Distribución Normal estándar acumulada

Referencia: Gubner 5.1 Table 5.1 p 189

Valores de la función de distribución acumulada normal estandar Φ(x) y su complementaria Q(x)= 1- Φ(x). Para evaluar Φ y Q para argumentos negativos, use el hecho que la densidad normal estándar es par, Φ(-x) = Q(x).

Φ(x)=12πxet2/2dt \Phi(x)= \frac{1}{\sqrt{2 \pi}} \int_{-\infty}^{x} e^{-t^2 /2} dt Q(x)=1Φ(x)=12πxet2/2dt Q(x) = 1- \Phi(x) = \frac{1}{\sqrt{2 \pi}} \int_{x}^{\infty} e^{-t^2 /2} dt
x Φ(x) Q(x) x Φ(x) Q(x)
0.0 0.5000 0.5000 2.0 0.9772 0.0228
0.1 0.5398 0.4602 2.1 0.9821 0.0179
0.2 0.5793 0.4207 2.2 0.9861 0.0139
0.3 0.6179 0.3821 2.3 0.9893 0.0107
0.4 0.6554 0.3446 2.4 0.9918 0.0082
0.5 0.6915 0.3085 2.5 0.9938 0.0062
0.6 0.7257 0.2743 2.6 0.9953 0.0047
0.7 0.7580 0.2420 2.7 0.9965 0.0035
0.8 0.7881 0.2119 2.8 0.9974 0.0026
0.9 0.8159 0.1841 2.9 0.9981 0.0019
1.0 0.8413 0.1587 3.0 0.9987 0.0013
1.1 0.8643 0.1357 3.1 0.9990 0.0010
1.2 0.8849 0.1151 3.2 0.9993 0.0007
1.3 0.9032 0.0968 3.3 0.9995 0.0005
1.4 0.9192 0.0808 3.4 0.9997 0.0003
1.5 0.9332 0.0668 3.5 0.9998 0.0002
1.6 0.9452 0.0548 3.6 0.9998 0.0002
1.7 0.9554 0.0446 3.7 0.9999 0.0001
1.8 0.9641 0.0359 3.8 0.9999 0.0001
1.9 0.9713 0.0287 3.9 1.0000 0.0000

Variables Aleatorias Contínuas

Referencia: León-García 445 Important Continuous Random Variables p164

[uniforme] [Exponencial] [Normal] [Gamma] [Erlang m-1] [Chi-cuadrado] [Lapacian] [Rayleigh] [Cauchy] [Pareto] [Beta]

.


Uniforme


SX=[a,b] S_X = [a,b] fX(x)=1ba f_X(x) = \frac{1}{b-a} axb a\leq x \leq b E[X]=a+b2 E[X] = \frac{a+b}{2} VAR[X]=(ba)212 VAR[X] = \frac{(b-a)^2}{12} ΦX(ω)=ejωbejωajω(ba) \Phi_X(\omega) = \frac{e^{j\omega b}- e^{j\omega a}}{j\omega(b-a)}

.


Exponencial


SX=[0,) S_X = [0, \infty) fX(x)=λeλc f_X(x) = \lambda e ^{-\lambda c} x0 , λ>0 x \geq 0 \text{ , } \lambda > 0 E[X]=1λ E[X] = \frac{1}{\lambda} VAR[X]=1λ2 VAR[X] = \frac{1}{\lambda ^2} ΦX(ω)=λλjω \Phi_X(\omega) = \frac{\lambda}{\lambda - j\omega}

Nota: La variable aleatoria exponencial es la única variable aleatoria contínua con propiedad «sin memoria»

.


Normal o Gausiana


SX=(,+) S_X = (-\infty, +\infty) fX(x)=e(xm)2/2σ22πσ f_X(x) = \frac{e^{-(x-m)^2 /2 \sigma ^2}}{\sqrt{2 \pi}\sigma}

– ∞ < x < + ∞ , σ >0

E[X]=m E[X] = m VAR[X]=σ2 VAR[X] = \sigma ^2 ΦX(ω)=ejmωσ2ω2/2 \Phi_X(\omega) = e^{jm\omega - \sigma ^2 \omega ^2 /2}

Nota: En un amplio rango de condiciones, X puede ser usada para aproximar la suma de un gran número de variables aleatorias independientes

.


