Funciones Matemáticas para

Data Science e Inteligencia

Artificial
¿Qué es una función?
Una función es una relación o correspondencia entre dos magnitudes, de
manera que a cada valor de la primera le corresponde un único valor de la
segunda (o ninguno), que llamamos imagen o transformado.

A la función se le suele designar por f y a la imagen por f(x), siendo x la variable

independiente.

Variable independiente: la que se fija previamente

Variable dependiente: La que se deduce de la variable independiente.

Ejemplo:

En Uber, el costo del trayecto depende de la distancia recorrida.

En este caso lo que regresa la función es el costo del trayecto.

Formas de representar una función:

Verbalmente

Ejemplo: “El precio aumento en 2 dólares por cada kilómetro recorrido”

Numéricamente

Puede ser con una tabla de valores donde tenemos un valor x y un valor f(x)
que le corresponde

Visualmente

La gráfica en un plano cartesiano, una forma muy común de comprobar si

es una función de esta manera, es trazar una línea sobre la función y si
pasa a tocar más de 1 punto, entonces no es una función.

Funciones Matemáticas para Data Science e Inteligencia Artificial 1

 Algebraicamente

Ejemplo: función de la parábola f(x)=x^2

Tipos de variables
Variables cualitativas
Variables nominales: Se les asigna una cualidad (rojo, verde, azul, etc. en el
caso de un LED)

Variables ordinales: Representan un orden. Por ejemplo, la altura de un

objetos se puede clasificar como alto, medio o bajo

Variables binarias: Solo toman 2 valores, usualmente usadas para representar

estados. (frío o caliente, uno o cero)

Variables cuantitativas
Variables discretas: Representan un grupo de datos que son finitos y toman
ciertos valores. Pueden verse como variables separadas por un “paso”. Por
ejemplo, una persona puede tener 0,1,2,3 amigos pero no 3.5 amigos

Variables continuas: Sus valores pueden verse como infinitos al tomar

cualquier valor dentro de los números reales en un rango establecido. Por
ejemplo, la altura de una persona

Funciones Matemáticas para Data Science e Inteligencia Artificial 2

 Dominio y rango de una función
Dominio de una función
Son los valores que toma x y que están definidos en la función f(x)

Rango de una función

Son los valores que puede regresar una función.

Cómo leer las matemáticas: Símbolos

generales
Simbolos de igualdad o relación
= igual, representa que dos objetos son iguales

'> mayor qué, indica que un número es mayor que otro

'< menor qué, indica que un número es menor que otro

≥ mayor o igual qué, se usa para establecer intervalos

≤ menor o igual qué, se usa para establecer intervalos

≠ diferente qué, indica que no son iguales.

≈ aproximación, indica que un número es aproximadamente.>> mucho mayor,

indica que un número es mucho mucho mayor a otro

Funciones Matemáticas para Data Science e Inteligencia Artificial 3

 << mucho menor, indica que un número es mucho mucho menor a otro

∞ Infinito, indica un número muy grande

∞+ infinito positivo.

∞- infinito negativo.

Símbolos de operaciones acumulativas

Normalmente se encuentran en series geométricas o de expansión.

∑ Sigma, indica sumatoria.

∏ Producto, tiene un límite inferior y un superior al igual que la sumatoria.

Cómo leer las matemáticas: Conjuntos

Ω Omega: Universo
U Unión: Todos los elementos de los conjuntos se unen

∩ Intersección: Son los elementos que se comparten entre los conjuntos

∈ Pertenece: Indica que un elemento (representado por la letra minúscula) le
pertenece a un conjunto

∉ No Pertenece: Indica que el elemento no pertenece al conjunto.

∅ Nulo: Indica que el conjunto es nulo o vacío. También se puede representar
como {}

A={1,2,3,4} B={3,4,5,6} de esta manera se indica los elementos de un conjunto.

Conjuntos de números
| = tal qué
N =Numeros naturales: {1,2,3,4,…|n≠0}

Z = números enteros: {…,-2,-1,0,1,2,…}

∈
Q = Números racionales:{a/b|a,b Z , b≠0} = “a/b” tal qué "a"y “b” pertenencen a los
números enteros y a su vez “b” es distinto que cero.

I = números irracionales:{π,e,raiz cuadrada}

R = Números reales: {N U Z U Q U I} Unión de todos los números detallados
anteriormente

Funciones Matemáticas para Data Science e Inteligencia Artificial 4

 Funciones algebraicas lineales
Una función lineal es una función polinómica de primer grado. Es decir, tiene la
siguiente forma
f(x) =m*x + n

m: Es la pendiente de la función
n: Es la ordenada (en el origen) de la función
Se puede calcular la pendiente con:

Funciones algebraicas polinómicas

Forma:

Se le llama polinomio de grado “n”, donde “n” es el exponente más alto.

