Sistemas de Ecuaciones. Lineales III
|
|
- Raquel Morales García
- hace 7 años
- Vistas:
Transcripción
1 Sistemas de Ecuaciones Lineales III Pivoteo: Estrategia de pivoteo parcial Adaptación a matrices con estructuras particulares: Matrices banda y tridiagonales Método de holesky DIM Universidad de oncepción
2 Necesidad del pivoteo Para k = 1,, n 1 para i = k + 1,, n m ik = a (k) ik /a(k) kk para j = k + 1,, n a (k+1) ij = a (k) ij m ik a (k) kj El algoritmo de eliminación gaussiana (o el de factorización LU) sólo puede llevarse a cabo si todos los pivotes son no nulos: a (k) kk Ejemplo El sistema de ecuaciones siguiente tiene matriz no singular pues su determinante es 1: x 1 x 2 x 3 = 2 4 Sin embargo el algoritmo anterior no puede aplicarse pues a 11 = y, por lo tanto, m 21 = a (1) 21 /a(1) 11 y m 31 = a (1) 31 /a(1) 11 no están definidos DIM Universidad de oncepción
3 Necesidad del pivoteo (cont) Para poder resolver el sistema, debe intercambiarse la primera ecuación con cualquiera de las otras de manera de evitar el pivote cero Por ejemplo, asi: x 1 x 2 x 3 = x 1 x 2 x 3 = 4 2 Por otra parte, puede demostrarse que la estabilidad del método de eliminación gaussiana en cuanto a propagación de errores de redondeo se deteriora si los multiplicadores m ij son números muy grandes en módulo Una forma de evitar ambos inconvenientes, pivotes nulos y multiplicadores grandes en módulo, es realizar en cada paso el intercambio de ecuaciones que produzca el pivote mayor posible en módulo Esto estrategia se denomina pivoteo parcial DIM Universidad de oncepción
4 Estrategia de pivoteo parcial 12 a (1) 1n a (2) 22 a (2) 2n a (k) kk a (k) kn a (k) nk a (k) nn a (1) 11 a (1) En el paso k-ésimo se revisa el vector a (k) kk a (k) nk y se busca la fila l en la que aparece la entrada mayor en módulo: k l n : Luego, si l k, se intercambia esa fila con la k-ésima a (k) lk = max k i n { a (k) ik Si la matriz es no singular, siempre habrá una entrada no nula en ese vector, por lo que así se evitan los pivotes nulos Además, despues del intercambio, a (k) kk a (k) ik multiplicadores no pueden pasar de 1 en módulo: m ik = a (k) ik / a (k) kk, i = k,, n Por lo tanto, los 1, i = k,, n DIM Universidad de oncepción }
5 Matrices de permutación Si hay intercambios de filas, las matrices triangulares L y U que se obtienen por el método de eliminación gaussiana con estrategia de pivoteo parcial, ya no factorizan a A, sino que factorizan a la matriz que se obtiene después de aplicar a A todos los intercambios de filas que tuvieron lugar Se llama matriz de permutación a toda matriz que se obtenga intercambiado filas de I Por ejemplo, las siguientes son todas las matrices de permutación 3 3: Los intercambios de filas de una matriz se obtienen multiplicando a izquierda por una matriz de permutación Por ejemplo: = DIM Universidad de oncepción
6 Factorización LU con estrategia de pivoteo parcial Teorema Si A es una matriz no singular, entonces existen matrices no singulares L triangular inferior y U triangular superior y una matriz de permutación P, tales que LU = P A Estas matrices pueden obtenerse mediante el método de eliminación gaussiana con estrategia de pivoteo parcial Si se debe resolver un sistema Ax = b, se procede así: Ax = b P Ax = P b L(Ux) = P b Ly = P b, Ux = y El método de eliminación gaussiana con estrategia de pivoteo parcial resulta estable respecto a la propagación de errores de redondeo DIM Universidad de oncepción
