Análisis aplicado. Ax = b. Gradiente conjugado.
|
|
- Raúl Castellanos Farías
- hace 8 años
- Vistas:
Transcripción
1 José Luis Morales jmorales Departamento de Matemáticas. ITAM
2 Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b.
3 Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b. A simétrica positiva definida.
4 Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b. A simétrica positiva definida. φ(x) = Ax b.
5 Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b. A simétrica positiva definida. φ(x) = Ax b. x = A 1 b.
6 Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b. A simétrica positiva definida. φ(x) = Ax b. x = A 1 b. Factorización de Cholesky: A = LL T.
7 Método iterativo: GC
8 Método iterativo: GC Lejos de la solución: Aˆx b.
9 Método iterativo: GC Lejos de la solución: Aˆx b. Relajar la condición: spd s.
10 Método iterativo: GC Lejos de la solución: Aˆx b. Relajar la condición: spd s. Residuo: r(ˆx) = Aˆx b = φ(ˆx).
11 Método iterativo: GC Lejos de la solución: Aˆx b. Relajar la condición: spd s. Residuo: r(ˆx) = Aˆx b = φ(ˆx). Aproximación inicial: x 0. x = x 0 + α 0 p 0 + α 1 p α n 1 p n 1 sucesión (finita) de aproximaciones {x k } n 1 0. Forma general del método x k = x k 1 + α k 1 p k 1 Residuo r k = b Ax k = φ(x k )
12 Recursos para construir el método.
13 Recursos para construir el método. Direcciones de descenso: {p k } n 1 0.
14 Recursos para construir el método. Direcciones de descenso: {p k } n 1 0. Paso (búsqueda lineal exacta) α k = rt k p k p T k Ap k
15 Recursos para construir el método. Direcciones de descenso: {p k } n 1 0. Paso (búsqueda lineal exacta) α k = rt k p k p T k Ap k Base de R n. B = {p 0,p 1,...,p n 1 }
16 Recursos para construir el método. Direcciones de descenso: {p k } n 1 0. Paso (búsqueda lineal exacta) α k = rt k p k p T k Ap k Base de R n. B = {p 0,p 1,...,p n 1 } Pregunta: Cómo obtener {p k } n 1 0?
17 Respuestas 1 Teorema 5.1: Utilizar una base A-ortogonal.
18 Respuestas 1 Teorema 5.1: Utilizar una base A-ortogonal. Producto interior definido por A: < u,v >= u T Av
19 Respuestas 1 Teorema 5.1: Utilizar una base A-ortogonal. Producto interior definido por A: < u,v >= u T Av Norma inducida: u A = u T Au
20 Respuestas 1 Teorema 5.1: Utilizar una base A-ortogonal. Producto interior definido por A: < u,v >= u T Av Norma inducida: u A = u T Au A-ortogonalidad: u v = 0 = u T Av
21 Respuestas 1 Teorema 5.1: Utilizar una base A-ortogonal. Producto interior definido por A: < u,v >= u T Av Norma inducida: u A = u T Au A-ortogonalidad: u v = 0 = u T Av Base A-ortogonal: pi T Ap j = 0 si i j
22 Respuestas 2 A-Ortogonalización de Gram-Schmidt
23 Respuestas 2 A-Ortogonalización de Gram-Schmidt Dirección inicial: p 0 = r 0.
24 Respuestas 2 A-Ortogonalización de Gram-Schmidt Dirección inicial: p 0 = r 0. Primer iterando: x 1 = x 0 + α 0 p 0.
25 Respuestas 2 A-Ortogonalización de Gram-Schmidt Dirección inicial: p 0 = r 0. Primer iterando: x 1 = x 0 + α 0 p 0. Residuo asociado con x 1 : r 1 = Ax 1 b.
