducción La existencia de bases ortonormales es los espacios es muy útil
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detallesÁlgebra Lineal. Tema 11. El Teorema Espectral en R. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema. El Teorema Espectral en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Índice
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
UNIVERSIDAD REY JUAN CARLOS, MADRID PRUEBA DE ACCESO PARA MAYORES DE 25 AÑOS MATEMÁTICAS II AÑO 2010 OPCIÓN A Ejercicio 1 a) (1 punto) Hallar los valores del parámetro para los que la siguiente matriz
Más detallesSISTEMAS DE ECUACIONES LINEALES Y MATRICES
y SISTEMAS DE ECUACIONES ES Y MATRICES Sergio Stive Solano 1 Febrero de 2015 1 Visita http://sergiosolanosabie.wikispaces.com y SISTEMAS DE ECUACIONES ES Y MATRICES Sergio Stive Solano 1 Febrero de 2015
Más detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesF F / 3 0 A 1 =
EXAMEN: ALGEBRA Y GEOMETRÍA (A) 8/05/0. De un paralelogramo ABCD se sabe que A = 3,4, B = 4,3, que las dos coordenadas del vértice C son positivas que la diagonal AC el lado BC miden ambos 5. Hallar las
Más detallesProcedimiento para encontrar la inversa de una matriz cuadrada (Método de Gauss-Jordan).
Ejemplo 19: Demuestre que la matriz A es invertible y escríbala como un producto de matrices elementales. Solución: Para resolver el problema, se reduce A a I y se registran las operaciones elementales
Más detallesEJERCICIOS PAU MATEMÁTICAS II ARAGÓN Autor: Fernando J. Nora Costa-Ribeiro Más ejercicios y soluciones en fisicaymat.wordpress.com
MATRICES Y DETERMINANTES 1- Sea m un número real y considere la matriz: 1 0 0 1 2 1 1 a) Determine todos los valores de m para los que la matriz A tiene inversa. b) Determine, si existe, la inversa de
Más detallesEscuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez.
Escuela de Economía Universidad de Carabobo Profesor: Exaú Navarro Pérez. Econometría Regresión Múltiple: Municipio Ocupados Población Analfabeta Mayor de 10 años Total de Viviendas Bejuma 18.874 1.835
Más detallesESTIMACIÓN Estas transparencias contienen material adaptado del curso de PATTERN RECOGNITION AND MACHINE LEARNING de Heikki Huttunen y del libro Duda.
ESTIMACIÓN Estas transparencias contienen material adaptado del curso de PATTERN RECOGNITION AND MACHINE LEARNING de Heikki Huttunen y del libro Duda. APRENDIZAJE AUTOMÁTICO, ESTIMACIÓN Y DETECCIÓN Introducción
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesVariables aleatorias. Utilizando el resultado anterior, vemos que
Variables aleatorias Utilizando el resultado anterior, vemos que Variables aleatorias Otro tipo de función generadora (generatriz) es la función generadora de momentos Para una variable aleatoria X y un
Más detalles1 0 4/ 5 13/
1 1 1 7 1 0 4/ 5 13/ 5 R1 R 1+1/5R3 0 0 0 2 R2 R3 0 5 9 22 0 5 9 22 0 0 0 2 Como la matriz tiene un renglón (0, 0, 0, 2) indica que el sistema no tiene solución ya que no existe un número que sea 2 y al
Más detallesÁlgebra Lineal. Tema 1. Multiplicación rápida de matrices
Álgebra Lineal Tema 1. Multiplicación rápida de matrices Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesTiro Oblicuo. Autor: Darío Kunik. Contacto
Tiro Oblicuo. Autor: Darío Kunik Contacto dkunik@df.uba.ar En este apartado se analizan los datos obtenidos a partir del video de la pelota que realiza un tiro oblicuo. Como describimos en el tutorial
Más detallesEstadística Diplomado
Diplomado HRB UNAM 1 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 Estimación por Intervalos Cantidades Pivotales
Más detallesPropiedades de matrices simétricas definidas positivas:
Propiedades de matrices simétricas definidas positivas: Propiedades de matrices simétricas definidas positivas: Sea A =[a ij ] 2 R n n. La matriz A es simétrica si A = A >. La matriz A es definida positiva
Más detallesEjercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS Ejercicios tipo test de las lecciones 1 y 2. 1. El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1,
Más detallesDISTRIBUCIONES BIDIMENSIONALES DISTRIBUCIONES BIDIMENSIONALES
DISTRIBUCIOES BIDIMESIOALES DISTRIBUCIOES BIDIMESIOALES Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si
Más detallesDistribuciones bidimensionales
Distribuciones bidimensionales Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra,
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
UNIVERSIDAD REY JUAN CARLOS, MADRID PRUEBA DE ACCESO PARA MAYORES DE 25 AÑOS MATEMÁTICAS II AÑO 2013 OPCIÓN A Ejercicio 1 a) (1 punto) Hallar los valores del parámetro para los que la siguiente matriz
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesDos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda.
Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplos Si se deja caer una piedra, existe una fórmula que nos permite
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 26 de junio de 2013 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final de junio de APELLIDOS, NOMBRE: DNI: Firma Primer parcial Ejercicio ( Sea A una matriz simétrica definida positiva de orden n y v R n Pruebe que la matriz
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo
Más detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 4 Métodos iterativos para sistemas de ecuaciones
ETS Minas: Métodos Matemáticos Soluciones Tema Métodos iterativos para sistemas de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más detallesÁLGEBRA LINEAL I NOTAS DE CLASE UNIDAD 2
ÁLGEBRA LINEAL I NOTAS DE CLASE UNIDAD 2 Abstract Estas notas conciernen al álgebra de matrices y serán actualizadas conforme el material se cubre Las notas no son substituto de la clase pues solo contienen
Más detallesTeoría de la aproximación Métodos de Mínimos cuadrados
Teoría de la aproximación Métodos de Mínimos cuadrados MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx
Más detallesÁlgebra y Matemática Discreta
Álgebra y Matemática Discreta Sesión de Teoría 18 (c) 2013 Leandro Marín, Francisco J. Vera, Gema M. Díaz 11 Nov 2013-17 Nov 2013 Ecuaciones Matriciales Ecuaciones Matriciales En muchas ocasiones, se plantean
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 010 011). Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí. Demostrar
Más detallesVerdadero o falso (Total: 12 puntos)
Universidad de la República Geometría y Álgebra Lineal 1 Facultad de Ingeniería - IMERL Curso 2017 Solución Primer Parcial 29 de Abril 2017 N o de parcial Cédula Apellido y nombre Salón Verdadero o falso
Más detallesSOLUCIONES A LOS EJERCICIOS DE LOS EXÁMENES DEL COLEGIO DE ÁLGEBRA Y GEOMETRÍA DE MATEMÁTICAS II CURSO
SOLUCIONES A LOS EJERCICIOS DE LOS EXÁMENES DEL COLEGIO DE ÁLGEBRA Y GEOMETRÍA DE MATEMÁTICAS II CURSO 013-014 1 0 Ejercicio 1º.- Dada la matriz: A 1 1 a) (1,5 puntos) Determina los valores de λ para los
Más detallesUna matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )
MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una
Más detallesSesión de cálculo de errores
Sesión de cálculo de errores Dpto. Física Aplicada III Escuela Técnica Superior de Ingeniería Universidad de Sevilla 1 Contenido Boletines y fichas Toma de datos Unidades Errores de medida Cifras significativas
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
Más detallesMétodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012
Cálculo numérico Métodos de factorización para resolver sistemas de ecuaciones lineales 22 de agosto, 2012 1 Factorización LU Considera el siguiente ejemplo de factorización LU de una matriz en un sistema
Más detallesVariables aleatorias
Variables aleatorias Un poco más general: si ahora S n está dada por la suma de variables independientes de la forma: S n =c 1 X 1 +... +c n X n, entonces la función generatriz viene dada por: Variables
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β
Más detallesTeoría de la aproximación Métodos de Mínimos cuadrados
Teoría de la aproximación Métodos de Mínimos cuadrados MAT-251 Dr. Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesÁlgebra Lineal - Grado de Estadística. Examen final 27 de junio de 2014 APELLIDOS, NOMBRE:
Álgebra Lineal - Grado de Estadística Examen final 7 de junio de 4 APELLIDOS, NOMBRE: DNI: irma Primer parcial Ejercicio Consideremos matrices A m m, B, C n n, Pruebe que bajo la hipótesis de que las inversas
Más detallesCONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES
CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque
Más detallesMulticolinealidad Introducción. Uno de los supuestos básicos del modelo lineal general. y = Xβ + u
CAPíTULO 6 Multicolinealidad 6.1. Introducción Uno de los supuestos básicos del modelo lineal general y = Xβ + u establece que las variables explicativas son linealmente independientes, es decir, la igualdad
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesTema 2: Determinantes
Tema : Determinantes.- a) Encontrar los valores de λ para los que la matriz λ A = 0 λ λ 0 es invertible b) Para λ = hallar la inversa de A comprobar el resultado c) Resolver el sistema x 0 A = 0 z 0 para
Más detallesLectura 1. Ayudante: Guilmer González 31 de enero, 2013