7 Factorización LU con pivoteo en MATLA >> A=[1 2 3;4 5 6;7 8 ]; >> [L,U]=lu(A) omando: [L,U]=lu(A) L es una matriz psicológicamente triangular inferior U es una matriz triangular superior L*U = A L = U = >> L*U ans = DIM Universidad de oncepción
8 Factorización LU con pivoteo en MATLA (cont) >> A=[1 2 3;4 5 6;7 8 ]; >> [L,U,P]=lu(A) omando: [L,U,P]=lu(A) L es una matriz triangular inferior U es una matriz triangular superior P es una matriz de permutación L*U = P*A L = U = P = DIM Universidad de oncepción
9 Factorización LU con pivoteo en MATLA (cont) >> L*U omando: [L,U,P]=lu(A) L es una matriz triangular inferior U es una matriz triangular superior P es una matriz de permutación L*U = P*A ans = >> P*A ans = DIM Universidad de oncepción
10 Matrices banda Se dice que A = (a ij ) R n n es una matriz banda si a ij = cuando i j l, con l n Al número l se lo llama el ancho de banda de la matriz l l Las matrices banda son un caso especial de matrices dispersas y, como tales, deben almacenarse como sparse en MATLA a fin de reducir el costo de almacenamiento Estas matrices aparecen muy habitualmente en las aplicaciones; especialmente en la resolución de problemas de valores de contorno para ecuaciones diferenciales DIM Universidad de oncepción
11 Factorización LU de matrices banda Si una matriz banda A puede factorizarse LU sin necesidad de pivoteo, entonces las matrices triangulares L y U también son banda con el mismo ancho de banda que A A 1 A L 1 A U l Por eso se dice que la factorización LU sin pivoteo preserva la estructura banda de las matrices DIM Universidad de oncepción
12 Matrices tridiagonales Un caso extremo de matrices banda es el de las matrices tridiagonales (l = 2): b 1 c 1 a 2 A = R n n c n 1 a n b n Estas matrices aparecen también muy habitualmente, por ejemplo, al interpolar por splines o al resolver problemas de valores de contorno para ecuaciones diferenciales ordinarias DIM Universidad de oncepción
13 Factorización LU de matrices tridiagonales uando se cumplen las siguientes desigualdades, b 1 > c 1, b i a i + c i, i = 2,, n 1, b n > a n, las matrices tridiagonales pueden factorizarse LU sin necesidad de pivoteo y este procedimiento resulta estable respecto a la propagación de errores de redondeo: A 1 α 2 α n 1 1 A@ β 1 γ 1 γ n 1 β n 1 A L U DIM Universidad de oncepción
14 Las entradas α i, β i y γ i de las matrices L y U pueden calcularse muy fácilmente: b 1 c 1 a 2 b 2 c a n b n c n β 1 γ 1 α 2 1 β 2 γ 2 = β n 1 γ n 1 A α n 1 β n 1β 1 = b 1 = β 1 = b 1 1γ 1 = c 1 = γ 1 = c 1 α 2 β 1 = a 2 = α 2 = a 2 /β 1 α 2 γ 1 + 1β 2 = b 2 = β 2 = b 2 α 2 γ 1 1γ 2 = c 2 = γ 2 = c 2 α n β n 1 = a n = α n = a n /β n 1 α n γ n 1 + 1β n = b n = β n = b n α n γ n DIM Universidad de oncepción
15 Factorización LU de matrices tridiagonales (cont) Así obtenemos el siguiente algoritmo (Algoritmo de Thomas): 1β 1 = b 1 = β 1 = b 1 1γ 1 = c 1 = γ 1 = c 1 α 2 β 1 = a 2 = α 2 = a 2 /β 1 α 2 γ 1 + 1β 2 = b 2 = β 2 = b 2 α 2 γ 1 1γ 2 = c 2 = γ 2 = c 2 β 1 = b 1 Para i = 2,, n γ i 1 = c i 1 α i = a i /β i 1 β i = b i α i γ i 1 osto operacional: α n β n 1 = a n = α n = a n /β n 1 α n γ n 1 + 1β n = b n = β n = b n α n γ n 1 n 3 = 3(n 1) flop i= DIM Universidad de oncepción
16 Solución de sistemas con matrices tridiagonales Al resolver un sistema Ax = d con matriz A tridiagonal, a partir de su factorización LU, Ly = d, Ax = d L(Ux) = d Ux = y, los sistemas triangulares también pueden resolverse muy fácilmente: 1 1 α 2 α n 1 y 1 y 2 y n 1 y n 1 A d 1 d 2 d n 1 d n 1 A y 1 = d 1 Para i = 2,, n y i = d i α i y i 1 osto operacional: n 2 = 2(n 1) flop i= DIM Universidad de oncepción