Gamma


SX=(0,) S_X = (0, \infty) fX(x)=λ(λx)α1eλxΓ(α) f_X(x) = \frac{ \lambda (\lambda x)^{\alpha -1} e^{-\lambda x} } {\Gamma(\alpha)} x>0,α>0,λ>0 x > 0, \alpha >0, \lambda > 0
donde Γ(z) \Gamma(z)  es la función gamma:
Γ(z)=0xz1exdx,z>0 \Gamma(z) = \int_{0}^{\infty} x^{z-1}  e^{-x} dx , z>0
Γ(12)=π \Gamma \left(\frac{1}{2} \right) = \sqrt{\pi}
Γ(z+1)=zΓ(z),z>0 \Gamma (z+1) = z \Gamma(z) , z>0 
Γ(m+1)=m!,m>0, y entero \Gamma (m+1) = m!  , m>0 \text{, y entero}
E[x]=αλ E[x] = \frac{\alpha}{\lambda} VAR[X]=αλ2 VAR[X] = \frac{\alpha}{\lambda^2} ΦX(ω)=1(1jω/λ)α \Phi_X(\omega) =\frac{1}{(1-j\omega /\lambda)^{\alpha}}

Casos especiales de Gamma
.

Erlang m-1

α=m, entero positivo \alpha = m \text{, entero positivo}

fX(x)=λeλx(λx)m2(m1)! f_X(x) = \frac{ \lambda e^{-\lambda x }(\lambda x)^{m - 2} } {(m-1)!}x>0 x>0

ΦX(ω)=(11jω/λ)m \Phi_X(\omega) = \left( \frac{1}{1-j\omega /\lambda} \right) ^{m}

Nota: Una variable aleatoria Erlang m-1 se obtiene al añadir m variables aleatorias exponenciales independientes con parámetro λ
.

Chi-cuadrado
con k grados de libertad:

α=k/2, k entero positivo y λ=1/2 \alpha = k/2 \text{, k entero positivo y } \lambda =1/2 fX(x)=x(k2)/2ex/22k/2Γ(k/2) f_X(x) = \frac{ x^{(k - 2)/2} e^{-x/2} } {2^{k/2} \Gamma (k/2)} x>0 x>0 ΦX(ω)=(112jω)k/2 \Phi_X(\omega) = \left( \frac{1}{1-2j\omega} \right) ^{k/2}

Nota: la suma de k variables aleatorias Gausianas, mutuamente independientes, con varianza unitaria, media cuadrada 0, es una variable aleatoria Chi-cuadrada con k grados de libertad.

.


Lapacian


SX=(,+) S_X = (-\infty, +\infty) fX(x)=α2eαx f_X(x) = \frac{\alpha}{2} e^{-\alpha|x|}

– ∞ < x < + ∞ , α >0

E[x]=0 E[x] =0 VAR[X]=2α2 VAR[X] = \frac{2}{\alpha^2} ΦX(ω)=α2ω2+α2 \Phi_X(\omega) = \frac{\alpha^2}{\omega ^2 + \alpha ^2}

.


Rayleigh


SX=[0,) S_X = [0, \infty) fX(x)=xα2ex2/2α2 f_X(x) = \frac{x}{\alpha^2} e^{-x^2/2\alpha^2} x0,α>0 x \geq 0 , \alpha>0 E[X]=απ/2 E[X] = \alpha \sqrt{\pi/2} VAR[X]=(2π/2)α2 VAR[X] =(2- \pi/2) \alpha^2

.


Cauchy


SX=(,+) S_X = (-\infty, +\infty) fX(x)=α/πx2+α2 f_X(x) = \frac{\alpha / \pi}{x ^2 + \alpha ^2}

– ∞ < x < + ∞ , α >0

NO existe la media o varianza

ΦX(ω)=eαω \Phi_X(\omega) = e^{-\alpha|\omega| }

.


