ALN - Curso 2007 Gradiente Conjugado
|
|
- Nieves Escobar Vega
- hace 6 años
- Vistas:
Transcripción
1 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 en cada iteración, que les permite obtener la solución de modo dinámico suelen ser más eficientes que los métodos estacionarios para la mayor parte de los problemas contienen a los métodos basados en subespacios de Krylov Gradiente Conjugado Método iterativo no estacionario que permite resolver sistemas lineales bajo la restricción de que la matriz de n n coeficientes A R sea simétrica y definida positiva, o sea, simétrica y con valores propios positivos. Basado en subespacios de Krylov. No requiere una factorización de la matríz, ni es dependiente de parámetros definidos por el usuario, como sucede con otros métodos iterativos.
2 Subespacio de Krylov Se define el subespacio de Krylov de dimensión m asociado a la matriz A y al vector v, como el subespacio generado por la base {,, 2,..., m v Av A v A v}, y se denota por K A, v. m ( ) Se puede ver que: AKm K m + K K2... K m... Ortogonalidad Si v K m entonces Av Km Cualquier vector ortogonal a un espacio de Krylov se transforma bajo A en otro también ortogonal, pero al espacio de Krylov un orden menor. Problema de minimización equivalente A R n n n Si es simétrica y definida positiva y b R, entonces la función cuadrática n φ : R R φ ( x) = Ax, x b, x 2 n alcanza un único mínimo en el vector x R solución del sistema. Ax = b Nota: T T φ ( x) = Ax, x b, x = x Ax x b 2 2 2
3 A es simétrica entonces φ T φ ( x) = ( x) = ( Ax + A x) b = Ax b x 2 Entonces Además φ tiene un punto crítico en x si y solo sí ( ) φ x = Ax = b y, por lo tanto si A es definida positiva, el punto crítico de es un mínimo. φ 2 φ Hφ( x) = ( x) = ( aij ) = A xi x j Métodos de Descenso n Se parte de un punto u R, y en cada paso =,,2, se determina un nuevo punto de la siguiente manera: ( ) φ ( ) u R φ u < u + n + - Se calcula una dirección de búsqueda p 2 - Se considera la recta L que pasa por el punto con dirección p 3 - Se elige el punto u + L donde φ alcanza su mínimo sobre L u Como { α : α } L = u + p R, entonces φ α α α ( u p ) + = Au, u b, u + Au b, p + Ap, p Por lo tanto, dφ r, p ( u + α p ) = α = α = dα Ap, p Donde Luego r = b Au es el residuo de u u + = u +α p 3
4 Método del Máximo Descenso Los distintos métodos de descenso se distinguen por la manera de escoger la dirección de descenso p La elección más simple es escoger la dirección de máximo descenso de φ ( ) p = φ u = b Au = r Esta elección conduce al Método del Máximo Descenso o del Gradiente. Método del Máximo Descenso Método del Máximo Descenso 4
5 Método del Máximo Descenso Algoritmo del Método del Máximo Descenso: Dado el vector inicial u, r = b Au Para =,,2, hasta que se satisfaga un criterio de detención r, r α = Ar, r u + = u +α r r = b Au = r α Ar + + Direcciones conjugadas Una elección de la dirección de descenso p que genera un método más eficiente se basa en ortogonalizar el residuo r j respecto a todas las direcciones de descenso anteriores p, j =,,-, en el producto interno x, y = Ax, y, x, y R A Las direcciones obtenidas satisfacen j Ap, p = j y son llamadas direcciones conjugadas o A-ortogonales. n El procedimiento anterior conduce a otro método llamado Método del Gradiente Conjugado. 5
6 La idea básica del método del gradiente conjugado consiste en construir una base de vectores ortogonales y utilizarla para realizar la búsqueda de la solución en forma más eficiente. La gran ventaja del método radica en que cuando se utiliza este procedimiento, basta con asegurar la ortogonalidad de un nuevo miembro con respecto al último que se ha construido, para que automáticamente esta condición se cumpla con respecto a todos los anteriores. Se basa en realizar una proyección ortogonal en el subespacio de Krylov K, donde r ( A, r ) es el residuo inicial. En las sucesivas iteraciones se obtienen soluciones aprox. al sistema (iterandos). Para cada iteración se calcula el residuo correspondiente a las distintas soluciones y una dirección de búsqueda ( p + ). Residuo de la resolución del sistema r = b Au + + α + Variable de escalado. La elección de β asegura que r + y r sean ortogonales (a todos los previos). Método del Gradiente Conjugado 6