Funciones trascendentes
Las funciones trascendentes no pueden ser expresadas con polinomios. Solo con
funciones tales como las trigonométricas, exponenciales, logaritmos

Funciones Matemáticas para Data Science e Inteligencia Artificial 5

 Funciones seccionadas
Las funciones seccionadas son funciones que se comportan de manera diferente
dependiendo de los trozos o secciones

def H(x):
Y = np.zeros(len(x))
for idx, x in enumerate(x)
if x>=0:+
Y[idx] = 1
return Y

x = np.linspace(-19,19, 1000)
y = H(x)

plt.plot(x, y)

Funciones Matemáticas para Data Science e Inteligencia Artificial 6

 Funciones compuestas
una función compuesta se obtiene cuando se pasa como argumento de la función
principal el valor de otra función, en este ejemplo tenemos:

f(x)=x**2

g(x)=x+1se busca el valor de g(f(x)) siendo x=3

Funciones Matemáticas para Data Science e Inteligencia Artificial 7

 ¿Cómo manipular funciones?
Siendo C una constante mayor que cero, entonces la gráfica:

y = f(x) + C se desplaza C unidades hacia arriba.

y = f(x) - C se desplaza C unidades hacia abajo.

y = f(x - c) se desplaza C unidades hacia la derecha.

y = f(x + c) se desplaza C unidades hacia la izquierda.

y = C * f(x) alarga la gráfica verticalmente en un factor de C

y = f(1/C * x) alarga la gráfica horizontalmente en un factor de C

y = 1/C * f(x) comprime la gráfica verticalmente en un factor de C

y = f(C * x) comprime la gráfica horizontalmente en un factor de C

y = -f(x) refleja la gráfica respecto al eje x

y = f(-x) refleja la gráfica respecto al eje y

Características de las funciones

Funciones Matemáticas para Data Science e Inteligencia Artificial 8

 Función par
Una función es par si cumple la siguiente relación a lo largo de su dominio

f(-x) = f(x)

Si lo notaste, esta relación nos dice que una función es par si es simétrica al eje
vertical (eje Y). Por ejemplo, una parábola es una función es par.

Función impar
Una función es impar si cumple la siguiente relación a lo largo de su dominio:

f(-x) = -f(x)
Esta relación nos indica que una función es impar si es simétrica al eje horizontal
(eje X). Por ejemplo, una función cúbica es impar.

Función acotada
Una función es acotada si su codominio (también conocido como rango o imagen)
se encuentra entre dos valores, es decir, está acotado. Esta definición se define
como que hay un número m que para todo valor del dominio de la función se cumple
que:

-m ≤ f(x) ≤ m

Por ejemplo, la función seno o coseno están acotadas en el intervalo [-1, 1] dentro
de su co-dominio.

Funciones monótonas
Estas funciones son útiles de reconocer o analizar debido a que nos permiten saber
si una función crece o decrece en alguno de sus intervalos. Que algo sea monótono
significa que no tiene variaciones. Entonces las funciones monótonas son aquellas
que dentro de un intervalo I, perteneciente a los números reales, cumple alguna de
estas propiedades:
1. La función es monótona y estrictamente creciente:

si para todo x1, x2 ∈ i : x1 < x2 <=> f(x1) < f(x2)

“si para todo x1 y x2 que pertenecen al intervalo I, tal que x1 sea menor a x2, si y
solo si f(x1) sea menor a f(x2)”
2. La función es monótona y estrictamente decreciente:

Funciones Matemáticas para Data Science e Inteligencia Artificial 9

 si para todo x1, x2 ∈ i : x1 < x2 <=> f(x1) > f(x2)
3. La función es monótona y creciente:

si para todo x1, x2 ∈ i : x1 < x2 <=> f(x1) ≤ f(x2)

4. La función es monótona y decreciente:

si para todo x1, x2 ∈ i : x1 < x2 <=> f(x1) ≥ f(x2)

Funciones periódicas
Las funciones periódicas son aquellas que se repiten cada cierto periodo, este
periodo se denomina con la letra T. La relación que debe cumplir la función para ser
periódica es la siguiente.

f(x) ) f(x + T), T ≠ 0

Por ejemplo, la función seno y coseno son funciones periódicas con un periodo T =
2π. Es decir que si nosotros calculamos f(x) y calculamos f(x + 2π) en la función
seno el valor que nos den ambas expresiones es el mismo.

Funciones cóncavas y convexas

La forma de demostrar la concavidad de una función se puede hacer a través del
análisis de derivadas consecutivas, pero aún no llegamos a eso, así que no te
preocupes. A continuación, te dejo una forma súper intuitiva de ver si una función es
cóncava o convexa.

Se dice que una función dentro de un intervalo es convexa si la función “abre hacia
arriba”. Es decir si se ve la siguiente manera:

Funciones Matemáticas para Data Science e Inteligencia Artificial 10

 Se dice que una función dentro de un intervalo es concava
 si la función “abre hacia abajo”. Es decir si se ve la siguiente manera:

Conoce al perceptrón
Es una forma en la que definimos una neurona artificial.

Elementos de un perceptrón

Funciones Matemáticas para Data Science e Inteligencia Artificial 11

 Señal de entrada: Interpretar características (color, precio, tamaño, calidad,
fabricante, país de origen, etc) -> Se leen como 1 & 0

Peso sináptico: Ponderan el valor de la señal de entrada, le ponen un valor de

que tan importante es la señal de entrada que acaba de entrar

Unión sumadora: Suma todos los valores de las Señales de entradas

multiplicadas por sus respectivos Pesos sinápticos, y generamos una
combinación lineal

Función de activación: El resultado de la Unión sumadora lo pasamos por

aquí para que nos de un comportamiento NO lineal

Funciones de activación
¿Para qué se utilizan las funciones?
Función lineal: mantener valores a lo largo de un proceso, predecir venta

Función escalón o de Heaviside: clasificaciones categóricas, ej. binarias

Función sigmoide: regresión logística, para probabilidades

Función tangente hiperbólica: para escalamiento

Funciones Matemáticas para Data Science e Inteligencia Artificial 12

 Función ReLU: simulación de “neuronas muertas”

Lectura de diferentes funciones de activación. Otra donde explica las diferencias

entre ReLU y LeakyReLU

Funciones Matemáticas para Data Science e Inteligencia Artificial 13