Pareto


SX=[Xm,+),Xm>0 S_X = [X_m, +\infty) , X_m>0 fX(x)={0x<xmαxmαxα+1xxm f_X(x) = \begin{cases} 0 && x< x_m\\ \alpha \frac{x_m^{\alpha}}{x^{\alpha+1}} && x \geq x_m \end{cases} E[X]=αxmα1,α>1 E[X] =\frac{\alpha x_m}{\alpha - 1}, \alpha >1 VAR[X]=αxm2(α2)(α1)2,α>2 VAR[X] =\frac{\alpha x_m^2}{(\alpha - 2)(\alpha-1)^2}, \alpha >2

Nota: La variable aleatoria Pareto es el ejemplo mas destacado de variables aleatorias con colas largas y puede ser vista como una versión contínua de la variable aleatoria discreta Zipf

.


Beta


fX(x)={Γ(α+β)Γ(α)Γ(β)xα1(1x)β1,α>0,β>0,0<x<10otro caso f_X(x) = \begin{cases} \frac{\Gamma (\alpha + \beta)}{\Gamma(\alpha) \Gamma(\beta)} x^{\alpha-1} (1-x)^{\beta-1} && ,\alpha>0 \\, && \beta>0 \\ , && 0 < x < 1 \\ 0 && \text{otro caso} \end{cases} E[X]=αα+β E[X] = \frac{\alpha}{\alpha + \beta} VAR[X]=αβ(α+β)2(α+β+1) VAR[X] = \frac{\alpha\beta}{(\alpha + \beta)^2 (\alpha + \beta + 1)}

Nota: La variable aleatoria Beta es util para modelar una variedad de formas de funciones de densidad de probabilidad en intervalos finitos


[uniforme] [Exponencial] [Normal] [Gamma] [Erlang m-1] [Chi-cuadrado] [Lapacian] [Rayleigh] [Cauchy] [Pareto] [Beta]


Variables Aleatorias Discretas

Referencia: León-García 3.5 Important Discrete Random Variables p115

[Bernoulli] [Binomial] [Geométrica] [Binomial Negativa] [Poisson] [Uniforme] [Zipf]

..


Bernoulli


SX={0,1} S_X=\{0, 1 \} p0=q=1p p_0 = q = 1-p p1=p,0p1 p_1=p, 0 \leq p \leq 1 E[X]=p E[X] = p VAR[x]=p(1p) VAR[x] = p(1-p) GX(z)=(q+pz) G_X(z)=(q+pz)

Nota: La variable aleatoria Bernoulli es es valor de la función indicador IA para algún evento; X=1 si ocurre A, y 0 en otro caso

.


Binomial


SX={0,1,...,n} S_X=\{0, 1, ... , n \} pk=(nk)pk(1p)nk p_k={n \choose k} p^{k} (1-p)^{n-k} k=0,1,...,n k = 0, 1, ... , n E[X]=np E[X]= np VAR[X]=np(1p) VAR[X] = np(1-p) GX(z)=(q+pz)n G_X(z)= (q + pz)^{n}

Nota: X es el numero de éxtidos en n intentos Bernoulli y por consiguiente la suma de n iid variables aleatorias Bernoulli.

.


Geométrica


Versión 1:

SX={0,1,2,...} S_X=\{0, 1, 2, ... \} pk=p(1p)k p_k = p(1-p)^{k} k=0,1,,... k= 0, 1, , ... E[X]=1pp E[X] =\frac{1-p}{p} VAR[X]=1pp2 VAR[X] = \frac{1-p}{p^2} GX(z)=p1qz G_X(z) = \frac{p}{1-qz}

Nota: X es el número de fallas antes del primer éxito en una secuencia de intentos Bernoulli independientes. La variable aleatoria geométrica es la única una variable aleatoria con propiedad «sin memoria».

Versión 2:

SX={1,2,...} S_X'=\{ 1, 2, ... \} pk=p(1p)k1 p_k = p(1-p)^{k-1} k=1,2,... k= 1, 2, ... E[X]=1p E[X'] =\frac{1}{p} VAR[X]=1pp2 VAR[X'] = \frac{1-p}{p^2} GX(z)=pz1qz G_{X'}(z) = \frac{pz}{1-qz}

Nota: X’= X+1 es el número de intentos hasta primer éxito en una secuencia de intentos Bernoulli independientes.

.


