Computación Científica en Paralelo

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Computación Científica en Paralelo"

Transcripción

1 Computación Científica en Paralelo Métodos de Descomposición de Dominio Luis Miguel de la Cruz Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 1 / 36

2 Contenido 1 Métodos de Descomposición de Dominio Introducción Substructuring Methods Schwarz Methods LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 2 / 36

3 1 Métodos de Descomposición de Dominio Introducción Substructuring Methods Schwarz Methods LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 3 / 36

4 Los métodos de descomposición de dominio (DDM por sus siglas en inglés) permiten resolver sistemas lineales o no lineales de ecuaciones que provienen de la discretización de EDP y que usan las propiedades de éstas últimas para obtener soluciones rápidas. Problemas lineales. Los DDM pueden ser tratados como precondicionadores para métodos del subespacio de Krylov (CG, GMRES, etc). Problemas no lineales. Se pueden ver como precondicionadores para la solución de sistemas lineales que provienen del uso del método de Newton o precondicionadores para métodos no lineales. Estos métodos combinan ideas de EDPs, álgebra lineal, análisis matemático y teoría de gráficas. Estos métodos son usados mayormente en la solución de EDPs, pero pueden ser aplicados en otros contextos de la ciencia e ingeniería. Los DDM se basan en el principio de divide y vencerás. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 4 / 36

5 El término DDM suele tener diferentes significados: Cómputo Paralelo. Proceso de distribuir datos entre procesadores en una arquitectura de memoria distribuida (Descomposición de Datos). En este contexto, se aplican métodos para descomponer las estructuras de datos, los cuales pueden ser independientes de los métodos numéricos usados en la solución. Análisis asintótico. Es la separación del dominio físico en regiones que pueden ser modeladas con diferentes ecuaciones, donde las interfases entre los dominios pueden ser controladas por varias condiciones. En este contexto, se determinan las EDPs se resolverán en cada subdominio. Métodos de precondicionamiento. Se refiere al proceso de subdividir la solución de un sistema de ecuaciones grande en problemas más pequeños cuyas soluciones pueden producir un precondicionador para el sistema de ecuaciones que resulta de la discretizacion de las EDPs sobre el dominio completo. En este contexto, DDM se refiere solo al método de solución para el sistema algebraico de ecuaciones. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 5 / 36

6 Considérese el siguiente problema: 2 u = f en Ω u = h sobre Ω LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 6 / 36

7 En general, si se tienen s subdominios y se cumple: Ω = entonces el sistema lineal asociado tendrá la siguiente estructura: B 1 E 1 x 1 f 1 B 2 E 2 x 2 f B C B. =. C B. B s E s x s f s A F 1 F 2... F s C y g s[ i=1 Ω i donde cada x i representa el subvector de incógnitas que son interiores en el dominio Ω i y y representa el vector de incógnitas en las interfases entre los subdominios. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 7 / 36

8 Es conveniente escribrir el sistema anterior como: «««x f B E A = con A = y g F C E representa el acoplamiento entre los subdominios y las interfases visto desde los subdominios. F representa el acoplamiento entre las interfases y los subdominios visto desde los nodos en las interfases. Tipos de Partición: (a) Vertex based. (b) Edge based. (c) Element based. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 8 / 36

9 Los subdominios pueden traslaparse, es decir: Ω = s[ Ω i, i=1 Ω i \ Ωj Es común cuantificar la extensión del traslape por el número de líneas de la malla que son comunes a los subdominios. Los DDM pueden ser distinguidos de acuerdo a lo siguiente: 1 Tipo de partición 2 Traslape. 3 Procesamiento de los valores en las interfases. 4 Solución en los subdominios. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 9 / 36

10 1 Métodos de Descomposición de Dominio Introducción Substructuring Methods Schwarz Methods LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 10 / 36

11 Los DDM donde no hay traslape entre los subdominios, se conocen como substructuring methods. Przemieniecki, 1968, Theory of Matrix Structural Analysis: In applying matrix methods of analysis to large structures, the number of structural elements very often exceeds the capacity of available computer programs, and consequently some form of structural partitioning must be employed. Structural partitioning correspond to division of the complete structure into a number of substructures, the boundary of which may be specified arbitrarily; however, for convenience it is preferable to make structural partitioning. If the stiffness or flexibility properties of each substructure are determined, the substructures can be treated as complex structural elements, and the matrix displacements or force methods of structural analysis can be formulated for the partitioned structure. Once the displacements or forces on substructure boundaries have been found, each substructure can then be analyzed separately under known substructure-boundary displacements or forces, depending on whether displacements or force methods of analysis are used. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 11 / 36

12 Substructuring (subestructuración) es una manera de organizar la factorización directa de sistemas lineales grandes que provienen de la discretización de EDPs. Substructuring facilita el diseño de algoritmos paralelos. Estos métodos están casi siempre relacionados el cálculo y factorización de una secuencia de matrices de complemento de Schur. Estos métodos también se conocen como métodos del complemento de Schur y se han venido desarrollando nuevos y mejores algoritmos en los últimos 25 años. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 12 / 36

13 Considérese el sistema «x A = y f g ««B E con A = F C donde se asume que B es no singular. Esto nos da: Bx + Ey = f Fx + Cy = g De la primera ecuación la incógnita x puede expresarse como x = B 1 (f Ey) (1) Sustituyendo en la segunda ecuación, se obtiene el siguiente sistema reducido: (C FB 1 E)y = g FB 1 f. (2) LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 13 / 36