7 Método del Gradiente Conjugado Método del Gradiente Conjugado Algoritmo del Método del Gradiente Conjugado: Ax = b Entrada: el sistema y un vector de búsqueda inicial u. Se calcula para iniciar el algoritmo r = b Au y p = r Para =,,2, hasta que se satisfaga un criterio de detención β + + r, r + = r, r p = r + β p α + = r, p Ap p u + = u +α p r + = r α Ap 7
8 Propiedad de terminación finita Tras n iteraciones se alcanza la solución exacta suponiendo que no haya efecto de los errores de redondeo (aritmética exacta). Sin embargo, en aritmética finita este resultado ya no es válido. Debido a los errores de redondeo, pueden ser necesarios más de n pasos del método. Criterio de detención Puede tener en cuenta: Error cometido en el cálculo de la solución del sistema: i r límite b, donde el valor de la variable límite es proporcional a la precisión que se quiere alcanzar en el resultado. En la práctica se itera hasta que cierto criterio sobre el 6 residuo es alcanzado. Ej. r <. Debido a errores de redondeo no se puede bajar de un cierto nivel de residuo relacionado con la precisión de la máquina y el número de operaciones necesarias para calcular el residuo. Tiempo de ejecución del algoritmo: se establece un límite máximo al número de iteraciones que realiza el algoritmo. Velocidad de convergencia Se verifica que: i 2 u x 2 u x 2 + i u es la solución obtenida para la iteración i-ésima. x es la solución exacta del sistema. λ ( ) 2 es el número de condición espectral, max A. 2 = λ A i min ( ) 8
9 La convergencia del método dependerá, en gran manera, de las propiedades espectrales de la matriz de coeficientes. Un mal condicionamiento de la matriz provoca que converja lentamente. Precondicionador Matriz invertible M que provoca que el sistema: M Ax = M b tenga la misma solución de Ax = b más fácil de resolver. pero que sea La ventaja que se obtiene mediante su uso es que la nueva matriz de coeficientes presenta unas propiedades espectrales más favorables, que permiten una convergencia más rápida (PCG). Algunos datos El método del gradiente conjugado necesita muy poca memoria para ser realizado, lo que lo convierte en un gran método cuando la matriz del sistema es simétrica y definida positiva. Para cada iteración del algoritmo básico (sin precondicionador ni condición de convergencia) es necesario realizar un producto matriz-vector, tres actualizaciones vectoriales y dos productos escalares entre vectores. 9
10 Otros métodos Gradiente Bi-conjugado (BiCG). No exige que la matriz sea simétrica. Se basa en reemplazar las secuencias ortogonales de residuos por dos secuencias mutuamente ortogonales. La actualización de relaciones para los residuos son aumentadas por relaciones que son similares pero basadas en A T en lugar de A. Convergencia: Para sistemas simétricos y definidos positivos obtiene los mismos resultados que el método de Gradiente Conjugado. Algoritmo del Método del Gradiente Bi-conjugado: x Elegir, calcular r = b Ax y elegir r ' = r ; p = p ' ; = Para =,,2, hasta que se satisfaga un criterio de detención + = r ', r = + α + p ' +, Ap + β = + + p = r + β p + + p ' = r ' + β p ' + + x = x + α p r = r + α Ap r ' = r ' + α A p ' T Otros métodos Gradiente Conjugado Cuadrático (CGS). Variante del Gradiente Bi- Conjugado. Requiere una cantidad de operaciones por la iteración casi igual al BiCG pero no es necesario usar A T. Convergencia: En la práctica la convergencia puede ser mucho más irregular que para el BiCG.