Binomial Negativa


SX={r,r+1,...} S_X=\{ r, r+1, ... \}

, donde r es un entero positivo

pk=(k1r1)pr(1p)kr p_k = {{k-1} \choose {r-1}} p^{r}(1-p)^{k-r} k=r,r+1,... k = r, r+1, ... E[x]=rp E[x] = \frac{r}{p} VAR[X]=r(1p)p2 VAR[X] = \frac{r(1-p)}{p^2} GX(z)=(pz1qz)r G_X(z) = \left( \frac{pz}{1-qz}\right)^{r}

Nota: X es el número de intentos hasta el r-ésimo éxito en una secuencia de intentos Bernoulli independientes

.


Poisson


SX={0,1,2,...} S_X=\{0, 1, 2, ... \} pk=αkk!eα p_k = \frac{\alpha ^{k}}{k!} e^{-\alpha} k=0,1,... y α>0 k = 0, 1, ... \text{ y } \alpha>0 E[X]=α E[X] = \alpha VAR[X]=α VAR[X] = \alpha GX(z)=eα(z1) G_X(z) = e^{\alpha(z-1)}

Nota: X es el número de eventos que ocurren en una unidad de tiempo cuando el tiempo entre eventos es distribuido exponencialmente con media 1/α.

.


Uniforme


SX={1,2,...,L} S_X=\{1, 2, ..., L \} pk=1L p_k = \frac{1}{L} k=1,2,...,L k = 1, 2, ... , L E[X]=L+12 E[X] = \frac{L+1}{2} VAR[X]=L2112 VAR[X] = \frac{L^2 -1}{12} GX(z)=zL1zL1z G_X(z) = \frac{z}{L} \frac{1- z^L}{1-z}

Nota: La variable aleatoria uniforme sus resultados son igualmente probables. Juega un rol importante en la generación de números aleatorios

.


Zipf


SX={1,2,...,L} S_X=\{1, 2, ..., L \}

, donde L es un entero positivo

pk=1cL1k p_k = \frac{1}{c_L} \frac{1}{k} k=1,2,...,L k = 1, 2, ... , L

donde cL esta dado por:

cL=j=1L=1+12+13+...+1L c_L = \sum_{j=1}^{L} = 1 + \frac{1}{2} + \frac{1}{3} + ... + \frac{1}{L} E[X]=LcL E[X] =\frac{L}{c_L} VAR[X]=L(L+1)2CLL2cL2 VAR[X] = \frac{L(L+1)}{2C_L} - \frac{L^2}{c_L ^2}

Nota: La variable aleatoria Zipf tiene la propiedad que algunos resultados ocurren frecuentemente, pero muchos resultados suceden muy poco


[Bernoulli] [Binomial] [Geométrica] [Binomial Negativa] [Poisson] [Uniforme] [Zipf]


Expansiones de Series

Referencia: Leon W Couch Apéndice p658

Series Finitas

n=1Nn=N(N+1)2 \sum_{n=1}^{N} n = \frac{N(N+1)}{2} n=1Nn2=N(N+1)(2N+1)6 \sum_{n=1}^{N} n^2 = \frac{N(N+1)(2N+1)}{6} n=1Nn3=N2(N+1)24 \sum_{n=1}^{N} n^3 = \frac{N^2(N+1)^2}{4} n=0Nan=aN+11a1 \sum_{n=0}^{N} a^n = \frac{a^{N+1}-1}{a-1} n=0NN!n!(Nn)!xnyNn=(x+y)N \sum_{n=0}^{N} \frac{N!}{n!(N-n)!}x^n y^{N-n} = (x+y)^N n=0Nej(θ+nϕ)=sen[(N+1)ϕ2]sen(ϕ2)ej[θ+(Nϕ2)] \sum_{n=0}^{N} e^{j(\theta+n\phi)} = \frac{sen \left[(N+1) \frac{\phi}{2}\right] }{sen \left( \frac{\phi}{2} \right)} e^{j [ \theta + \left( N \frac{\phi}{2} \right) ]}
n=0N(Nk)aNkbk=(a+b)N, \sum_{n=0}^{N} {N \choose k} a^{N-k}b^{k} = (a+b)^N, donde:(Nk)=N!(Nk)!k! donde: {N \choose k} = \frac{N!}{(N-k)!k!}

Series Infinitas

Serie de Taylor

f(x)=n=0(f(n)(a)n!)(xa)n f(x) = \sum_{n=0}^{\infty} \left( \frac{f^{(n)}(a)}{n!} \right) (x-a)^n