14 La matriz S = C FB 1 E se conoce como la matriz complemento de Schur con la variable y. Si se puede formar esta matriz, entonces el sistema (1) se puede resolver y por lo tanto todos los valores en las interfases, y, serán conocidos. Después, es posible calcular las variables que quedan usando el sistema (2). Dada la forma de B, se observa que cualquier solución del sistema lineal se desacopla en s sistemas separados. La solución se obtiene en 4 pasos: 1 Obtener el lado derecho del sistema reducido (2): g FB 1 f 2 Formar la matriz complemento de Schur : S = C FB 1 E. 3 Resolver el sistema reducido : Sy = g FB 1 f. 4 Hacer Back-substitution para obtener las incógnitas restantes : x = B 1 (f Ey). LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 14 / 36

15 Definiendo E = B 1 E y f = B 1 f se puede escribir: 1 Resolver BE = E y Bf = f para E y f respectivamente. 2 Calcular g = g Ff. 3 Calcular S = C FE. 4 Solve Sy = g. 5 Calcular x = f E y. En la práctica, todas las matrices B i se factorizan y entonces se resuelven los sistemas B i E i = E i y B i f i = f i. En general muchas columnas de E i serán cero, las cuales corresponden a las interfases que no son adyacentes al subdominio i. Cualquier código basado en el algoritmo anterior debe iniciar identificando las columnas no cero. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 15 / 36

16 Partición tipo: Vertex based La matriz asociada con esta partición tiene una estructura de bloques natural. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 16 / 36

17 La estructura de la matriz es: A 1 A 12 A 33 A = A 21 A 2 A 23 A 31 A 32 A 3 En cada subdominio, la matriz local A i y las variables son de la forma: ( ) ( ) Bi E A i = i xi y z i = F i C i donde x i denota los nodos interiores y y i los nodos en la interfase asociados con el subdominio i. Se observa que hay matrices adicionales A ij, j i, que contienen sub-bloques cero en la parte que actúa sobre la variable x j. Esto es porque x i y x j no están acoplados, por lo tanto: ( ) 0 A ij = E ij y i LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 17 / 36

18 Además, muchas de las E ij son cero debido a que solo aquellos índices j de los subdominios que tienen acoplamiento con el subdominio i produce matrices E ij no cero. La parte del sistema lineal que es local al subdominio i es: B i x i + E i y i = f i F i x i + C i y i + j N i E ij y j = g i E ij y j es la contribución a la ecuación del subdominio vecino con número j, N j es el conjunto de subdominios que son adyancentes al subdominio i. Suponiendo que B i es no singular: = x i = B 1 i (f i E i y i ) = S i y i + j N i E ij y j = g i F i B 1 i f i, i = 1,..., s (3) LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 18 / 36

19 Aquí S i es la matriz de complemento de Schur local: S i = C i F i B 1 i E i Cuando se escribe la ecuación (3) para todos los subdominios i, se obtiene un sistema de ecuaciones que involucra solo los puntos en la interfase y j, j = 1, 2,..., s y tiene una estructura de bloques asociada con estas variables vectoriales: En la partición vertex based, S 1 E 12 E E 1s la matriz de complemento de E 21 S 2 E E 2s S =.... Schur se ensambla de las. matrices de Schur locales (S i ) y..... la información interfase interfase (E E s1 E s2 E s3... S ij ) s Las matrices S i son densas, E ij 0 si y solo si los subdominios i y j tienen al menos una ecuación que los acopla, en otro caso son matrices cero. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 19 / 36

20 Elemento Finito En la partición de MEF, el conjunto Ω es subdividido en s subconjuntos Ω i, cada uno con un conjunto distinto de elementos. Dada una discretización de MEF del dominio Ω, se define un espacio V h de funciones sobre Ω. Considerando un problema tipo Dirichlet sobre Ω, la formulación débil del problema (Eq. de Poisson) se escribe: Encontrar u V h a(u, v) = (f, v), v V h, donde la forma bilineal a(.,.) se define como a(u, v) = u vdx = Ω Ω ( u x 1 v x 1 + u x 2 v x 2 ) dx. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 20 / 36

21 Dado que los elementos de los diferentes Ω i s son disjuntos: a(u, v) = s a i (u, v) donde a i (u, v) = u udx. Ω i i=1 Esta es una generalización de la técnica usada para ensamblar la matriz de rigidéces a partir de las matrices de los elementos, el cual corresponde al caso extremo donde cada Ω i consiste de exactamente un elemento. Si las incógnitas se ordenan de tal manera que los nodos en las interfases se numeran al final, entonces: 0 B 1 E 1 B 2 E B s E s F 1 F 2... F s C 1 0 C B x 1 x 2. x s y 1 0 = C B f 1 f 2.. f s g 1 C A LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 21 / 36

22 En este caso cada matriz se ensambla a partir de las matrices de los elementos y por lo tanto se pueden obtener de la contribución de todos los subdominios Ω j. Tomemos Ω i, entonces la matriz ensamblada será «Bi E A i = i donde C i contiene solo las contribuciones de elementos locales de Ω i. Entonces C = s i=1 C i. La matriz del complemento de Schur es tal que: S = C FB 1 E = C sx i=1 F i B 1 i E i = F i i=1 C i sx sx C i i=1 F i B 1 i E i = Por lo tanto: S i = C i F i B 1 i E i, es decir S = s i=1 S i. sx h C i F i B 1 i i=1 i E i. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 22 / 36

23 1 Métodos de Descomposición de Dominio Introducción Substructuring Methods Schwarz Methods LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 23 / 36

24 Método Alternante de Schwarz (1870). LΦ = F en Ω, Φ = G sobre Ω. Por ejemplo: L = 2. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 24 / 36