11 Algoritmo del Método del Gradiente Conjugado Cuadrático: x Elegir, calcular r = b Ax y elegir r ' = r ; p = q; = Para =,,2, hasta que se satisfaga un criterio de detención r ', + = r β = + + u = r + q β + ( β ) p = u + β q + p = p ', Ap + α + + q = u α p ( ) x = x + α u + q ( ) r = x + α u + q Otros métodos Gradiente Bi-conjugado Estabilizado (BiCGSTAB). Resuelve sistemas lineales no simétricos. Evita la irregular convergencia del método de Gradiente Conjugado Cuadrático modificando el polinomio que se usa para el cálculo del residuo. Requiere dos productos internos más que BiCG y CGS. Convergencia: Aprox. a la del método de Gradiente Conjugado Cuadrático, algunas veces converge más rápido que éste y otras no. Algoritmo del Método del Gradiente Bi-conjugado Estabilizado: x Elegir, calcular r = b Ax y elegir r ' = r ; p = q = ; = α = ω = Para =,,2, hasta que se satisfaga un criterio de detención r ', + = r β = + α ω + + ( ω ) p = r + β p q + + q = Ap α + = r ', q + s = r α q t = As + + t ω + = t, s + +, t + + x = x + α p + ω s r = s + ω t
12 FIN Muchas gracias. 2
I. 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 detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores
Más detallesResolución numérica de sistemas de ecuaciones. Introducción
Resolución numérica de sistemas de ecuaciones. Introducción Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Spain) http://www-lacan.upc.es
Más detallesClase. 1. Resolución de sistemas de ecuaciones lineales: preliminares
Clase 1. Resolución de sistemas de ecuaciones lineales: preliminares 2. Método directo y exacto: Gauss 3. Método directo y exacto (II): descomposición LU 4. Métodos indirectos: Jacobi, Gauss-Seidel 2 Sistemas
Más detallesMétodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones
Métodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones Dr. Gonzalo Hernández Oliva UChile - Departamento de Ingeniería Matemática 07 de Mayo 2006 Abstract En este apunte veremos
Más detallesMétodos iterativos para sistemas lineales de ecuaciones
Métodos iterativos para sistemas lineales de ecuaciones Laboratori de Càlcul Numèric (LaCàN) 23 de septiembre de 2010 Se desea resolver el sistema lineal de ecuaciones Ax = b, con A R n n regular, x R
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
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 detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detallesf(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y
Más detallesCLASIFICACIÓN AFÍN DE CÓNICAS
Álgebra lineal y Geometría I Gloria Serrano Sotelo Departamento de MATEMÁTICAS CLASIFICACIÓN AFÍN DE CÓNICAS Sea E un R-espacio vectorial de dimensión. Sean E = e 1, e un plano vectorial de E y e 0 un
Más detalles102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D.
102 EJERCICIOS DE ALGEBRA LINEAL por Francisco Rivero Mendoza Ph.D. Tema 1. Espacios Vectoriales. 1. Dar la definición de cuerpo. Dar tres ejemplos de cuerpos. Dar un ejemplo de un cuerpo finito 2. Defina
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 detallesEspacios Vectoriales
Espacios y subespacios vectoriales Espacios Vectoriales 1. Demuestre que con la suma y multiplicación habituales es un espacio vectorial real.. Considere el conjunto C de los números complejos con la suma
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesMétodos Numéricos: Ejercicios resueltos
Métodos Numéricos: Ejercicios resueltos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica
Más detallesBENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN BANCO DE PREGUNTAS CURSO: ALGEBRA LINEAL LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Mendoza Otoño
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 detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesAnálisis aplicado. Ax = b. Gradiente conjugado.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2009. Cuadráticas estrictamente convexas. φ(x) = 1 2 xt Ax b T x, A R n n minimizar φ(x) Ax = b. Cuadráticas estrictamente
Más detallesTEMA 8. GEOMETRÍA ANALÍTICA.
TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos
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 detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesAprendizaje basado en ejemplos.
Aprendizaje basado en ejemplos. In whitch we describe agents that can improve their behavior through diligent study of their own experiences. Porqué queremos que un agente aprenda? Si es posible un mejor
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesAplicaciones Lineales. Diagonalización de matrices.