17 Solución de sistemas con matrices tridiagonales (cont) β 1 γ β n βn 1 γ n 1 1 x 1 x 2 x n 1 x n 1 A y 1 y 2 y n 1 y n 1 A x n = y n /β n Para i = n 1,, 1 x i = (y i γ i x i+1 ) /β i osto operacional: n = 1+3(n 1) flop i=1 El costo total de resolver un sistema de ecuaciomes con matriz tridiagonal mediante el algortimo de Thomas es de 3(n 1) + 2(n 1) n 2 = 8n 7 flop ompárese este costo con el del método de eliminación gaussiana aplicado a ciegas sin sacar provecho de la estructura tridiagonal de la matriz: 2 3 n3 Por ejemplo, un sistema 1 1 cuesta aproximadamente flop por MEG y aproximadamente 8 flop mediante este algoritmo DIM Universidad de oncepción
18 Matrices definidas positivas Una matriz simétrica A R n n se dice definida positiva si x t Ax > x R n : x Estas matrices también aparecen muy habitualmente, por ejemplo, al ajustar parámetros de un modelo por cuadrados mínimos o al resolver problemas de valores de contorno para ecuaciones diferenciales Teorema Sea A R n n una matriz simétrica A es definida positiva si y sólo si se cumple cualquiera de las siguientes condiciones: 1 los valores propios de A son todos positivos; 2 los determinantes de las submatrices principales de A son todos positivos; 3 existe una matriz L, triangular inferior y no singular, tal que A = LL t Esta última propiedad nos dice que si la matriz es simétrica y definida positiva, siempre puede obtenerse una factorización en matrices triangulares sin necesidad de pivoteo Además, no hace falta calcular la matriz triangular superior, pues es la transpuesta de la triangular inferior Veremos que esto reduce el costo operacional a la mitad DIM Universidad de oncepción
19 Método de holesky Se aplica solamente a matrices simétricas y definidas positivas Se basa en calcular directamente la matriz L tal que A = LL t Se procede como en el caso de matrices tridiagonales y se obtiene el siguiente algoritmo: Para j = 1,, n j 1 l jj = ajj k=1 para i = j + 1,, n ( l ij = 1 a ij l jj l 2 jk j 1 k=1 l ik l jk ) El costo operacional es: n j j=1 k=1 1 3 n3 flop, n i=j+1 + n raíces cuadradas ( 1 + j 1 k=1 2) DIM Universidad de oncepción
20 Método de holesky (cont) Para resolver un sistema de ecuaciones Ax = b con matriz simétrica y definida positiva por el método de holesky, una vez calculada L, se tiene: Ax = b L(L t x) = b Ly = b, L t x = y Para resolver los sistemas Ly = b y L t x = y, se utiliza el algoritmo que ya conocemos para matrices triangulares, cuyo costo operacional es de 2n 2 Por lo tanto el costo operacional total del método de holesky es de 1 3 n3 Vale decir, aproximadamente la mitad que el del MEG Además, se demuestra que si la matriz es simétrica y definida positiva, los métodos de factorización son estables respecto a la propagación de errores de redondeo sin necesidad de estrategia de pivoteo En particular, el método de holesky es estable respecto a la propagación de errores de redondeo DIM Universidad de oncepción
21 Factorización de holesky en MATLA omando: R=chol(A) R es una matriz triangular superior R t *R = A A = >> R=chol(A) R = >> =R *R = DIM Universidad de oncepción
Sistemas de Ecuaciones. Lineales II
Sistemas de Ecuaciones Lineales II Factorización LU: Eliminación Gaussiana Relación con la factorización LU 521230-1 - DIM Universidad de Concepción Solución de sistemas con matriz triangular Dadas L =
Más detallesResolución de sistemas de ecuaciones lineales