26 Respuestas 2 A-Ortogonalización de Gram-Schmidt Dirección inicial: p 0 = r 0. Primer iterando: x 1 = x 0 + α 0 p 0. Residuo asociado con x 1 : r 1 = Ax 1 b. A-ortogonalizar p 0 y r 1 para obtener p 1. β 1 p 0 + p 1 = r 1. p 1 = r 1 + rt 1 Ap 0 p0 TAp p 0 0 en donde β 1 = rt 1 Ap 0 p T 0 Ap 0
27 Algoritmo de direcciones conjugadas Supongamos que el conjunto B = {p 0,...,p n 1 } es A-conjugado, i.e. p T i Ap j = 0, i j. x 0 una aproximación inicial x k+1 = x k + α k p k α k = rt k p k p T k Ap k
28 Propiedades del algoritmo de direcciones conjugadas Teorema 5.1 Supongamos que B es cualquier base A-ortogonal y x 0 es cualquier punto inicial. Entonces la sucesión generada por el algoritmo de direcciones conjugadas termina en a lo más n pasos. Teorema 5.2 Los residuos y las direcciones satisfacen la relación: r T k p i = 0, i = 0,1,...,k 1. Además x k es el minimizador de φ en el conjunto {x x = x 0 + gen{p 0,p 1,...,p k 1 }}.
29 Teoría de soporte Teorema Supongamos que obtenemos B a partir de los residuos por A-ortogonalización de Gram-Schmidt. Entonces:
30 Teoría de soporte Teorema Supongamos que obtenemos B a partir de los residuos por A-ortogonalización de Gram-Schmidt. Entonces: 1 Los residuos son ortogonales r T i r j = 0, i j.
31 Teoría de soporte Teorema Supongamos que obtenemos B a partir de los residuos por A-ortogonalización de Gram-Schmidt. Entonces: 1 Los residuos son ortogonales r T i r j = 0, i j. 2 Se cumple la propiedad r T k+1 Ap i = 0, i = 0,1,...,k 1. Corolario La propiedad 2) implica que la recurrencia para el cálculo de la dirección involucra sólo 1 término, i.e. p k+1 = r k+1 + rt k+1 Ap k pk TAp p k k Tarea
32 Algoritmo GC Escoger x 0 una aproximación inicial; fijar TOL > 0. r 0 Ax 0 b, p 0 r 0, k 0; mientras r k / r 0 TOL α k rt k r k p T k Ap k x k+1 x k + α k p k r k+1 r k + α k Ap k β k+1 rt k+1 r k+1 r T k r k p k+1 r k+1 + β k+1 p k k k + 1 fin Tarea
33 Teoría de GC Teorema 5.3 Propiedades del algoritmo GC gen{r 0,...,r k } = gen{r 0,Ar 0,...,A k r 0 } gen{p 0,...,p k } = gen{r 0,Ar 0,...,A k r 0 } Teorema 5.4 Si A tiene r valores propios distintos entonces GC converge en a lo más r iteraciones.
34 Base de la prueba del Teorema 5.4 x k+1 = x 0 + α 0 p 0 + α 1 p α k p k = x 0 + γ 0 r 0 + γ 1 Ar γ k A k r 0 = x 0 + Pk (A)r 0 x k+1 x 2 A = φ(x k+1) φ(x ) = x 0 + P k (A)r 0 x 2 A P k = arg min P k x 0 + P k (A)r 0 x 2 A x k+1 x = [I + P k (A)A](x 0 x )
35 Análisis con valores y vectores propios Estimar A = n i=1 x k+1 x 2 A min P k λ i v i v T i, Av i = λ i v i, i = 1,...,n min P k x 0 x = n ξ i v i i=1 max [1 + λ ip k (λ i )] 2 x 0 x 2 A 1 i n max [1 + λ ip k (λ i )] 2. 1 i n
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 detallesTEMA 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 detallesMétodo de Gradientes Conjugados.
Método de Gradientes Conjugados. Lourdes Fabiola Uribe Richaud & Juan Esaú Trejo Espino. Instituto Politécnico Nacional Escuela Superior de Física y Matemáticas February 17, 2015 1 Método de Direcciones
Más detallesTema 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 detallesProgramación lineal (+ extensiones). Ejemplos.
