In this thesis, we analyze functional magnetic resonance imaging fMRI and discusses some existing techniques to identify brain activity. We propose a methodology based on multivariate techniques: Principal Component Analysis (PCA) and Independent Component Analysis (ICA) in conjunction with wavelet decomposition, to identify brain areas involved in mental processes and perform classification of images based on the hemodynamic response. For the classification task, three known classifiers are tested: Mahalanobis, k-NN and Support Vector Machines. We report results of the proposed methodology applied to fMRI data obtained from the public repository of the fMRI Data Center. A MATLAB-based virtual instrument, which incorporates the developed algorithms, as well as utilities for fMRI images study, was developed as part of this thesis, and it is also described in this report.En esta tesis se analizan imágenes de Resonancia Magnética funcional (fMRI) y se estudian algunas técnicas existentes para identificar actividad cerebral. Se propone una metodología basada en las técnicas multivariable de Análisis de Componentes Principales (PCA) y Análisis de Componentes Independientes (ICA) en conjunto con descomposición wavelet para identificar áreas cerebrales involucradas en procesos mentales y realizar clasificación de las imágenes en base a la respuesta hemodinámica. Para la tarea de clasificación se prueban tres clasificadores conocidos: Mahalanobis, k-NN y Máquinas de Soporte Vectorial. Se reportan resultados de la metodología propuesta aplicada a fMRI obtenidas de la base de datos pública fMRI Data Center. La implementación de este algoritmo se lleva a cabo en MATLAB y se desarrolla un instrumento virtual al que se incorporan utilerías para el estudio de imágenes fMRI.