Tema 2 Resolución de sistemas de ecuaciones lineales 21 Métodos directos de resolución de sistemas de ecuaciones lineales 211 Resolución de sistemas triangulares Definición 211 Una matriz A se dice triangular
Más detallesResolución de Sistema de Ecuaciones Lineales
Resolución de Sistema de Ecuaciones Lineales Hermes Pantoja Carhuavilca Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria Métodos Numérico Hermes Pantoja Carhuavilca 1 de 29 CONTENIDO
Más detallesSEL - Métodos Directos
Facultad de Ingeniería Mecánica Universidad Nacional de Ingeniería Métodos Numéricos Contenido 1 Métodos Directos Generalidades sobre Métodos Directos Eliminación Gaussiana Pivoteo Factorización LU Generalidades
Más detallesSEL Métodos Directos
SEL Pantoja Carhuavilca Métodos Numérico Agenda métodos directos Encuentra una solución en un número finito de operaciones(en ausencia de errores de redondeo) transformando el sistema en un sistema equivalente
Más detallesRESOLUCIÓN DE SISTEMAS LINEALES
Contenido 1 Métodos de Solución Contenido Métodos de Solución 1 Métodos de Solución Desarrollamos el algoritmo de sustitución regresiva, con el que podremos resolver un sistema de ecuaciones lineales cuya
Más detallesLección 11. Eliminación Gaussiana con Pivoteo y Matrices de Banda
Lección 11. Eliminación Gaussiana con Pivoteo y Matrices de Banda MIGUEL ANGEL UH ZAPATA 1 Análisis Numérico I Facultad de Matemáticas, UADY Septiembre de 2014 1 Centro de Investigación en Matemáticas,
Más detallesPara resolver un sistema lineal estan permitidas tres operaciones en las ecuaciones.
Para resolver un sistema lineal estan permitidas tres operaciones en las ecuaciones. 1. La ecuación E i puede multiplicarse por cualquier costante diferente de cero y se puede usar la ecuación resultante
Más detallesSistemas de Ecuaciones. Lineales I
Sistemas de Ecuaciones Lineales I Preliminares: Expresión matricial. Dificultades numéricas. 521230-1 - DIM Universidad de Concepción Expresión matricial Todo sistema de ecuaciones lineales puede escribirse
Más detallesProfesor Francisco R. Villatoro 13 de Diciembre de 1999 SOLUCIONES. 1. Una matriz A de n n es diagonalmente dominante (estrictamente) por filas si
Cuarta relación de problemas Técnicas Numéricas Profesor Francisco R. Villatoro 13 de Diciembre de 1999 SOLUCIONES 1. Una matriz A de n n es diagonalmente dominante estrictamente por filas si a ii > a
Más detallesGustavo Rodríguez Gómez. Agosto Dicembre 2011
Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 46 Capítulo II 2 / 46 1 Introducción Métodos Directos Sistemas Triangulares Sustitución Hacia Atrás Invertibilidad de una Matriz
Más detallesAl considerar varios polígonos regulares inscritos resulta: perímetro del cuadrado < π. perímetro del 96 gono < π
AMPLIACIÓN DE MATEMÁTICAS INTRODUCCIÓN Método Constructivo: Conjunto de instrucciones que permiten calcular la solución de un problema, bien en un número finito de pasos, bien en un proceso de paso al
Más detallesElementos de Cálculo Numérico
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico Primer cuatrimestre 2006 Práctica N 2: Condicionamiento de una matriz. Descomposición
Más detallesSolución de sistemas lineales
Solución de sistemas lineales Felipe Osorio http://www.ies.ucv.cl/fosorio Instituto de Estadística Pontificia Universidad Católica de Valparaíso Marzo 31, 2015 1 / 12 Solución de sistemas lineales El problema
Más detallesMAT web:
Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesInstituto Tecnológico Autónomo de México. 1. At =..
