Métodos Matemáticos E.T.S. Minas Tema 5: Valores y vectores propios Practica Prof: Francisco Palacios EPSEM-UPC Octubre 2008, ver 1.
|
|
- Felisa Macías Guzmán
- hace 5 años
- Vistas:
Transcripción
1 Métodos Matemáticos E.T.S. Minas Tema 5: Valores y vectores propios Practica Prof: Francisco Palacios EPSEM-UPC Octubre 2008, ver.2 Contenido Polinomio característco. Cálculo de valores propios con solve y fsolve. Cálculo de valores propios con el comando eigenvals. Comando eigenvects. Diagonalización. Programa para método de la potencia. Programa para método de la potencia. Parada por error estimado sobre el valor propio. Mètodo de la potencia inversa. Mètodo de la potencia desplazada. > restart;. Polinomio característico Cálculo "manual" del polinomio caracterísco. p(t)=det(a-t*i). > with(linalg): Warning, new definition for norm Warning, new definition for trace > a:=matrix(3,3,[,2,,0,,2,,3,2]); a := Construimos la matriz unitaria de orden 3. > id3:=diag(,,); 0 0 id3 := > b:=evalm(a-t*id3); t 2 b := 0 t t > p:=det(b); p := + 2 t + 4 t 2 t 3 Cálculo directo del polinomio característico usando charpoly. > p:=charpoly(a,t); p := 2 t 4 t 2 + t 3 + p y p pueden ser distintos en un cambio de signo, Maple calcula el polinomio característico de una matriz de orden n como p(t)=(-)^n det(a-ti). 2. Cálculo de vaps con solve y fsolve C alculamos las raíces del polinomio característico con solve. > vaps:=solve(p); vaps % / % / % / % + / I 3 6 % / 3 44 :=,, 3 % / % / % / I 3 6 % / % / 3 % := I 407 > evalf(vaps); Page
2 , I, I En la evaluació float aparecen partes complejas "residuales". Es preferible usar fsolve si sabemos que los valores propios son reales. > vaps:=fsolve(p); vaps := , , Comando eigenvals El comando eigenvals proporciona directamente los valores propios. > a:=matrix(3,3,[,2,,0,,2,,3,2]); a := > vaps:=eigenvals(a); vaps % / % / % / % + / I 3 6 % / 3 44 :=,, 3 % / % / % / I 3 6 % / % / 3 % := I 407 > evalf(vaps); , I, I Observamos que aparecen partes complejas resuduales. Si usamos una matriz "float", se obtienen valores aproximados para los valores propios. > af:=evalf(evalm(a)); > vaps:=eigenvals(af); 4. Comando eigenvects af :=. 2.. vaps := , , El comando eigenvects proporciona los valores propios, multiplicidad y vectores propios asociados. > a:=matrix(3,3,[,2,,0,,2,,3,2]); af:=evalf(evalm(a)); a :=. 2.. af := > veps:=eigenvects(af); veps := [ ,, {[ , , ]} ], [ ,, { [ , , ]} ], [ ,, { [ , , ]} ] Podemos acceder al contenido de la estructura compleja veps usando ínices. veps[,3] es el tercer elemento del primer objeto en veps. > veps[,3]; {[ , , ]} > veps[,3,]; [ , , ] Construcción de una matriz que tiene en columnas los vectores propios. > v:=veps[,3,]; v := [ , , ] > v2:=veps[2,3,]; v2 := [ Page, , ]
3 > v3:=veps[3,3,]; v3 := [ , , ] > v:=transpose(matrix([v,v2,v3])); 5. Diagonalización v := Si las columnas de V son una base de vectores propios de la matriz A, entonces el producto D=inv(V) A V es una matriz diagonal. > d:=evalm(inverse(v)&*a&*v); d := Observa que hay elementos residuales que no son exactamente cero, el sugiente programa sirve para filtrar los elementos casi nulos. > filt0:=x->if abs(x)<0^(-6) then 0 else x fi; filt0 := proc( x) option operator, arrow; if abs( x ) < / then 0 else x fi end Aplicamos el programa a la matriz usando el comando map > df:=map(filt0,d); df := 6. Progama para método de la potencia El método de la potencia permite determinar el valor propio de módulo máximo y un vector propio asociado. > with(linalg): > A:=matrix(3,3,[,2,,0,,2,,3,2]); x0:=[,,];# vector inicial n:=3; for i from 0 to n do `********** iteración`,i+,`**********`; y.(i+):=evalf(evalm(a&*x.i)); ny:=norm(y.(i+), infinity); for j from to vectdim(x0) do if abs(y.(i+)[j])=ny then cdom:=y.(i+)[j];break;fi; c.(i+):=cdom; x.(i+):=evalm(y.(i+)/c.(i+)); A := x0 := [,, ] n := 3 ********** iteración,, ********** y := [ 4., 3., 6. ] ny := 6. c := 6. x := [ , , ********** iteración, 2, ********** y2 := [ , , ] ny := c2 := x2 := [ , , ********** iteración, 3, ********** y3 := [ , , ] Page 3