Departamento de Matemáticas. ITAM. 2012. Forma estándar de un PPL PPL minimizar x c T x sujeta a Ax = b, x 0, en donde x 0 indica x i 0, i = 1, 2,..., n. c es el vector de costos. c R n. A es una matriz
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detallesOPTIMIZACIÓN ESCALAR. María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática
OPTIMIZACIÓN ESCALAR María Jesús de la Fuente Aparicio Dpto. Ingeniería de Sistemas y Automática CONCEPTOS BÁSICOS DEFINICIONES Definiciones Optimo local (mínimo local) Un punto * F se denomina un mínimo
Más detallesMétodos 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 detallesÁlgebra 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 detallesAnálisis aplicado. Descenso suficiente.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2009. El problema por resolver. El problema por resolver. Problemas reales que se pueden formular como: minimizar
Más detallesUniversidad 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 detallesGradiente 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 detallesCadenas de Markov y Perron-Frobenius
Cadenas de Markov y Perron-Frobenius Pablo Lessa 10 de octubre de 2014 1. Cadenas de Markov En 1996 Larry Page y Sergey Brin, en ese momento en Stanford, inventaron una manera de asignar un ranking de
Más detalles1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.
Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones
Más detallesEjercicios 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 detallesMétodos Numéricos Grado en Ingeniería Informática Univ. Tema de Las 7 Interpolación Palmas de G.C. de funciones 1 / 42II
Métodos Numéricos Grado en Ingeniería Informática Tema 7 Interpolación de funciones II Luis Alvarez León Univ. de Las Palmas de G.C. Métodos Numéricos Grado en Ingeniería Informática Univ. Tema de Las
Más detallesMétodos de gradiente. Métodos de Krylov
Métodos de gradiente. Métodos de Krylov Damián Ginestar Peiró Departamento de Matemática Aplicada Universidad Politécnica de Valencia Curso 2012-2013 (UPV) Métodos de gradiente. Métodos de Krylov Curso
Más detallesConstrucción de bases en el núcleo e imagen de una transformación lineal
Construcción de bases en el núcleo e imagen de una transformación lineal Objetivos. Estudiar el algoritmo para construir una base del núcleo y una base de la imagen de una transformación lineal. Requisitos.
Más detallesTema 3. Problemas de valores iniciales. 3.1. Teoremas de existencia y unicidad
Tema 3 Problemas de valores iniciales 3.1. Teoremas de existencia y unicidad Estudiaremos las soluciones aproximadas y su error para funciones escalares, sin que ésto no pueda extenderse para funciones
Más detallesOptimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.
Más detallesTema 8: APLICACIONES AFINES
Tema 8: APLICACIONES AFINES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura: Matemáticas
Más detalles(x + y) + z = x + (y + z), x, y, z R N.
TEMA 1: EL ESPACIO R N ÍNDICE 1. El espacio vectorial R N 1 2. El producto escalar euclídeo 2 3. Norma y distancia en R N 4 4. Ángulo y ortogonalidad en R N 6 5. Topología en R N 7 6. Nociones topológicas
Más detallesEspacios vectoriales con producto interno
Capítulo 8 Espacios vectoriales con producto interno En este capítulo, se generalizarán las nociones geométricas de distancia y perpendicularidad, conocidas en R y en R 3, a otros espacios vectoriales.