Instituto Tecnológico Autónomo de México TRANSPUESTA DE UNA MATRIZ DEFINICION : Transpuesta Sea A = (a ij ) una matriz de mxn Entonces la transpuesta de A, que se escribe A t, es la matriz de nxm obtenida
Más detallesMatemática Superior Aplicada Descomposición PLU
Matemática Superior Aplicada Descomposición PLU Prof.: Dr. Alejandro S. M. Santa Cruz J.T.P.: Ing. Juan Ignacio Manassaldi Aux. 1 ra : Ing. Juan Pablo Camponovo Aux. 2 ra : Sr. Alejandro Jesús Ladreyt
Más detallesMatrices y Sistemas de Ecuaciones lineales
Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,
Más detallesA.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E Valencia
Factorización de Cholesky de matrices singulares A.M. Urbano, R. Cantó, B. Ricarte Institut de Matemàtica Multidisciplinar, Universitat Politècnica de València, E-460 Valencia amurbano@mat.upv.es,rcanto@mat.upv.es,bearibe@mat.upv.es,
Más detallesMatrices triangulares y descomposición LU
Matrices triangulares y descomposición LU Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el examen será suficiente
Más detallesMétodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012
Cálculo numérico Métodos de factorización para resolver sistemas de ecuaciones lineales 22 de agosto, 2012 1 Factorización LU Considera el siguiente ejemplo de factorización LU de una matriz en un sistema
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesFactorización de matrices
CAPÍTULO Factorización de matrices En este capítulo se estudian algunas de las técnicas más utilizadas para factorizar matrices, es decir, técnicas que permiten escribir una matriz como producto de dos
Más detallesCálculo Numérico - CO3211. Ejercicios. d ) Sabiendo que la inversa de la matriz A = es A c d
Cálculo Numérico - CO32 Ejercicios Decida cuáles de las siguientes proposiciones son verdaderas y cuáles son falsas Si una proposición es verdadera, demuéstrela, y si es falsa dé un contraejemplo: a Sea
Más detallesMÉTODOS MATEMÁTICOS (Curso ) Cuarto Curso de Ingeniero Industrial Departamento de Matemática Aplicada II. Universidad de Sevilla
MÉTODOS MATEMÁTICOS (Curso 2012-201) Cuarto Curso de Ingeniero Industrial Departamento de Matemática Aplicada II Universidad de Sevilla Lección 2: Sistemas de ecuaciones lineales ELIMINACIÓN GAUSSIANA
Más detallesMatrices y sistemas lineales
Matrices y sistemas lineales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Matrices elementales En esta sección vamos a crear funciones en MATLAB que nos permitan construir matrices elementales.
Más detallesDeterminantes. Definiciones básicas sobre determinantes. José de Jesús Angel Angel.
Determinantes Definiciones básicas sobre determinantes wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Determinantes 2 11 Propiedades de determinantes 4 2 Inversa
Más detallesCálculo numérico. Sistemas de ecuaciones lineales.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2010. Las raíces de x 2 bx + c = 0. r = b ± b 2 4c 2 b = 3.6778, c = 0.0020798 r 1 = 3.67723441190... r 2 = 0.00056558809...
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Generalidades Definición [Sistema de ecuaciones lineales] Un sistema de m ecuaciones lineales con n incógnitas, es un conjunto de m igualdades
Más detallesALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República
ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto
Más detallesSistema de ecuaciones algebraicas. Eliminación de Gauss.
Sistema de ecuaciones algebraicas. Eliminación de Gauss. Curso: Métodos Numéricos en Ingeniería Profesor: Dr. José A. Otero Hernández Correo: j.a.otero@itesm.mx web: http://metodosnumericoscem.weebly.com
Más detallesMatrices 3. Matrices. Verónica Briceño V. agosto 2012
3 agosto 2012 En esta Presentación... En esta Presentación veremos: Matriz Inversa En esta Presentación... En esta Presentación veremos: Matriz Inversa Determinante En esta Presentación... En esta Presentación
Más detallesTEMA 4: Sistemas de ecuaciones lineales II
TEM 4: Sistemas de ecuaciones lineales II ) Teorema de Rouché-Frobenius. ) Sistemas de Cramer: regla de Cramer. 3) Sistemas homogeneos. 4) Eliminación de parámetros. 5) Métodos de factorización. 5) Métodos
Más detallesTEMA VI 1. MÉTODO DE ELIMINACIÓN DE GAUSS Y GAUSS JORDAN PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES.
TEMA VI 1. MÉTODO DE ELIMINACIÓN DE GAUSS Y GAUSS JORDAN PARA RESOLVER SISTEMAS DE ECUACIONES LINEALES. El método de Eliminación de Gauss consiste en transformar un sistema de ecuaciones lineales (S.E.L.)
Más detallesMatrices y Determinantes.