25 Los dominios Ω, Ω 1 y Ω 2 no incluyen sus fronteras. Ω = Ω Ω es la cerradura del dominio. Γ i es una frontera artificial y es parte de la frontera de Ω i que está en el interior de Ω. Ω i \Γ i es la frontera de Ω i sin la parte de Γ i. Φ n i denota la solución aproximada en Ω i después de n iteraciones. Φ n i Γ j es la restricción de Φ n i en Γ j, donde i j. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 25 / 36

26 Método Alternante de Schwarz: Resolver un problema de EDPs. Particionar el dominio de tal manera que exista un traslape. Alternar el cálculo de la solución en cada subdominio. Obtener las condiciones de frontera (Dirichlet) basadas en la solución más reciente de los subdominios vecinos. Resolver LΦ n 1 = F en Ω 1 y luego Φ n 1 = G sobre Ω 1 \Γ 1 Φ n 1 = Φ n 1 2 Γ1 sobre Γ 1 LΦ n 2 = F en Ω 2 Φ n 2 = G sobre Ω 2 \Γ 2 Φ n 2 = Φ n 1 Γ2 sobre Γ 2 LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 26 / 36

27 El procedimiento anterior es similar a una iteración de Gauss-Seidel por bloques con traslape y es también conocido como Schwarz Multiplicativo. Se puede obtener una versión similar a una iteración de Jacobi por bloques con traslape, en este caso el algoritmo es conocido como Schwarz Aditivo. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 27 / 36

28 Mallas no coincidentes Supongamos que el problema se ha discretizado (FDM, FVM FEM), entonces el vector discreto asociado con Φ i se escribe como: Los coeficientes φ Ωi \Γ i φ i = φ Ωi φ Ωi \Γ i φ Γi son las condiciones de frontera originales. Los vectores discretos correspondientes a F y G son f i y g i respectivamente. La matriz de coeficientes A i es la discretización del operador L en Ω i : A i = (A Ωi, A Ωi \Γ i, A Γi ). LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 28 / 36

29 Para determinar los valores en las fronteras internas Γ i, se requiere una interpolación: Definimos IΩj Γ i como el interpolante discreto de valores en Ω j a los nodos en Γ i. A 1 φ n Ω 1 = f 1 en Ω 1 φ n Ω 1 \Γ 1 = g 1 sobre Ω 1 \Γ 1 φ n Γ 1 = W n 1 1 sobre Γ 1 A 2 φ n Ω 2 = f 2 en Ω 2 φ n Ω 2 \Γ 2 = g 2 sobre Ω 2 \Γ 2 φ n Γ 2 = W n 2 sobre Γ 2 Donde W n i I Ωj Γ i φ n Ω j, i j. LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 29 / 36

30 Algoritmo alternante de Schwarz W1 0 0 For n = 1,... Resolver para φ n 1 : A 1 φ n Ω 1 = f 1 en Ω 1 φ n Ω 1 \Γ 1 = g 1 sobre Ω 1 \Γ 1 φ n Γ 1 = W n 1 1 sobre Γ 1 W2 n Φ n 1 Γ2 Resolver para φ n 2 : A 2 φ n Ω 2 = f 2 en Ω 2 φ n Ω 2 \Γ 2 = g 2 sobre Ω 2 \Γ 2 φ n Γ 2 = W2 n sobre Γ 2 W1 n Φ n 2 Γ1 Checar l a convergencia : Si W1 n W n 1 1 tol Γ1 y W2 n W n 1 2 tol Γ2 Fin. Si φ n 1 φ n 1 1 tol Ω1 y φ n 2 φ n 1 2 tol Ω2 Fin. End For LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 30 / 36

31 El algoritmo anterior es un aplicación de del método de Gauss-Seidel por bloques, para un sistema lineal que contiene la discretización de ambos subdominios y que se acoplan en las fronteras artificiales. Usando A i = (A Ωi, A Ωi \Γ i, A Γi ), se puede escribir: 0 ` AΩ1 A Ω1 \Γ 1 A 0 ` AΩ2 A Ωi \Γ 2 A φ n Ω 1 1 φ n Ω 1 \Γ 1 φ n Γ 1 A = f 1 en Ω 1 φ n Ω 1 \Γ 1 = g 1 sobre Ω 1 \Γ 1 φ n Ω 2 φ n Γ 1 = I Ω2 Γ 1 φ n 1 Ω 2 sobre Γ 1 1 φ n Ω 1 \Γ 2 φ n Γ 2 A = f 2 en Ω 2 φ n Ω 2 \Γ 2 = g 2 sobre Ω 2 \Γ 2 φ n Γ 2 = I Ω1 Γ 2 φ n Ω 1 W n 2 sobre Γ 2 LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 31 / 36

32 Ahora se mueven las cantidades conocidas al lado derecho: A Ω1 φ n Ω 1 = f 1 A Γ1 I Ω2 Γ 1 φ n 1 Ω 2 A Ω2 φ n Ω 2 = f 2 A Γ2 I Ω1 Γ 2 φ n Ω 1 donde f i = f i A Ωi \Γ i g i Este es Gauss-Seidel por bloques para: ( A Ω1 A Γ1 I Ω2 Γ 1 A Γ2 I Ω1 Γ 2 A Ω2 ) ( φω1 φ Ω2 ) ( f1 = f2 ) LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 32 / 36