Más detallesIntroducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Árboles Un árbol es un grafo conexo y acíclico (sin ciclos). Un bosque es un grafo acíclico, o sea, una unión disjunta
Más detallesÁlgebra y Trigonometría CNM-108
Álgebra y Trigonometría CNM-108 Clase 2 Ecuaciones, desigualdades y funciones Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesMÉTODOS MATEMÁTICOS (Curso 2012-2013) Cuarto Curso de Ingeniero Industrial Departamento de Matemática Aplicada II. Universidad de Sevilla
MÉTODOS MATEMÁTICOS (Curso 2012-2013) Cuarto Curso de Ingeniero Industrial Departamento de Matemática Aplicada II. Universidad de Sevilla Lección 3: Problemas de Mínimos Cuadrados. Optimización No Lineal
Más detallesProducto 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 detallesFAMILIAS NORMALES VARIABLE COMPLEJA #6
VARIABLE COMPLEJA #6 FAMILIAS NORMALES Recordemos que F C(D, C) es una familia normal cuando cada sucesión en F tiene una subsucesión que converge en C(D, C). Esto es lo mismo que decir que cerr(f) es
Más detalles4.1 El espacio dual de un espacio vectorial
Capítulo 4 Espacio dual Una de las situaciones en donde se aplica la teoría de espacios vectoriales es cuando se trabaja con espacios de funciones, como vimos al final del capítulo anterior. En este capítulo
Más detalles1. Números Reales 1.1 Clasificación y propiedades
1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesSea un espacio vectorial sobre y sea un producto interno en ; entonces, : , y los vectores
FASÍCULO: ESPACIOS CON PRODUCTO INTERNO Teorema. Sea un espacio vectorial sobre y sea un producto interno en ; entonces, : i) ii) iii) iv) Ejemplo: Sean el espacio vectorial con el producto interno definido
Más detallesTema 2 Resolución de Ecuaciones No Lineales
Tema 2 Resolución de Ecuaciones No Lineales Índice 1. Introducción 2. Método de Bisección 2.1 Algoritmo del Método de Bisección 2.2 Análisis de Método de Bisección 3. Método de Regula-Falsi 3.1 Algoritmo
Más detallesINTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA
INTRODUCCIÓN A LA PROGRAMACIÓN MATEMÁTICA Dentro del campo general de la teoría de la optimización, también conocida como programación matemática conviene distinguir diferentes modelos de optimización.
Más detallesÁlgebra Lineal. Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación
Álgebra Lineal Sesión de Prácticas 6: Ortogonalidad. Método de Gram-Schmidt. Complemento ortogonal y mejor aproximación Primero Grado Ingeniería Informática Departamento de Matemática Aplicada Facultad
Más detallesTema 7: ESPACIOS VECTORIALES AFINES
Tema 7: ESPACIOS VECTORIALES AFINES Prof. Rafael López Camino Departamento de Geometría y Topología Universidad de Granada Material docente para el alumno Asignatura: Geometría I. Curso 2003/04 Licenciatura:
Más detallesPROBLEMA 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 detallesOrtogonalidad 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 detallesSección 4.5: Transformaciones del plano y del espacio. Sección 4.6: Problema de mínimos cuadrados y aplicaciones.
Tema 4 Producto escalar En bachiller habéis visto los conceptos de producto escalar, longitud, distancia y perpendicularidad en R y R 3 En este tema del curso se generalizan estos conceptos a R n, junto
Más detallesGrupos y Anillos - 3006993 Escuela de Matemáticas Universidad Nacional de Colombia, Sede Medellín. Problemas # 1
Grupos y Anillos - 3006993 Escuela de Matemáticas Universidad Nacional de Colombia, Sede Medellín Problemas # 1 1. Dé dos razones por las cuales el conjunto de los enteros impares no es un grupo con la
Más detallesEspacios de Hilbert. 10.1. Producto Escalar y Norma. Tema 10
Tema 10 Espacios de Hilbert Vamos a desarrollar en lo que sigue los resultados básicos acerca de los espacios de Hilbert, un tipo muy particular de espacios de Banach con propiedades especiales que están
Más detalles1. Resolver el sistema de dos ecuaciones con dos incógnitas AX = B, donde 1 0,999 1,999 A = 1,999 . 0,999 1 1 0,999 A = . 0,999 1. AX = αo 1 + βo 2.
Instituto de Matemática y Estadística Prof Ing Rafael Laguardia Facultad de Ingeniería Universidad de la República C1 y GAL1 anuales 2009 Trabajo: número de condición y SVD El objetivo de este trabajo
Más detallesFactorizaciones de Cholesky, matrices definidas. semidefinidas positivas.