Tema II Capítulo 1 Matrices Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC Tema II Matrices y Determinantes 1 Matrices 1 Definiciones básicas Definición 11 Una matriz A de
Más detallesLección 8. Matrices y Sistemas de Ecuaciones Lineales
Lección 8 Matrices y Sistemas de Ecuaciones Lineales MIGUEL ANGEL UH ZAPATA 1 Análisis Numérico I Facultad de Matemáticas, UADY Septiembre 2014 1 Centro de Investigación en Matemáticas, Unidad Mérida En
Más detallesProblemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices:
Problemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices: 5 2 1 1 0 3 1 0 3 3 1 6. 3 1 6 5 2 1 2.- Dada la matriz A = 10 7 8 7 5 6, 8 6 10 hallar
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesALGEBRA y ALGEBRA LINEAL
520142 ALGEBRA y ALGEBRA LINEAL Primer Semestre, Universidad de Concepción CAPITULO 7. MATRICES DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Matriz Sean
Más detallesMétodos Numéricos para Sistemas de Ecuaciones Lineales
Universidad de Chile Departamento de Ingeniería Matemática Cálculo Numérico MA-33A Métodos Numéricos para Sistemas de Ecuaciones Lineales Gonzalo Hernández Oliva GHO SEL - MA33A 1 MN para SEL: Temario
Más detallesMétodos para matrices especiales. Descomposición de Cholesky
Métodos para matrices especiales. Descomposición de Cholesky MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx
Más detallesALN2_IS5_explicaciones Resolución de sistemas de ecuaciones lineales: método de Gauss, pivoteo, descomposición LU.
ALN2_IS5_explicaciones Resolución de sistemas de ecuaciones lineales: método de Gauss, pivoteo, descomposición LU. ALN-IS5, 2014-2015, Emmanuel Briand 1. Por qué no conviene hacer (grandes) cálculos exactos
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesDepartamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011
Factorización LU Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 26.1. Introducción............................................... 1 26.2. Factorización LU............................................
Más detallesMétodo 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 detallesSistemas lineales de ecuaciones
Sistemas lineales de ecuaciones Conceptos previos a) Sistemas de ecuaciones lineales. b) Solución de un sistema. c) Sistemas triangulares. Resolución de sistemas Métodos directos a) Método de eliminación
Más detalles2. Sistemas de ecuaciones lineales.
2. Sistemas de ecuaciones lineales. Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2002 Contents 1 Introducción 2 2 Operaciones elementales
Más detallesFactorización de matrices totalmente no positivas y totalmente negativas
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de matrices totalmente no positivas y totalmente negativas
Más detallesMATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES
CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno
Más detallesMatrices y sistemas de ecuaciones lineales. Autovalores y autovectores.
Tema 5 Matrices y sistemas de ecuaciones lineales Autovalores y autovectores 5 Introducción Una matriz es una disposición ordenada de elementos de la forma: a a a m a a a m a n a n a nm Sus filas son las
Más detallesEdgar Acuña/ ESMA 6665 Lecc1-2 1 ESTADISTICA COMPUTACIONAL. Capítulo I. Matrices y solución de Ecuaciones lineales
Edgar Acuña/ ESMA 6665 Lecc1-2 1 ESTADISTICA COMPUTACIONAL Capítulo I. Matrices y solución de Ecuaciones lineales Referencias: 1. Datta, B. (1995) Numerical Linear Algebra. Brooks Cole 2. Golub, G. and
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
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 detallesFactorización de rango completo y aplicaciones
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de rango completo y aplicaciones R. Cantó 1, B. Ricarte
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesCURSO DE METODOS NUMERICOS T ERCERA PART E METODOS PARA LA RESOLUCION DE SISTEMAS LINEALES
CURSO DE METODOS NUMERICOS T ERCERA PART E METODOS PARA LA RESOLUCION DE SISTEMAS LINEALES V. Muto Sistemas lineales: Preliminares Cap. XIII CAPITULO XIII. METODOS PARA LA RESOLUCION DE SISTEMAS LINEALES:
Más detalles4 to Coloquio del Departamento de Matemáticas. Álgebra Lineal Numérica, Mínimos Cuadrados y Optimización. Dr. L. Héctor Juárez D.