33 LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 33 / 36

34 LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 34 / 36

35 Algoritmo paralelo alternante de Schwarz P a r t i c i o n a r e l dominio D e f i n i r e l problema en cada subdominio W1 0 0,..., WK 0 0 For k = 1,..., K ( en p a r a l e l o ) For n = 1,... Resolver para φ n k : A k φ n k = f k en Ω k φ n Ω k \Γ k = g k sobre Ω k \Γ k φ n Γ k = W n 1 k sobre Γ k Checar l a convergencia : Si Wk n W n 1 k tol Γk break For Si φ n k φ n 1 k tol Ωk break For End For Wait Enviar φ n k Γj, j k a l o s subdominios vecinos Wk 0 φ n nb Γk End For LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 35 / 36

36 Apéndice Bibliografía I Y. Saad. Iterative Methods for Sparse Linear Systems. PWS/ITP Online: B.F. Smith and P. E. Bjorstad and W. D. Gropp. Domain Decomposition: Parallel Multilevel Methods for Elliptic Partial Differential Equations Cambridge Univ. Press, LMCS (UNAM) Comp. Científica en Paralelo IIMAS Semestre 2009 II 36 / 36

Descomposición de dominios

Descomposición de dominios Descomposición de dominios Miguel Vargas 27/10/10 1/29 Contenido Contenido Solución de ecuaciones diferenciales con descomposición de dominios Dominios sin traslape, complemento de Schur Método alternante

Más detalles

Descomposición de dominios con el método alternante de Schwarz

Descomposición de dominios con el método alternante de Schwarz Descomposición de dominios con el método alternante de Schwarz MSc Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 14/10/ 1/44 Contenido Contenido Solución de ecuaciones diferenciales

Más detalles

Tópicos de implementación en paralelo

Tópicos de implementación en paralelo Apéndice C Esquema PGP. Implementación en un entorno paralelo. Para poder abordar eficazmente la simulación computacional de grandes problemas estructurales, es necesario utilizar estrategias numéricas

Más detalles

Métodos Iterativos para Resolver Sistemas Lineales

Métodos Iterativos para Resolver Sistemas Lineales Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................

Más detalles

Aplicación del Procesamiento en Paralelo en Modelación Computacional. Robert A. Yates Instituto de Geofísica

Aplicación del Procesamiento en Paralelo en Modelación Computacional. Robert A. Yates Instituto de Geofísica Aplicación del Procesamiento en Paralelo en Modelación Computacional Robert A. Yates Instituto de Geofísica (algunos) Problemas de Interés Prognóstico del Clima Reservas Petroleras Rendering [Hollywood]

Más detalles

Gradiente conjugado. MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23

Gradiente conjugado. MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23 Gradiente conjugado MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23 Contenido Contenido Estructura de una matriz rala a partir de conectividades Compressed

Más detalles

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/lmcs Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación

Más detalles

Ejercicios Propuestos Tema 2

Ejercicios Propuestos Tema 2 Ejercicios Propuestos Tema 2 1 Programar la función: fx, A, X = a 0 + a 1 x x 1 + a 2 x x 1 x x 2 + + a n x x 1 x x 2 x x n, donde A = [a 0, a 1,, a n ], X = [x 1, x 2,, x n ], con x R Calcular todas las

Más detalles

SISTEMAS DE ECUACIONES LINEALES

SISTEMAS 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 detalles

Paralelización de métodos iterativos. Parallelization of iterative methods

Paralelización de métodos iterativos. Parallelization of iterative methods Paralelización de métodos iterativos Germán Larrazábal Departamento de Computación Facultad de Ciencias y Tecnología (FACYT), Universidad de Carabobo Avenida Montes de Oca, No. 120-267, Edificio FACYT,

Más detalles

PROBLEMA 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 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 detalles

Espacios Vectoriales

Espacios Vectoriales Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................

Más detalles

Métodos Numéricos para Acelerar la Convergencia de Ecuaciones Lineales provenientes de la Mecánica de Fluidos

Métodos Numéricos para Acelerar la Convergencia de Ecuaciones Lineales provenientes de la Mecánica de Fluidos Métodos Numéricos para Acelerar la Convergencia de Ecuaciones Lineales provenientes de la Mecánica de Fluidos Lencina, Luis Javier Director Dr. Enzo Dari CoDirector Dr. Gustavo Buscaglia Instituto Balseiro

Más detalles

TEMA 4: CALCULO NUMERICO DE AUTOVALORES

TEMA 4: CALCULO NUMERICO DE AUTOVALORES Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 4: CALCULO NUMERICO DE AUTOVALORES 1 INTRODUCCION La determinación de autovalores y autovectores de una matriz cuadrada A de orden n es un problema

Más detalles

RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES

RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de

Más detalles

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística.

Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Prácticas de Algebra con Mathematica II (Ingeniería Industrial). Jose Salvador Cánovas Peña. Departamento de Matemática Aplicada y Estadística. Índice General 1 PRACTICAS CON MATHEMATICA 2 1.1 Introducción...