Geometría Analítica II Lectura 1 Ayudante: Guilmer González 31 de enero, 2013 El día de hoy veremos: 1. Parametrización del plano. 2. Cambio de coordenadas. 1 Parametrización del plano Vamos a definir
Más detallesTeoría Espectral. Stephen B. Sontz. Centro de Investigación en Matemáticas, A.C. (CIMAT) Guanajuato, Mexico
Teoría Espectral Stephen B. Sontz Centro de Investigación en Matemáticas, A.C. (CIMAT) Guanajuato, Mexico Mini-curso impartido en Colima 29 septiembre 2016 - Tercer día Introducción Hay dos dichos populares
Más detallesÁlgebra Lineal. Tema 6. Álgebra y edición de fotos. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 6. Álgebra y edición de fotos Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesMétodo de los Mínimos Cuadrados Recursivos
Método de los Mínimos Cuadrados Recursivos Teodoro Alamo a Ingeniería de Control Tercer Curso GITI Escuela Superior de Ingenieros Sevilla Formulación del problema Supongamos que los escalares y i, i =
Más detallesÁlgebra Lineal. Tema 8. Valores y vectores propios. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 8. Valores y vectores propios Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
Más detallesRango de una matriz. Jana Rodriguez Hertz GAL 1. 2 de abril de 2013 IMERL
Rango de una matriz Jana Rodriguez Hertz GAL IMERL 2 de abril de 203 rango rango recordemos: rango si A = {A, A 2,..., A n } conjunto de vectores de K n llamamos rango(a) a la máxima cantidad de vectores
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesDefinición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n.
Índice general 1. Álgebra de Matrices 1 1.1. Conceptos Fundamentales............................ 1 1.1.1. Vectores y Matrices........................... 1 1.1.2. Transpuesta................................
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
UNIVERSIDAD REY JUAN CARLOS, MADRID PRUEBA DE ACCESO PARA MAYORES DE 25 AÑOS MATEMÁTICAS II AÑO 2014 OPCIÓN A Ejercicio 1 a) (1 punto) Determinar el valor del parámetro para que los puntos A(1,2,0), B(5,-4,0)
Más detallesE.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Noviembre
Más detallesTema 6: Resolución aproximada de sistemas de ecuaciones lineales
Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detallesCap 3: Álgebra lineal
Universidad Nacional de Ingeniería Facultad de Ciencias Cálculo Numérico 1 IF321 Cap 3: Álgebra lineal Prof: J. Solano 2018-I INTRODUCCION Aqui trabjaremos con operaciones basicas con matrices, tales como
Más detalles2.1 Introducción. Propiedades.
19 2 MATRICES II: DETERMINANTES En este segundo capítulo de matrices, aprenderemos a utilizar una herramienta muy importante como son los determinantes Gracias a ellos, podremos calcular la inversa de
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
UNIVERSIDAD REY JUAN CARLOS, MADRID PRUEBA DE ACCESO PARA MAYORES DE 25 AÑOS MATEMÁTICAS II AÑO 2011 OPCIÓN A Ejercicio 1 (2 puntos) Hallar el valor o los valores del parámetro para los que el siguiente
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detallesÁlgebra Lineal. Tema 12. Geometría de las transformaciones lineales en R
Álgebra Lineal Tema 12. Geometría de las transformaciones lineales en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE
Más detallesFUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 8. MATRICES
FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 8. MATRICES 1.- Introducción de vectores y matrices. Con Derive los vectores se pueden introducir de dos formas distintas: a) Mediante
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x
Más detallesUn modelo para representar una relación aproximadamente
Regresión Se han visto algunos ejemplos donde parece que haya una relación aproximadamente lineal entre dos variables. Supongamos que queremos estimar la relación entre las dos variables. Cómo ajustamos
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesAjuste por mínimos cuadrados
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Planteamiento 2 Criterio de mínimos cuadrados 3 Casos concretos: regresión lineal
Más detallesCálculo Numérico. Curso Ejercicios: Preliminares I
Cálculo Numérico. Curso 07-08. Ejercicios: Preliminares I 1. (a) Compruebe que la inversa de una matriz, L, triangular inferior de orden n puede calcularse como sigue: Para j = 1,,..., n e i = j, j + 1,...,