Serie de Fourier

f(x)=n=cnejnω0x f(x) = \sum_{n=-\infty}^{\infty} c_n e^{jn\omega_0 x} ax(a+T) a\leq x \leq (a+T) donde:cn=1Taa+Tf(x)ejnω0xdx donde: c_n = \frac{1}{T} \int_{a}^{a+T} f(x) e^{-jn\omega_0 x} dx ωo=2πT \omega_o = \frac{2\pi}{T}

otras series

ex=n=0xnn! e^x = \sum_{n=0}^{\infty} \frac{x^n}{n!} sen(x)=n=0(1)nx2n+1(2n+1)! sen(x) = \sum_{n=0}^{\infty} \frac{(-1)^n x^{2n+1}}{(2n+1)!} cos(x)=n=0(1)nx2n(2n)! cos(x) = \sum_{n=0}^{\infty} \frac{(-1)^n x^{2n}}{(2n)!}

Tabla de Integrales Definidas

Referencia: Leon W Couch Apéndice p657, 658

Integrales Definidas

Definición

f(x)dx=limΔ0(n[f(nΔx)]Δx) \int f(x) dx = \lim_{\Delta \rightarrow 0} \left( \sum_{n} \left[ f(n \Delta x)\right] \Delta x \right)

Cambio de variable. Sea v=u(x)

abf(x)dx=u(a)u(b)(f(x)dv/dxx=u1(v))dv \int_{a}^{b} f(x) dx = \int_{u(a)}^{u(b)} \left( \left. \frac{f(x)}{dv/dx} \right|_{x=u^{-1}(v)}\right) dv

integración por partes

udv=uvvdu \int u dv = uv - \int v du

Integrales Definidas

0xm11+xndx=π/nsen(mπ/n), n>m>0 \int_{0}^{\infty} \frac{x^{m-1}}{1+x^n} dx = \frac{\pi /n}{sen(m\pi/n)}, \text{ }n>m>0
0xα1exdx=Γ(α),α>0 \int_{0}^{\infty} x^{\alpha-1}e^{-x} dx = \Gamma(\alpha) , \alpha > 0 donde: Γ(α+1)=αΓ(α), \text{donde: }\Gamma(\alpha +1) = \alpha \Gamma(\alpha), Γ(1)=1, \Gamma (1) = 1, Γ[1/2]=π, \Gamma [1/2] = \sqrt{\pi}, Γ(n)=(n1)!, si n es entero positivo  \Gamma(n) = (n-1)! \text{, si n es entero positivo }
0x2neax2dx=135(2n1)2n+1anπa \int_{0}^{\infty} x^{2n} e^{-ax^2} dx =\frac{1 \cdot 3 \cdot 5 \cdot \cdot \cdot (2n-1)}{2^{n+1}a^{n}} \sqrt{\frac{\pi}{a}} ea2x2+bxdx=πaeb2/(4a2),a>0 \int_{-\infty}^{\infty} e^{-a^2 x^2 + bx} dx =\frac{\sqrt{\pi}}{a} e^{b^2/(4a^2)}, a>0 0eaxcos(bx)dx=aa2+b2,a>0 \int_{0}^{\infty} e^{-ax}cos(bx) dx = \frac{a}{a^2+b^2}, a>0 0eaxsen(bx)dx=ba2+b2,a>0 \int_{0}^{\infty} e^{-ax}sen(bx) dx = \frac{b}{a^2+b^2}, a>0 0ea2x2cos(bx)dx=πeb2/4a22a,a>0 \int_{0}^{\infty} e^{-a^2x^2}cos(bx) dx = \frac{\sqrt{\pi} e^{-b^2/4a^2}}{2a}, a>0
0xα1cos(bx)dx= \int_{0}^{\infty} x^{\alpha-1}cos(bx) dx = Γ(α)bαcos(12πα),\frac{\Gamma(\alpha)}{b^{\alpha}} cos \left(\frac{1}{2}\pi \alpha \right), 0<α<1,b>0 0<\alpha < 1, b >0
0xα1sen(bx)dx=Γ(α)bαsen(12πα), \int_{0}^{\infty} x^{\alpha-1}sen(bx) dx = \frac{\Gamma(\alpha)}{b^{\alpha}} sen \left(\frac{1}{2}\pi \alpha \right), 0<α<1,b>0 0<|\alpha| < 1, b >0
0xeax2Ik(bx)dx=12aeb2/4a, \int_{0}^{\infty} x e^{-ax^2} I_k(bx) dx = \frac{1}{2a} e^{b^2/4a}, donde: Ik(bx)=1π0πebxcos(θ)cos(kθ)dθ \text{donde: } I_k(bx)=\frac{1}{\pi}\int_{0}^{\pi} e^{bx cos(\theta)} cos(k\theta) d\theta
0sen(x)xdx=0Sa(x)dx=π2 \int_{0}^{\infty} \frac{sen(x)}{x} dx = \int_{0}^{\infty} Sa(x) dx = \frac{\pi}{2} 0(sen(x)x)2dx=0Sa2(x)dx=π2 \int_{0}^{\infty} \left( \frac{sen(x)}{x} \right)^2 dx = \int_{0}^{\infty} Sa^2(x) dx = \frac{\pi}{2} e±j2πyxdx=δ(y) \int_{-\infty}^{\infty} e^{\pm j2 \pi yx} dx = \delta (y) 0cos(ax)b2+x2dx=π2beab,a>0,b>0 \int_{0}^{\infty}\frac{cos(ax)}{b^2 + x^2}dx = \frac{\pi}{2b} e^{-ab}, a>0,b>0 0xsen(ax)b2+x2dx=π2eab,a>0,b>0 \int_{0}^{\infty}\frac{x sen(ax)}{b^2 + x^2}dx = \frac{\pi}{2} e^{-ab}, a>0,b>0