Más detalles

4 APLICACIONES LINEALES. DIAGONALIZACIÓN

4 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 detalles

Ortogonalidad y Series de Fourier

Ortogonalidad y Series de Fourier Capítulo 4 Ortogonalidad y Series de Fourier El adjetivo ortogonal proviene del griego orthos (recto) y gonia (ángulo). Este denota entonces la perpendicularidad entre dos elementos: dos calles que se

Más detalles

Estructuras algebraicas

Estructuras 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 detalles

EL ANÁLISIS POR ELEMENTOS FINITOS: UNA METODOLOGÍA MUY RECIENTE EN ECONOMÍA

EL ANÁLISIS POR ELEMENTOS FINITOS: UNA METODOLOGÍA MUY RECIENTE EN ECONOMÍA EL ANÁLISIS POR ELEMENTOS FINITOS: UNA METODOLOGÍA MUY RECIENTE EN ECONOMÍA Miguel Escribano Ródenas Departamento de Economía Financiera y Contabilidad I Escuela Universitaria de Estudios Empresariales

Más detalles

Algoritmo para resolver exactamente sistemas de ecuaciones lineales con coeficientes enteros

Algoritmo para resolver exactamente sistemas de ecuaciones lineales con coeficientes enteros Miscelánea Matemática 43 (2006) 7 132 SMM Algoritmo para resolver exactamente sistemas de ecuaciones lineales con coeficientes enteros Daniel Gómez-García Facultad de Ingeniería Universidad Autónoma de

Más detalles

I.- CONCEPTOS BÁSICOS DEL MÉTODO DE LOS ELEMENTOS FINITOS

I.- CONCEPTOS BÁSICOS DEL MÉTODO DE LOS ELEMENTOS FINITOS I.- CONCEPTOS BÁSICOS DEL MÉTODO DE LOS ELEMENTOS FINITOS 1.1.- Introducción Muchos problemas de importancia práctica que frecuentemente aparecen en ingeniería, resultan de una complejidad matemática tal

Más detalles

1. Producto escalar, métrica y norma asociada

1. Producto escalar, métrica y norma asociada 1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la

Más detalles

CÁLCULO DEL VECTOR PAGERANK DE GOOGLE MEDIANTE EL MÉTODO ADITIVO DE SCHWARZ

CÁLCULO DEL VECTOR PAGERANK DE GOOGLE MEDIANTE EL MÉTODO ADITIVO DE SCHWARZ Congreso de Métodos Numéricos en Ingeniería 2005 Granada,4a7dejulio,2005 c SEMNI, España, 2005 CÁLCULO DEL VECTOR PAGERANK DE GOOGLE MEDIANTE EL MÉTODO ADITIVO DE SCHWARZ Rafael Bru, Francisco Pedroche

Más detalles

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración CAPÍTULO 5 EJERCICIOS RESUELTOS: MÉTODOS ITERATIVOS PARA ECUACIONES LINEALES Ejercicios resueltos 1 1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n cuya inversa existe

Más detalles

Introducción a los métodos de descomposición de dominio

Introducción a los métodos de descomposición de dominio Introducción a los métodos de descomposición de dominio Salim Meddahi Departamento de Matemáticas Universidad de Oviedo Francisco Javier Sayas Departamento de Matemática Aplicada Universidad de Zaragoza

Más detalles

Tema 3. Secuencias y transformada z

Tema 3. Secuencias y transformada z Ingeniería de Control Tema 3. Secuencias y transformada z Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Concepto de secuencia

Más detalles

O.C. Zienkiewicz, R.L. Taylor. El Método de los Elementos Finitos. Vols 1 y 2. CIMNE-Mc Graw Hill, 1994.

O.C. Zienkiewicz, R.L. Taylor. El Método de los Elementos Finitos. Vols 1 y 2. CIMNE-Mc Graw Hill, 1994. Índice de la teoría 1. Presentación. Estas lecciones sólo pretenden ser una introducción que sirva para orientar sobre los conceptos, para un estudio más amplio se recomienda leer alguna publicación especializada,

Más detalles

5.2 Estructuras Algebraicas Introducción

5.2 Estructuras Algebraicas Introducción 5.2 Introducción * Los números naturales: N Al contar objetos se les asigna números: 1, 2, 3,, pasando de un número a su sucesor. La representación en el sistema decimal de números está hecha de tal forma

Más detalles

RELACIONES DE RECURRENCIA

RELACIONES DE RECURRENCIA Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos

Más detalles

Universidad Politécnica de Madrid

Universidad Politécnica de Madrid Universidad Politécnica de Madrid Escuela Técnica Superior de Ingenieros de Minas Departamento de Matemática Aplicada y Métodos Informáticos x r 1 x 1 x 2 = x * d 1 * d 1 f(x)=cte. r Resolución de sistemas

Más detalles

Ejercicios y Problemas del Curso de Métodos Numéricos para ingenieros? Pedro Fortuny Ayuso

Ejercicios y Problemas del Curso de Métodos Numéricos para ingenieros? Pedro Fortuny Ayuso Ejercicios y Problemas del Curso de Métodos Numéricos para ingenieros? Pedro Fortuny Ayuso Curso 2011/12, EPIG, Gijón. Universidad de Oviedo E-mail address: fortunypedro@uniovi.es CC BY: Copyright c 2011

Más detalles

Panorama del curso Métodos Numéricos I

Panorama del curso Métodos Numéricos I Panorama del curso Métodos Numéricos I Egor Maximenko ESFM del IPN 2014 Egor Maximenko (ESFM del IPN) Métodos Numéricos I 2014 1 / 35 Contenido 1 Propósito y programa del curso, software y literatura 2

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. 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 detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

Clase 15 Espacios vectoriales Álgebra Lineal

Clase 15 Espacios vectoriales Álgebra Lineal Espacios vectoriales Clase 5 Espacios vectoriales Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia En esta sección estudiaremos uno de los conceptos

Más detalles

6 CONCLUSIONES Y LÍNEAS FUTURAS DE TRABAJO

6 CONCLUSIONES Y LÍNEAS FUTURAS DE TRABAJO 6 CONCLUSIONES Y LÍNEAS FUTURAS DE TRABAJO Sirva este capítulo como resumen de las conclusiones que han ido apareciendo durante el desarrollo de este trabajo. Si bien a lo largo de los distintos capítulos