4 ny := c3 := x3 := [ , , ] ********** iteración, 4, ********** y4 := [ , , ] ny := c4 := x4 := [ , , 7. Programa con parada por error estimado sobre el valor propio > A:=matrix(3,3,[,2,,0,,2,,3,2]); x0:=[,,]; t:=3;# número de decimale exactos ermax:=0.5*0^(-t); n:=4; c0:=0^(0);#valor inicial para c for i from 0 to n do ``; y.(i+):=evalf(evalm(a&*x.i)); ny:=norm(y.(i+), infinity); for j from to vectdim(x0) do if abs(y.(i+)[j])=ny then cdom:=y.(i+)[j];break;fi; c.(i+):=cdom; x.(i+):=evalm(y.(i+)/c.(i+)); er.(i+):=abs(c.(i+)-c.i); if er.(i+)<ermax then print(`*** precisión alcazada ***`);break; fi; A := x0 := [,, ] t := 3 ermax := n := 4 c0 := y := [ 4., 3., 6. ] ny := 6. c := 6. x := [ , , er := y2 := [ , , ] ny := c2 := x2 := [ , , er2 := y3 := [ , , ] ny := c3 := x3 := [ , , ] Page 4
5 er3 := y4 := [ , , ] ny := c4 := x4 := [ , , er4 := y5 := [ , , ] ny := c5 := x5 := [ , , er5 := y6 := [ , , ] ny := c6 := x6 := [ , , er6 := y7 := [ , , ] ny := c7 := x7 := [ , , er7 := *** precisión alcazada *** Calculamos el espectro de la matriz con eigenvals para comparar con el resultado obtenido. > Af:=evalf(evalm(A)); eigenvals(af); 8. Método de la potencia inversa Af := , , Calcula el valor propio de módulo mínimo. > A:=matrix(3,3,[,2,,0,,2,,3,2]); Af:=evalf(evalm(A));#inversa de A A:=inverse(Af); x0:=[,2,];#vector inicial t:=3;# número de decimale exactos ermax:=0.5*0^(-t); n:=4; c0:=0^(0);#valor inicial para c for i from 0 to n do ``; y.(i+):=evalf(evalm(a&*x.i)); ny:=norm(y.(i+), infinity); for j from to vectdim(x0) do if abs(y.(i+)[j])=ny then cdom:=y.(i+)[j];break;fi; c.(i+):=cdom; x.(i+):=evalm(y.(i+)/c.(i+)); er.(i+):=abs(c.(i+)-c.i); if er.(i+)<ermax then print(`*** precisión alcazada ***`); Page 5
6 vapdom_a:=c.(i+); break; fi; vap_min:=/vapdom_a; A :=. 2.. Af := A := x0 := [, 2, ] t := 3 ermax := n := 4 c0 := y := [ , , ] ny := c := x := [ , , ] er := y2 := [ , 0, ] ny := c2 := x2 := [ , 0, ] er2 := y3 := [ , , ] ny := c3 := x3 := [ , , ] er3 := y4 := [ , , ] ny := c4 := x4 := [ , , ] er4 := y5 := [ , , ] ny := c5 := x5 := [ , , ] er5 := y6 := [ , , ] ny := c6 := x6 := [ Page, , ]
7 > eigenvals(af); er6 := y7 := [ , , ] ny := c7 := x7 := [ , , ] er7 := y8 := [ , , ] ny := c8 := x8 := [ , , ] er8 := y9 := [ , , ] ny := c9 := x9 := [ , , ] er9 := y0 := [ , , ] ny := c0 := x0 := [ , , ] er0 := y := [ , , ] ny := c := x := [ , , ] er := y2 := [ , , ] ny := c2 := x2 := [ , , ] er2 := y3 := [ , , ] ny := c3 := x3 := [ , , ] er3 := y4 := [ , , ] ny := c4 := x4 := [ , , ] er4 := *** precisión alcazada *** vap_min := Page 7
8 9. Método de la potencia desplazada , , Calcula un valor propio próximo a un valor dado. En este caso partimos de la estimación > A:=matrix(3,3,[,2,,0,,2,,3,2]); Af:=evalf(evalm(A)); vapest:=-0.5;# Estimacion del valor propio id3:=diag(,,); B:=evalm(Af-vapest*id3); B:=inverse(B); x0:=[,2,];#vector inicial t:=3;#número de decimale exactos ermax:=0.5*0(-t); n:=4;#número máximo de iteraciones c0:=0^(0);#valor inicial para c for i from 0 to n do `********** iteración`,i+,`**********`; y.(i+):=evalf(evalm(b&*x.i)); ny:=norm(y.(i+), infinity); for j from to vectdim(x0) do if abs(y.(i+)[j])=ny then cdom:=y.(i+)[j];break;fi; c.(i+):=cdom; x.(i+):=evalm(y.(i+)/c.(i+)); er.(i+):=abs(c.(i+)-c.i); if er.(i+)<ermax then print(`*** precisión alcazada ***`); vap_dom_desp:=c.(i+); break; fi; vap:=/vap_dom_desp+vapest; B := A := Af :=. 2.. vapest := -.5 id3 := B := x0 := [, 2, ] t := 3 ermax := 5.0 n := 4 c0 := ********** iteración,, ********** y := [ , , ] ny := c := x := [ , , ] Page 8
9 > eigenvals(af); er := ********** iteración, 2, ********** y2 := [ , , ] ny := c2 := x2 := [ , , ] er2 := *** precisión alcazada *** vap := , , Page 9
1. Polinomio característico
Métodos Numéricos Tema 7: Valores y vectores propios Practica Prof: Francisco Palacios EPSEM-UPC Curso 2006/2007 Versión. Contenido Polinomio característco. Cálculo de valores propios con solve y fsolve.