Factorizaciones de Cholesky, matrices definidas y semidefinidas positivas Héctor Manuel Mora Escobar Universidad Central, Bogotá hectormora@yahoo.com Junio de 2011 1 Introducción Este documento presenta,
Más detallesTEMA 3: RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES Y NO LINEALES
Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 3: RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES Y NO LINEALES Abordaremos en este tema la resolución de Sistemas de Ecuaciones Lineales (por diferentes
Más detallesALN - Curso 2007 Gradiente Conjugado
ALN - Curso 27 Gradiente Conjugado Cecilia González Pérez Junio 27 Métodos Iterativos Pueden ser: Métodos estacionarios Métodos no estacionarios Métodos no estacionarios hacen uso de información, evaluada
Más detalles1. Ecuaciones no lineales
1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar
Más detallesDeducción de las fórmulas del método del gradiente conjugado
Deducción de las fórmulas del método del gradiente conjugado Objetivos. Demostrar el teorema sobre los subespacios de Krylov en el método del gradiente conjugado. Requisitos. Subespacios generados por
Más detallesEl Teorema de existencia y unicidad de Picard
Tema 2 El Teorema de existencia y unicidad de Picard 1 Formulación integral del Problema de Cauchy El objetivo del presente Tema, y del siguiente, es analizar el Problema de Cauchy para un SDO de primer
Más detalles9.1 Primeras definiciones
Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación
Más detallesJuegos supermodulares
1 Estática comparativa monótona Juegos supermodulares Suponga que X R y que T está ordenado parcialmente. Definición: una función f: X x T R tiene diferencias cada vez mayores en (x, t) para todo x x y
Más detallesOperadores Elípticos en el Espacio de Energía
Operadores Elípticos en el Espacio de Energía Marisa Toschi IMAL- Sante Fe Seminario del IMAL Carlos Segovia Fernandez 15 de Abril 2011 Esquema general 1 Introducción 2 Una alternativa de buen planteo
Más detallesDada la dificultad práctica para resolver de forma exacta toda una serie de problemas de
CAPÍTULO 2 Métodos de solución Dada la dificultad práctica para resolver de forma exacta toda una serie de problemas de programación entera, se han desarrollado algoritmos que proporcionan soluciones factibles
Más detallesAnillos Especiales. 8.1 Conceptos Básicos. Capítulo
Capítulo 8 Anillos Especiales 8.1 Conceptos Básicos En este capítulo nos dedicaremos al estudio de algunos anillos especiales que poseen ciertas condiciones adicionales, aparte de las propias de la definición,
Más detallesAritmética finita y análisis de error
Aritmética finita y análisis de error Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Aritmética finita y análisis de error 1 / 47 Contenidos 1 Sistemas decimal
Más detallesEcuaciones diferenciales de orden superior
CAPÍTULO 4 Ecuaciones diferenciales de orden superior 4.4.2 ED lineales homogéneas con coeficientes constantes de orden n 3 En la sección anterior hemos obtenido las soluciones de la ED lineal homogénea
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesUna función f es derivable en un punto a de su dominio si existe el límite. f(x) f(a) Si f y g son derivables en a, entonces fg es derivable en a y
4. Derivabilidad 1 Una función f es derivable en un punto a de su dominio si existe el límite f (a) = lím x a f(x) f(a) x a f(a + h) f(a) = lím, h 0 h y es un número real. El número f (a) se denomina derivada
Más detallesGrupos. Subgrupos. Teorema de Lagrange. Operaciones.
1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial
Más detallesProf. Virginia Mazzone - Prof. Mariana Suarez
SISTEMAS NO LINEALES SISTEMAS PLANARES - CICLOS LÍMITES Prof. Virginia Mazzone - Prof. Mariana Suarez 1 Teorema de Hartman-Grobman 2 Teorema de Hartman-Grobman Teorema Sea ẋ = f (x), con f suficientemente
Más detallesModelación y Simulación en Física. Guia 3(v1): Raíces.
Modelación y Simulación en Física. Guia 3(v1): Raíces. Prof. Francisco Santibáñez Calderón. francisco.santibanez@ucv.cl Laboratorio de Mecanica de Materiales Complejos. 3 de octubre de 2013 Metodos Numericos
Más detallesCurso 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 detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones
Más detallesTransformaciones Lineales. Definiciones básicas de Transformaciones Lineales. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.