Tabla de Integrales Indefinidas

Referencia: Leon W Couch Apéndice p656

Integrales Indefinidas

(a+bx)ndx=(a+bx)n+1b(n+1),0<n \int (a+bx)^n dx = \frac{(a+bx)^{n+1}} {b(n+1)}, 0<n dxa+bx=1blna+bx \int \frac{dx}{a+bx} =\frac{1}{b} ln|a+bx| dx(a+bx)n=1(n1)b(a+bx)n1,1<n \int \frac{dx}{(a+bx)^n} = \frac{-1}{(n-1)b(a+bx)^{n-1}} , 1<n
dx(c+bc+ax2)n= \int \frac{dx}{(c+bc+ax^2)^n} = ={24acb2tan1(2ax+b4acb2),b2<4ac1b24acln2ax+bb24ac2ax+b+b24ac,b2>4ac22ax+b,b2=4ac= \begin{cases} \frac{2}{ \sqrt{4ac-b^2}} tan^{-1}\left(\frac{2ax+b}{\sqrt{4ac-b^2}}\right) , & b^{2} < 4ac \\ \frac{1}{\sqrt{b^2-4ac}}ln\left| \frac{2ax+b-\sqrt{b^2-4ac}}{2ax+b+\sqrt{b^2-4ac}} \right| , & b^{2} > 4ac \\ \frac{-2}{\sqrt{2ax+b}} , & b^{2}=4ac \end{cases}
xdxc+bx+ax2= \int \frac{x dx}{c+bx+ax^2} = =12alnax2+bx+cb2adxc+bx+ax2 = \frac{1}{2a} ln\left| ax^2+bx+c \right| - \frac{b}{2a}\int \frac{dx}{c+bx+ax^2}
dxa2+b2x2=1abtan1(bxa) \int \frac{dx}{a^2+b^2x^2} = \frac{1}{ab} tan^{-1}\left( \frac{bx}{a} \right) xdxa2+x2=12ln(a2+x2) \int \frac{x dx}{a^2+x^2} = \frac{1}{2} ln( a^2+x^2 )

Trigonométricas

cos(x)dx=sen(x) \int cos(x) dx = sen(x) sen(x)dx=cos(x) \int sen(x) dx = -cos(x) xcos(x)dx=cos(x)+xsen(x) \int x cos(x) dx = cos(x) + x sen(x) xsen(x)dx=sen(x)xcos(x) \int x sen(x) dx = sen(x) - x cos(x) x2cos(x)dx=2xcos(x)+(x22)sen(x) \int x^2 cos(x) dx = 2x cos(x) + (x^2 -2) sen(x) x2sen(x)dx=2xsen(x)(x22)cos(x) \int x^2 sen(x) dx = 2x sen(x) - (x^2 -2) cos(x)