4 to Coloquio del Departamento de Matemáticas Álgebra Lineal Numérica, Mínimos Cuadrados y Optimización Dr L Héctor Juárez D Assaely Léon Comité Organizador Dr Mario Pineda Ruelas Dr Julio César García
Más detallesCálculo Numérico. Curso Ejercicios: Preliminares I
Cálculo Numérico. Curso 07-08. Ejercicios: Preliminares I 1. (a) Compruebe que la inversa de una matriz, L, triangular inferior de orden n puede calcularse como sigue: Para j = 1,,..., n e i = j, j + 1,...,
Más detallesSISTEMAS DE ECUACIONES LINEALES
APLICACIONES COMPUTACIONALES INGENIERÍA EJECUCIÓN MECÁNICA SISTEMAS DE ECUACIONES LINEALES REGLA DE CRAMER Esta regla establece que cada incógnita de un sistema de ecuaciones lineales algebraicas puede
Más detallesClase No. 13: Factorización QR MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 16
Clase No 13: Factorización QR MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 03102011 1 / 16 Factorización QR Sea A R m n con m n La factorización QR de A es A = QR = [Q 1 Q 2 ] R1 = Q 0 1 R
Más detallesProcedimiento para encontrar la inversa de una matriz cuadrada (Método de Gauss-Jordan).
Ejemplo 19: Demuestre que la matriz A es invertible y escríbala como un producto de matrices elementales. Solución: Para resolver el problema, se reduce A a I y se registran las operaciones elementales
Más detallesEstrategias de pivoteo
Estrategias de pivoteo Objetivos. Resolver sistemas de ecuaciones lineales aplicando varias técnicas de pivoteo; programar estos algoritmos. Requisitos. Operaciones elementales, experiencia de resolver
Más detallesAPÉNDICE A. Algebra matricial
APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos
Más detalles3. Determinantes. Propiedades. Depto. de Álgebra, curso
Depto de Álgebra curso 06-07 3 Determinantes Propiedades Ejercicio 3 Use la definición para calcular el valor del determinante de cada una de las siguientes matrices: 3 0 0 α A = 5 4 0 A = 6 A 3 = 0 β
Más detallesPropiedades de los Determinantes
Propiedades de los Determinantes Departamento de Matemáticas, CCIR/ITESM 26 de mayo de 2010 Índice 19.1. Propiedades............................................... 1 19.2. La adjunta de una matriz cuadrada..................................
Más detallesAPUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES
APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesTema 3 Resolución de Sistemas deecuaciones Lineales
Tema 3 Resolución de Sistemas de Ecuaciones Lineales E.T.S.I. Informática Indice 1 Introducción 2 Resolución de Sistemas Triangulares Triangulación por el Método de Gauss Variante de Gauss-Jordan Comentarios
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detallesa) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas.
MATRICES CUADRADAS Definición: ( Cuadradas Una matriz A es una matriz cuadrada de orden n, si y solo si, A es de oreden n n, es decir, A tiene n filas y n columnas: a 11 a 1n a n1 a nn Observación: a La
Más detalles1.2 Valores y vectores propios. Método de las potencias y Rayleigh.