Transformaciones Lineales Definiciones básicas de Transformaciones Lineales wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 007-009 Contenido 1 Transformaciones Lineales 11 Núcleo e imagen
Más detallesECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. La aplicación de Poincaré
ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 9. SISTEMAS PLANOS. TEOREMA DE POINCARÉ-BENDIXSON. La aplicación de Poincaré Recordemos que un subconjunto H de R n es una subvariedad de codimensión uno (o una
Más detallesELIJA CUATRO DE LOS SEIS BLOQUES PROPUESTOS.
PRUEBAS DE ACCESO A LA UNIVERSIDAD Curso 008-009 MATEMÁTICAS II ELIJA CUATRO DE LOS SEIS BLOQUES PROPUESTOS. Bloque 1. Dado el número real a, se considera el sistema a) Discuta el sistema según los valores
Más detallesValores y vectores propios de una matriz. Juan-Miguel Gracia
Juan-Miguel Gracia Índice 1 Valores propios 2 Polinomio característico 3 Independencia lineal 4 Valores propios simples 5 Diagonalización de matrices 2 / 28 B. Valores y vectores propios Definiciones.-
Más detallesUNIVERSIDAD 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 detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 es en R n y producto punto Departamento de Matemáticas ITESM es en R n y producto punto Álgebra Lineal - p. 1/40 En este apartado se introduce el concepto de vectores en el espacio
Más detalles4 Localización de terremotos
513430 - Sismología 27 4 Localización de terremotos 4.1 Localización de sismos locales Fig 27: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto de la nucleación,
Más detallesUNIDAD 6. Programación no lineal
UNIDAD 6 Programación no lineal En matemática Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas a un conjunto de restricciones sobre un conjunto
Más detallesMarch 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO
March 25, 2010 CAPÍTULO 2: LÍMITE Y CONTINUIDAD DE FUNCIONE EN EL EPACIO EUCLÍDEO 1. Producto Escalar en R n Definición 1.1. Dado x = (x 1,..., x n ), y = (y 1,..., y n ) R n, su producto escalar está
Más detallesSistemas 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 detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesMÁQUINAS DE VECTORES DE SOPORTE
MÁQUINAS DE VECTORES DE SOPORTE Introducción Se tiene información de N individuos codificada de la forma Las variables X son vectores que reúnen información numérica del individuo, las variables Y indican
Más detallesAnálisis Real: Primer Curso. Ricardo A. Sáenz
Análisis Real: Primer Curso Ricardo A. Sáenz Índice general Introducción v Capítulo 1. Espacios Métricos 1 1. Métricas 1 2. Métricas en espacios vectoriales 4 3. Topología 9 Ejercicios 17 Capítulo 2.
Más detallesParte I. Iniciación a los Espacios Normados
Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E
Más detallesValores propios y vectores propios
Capítulo 6 Valores propios y vectores propios En este capítulo investigaremos qué propiedades son intrínsecas a una matriz, o su aplicación lineal asociada. Como veremos, el hecho de que existen muchas
Más detallesMatrices 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 detalles1. Objetivos. 2. Idea Principal. Teoría de Autómatas y Lenguajes Formales. Boletín de Autoevaluación 3: Cómo se minimiza un AFD?.
Teoría de Autómatas y Lenguajes Formales Boletín de Autoevaluación 3: Cómo se minimiza un AFD?.. Objetivos. El objetivo de este boletín es ilustrar uno de los métodos ue permiten obtener el Autómata Finito
Más detallesDominios de factorización única
CAPíTULO 3 Dominios de factorización única 1. Dominios euclídeos En la sección dedicada a los números enteros hemos descrito todos los ideales de Z. En este apartado introducimos una familia de anillos
Más detallesFundamentos algebraicos
Fundamentos algebraicos 1. Grupos Sea S un conjunto. Se denota con S S el conjunto de los pares ordenados (s, t) con s, t en S. Un mapeo de S S en S se llama operación binaria en S. Esta definición requiere
Más detallesESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS
ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.