Más detalles

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES CAPÍTULO 4 EJERCICIOS RESUELTOS: MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES Ejercicios resueltos 1 1. Determine el número de operaciones aritméticas necesarias para calcular

Más detalles

Object-Oriented Finite Elements and Domain Decomposition

Object-Oriented Finite Elements and Domain Decomposition Object-Oriented Finite Elements and Domain Decomposition Método del Element Finito Lu = f x Ω u = 0 en Ω Lu = a u+ ( bu) + cu Ω ( ) ua w ub w+ cuwdx= fwdx Ω Ω Método del Element Finito wa u ub w+ cwudx=

Más detalles

Listas de vectores y conjuntos de vectores

Listas de vectores y conjuntos de vectores Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas

Más detalles

ANÁLISIS NUMÉRICO BÁSICO

ANÁLISIS NUMÉRICO BÁSICO ANÁLISIS NUMÉRICO BÁSICO Un enfoque algorítmico con el soporte de MATLAB Instituto de Ciencias Matemáticas Escuela Superior Politécnica del Litoral, ESPOL Guayaquil, Ecuador 0 Luis Rodríguez Ojeda, MSc.

Más detalles

ECUACIONES DIFERENCIALES Y DIFERENCIAS FINITAS DIFFERENTIAL EQUATIONS AND FINITE DIFFERENCE

ECUACIONES DIFERENCIALES Y DIFERENCIAS FINITAS DIFFERENTIAL EQUATIONS AND FINITE DIFFERENCE ECUACIONES DIFERENCIALES Y DIFERENCIAS FINITAS DIFFERENTIAL EQUATIONS AND FINITE DIFFERENCE Arturo Pérez París: Universidad de Alcalá. Madrid (España). arturo.perez@mixmail.com Julio Gutiérrez Muñoz: Universidad

Más detalles

MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS

MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Tema 1.- MATRICES MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos de la Ingeniería 1 Un poco de historia Lord Cayley es uno de los fundadores de la teoría

Más detalles

Universidad 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 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 detalles

Tema 3 Resolución de Sistemas de Ecuaciones Lineales

Tema 3 Resolución de Sistemas de Ecuaciones Lineales Tema Resolución de Sistemas de Ecuaciones Lineales Índice Introducción 2 Método de Gauss 2 Resolución de sistemas triangulares 22 Triangulación por el método de Gauss 2 Variante Gauss-Jordan 24 Comentarios

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

Inicio con CATIA. Capítulo 1

Inicio con CATIA. Capítulo 1 CATIA_01_2011_filmar:Maquetación 1 29/09/2011 13:18 Página 1 Capítulo 1 Inicio con CATIA Este capítulo hace una breve descripción del entorno del programa CATIA V5 R16, ya que el programa carece de una

Más detalles

Nombre de la asignatura: METODOS NUMERICOS. Carrera : Ingeniería Mecánica. Clave de la asignatura: ACB- 9311 Clave local:

Nombre de la asignatura: METODOS NUMERICOS. Carrera : Ingeniería Mecánica. Clave de la asignatura: ACB- 9311 Clave local: Nombre de la asignatura: METODOS NUMERICOS Carrera : Ingeniería Mecánica Clave de la asignatura: ACB- 9 Clave local: Horas teoría horas practicas créditos: -0-8.- UBICACIÓN DE LA ASIGNATURA A) RELACIÓN

Más detalles

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades

5.1Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal y sus propiedades 5- ransformaciones Lineales 5Definición transformación lineal de núcleo ó kernel, e imagen de una transformación lineal sus propiedades Se denomina transformación lineal a toda función,, cuo dominio codominio

Más detalles

Factorización de polinomios

Factorización de polinomios Factorización de polinomios Polinomios Un polinomio p en la variable x es una expresión de la forma: px a 0 a 1 x a x a n1 x n1 a n x n donde a 0, a 1, a,, a n1, a n son unos números, llamados coeficientes

Más detalles

Problema de Programación Lineal

Problema de Programación Lineal Problema de Programación Lineal Introducción La optimización es un enfoque que busca la mejor solución a un problema. Propósito: Maximizar o minimizar una función objetivo que mide la calidad de la solución,

Más detalles

Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier

Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Fundamentos para la Representación y Análisis de Señales Mediante Series de Fourier Andrés Felipe López Lopera* Resumen. Existe una gran similitud entre vectores y las señales. Propiedades tales como la

Más detalles

INDICE Capitulo. 0. Algunas Palabras Preliminares Parte I. Grupos Capitulo 1. Operaciones Binarias Capitulo 2. Grupos Capitulo 3.

INDICE Capitulo. 0. Algunas Palabras Preliminares Parte I. Grupos Capitulo 1. Operaciones Binarias Capitulo 2. Grupos Capitulo 3. INDICE Capitulo. 0. Algunas Palabras Preliminares 1 0.1. El papel de las definiciones 1 0.2. Conjuntos 2 0.3. Participaciones y relaciones de equivalencia 4 Parte I. Grupos 10 Capitulo 1. Operaciones Binarias

Más detalles

Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.

Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro

Más detalles

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx

Matrices. 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 detalles

Capítulo V Operaciones Booleanas

Capítulo V Operaciones Booleanas 85 Capítulo V Operaciones Booleanas 5.1 Introducción Es muy posible que en muchos casos sea necesario comparar dos objetos y determinar cuál es su parte común. Esto implica intersectar los dos objetos

Más detalles

Sistemas de ecuaciones lineales. Métodos iterativos

Sistemas de ecuaciones lineales. Métodos iterativos Lección F Sistemas de ecuaciones lineales. Métodos iterativos Los métodos iterativos tienen la desventaja de que no se pueden aplicar, por lo menos de forma elemental, a cualquier sistema de ecuaciones

Más detalles

CURSO 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 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 detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Vectores y Valores Propios

Vectores 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 detalles

1. Cambios de base en R n.

1. 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 detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico

Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico Departamento de Matemática Aplicada Universidad Granada Introducción El Cálculo o Análisis Numérico es

Más detalles

1 Espacios y subespacios vectoriales.

1 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 detalles

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires

Fascículo 2. Álgebra Lineal. Cursos de grado. Gabriela Jeronimo Juan Sabia Susana Tesauri. Universidad de Buenos Aires Fascículo 2 Cursos de grado ISSN 1851-1317 Gabriela Jeronimo Juan Sabia Susana Tesauri Álgebra Lineal Departamento de Matemática Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires 2008

Más detalles

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo POLINOMIOS 1.1. DEFINICIONES Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo p(x) = a i x i = a 0 + a 1 x + a 2 x 2 + + a n x n + ; a i, x K; n N

Más detalles

Objetivos: Al inalizar la unidad, el alumno:

Objetivos: Al inalizar la unidad, el alumno: Unidad 3 espacios vectoriales Objetivos: Al inalizar la unidad, el alumno: Describirá las características de un espacio vectorial. Identiicará las propiedades de los subespacios vectoriales. Ejempliicará

Más detalles

Producto Interno y Ortogonalidad

Producto Interno y Ortogonalidad Producto Interno y Ortogonalidad Departamento de Matemáticas, CSI/ITESM 15 de octubre de 2009 Índice 8.1. Contexto................................................ 1 8.2. Introducción...............................................

Más detalles

Departamento de Matemática Aplicada FUNDAMENTOS DE MATEMATICAS. Ingeniería Química (Curso 2005-06) Álgebra Lineal Práctica 3

Departamento de Matemática Aplicada FUNDAMENTOS DE MATEMATICAS. Ingeniería Química (Curso 2005-06) Álgebra Lineal Práctica 3 1. Matrices en Matlab Departamento de Matemática Aplicada FUNDAMENTOS DE MATEMATICAS. Ingeniería Química (Curso 2005-06) Álgebra Lineal Práctica 3 Para introducir una matriz en Matlab se procede de la

Más detalles

ERNESTO ARANDA. 1. Introducción 1 1.1. Ejemplo... 2

ERNESTO ARANDA. 1. Introducción 1 1.1. Ejemplo... 2 EL MÉTODO DE LOS ELEMENTOS FINITOS DESDE UNA PERSPECTIVA MATEMÁTICA ERNESTO ARANDA Índice. Introducción.. Ejemplo....................................... 2 2. Formulación variacional de problemas de contorno

Más detalles

Fundamentos Matemáticos II Electrónicos Curso 2006-07 2

Fundamentos Matemáticos II Electrónicos Curso 2006-07 2 Tema 2.- MATRICES!ESPACIO VECTORIAL!PRODUCTO DE MATRICES!POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos II Electrónicos Curso 2006-07 1 Un poco de historia Lord Cayley es uno de los

Más detalles

Espacios vectoriales y aplicaciones lineales

Espacios 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 detalles

Las matrices tienen un número cada vez mas creciente de aplicaciones en la solución de problemas en Ciencia y Tecnología.

Las matrices tienen un número cada vez mas creciente de aplicaciones en la solución de problemas en Ciencia y Tecnología. Aplicaciones de las Matrices a la Solución de Problemas de Redes Eléctricas Resumen Se muestra como obtener, sistemas de ecuaciones lineales que permitan calcular intensidades de corrientes en los ramales

Más detalles

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012

Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 2012 Grupo: Matrícula: Nombre: Algebra Matricial y Optimización Segundo Examen Parcial Maestro Eduardo Uresti, Semestre Enero-Mayo 22. (pts) Sea A una matriz cuadrada. Indique validez a cada una de las siguientes

Más detalles

Curso de Procesamiento Digital de Imágenes

Curso 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 detalles

Métodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales

Métodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales Métodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña

Más detalles

La solución de algunas EDO de Riccati

La solución de algunas EDO de Riccati Revista digital Matemática, Educación e Internet (http://tecdigital.tec.ac.cr/revistamatematica/). Vol 15, No 2. Marzo Agosto 2015. ISSN 1659-0643 La solución de algunas EDO de Riccati José Alfredo Jiménez

Más detalles

CAPÍTULO V MÉTODO DE ANÁLISIS POR ELEMENTOS FINITOS Y DESCRIPCIÓN DEL SOFTWARE ALGOR.

CAPÍTULO V MÉTODO DE ANÁLISIS POR ELEMENTOS FINITOS Y DESCRIPCIÓN DEL SOFTWARE ALGOR. CAPÍTULO V MÉTODO DE ANÁLISIS POR ELEMENTOS FINITOS Y DESCRIPCIÓN DEL SOFTWARE ALGOR. 5.1 Historia del Método de Elementos Finitos. El Método de Elemento Finito o Finite Element Analysis (FEA), es un método

Más detalles

Transformada de Laplace: Análisis de circuitos en el dominio S

Transformada de Laplace: Análisis de circuitos en el dominio S Transformada de Laplace: Análisis de circuitos en el dominio S Trippel Nagel Juan Manuel Estudiante de Ingeniería en Sistemas de Computación Universidad Nacional del Sur, Avda. Alem 1253, B8000CPB Bahía