Exponenciales

eaxdx=eaxa \int e^{ax} dx = \frac{e^{ax}}{a} xeaxdx=eax(xa1a2) \int x e^{ax} dx = e^{ax} \left( \frac{x}{a} - \frac{1}{a^2} \right) x2eaxdx=eax(x2a2xa2+2a3) \int x^2 e^{ax} dx = e^{ax} \left( \frac{x^2}{a} - \frac{2x}{a^2} + \frac{2}{a^3} \right) x3eaxdx=eax(x3a3x2a2+6xa36a4) \int x^3 e^{ax} dx = e^{ax} \left( \frac{x^3}{a} - \frac{3x^2}{a^2} + \frac{6x}{a^3} - \frac{6}{a^4}\right) eaxsen(x)dx=eaxa2+1(asen(x)cos(x)) \int e^{ax} sen(x) dx = \frac{e^{ax}}{a^2 +1} (a sen(x) - cos(x)) eaxcos(x)dx=eaxa2+1(acos(x)sen(x)) \int e^{ax} cos(x) dx = \frac{e^{ax}}{a^2 +1} (a cos(x) - sen(x))

Tabla de Números Complejos

Referencia: Leon W Couch Apéndice p653

Definiciones

sen(x)=ejxejx2j sen(x) = \frac{e^{jx}-e^{-jx}}{2j} cos(x)=ejx+ejx2 cos(x) = \frac{e^{jx}+e^{-jx}}{2} tan(x)=sen(x)cos(x)=ejxejxj(ejx+ejx) tan(x) = \frac{sen(x)}{cos(x)}= \frac{e^{jx}-e^{-jx}}{j(e^{jx}+e^{-jx})}

Teorema de Euler

e±jx=cos(x)±jsen(x) e^{\pm jx} = cos(x) \pm j sen(x)

Complejos

e±jπ/2=±j e^{\pm j\pi /2} = \pm j e±jnπ={1, n par1, n impar e^{\pm jn\pi} = \begin {cases} 1 \text{, n par} \\ -1 \text{, n impar}\end{cases}

forma rectangular

x+jy=Rejθ x + jy = Re^{j\theta} R=x2+y2 R = \sqrt{ x^2 + y^2} θ=tab1(yx) \theta = tab^{-1}\left( \frac{y}{x} \right)

a una potencia

(Rejθ)y=Ryejyθ \left( R e^{j\theta} \right)^y = R^y e^{jy\theta} (R1ejθ1)(R2ejθ2)=R1R2j(θ1+θ2) \left( R_1 e^{j\theta_1} \right) \left( R_2 e^{j\theta_2} \right) = R_1 R_2 ^{j(\theta_1+\theta_2)}

Tablas trigonométricas

Referencia: Leon W Couch Apéndice p653

cos(x±y)=cos(x)cos(y)sen(x)sen(y) cos(x \pm y)= cos(x)cos(y) \mp sen(x)sen(y) sen(x±y)=sen(x)cos(y)±cos(x)sen(y) sen(x \pm y) = sen(x)cos(y) \pm cos(x) sen(y) cos(x±π2)=sen(x) cos\left( x \pm \frac{\pi}{2}\right) = \mp sen(x) sen(x±π2)=±cos(x) sen\left( x \pm \frac{\pi}{2}\right) = \pm cos(x) cos(2x)=cos2(x)sen2(x) cos(2x)= cos^2 (x)- sen^2(x) sen(2x)=2sen(x)cos(x) sen(2x)= 2sen(x)cos(x) 2cos(x)cos(y)=cos(xy)+cos(x+y) 2 cos(x)cos(y) = cos(x-y) + cos(x+y) 2sen(x)sen(y)=cos(xy)cos(x+y) 2 sen(x)sen(y) = cos(x-y) - cos(x+y) 2sen(x)cos(y)=sen(xy)+sen(x+y) 2 sen(x)cos(y) = sen(x-y) + sen(x+y) 2cos2(x)=1+cos(2x) 2 cos^2(x) = 1 + cos(2x) 2sen2(x)=1cos(2x) 2 sen^2(x) = 1 - cos(2x) 4cos3(x)=3cos(x)+cos(3x) 4 cos^3(x) = 3cos(x) + cos(3x) 4sen3(x)=3sen(x)+sen(3x) 4 sen^3(x) = 3sen(x) + sen(3x) 8cos4(x)=3+4cos(2x)+cos(4x) 8 cos^4(x) = 3 + 4cos(2x) + cos(4x) 8sen4(x)=34cos(2x)+cos(4x) 8 sen^4(x) = 3 - 4cos(2x) + cos(4x)