Más detallesEjercicios 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 detallesAlvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012
Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian
Más detallesSISTEMAS DINÁMICOS SISTEMAS DINÁMICOS CUADRÁTICOS. LA FAMILIA LOGÍSTICA
SISTEMAS DINÁMICOS SISTEMAS DINÁMICOS CUADRÁTICOS. LA FAMILIA LOGÍSTICA S.dinámicos cuadraticos. La familia logística La familia logística es la formada por las aplicaciones f c :[0,1] [0,1] de la forma
Más detallesAlgebra lineal. Un par de vectores son linealmente dependientes si existe un escalar diferente de cero que asocie ambos vectores, ejemplo: X 2 =k*x 1
Minimo necesario para redes neuronales. Espacio vectorial Algebra lineal El espacio vectorial X, se define como un conjunto de elementos (vectores) definidos sobre un campo escalar F, que satisface las
Más detallesMÉTODOS MATEMÁTICOS (Curso 2012-2013) Cuarto Curso de Ingeniero Industrial Departamento de Matemática Aplicada II. Universidad de Sevilla
MÉTODOS MATEMÁTICOS (Curso 2012-2013) Cuarto Curso de Ingeniero Industrial Departamento de Matemática Aplicada II. Universidad de Sevilla Lección 1: Introducción al Análisis Numérico ARITMÉTICA DE PRECISIÓN
Más detallesÁlgebra lineal y matricial
Capítulo Álgebra lineal y matricial.. Vectores y álgebra lineal Unconjuntodennúmerosreales(a,,a n )sepuederepresentar: como un punto en el espacio n-dimensional; como un vector con punto inicial el origen
Más detallesTALLER DE MATEMÁTICAS NOTAS. Toda expresión algebraica del tipo. a n x n + a n 1 x n 1 +... + a 1 x + a 0. es un polinomio de grado n, si a n 0.
NOTAS Toda expresión algebraica del tipo es un polinomio de grado n, si a n 0. a n x n + a n 1 x n 1 +... + a 1 x + a 0 RELACIONES DE DIVISIBILIDAD 1) x n a n = (x a)(x n 1 + ax n 2 + a 2 x n 3 +... +
Más detalles1. 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 detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
Más detalles4.- Para los siguientes conjuntos de vectores, probar si son o no subespacios vectoriales de R 4 : 2d + 1 : b, d reales. d
GRADO EN I. TELEMÁTICA. HOJA : ESPACIOS VECTORIALES. ESPACIOS NULO Y COLUMNA.- Sea W el conjunto de todos los vectores de R de la forma subespacio de R. s + t s t s t t, con s, t R. Probar que W es un.-
Más detallesExamen funciones 4º ESO 12/04/13
Examen funciones 4º ESO 12/04/13 1) Calcula el dominio de las siguientes funciones: a. b. c. d. Calculamos las raíces del numerador y del denominador: Construimos la tabla para ver los signos: - - 0 +
Más detallesParte 2. Métodos directos para la resolución de sistemas de ecuaciones lineales
Parte 2. Métodos directos para la resolución de sistemas de ecuaciones lineales Gustavo Montero Escuela Técnica Superior de Ingenieros Industriales University of Las Palmas de Gran Canaria Curso 2006-2007
Más detallesContenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada.
Métodos Numéricos: Resumen y ejemplos Tema 7: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 9 Versión 7 Contenido
Más detallesEjercicios de álgebra 1 Cuarto curso (2003/04)
Departamento de Álgebra, Geometría y Toplogía. Universidad de Málaga Ejercicios de álgebra 1 Cuarto curso (2003/04) Relación 4. Anillos y módulos de fracciones Profesor de la asignatura: José Antonio Cuenca
Más detallesf(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 detallesTema 2 ESPACIOS VECTORIALES
Tema 2 ESPACIOS VECTORIALES Prof. Rafael López Camino Universidad de Granada 1 Espacio vectorial Definición 1.1 Un espacio vectorial es una terna (V, +, ), donde V es un conjunto no vacío y +, son dos
Más detalles