Más detalles

Matrices equivalentes. El método de Gauss

Matrices 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 detalles

Asignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas 0.0 16 Semanas 72.0

Asignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas 0.0 16 Semanas 72.0 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Álgebra Lineal P82 /P72 /P92 09 Asignatura Clave Semestre Créditos Ciencias

Más detalles

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/luiggi Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación

Más detalles

Tema 3. Aplicaciones lineales. 3.1. Introducción

Tema 3. Aplicaciones lineales. 3.1. Introducción Tema 3 Aplicaciones lineales 3.1. Introducción Una vez que sabemos lo que es un espacio vectorial y un subespacio, vamos a estudiar en este tema un tipo especial de funciones (a las que llamaremos aplicaciones

Más detalles

Álgebra Lineal Ma1010

Álgebra Lineal Ma1010 Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es

Más detalles

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios

MATEMÁTICAS I TEMA 1: Espacios Vectoriales. 1 Definición de espacio vectorial. Subespacios Sonia L. Rueda ETS Arquitectura. UPM Curso 2007-2008. 1 MATEMÁTICAS I TEMA 1: Espacios Vectoriales 1 Definición de espacio vectorial. Subespacios Dados dos conjuntos V y K se llama ley de composición externa

Más detalles

Aplicaciones Lineales

Aplicaciones 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 detalles

UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TÁCHIRA DECANATO DE POSTGRADO Maestría en Matemática Mención Educación Matemática MÉTODOS NUMÉRICOS

UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TÁCHIRA DECANATO DE POSTGRADO Maestría en Matemática Mención Educación Matemática MÉTODOS NUMÉRICOS Bisección Newton-Raphson Secante UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TÁCHIRA DECANATO DE POSTGRADO Maestría en Matemática Mención Educación Matemática Material digital para la Asignatura: MÉTODOS NUMÉRICOS

Más detalles

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II)

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II) Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte II) Métodos numéricos para sistemas lineales Solución numérica de EDPs requiere resolver sistemas de ecuaciones lineales

Más detalles

Aplicaciones lineales

Aplicaciones lineales aplicaciones_lineales.nb Aplicaciones lineales Práctica de Álgebra Lineal, E.U.A.T, Grupos ºA y ºB, 005 Aplicaciones lineales y matrices Hay una relación muy estrecha entre aplicaciones lineales y matrices:

Más detalles

f(x)=a n x n +a n-1 x n-1 +a n-2 x n-2 +...a 2 x 2 +a 1 x 1 +a 0

f(x)=a n x n +a n-1 x n-1 +a n-2 x n-2 +...a 2 x 2 +a 1 x 1 +a 0 FUNCIÓN POLINOMIAL. DEFINICIÓN. Las funciones polinomiales su representación gráfica, tienen gran importancia en la matemática. Estas funciones son modelos que describen relaciones entre dos variables

Más detalles

Documento Informativo

Documento Informativo UNIVERSIDAD DE IBAGUE FACULTAD DE CIENCIAS NATURALES Y MATEMATICAS ASIGNATURA: ANÁLISIS NUMÉRICO CODIGO: 4109 AREA: MATEMATICAS CICLO: BASICO SEMESTRE: III PRE-REQUISITO: NINGUNO CORREQUISITO: CÁLCULO

Más detalles

ÍNDICE 1. Introducción a las computadores 2. Programación y diagramas de flujo 3. Solución numérica de ecuaciones

ÍNDICE 1. Introducción a las computadores 2. Programación y diagramas de flujo 3. Solución numérica de ecuaciones ÍNDICE 1. Introducción a las computadores... 17 1-1 Generalidades... 17 1-2 Clasificación y componentes de una computadora... 17 1-3 Solución de problemas... 19 1-4 Diagrama de bloque y de flujo... 19

Más detalles

Apéndice A. Repaso de Matrices

Apéndice 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 detalles

Flujo incompresible. Mario Storti. Centro Internacional de Métodos Numéricos en Ingeniería - CIMEC INTEC, (CONICET-UNL), Santa Fe, Argentina

Flujo incompresible. Mario Storti. Centro Internacional de Métodos Numéricos en Ingeniería - CIMEC INTEC, (CONICET-UNL), Santa Fe, Argentina Flujo incompresible Mario Storti Centro Internacional de Métodos Numéricos en Ingeniería - CIMEC INTEC, (CONICET-UNL), Santa Fe, Argentina mstorti@intec.unl.edu.ar http://www.cimec.org.ar/mstorti September

Más detalles

Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.6 Extremos relativos de funciones de 2 variables

Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.6 Extremos relativos de funciones de 2 variables Cálculo científico y técnico con HP49g/49g+/48gII/50g Módulo 3: Aplicaciones Tema 3.6 Extremos relativos de funciones de 2 variables Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa

Más detalles

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace

Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace

Más detalles

TEMA 6. EIGENVALORES Y EIGENVECTORES

TEMA 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 detalles

MATRICES Y DETERMINANTES

MATRICES Y DETERMINANTES Capítulo 6 MATRICES Y DETERMINANTES 6.. Introducción Las matrices y los determinantes son herramientas del álgebra que facilitan el ordenamiento de datos, así como su manejo. Los conceptos de matriz y

Más detalles

APLICACIONES DE LAS MATRICES Y LOS SISTEMAS LINEALES

APLICACIONES DE LAS MATRICES Y LOS SISTEMAS LINEALES APLICACIONES DE LAS MATRICES Y LOS SISTEMAS LINEALES Alumno: Grupo: Sobre cambios de moneda extranjera Problema nº 1.- Un empresario estadounidense necesita cantidades fijas de yenes japoneses, libras

Más detalles