con magnitud R y fase Θ

Rcos(x+θ)=Acos(x)Bsen(x) R cos(x + \theta) = A cos(x) - B sen(x)

donde

R=A2+B2 R = \sqrt{A^2+B^2} θ=tan1(BA) \theta = tan^{-1}(\frac{B}{A}) A=Rcos(θ) A = R cos(\theta) B=Rsen(θ) B = R sen(\theta)

Tabla de derivadas

Referencia: Leon W Couch Apéndice p656

Tabla de Derivadas

Definición

ddx[f(x)]=limΔx 0f(x+Δx2)f(xΔx2)Δx \frac{d}{dx}[ f(x) ]= \lim_{\Delta x \rightarrow\ 0} \frac{f \big( x+\frac{\Delta x}{2} \big)- f\big( x-\frac{\Delta x}{2}\big) }{\Delta x}

Regla del producto

ddx[u(x)v(x)]=u(x)dv(x)dx+v(x)du(x)dx \frac{d}{dx}[u(x) v(x)]= u(x)\frac{dv(x)}{dx} + v(x)\frac{du(x)}{dx}

Regla del cociente

ddx[u(x)v(x)]=1v2(x)[v(x)du(x)dxu(x)dv(x)dx] \frac{d}{dx} \left[ \frac{u(x)}{v(x)}\right] = \frac{1}{v^2(x)} \left[ v(x)\frac{du(x)}{dx}- u(x)\frac{dv(x)}{dx}\right]

Regla de la cadena

ddxu[v(x)]=dudvdvdx \frac{d}{dx}u[v(x)]= \frac{du}{dv}\frac{dv}{dx}

Potenciación

ddx[xn]=nxn1 \frac{d}{dx}[ x^n ]= nx^{n-1}

Exponenciales

ddx[eax]=aeax \frac{d}{dx} [ e ^{ax} ] = a e^{ax} ddx[ax]=axln(a) \frac{d}{dx} [ a ^{x} ]= a^x ln(a)

Logaritmicas

ddx[ln(x)]=1x \frac{d}{dx} [ ln(x) ] = \frac{1}{x} ddx[loga(x)]=1xlogae \frac{d}{dx}[ log_a (x) ] = \frac{1}{x} log_a e

Trigonométricas

ddx[sen(ax)]=a cos(ax) \frac{d}{dx}[sen(ax)]= a\text{ } cos(ax) ddx[cos(ax)]=a sen(ax) \frac{d}{dx}[cos(ax)]= -a\text{ }sen(ax) ddx[tan(ax)]=acos2(ax) \frac{d}{dx}[tan(ax)]= \frac{a} {cos^2(ax)} ddx[sen1(ax)]=a1(ax)2 \frac{d}{dx}[sen^{-1}(ax)]= \frac{a} {\sqrt{1-(ax)^2}} ddx[cos1(ax)]=a1(ax)2 \frac{d}{dx}[cos^{-1}(ax)]= \frac{-a} {\sqrt{1-(ax)^2}} ddx[tan1(ax)]=a1+(ax)2 \frac{d}{dx}[tan^{-1}(ax)]= \frac{a} {{1+(ax)^2}}

Regla de Leibniz

ddx[a(x)b(x)f(λ,x)dλ]= \frac{d}{dx}\left[ \int_{a(x)}^{b(x)} f(\lambda,x) d\lambda \right] =
=f(b(x),x)ddx[b(x)]f(a(x),x)ddx[a(x)]+ = f(b(x),x) \frac{d}{dx}[b(x)] - f(a(x),x) \frac{d}{dx}[a(x)] +
+a(x)b(x)ddx[f(λ,x)dλ + \int_{a(x)}^{b(x)} \frac{d}{dx}[f(\lambda , x) d\lambda