Tema 2 Aplicaciones Lineales. Diagonalización de matrices. 2.1. Definiciones y propiedades Nota 2.1.1. En este tema trabajaremos con los Espacios Vectoriales R n y R m definidos sobre el cuerpo R. Definición
Más detallesTema 6: Resolución aproximada de sistemas de ecuaciones lineales
Métodos Numéricos: Resumen y ejemplos Tema 6: Resolución aproximada de sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detallesTEMA 5.6 PROGRAMACIÓN NO LINEAL
TEMA 5.6 PROGRAMACIÓN NO LINEAL 5.6.. INTRODUCCIÓN 5.6.. CONCEPTOS BÁSICOS 5.6.. MÉTODO O DE NEWTON ONSN SIN RESTRICCIONES S 5.6.4. MÉTODO DE NEWTON CON RESTRICCIONES. FUNCIONES DE PENALIZACIÓN. INTRODUCCIÓN
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesTEMA 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 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 detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesTrabajo Práctico N 5: ESPACIOS VECTORIALES
Trabajo Práctico N 5: ESPACIOS VECTORIALES Ejercicio 1: Determine si los siguientes conjuntos con las operaciones definidas en cada caso son o no espacios vectoriales. Para aquellos que no lo sean, indique
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesProgramación lineal: Algoritmo del simplex
Programación lineal: Algoritmo del simplex Se considera la formulación estándar de un problema de programación lineal siguiendo la notación utilizada en las clases teóricas: Minimizar c t x sa: Ax = b
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 detallesEjercicios resueltos de Álgebra, hoja 3. Beatriz Graña Otero
Ejercicios resueltos de Álgebra, hoja. Beatriz Graña Otero 5 de Diciembre de 8 B.G.O. 47.- Sobre el R-espacio vectorial E de dimensión 4, sea la métrica cuya matriz asociada a la base B = {e, e, e, e 4
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 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 detallesMétodo de potencia directo e inverso
Clase No. 12: Método de potencia directo e inverso MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 26.09.2011 1 / 20 Método de la potencia Este método puede encontrar el eigenvalor más grande
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 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 detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesEstrategias para la resolución de grandes sistemas de ecuaciones lineales. Métodos de Cuasi-Mínimo Residuo Modificados.
Universidad de Las Palmas de Gran Canaria Departamento de Matemáticas Tesis Doctoral Estrategias para la resolución de grandes sistemas de ecuaciones lineales. Métodos de Cuasi-Mínimo Residuo Modificados.
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 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 detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detallesESPACIOS VECTORIALES
ESPACIOS VECTORIALES Un espacio vectorial sobre K es una conjunto V que cumple: 1) Existe una regla que asocia a dos elementos u, v V su suma que se denota por u + v, que es también elemento de V y que
Más detallesDiagonalización de matrices
7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,
Más detallesTEMA 4. APLICACIONES LINEALES
TEMA 4. APLICACIONES LINEALES 1.- Definición y propiedades. 2.- Aplicaciones lineales inyectivas y Suprayectivas. 3.- Núcleo, imagen, matriz asociada y rango de una aplicación lineal. 4.- Operaciones con
Más detallesGuía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno.
Guía. Álgebra III. Examen parcial III. Forma canónica de Jordan. Producto interno. Teoremas con demostraciones que se pueden incluir en el examen: 1. Fórmula para f(j m (λ)), donde J m (λ) es el bloque
Más detallesy cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy).
UNIDAD II: VECTORES EN DOS Y TRES DIMENSIONES Un espacio vectorial (o espacio lineal) es el objeto básico de estudio en la rama de la matemática llamada álgebra lineal. A los elementos de los espacios
Más detallesTema 3.- Sistemas de ecuaciones lineales incompatibles. Sistemas compatibles e indeterminados.