20 Prelininares. 1.2 Valores y vectores propios. Método de las potencias y Rayleigh. 1.2.1 Cálculo del Polinomio Caracterstico: ALGORITMO DE SOURIAU. ENTRADA: la matriz A 1 = A, p 1 = traza(a 1 ), n =
Más detallesTEMA 8. Sistemas de Ecuaciones Lineales: Método de Gauss. 1. Sistemas de ecuaciones lineales. Generalidades
TEMA 8 F MATEMÁTICOS TEMA 8 Sistemas de Ecuaciones Lineales: Método de Gauss 1 Sistemas de ecuaciones lineales Generalidades Uno de los problemas centrales del álgebra lineal es la resolución de ecuaciones
Más detallesMatrices y sistemas de ecuaciones lineales
Matrices y sistemas de ecuaciones lineales Problemas para examen Antes de resolver un problema en el caso general, se recomienda considerar casos particulares (por ejemplo, n = 4 y n = 50). En el caso
Más detallesMATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesTema 1: Matrices. Sistemas de ecuaciones. Determinantes
Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes
Más detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
Más detallesMétodos para matrices especiales. Descomposición de Cholesky
Métodos para matrices especiales. Descomposición de Cholesky MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx
Más detallesMétodos directos de resolución de sistemas lineales
Tema 4 Métodos directos de resolución de sistemas lineales 1 Introducción En este tema se estudian algunos métodos de resolución de sistemas de ecuaciones lineales con el mismo número de ecuaciones que
Más detallesSe trata de: Explicar el comportamiento de una variable dependiente ( Y ) en función de otras variables ( i ) 2 Investigar si las variables están asoc
4 ASOCIACION ENTRE VARIABLES En la investigación estadística- y en lo fundamental aquella relacionada a variables socioeconómicas-, es común encontrar variables relacionadas o asociadas Estadísticamente
Más detallesMatrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesI. Métodos directos para resolución de SEL. Se dice que una matriz A admite una factorización LU indirecta A = LU
I. Métodos directos para resolución de SEL 1. Factorización LU Se dice que una matriz A admite una factorización LU si dicha matriz puede escribirse como el producto de una matriz triangular inferior,
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más detallesÁlgebra Lineal y Estructuras Matemáticas. J. C. Rosales y P. A. García Sánchez. Departamento de Álgebra, Universidad de Granada
Álgebra Lineal y Estructuras Matemáticas J. C. Rosales y P. A. García Sánchez Departamento de Álgebra, Universidad de Granada Capítulo 4 Matrices con coeficientes en un cuerpo 1. Matrices Sean I = {1,
Más detallesAlgunos resultados acerca de B-matrices.
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Algunos resultados acerca de B-matrices. Manuel F. Abad 1, María
Más detallesEstos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.
TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesResolución numérica de sistemas de ecuaciones. Introducción
Motivación La cercha de la figura se carga con una fuerza uniforme repartida sobre el cordón superior Resolución numérica de sistemas de ecuaciones. Introducción El planteamiento del problema conduce a
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 5
Análisis Numérico para Ingeniería Clase Nro. 5 Sistemas de Ecuaciones Lineales Temas a tratar: Tipos de Matrices Método de Triangulación de Gauss Método de Diagonalización de Gauss-Jordan Tácticas de Pivoteo
Más detalles1. Lección 3: Matrices y Determinantes
Apuntes: Matemáticas Empresariales II 1. Lección 3: Matrices y Determinantes Se define matriz de orden n m a todo conjunto de n m elementos de un cuerpo K, dispuestos en n filas y m columnas: A n m = (
Más detallesResolución numérica de sistemas de ecuaciones lineales
Resolución numérica de sistemas de ecuaciones lineales María González Taboada Departamento de Matemáticas Febrero de 2008 Esquema: 1 Descripción del problema 2 Algunas definiciones y propiedades 3 Condicionamiento
Más detallesAlgunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices
Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2
Más detallesPropiedades de las Matrices Totalmente no Positivas
XX Congreso de Ecuaciones Diferenciales y Aplicaciones X Congreso de Matemática Aplicada Sevilla, 24-28 septiembre 2007 (pp 1 8) Propiedades de las Matrices Totalmente no Positivas R Cantó 1, B Ricarte
Más detallesAlgoritmo de factorización LU
Algoritmo de factorización LU Objetivos. Estudiar el algoritmo de la factorización LU de una matriz cuadrada invertible. Requisitos. Matrices elementales y su relación con operaciones elementales, matriz
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesUniversidad Nacional de Ingeniería Facultad de Ciencias. Física Computacional CC063. Algebra Lineal. Prof: J. Solano 2012-I
Universidad Nacional de Ingeniería Facultad de Ciencias Física Computacional CC063 Algebra Lineal Prof: J. Solano 2012-I Introduccion Aqui trabjaremos con operaciones basicas con matrices, tales como solucion
Más detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
Más detallesDeterminantes Introducción a los determinantes. Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula.
Capítulo 5 Determinantes 5.1. Introducción a los determinantes Recordemos la definición del determinante de una matriz A de 2 2 ( fórmula 2.4 ) [ ] a b det = ad bc c d La proposición 2.16 implica que el
Más detallesAlgoritmo de la factorización LU
Algoritmo de la factorización LU. Objetivo. Estudiar el algoritmo de la factorización LU de una matriz cuadrada invertible.. Requisitos: Matrices elementales y su relación con operaciones elementales.
Más detallesMÉTODOS 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