Más detallesACTIVIDADES SELECTIVIDAD MATRICES
ACTIVIDADES SELECTIVIDAD MATRICES Ejercicio 1 Para qué valores de m tiene solución la ecuación matricial? (b) Resuelve la ecuación matricial dada para. Ejercicio 2 Siendo I la matriz identidad de orden
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Modelo 2008) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Modelo 28) Selectividad-Opción A Tiempo: 9 minutos Problema 1 (3 puntos) Dadas las matrices A = y B = 1 1 2 1 1 n 1 1 1, X = a) Hallar los valores
Más detallesDepartamento de Matemática Aplicada CÁLCULO COMPUTACIONAL. Licenciatura en Química (Curso ) Matrices Práctica 1
Departamento de Matemática Aplicada CÁLCULO COMPUTACIONAL. Licenciatura en Química (Curso 2005-06) Matrices Práctica 1 1. Introducción En esta práctica vamos a profundizar un poco en las capacidades de
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesINSTITUTO TECNOLOGICO SUPERIOR DE TEPOSCOLULA CARRERA: INGIENERIA SISTEMAS COMPUTACIONALES CATEDRATICO: ING. MARCO ANTONIO RUIZ VICENTE
INSTITUTO TECNOLOGICO SUPERIOR DE TEPOSCOLULA CARRERA: INGIENERIA SISTEMAS COMPUTACIONALES 2 SEMESTRE MATERIA: ALGEBRA LINEAL CATEDRATICO: ING. MARCO ANTONIO RUIZ VICENTE NOMBRE DEL ALUMNO: FERNANDO LUZ
Más detallesGuía. Álgebra III. Examen parcial I. Determinantes. Formas cuadráticas.
Guía. Álgebra III. Examen parcial I. Determinantes. Formas cuadráticas. Teoremas con demostraciones que se pueden incluir en el examen: 1. Teorema del determinante de la matriz transpuesta. 2. Propiedad
Más detallesEconometría de series de tiempo aplicada a macroeconomía y finanzas
Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo Estacionarias (Multivariadas) Carlos Capistrán Carmona ITAM 1 Principios de Pronóstico. 2 Pruebas de Hipótesis. 3 Estimación
Más detallesMétodo de mínimo cuadrados (continuación)
Clase No. 10: Método de mínimo cuadrados (continuación) MAT 251 Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesEstimación de homografías
Estimación de homografías Visión en Robótica 1er cuatrimestre de 2013 1 Introducción del problema Una homografía es una transformación proyectiva que determina una correspondencia entre puntos El problema
Más detallesDe manera similar, un tensor se puede expresar en un sistema diferente por medio de la transformación matricial:"
Ahora bien, recordemos que un vector permanece igual sin importar el sistema coordenado en que se refiere, sin embargo los componentes del vector pueden ser expresados en otro sistema coordenado por medio
Más detallesEstadística para la Economía y la Gestión IN 3401
Estadística para la Economía y la Gestión IN 3401 3 de junio de 2010 1 Modelo de Regresión con 2 Variables Método de Mínimos Cuadrados Ordinarios Supuestos detrás del método MCO Errores estándar de los
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detalles( ) + + β i ( x x i ) +
4.. Spline Cúbico clase 1 Una función como la de (4.9) se dice que es un spline cúbico clase 1 si cada s i = s i (x) es un polinomio de grado y la función es continua y derivable en todo el intervalo;
Más detallesESPACIOS VECTORIALES Y APLICACIONES LINEALES
Departamento de Matemática Aplicada II E.E.I. ÁLGEBRA Y ESTADÍSTICA Boletín n o (010-011 ESPACIOS VECTORIALES Y APLICACIONES LINEALES 1. En el espacio vectorial ordinario R 4 estudiar cuáles de los siguientes
Más detallesTema 7: Derivada de una función
Tema 7: Derivada de una función Antes de dar la definición de derivada de una función en un punto, vamos a introducir dos ejemplos o motivaciones iniciales que nos van a dar la medida de la importancia
Más detallesDOCENTE: JESÚS E. BARRIOS P.
DOCENTE: JESÚS E. BARRIOS P. DEFINICIONES Es larga la historia del uso de las matrices para resolver ecuaciones lineales. Un texto matemático chino que proviene del año 300 A. C. a 200 A. C., Nueve capítulos
Más detallesApuntes de Series Temporales
Apuntes de Series Temporales David Rodríguez 7 de Noviembre de 2009. Modelos de Series Temporales Modelo AR() El modelo AutoRegresivo AR() es un proceso aleatorio de la forma X t = ϕx t + σϵ t, ϵ t N (0,
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 detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesOptimización en Ingeniería
Optimización en Ingeniería Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx El Método de Marquardt Algoritmo Paso 1:
Más detalles