Tema 3- Sistemas de ecuaciones lineales incompatibles Sistemas compatibles e indeterminados ÍNDICE 31 Solución de mínimos cuadrados de un sistema lineal incompatible de rango máximo: ecuaciones normales
Más detallesPrimer examen parcial Geometría y Álgebra Lineal 1 2 de mayo de 2015 Respuestas y solución
Primer examen parcial Geometría y Álgebra Lineal 1 2 de mayo de 2015 Respuestas y solución Respuestas a la versión 1: (La versión 1 es aquélla cuyo primer ejercicio dice Un sistema lineal de m ecuaciones
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesSistemas lineales de ecuaciones diferenciales. Juan-Miguel Gracia
Sistemas lineales de ecuaciones diferenciales Juan-Miguel Gracia Índice Sistemas lineales 2 Búsqueda de una solución especial 3 Aplicación a sistemas 4 Problema de condiciones iniciales 2 / 2 Sistemas
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesSistemas de ecuaciones no lineales
Práctica 6 Sistemas de ecuaciones no lineales En esta práctica revisaremos algunos métodos básicos para la resolución numérica de sistemas de ecuaciones no lineales 61 Método iterativo del punto fijo Partimos
Más detallesFunciones de varias variables
Funciones de varias variables 1. Conceptos elementales Funciones IR n IR m. Definición Una función f (también f o f): A IR n IR m es una aplicación que a cada x (también x o x) A IR n le hace corresponder
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas ITESM Métodos Iterativos para Resolver Sistemas Lineales Álgebra Lineal - p. 1/30 En esta lectura veremos
Más detallesAlgebra lineal de dimensión finita
Algebra lineal de dimensión finita Métodos para calcular autovalores Pseudoinversa Algebra lineal númerica 1 Teorema:[Teorema 1.6] Sea A es una matriz real simétrica. Si Q(x) =< Ax, x > entonces: λ 1 =
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesEstéreo dinámico. Estéreo dinámico
Estéreo dinámico 1 Vectores locales de desplazamiento Dada una secuencia de imagenes Tomadas a intervalos Movimiento absoluto: movimiento independiente de la cámara Movimiento relativo: movimiento debido
Más detallesRESOLUCIÓN 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 detalles3.3. Número de condición de una matriz.
96 33 Número de condición de una matriz Consideremos el sistema Ax = b, de solución u Queremos controlar qué cambios se producen en la solución cuando hacemos pequeños cambios en las componentes de b o
Más detallesRESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY
25 de Junio de 2012 RESOLUCIÓN DE MODELOS DE PROGRAMACIÓN ENTERA MÉTODOS DE CORTE CORTES DE GOMORY Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación
Más detallesIntroducción al Cálculo Numérico
Tema 1 Introducción al Cálculo Numérico 1.1 Introducción El Cálculo Numérico, o como también se le denomina, el Análisis numérico, es la rama de las Matemáticas que estudia los métodos numéricos de resolución
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 4 Optimización no Lineal
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 4 Optimización no Lineal ORGANIZACIÓN DEL TEMA Sesiones: El caso sin restricciones: formulación, ejemplos Condiciones de optimalidad, métodos Caso con restricciones:
Más detallesDada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación
Tema 8 Ceros de funciones Versión: 23 de abril de 2009 8.1 Introducción Dada f : [a, b] R R, continua, se plantea el problema de encontrar ceros de f, es decir raíces de la ecuación f(x) = 0. (8.1) La
Más detalles2. Teorema de las multiplicidades algebraica y geométrica.
Guía. Álgebra III. Examen parcial II. Valores y vectores propios. Forma canónica de Jordan. Teoremas con demostraciones que se pueden incluir en el examen El examen puede incluir una demostración entera
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesComplementos de Análisis. Año 2016
Complementos de Análisis. Año 2016 Práctica 8. Ecuaciones diferenciales ordinarias. 1 Modelando con ecuaciones diferenciales Modelar con ecuaciones diferenciales las siguientes situaciones. Intentar resolver
Más detallesMatemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5
Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:
Más detallesMatrices. Operaciones con matrices.
Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =
Más detallesSolución de Grandes Sistemas de Ecuaciones Lineales
Capítulo 4 Solución de Grandes Sistemas de Ecuaciones Lineales En el capitulo anterior se discutio como proceder para transformar un problema de ecuaciones diferenciales parciales con condicion inicial
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN OPCIÓN A
INSTRUCCIONES GENERALES Y VALORACIÓN Instrucciones: El examen presenta dos opciones A y B; el alumno deberá elegir una y sólo una de ellas, y resolver los cuatro ejercicios de que consta. No se permite
Más detallesDiagonalización simultánea de formas cuadráticas.
Diagonalización simultánea de formas cuadráticas Lucía Contreras Caballero 14-4-2004 Dadas dos formas cuadráticas, si una de ellas es definida positiva, se puede encontrar una base en la que las dos diagonalizan
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesUnidad 5 Problemas de álgebra lineal numérica.
Unidad 5 Problemas de álgebra lineal numérica. Eliminación gaussiana. Factorización LU. Sea Ax = b un sistema de n ecuaciones lineales con n incógnitas, donde A es una matriz cuadrada de orden n no singular
Más detallesÁLGEBRA LINEAL I Práctica 5
ÁLGEBRA LINEAL I Práctica 5 Espacios vectoriales (Curso 2014 2015) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesINGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA
INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA Sesión 4 Objetivos: Aplicar el método simplex a la solución de problemas reales. Contenido: Introducción al método Simplex Requerimiento del método Simplex
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES MATRICES. SISTEMAS DE ECUACIONES LINEALES Matrices ) Dada la matriz M=, prueba que n n M M, n. ) Demuestra la siguiente implicación: Si I A I AA A
Más detallesMétodos iterativos para sistemas de ecuaciones lineales
Métodos iterativos para sistemas de ecuaciones lineales Natalia Boal - Manuel Palacios - Sergio Serrano Departamento de Matemática Aplicada Obetivos Trabaar con los métodos iterativos habituales (Jacobi,
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detalles2. Obtener, por ensayo y error, una aproximación del entero más grande. Sugerencia: leer n y escribir n y n+1. (Puede ser muy largo el ensayo).
En los ejercicios, cuando se hable de un entero (un número entero), se trata de un entero del lenguaje C. Por ejemplo, 10 20 es un número entero en el sentido matemático, pero muy posiblemente este entero
Más detallesPROGRAMA DE CURSO. Resultados de Aprendizaje
PROGRAMA DE CURSO Código Nombre MA1102 Algebra Lineal Nombre en Inglés Linear Algebra SCT es Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal 6 10 3,0 2,0 5,0 Requisitos MA1101
Más detalles1 Con juntos de Números: Axiomas 1
ÍNDICE 1 Con juntos de Números: Axiomas 1 LOS CONJUNTOS EN EL ALGEBRA. 1-1 Los conjuntos y sus relaciones, 1.1-2 Conjuntos y variables, 6. AXIOMAS DE LOS NUMEROS REALES. 1-3 Orden en el conjunto de los
Más detalles2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo.
2. Formas cuadráticas. Expresiones diagonales. Clasificación respecto a su signo. 2.1 Formas cuadráticas. Expresión matricial y analítica. Expresiones diagonales. Definición 2.1 (Expresión matricial) Una
Más detallesEJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA
EJERCICIOS DE SELECTIVIDAD DE ÁLGEBRA 2003 (4) Ejercicio 1. Considera los vectores u = (1,1,1), v = (2,2,a) y w = (2,0,0), (a) [1'25 puntos] Halla los valores de a para que los vectores u, v y w sean linealmente
Más detallesEjercicios de ECUACIONES DIFERENCIALES ORDINARIAS
Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS Grado en Matemáticas Curso 203-204 . Ecuaciones lineales con coeficientes constantes Ecuaciones de primer orden. Encontrar la solución de los siguientes
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesJosé Humberto Serrano Devia Página 1
Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección se muestra la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad
Más detallesSegundo parcial Geometría y algebra lineal II
Segundo parcial Geometría y algebra lineal II HOJA PARA EL ESTUDIANTE 1. Completar los datos personales en la tabla que aparece al dorso. 2. La duración del parcial es de cuatro horas. 1 de diciembre de
Más detalles