Más detallesE.T.S. Minas: Métodos Matemáticos. Valores y vectores propios Francisco Palacios EUPM-UPC Curso 2005/06
E.T.S. Minas: Métodos Matemáticos Práctica Tema 5 Valores y vectores propios Francisco Palacios EUPM-UPC Curso 2005/06 Contenido.. Polinomio característico 2. Cálculo de valores propios con el comando
Más detallesMatriz de valores propios. > v:=transpose([[-1,1],[1,1]]);#entro los vectores por filas y traspongo v1:=inverse(v); d:=evalm(v1&*a&*v);
Métodos Numéricos Tema 7: Valores y vectores propios Dep. Matemática Aplicada III EPSEM-UPC Profesor: Francisco Palacios Mayo 2008, Versión 1.3 Ejercicio 1 > with(linalg): Warning, new definition for norm
Más detallesPage *******conversión float ***** ] ****** método iterativo ******
Métodos Numéricos Tema 6: Métodos iterativos para sistemas de ecuaciones Dep. Matmática Aplicada III EPSEM-UPC Profesor: Francisco Palacios Abril 28, Versión.3 > Ejercicio El siguiente programa calcula
Más detallesE.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso
Más detallesSoluciones Tema 4: Métodos iterativos para sistemas de ecuaciones
EPSEM-UPC Dep. Matmática Aplicada III E.T.S Minas: Métodos matemáticos Profesor: Francisco Palacios Octubre 8, versión. Soluciones Tema : Métodos iterativos para sistemas de ecuaciones > Ejercicio > restart;
Más detallesMétodos Numéricos: Guía de estudio Tema 7 Valores y vectores propios
Métodos Numéricos: Guía de estudio Tema 7 Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 2009, versión 1.1
Más detallesSoluciones Tema 3: Resolución aproximada de ecuaciones
E.T.S Minas: Métodos matemáticos Dep. Matemática Aplicada III EPSEM-UPC Septiembre 8, versión. Profesor: Francisco Palacios Soluciones Tema 3: Resolución aproimada de ecuaciones Ejercicio (a) Representación
Más detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 3: Resolución aproximada de ecuaciones
E.T.S. Minas: Métodos Matemáticos Soluciones Tema 3: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre
Más detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 3 Resolución aproximada de ecuaciones
E.T.S. Minas: Métodos Matemáticos Soluciones Tema 3 Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso
Más detallesTema 5: Resolución aproximada de ecuaciones
Métodos Numéricos: Solución de los ejercicios Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril
Más detallesEjercicio 1 Dada la matriz A = 1. Calcula los valores propios. 2. Determina una base de vectores propios. 3. Diagonaliza la matriz.
Métodos Numéricos: soluciones Tema 7: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Mayo 8 Versión. Ejercicio Dada
Más detallesMétodos Numéricos: Tema 5: Resolución aproximada de ecuaciones Practica 1 Prof: Francisco Palacios EPSEM-UPC Abril 2008 Versión 1.
Métodos Numéricos: Tema 5: Resolución aproimada de ecuaciones Practica Prof: Francisco Palacios EPSEM-UPC Abril 8 Versión.4 Contenido Solución gráfica de ecuaciones f()=g(). Solución gráfica de ecuaciones
Más detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 4 Métodos iterativos para sistemas de ecuaciones
ETS Minas: Métodos Matemáticos Soluciones Tema Métodos iterativos para sistemas de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesETS Minas: Métodos matemáticos Guía de estudio Tema 4 Métodos iterativos para sistemas de ecuaciones
ETS Minas: Métodos matemáticos Guía de estudio Tema 4 Métodos iterativos para sistemas de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de
Más detallesContenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesMétodos Numéricos: Ejercicios Tema 5: Resolución aproximada de ecuaciones
Métodos Numéricos: Ejercicios Tema 5: Resolución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 2008, versión
Más detallesOperaciones con Matrices y vectores
Practica: Métodos iterativos para sistemas Operaciones con Matrices y vectores Definición de matriz Definición de vector Matriz por vector > a:=matrix(3,3,[,,3,,,,3,,]); > v:=[,,]; > w=evalm(a&*v); Inversa
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 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 detallesPráctica 8 Resolución de ecuaciones y sistemas de ecuaciones con Mathematica
Práctica 8 Resolución de ecuaciones y sistemas de ecuaciones con Mathematica Resolver una ecuación o un sistema de ecuaciones es un problema que se presenta con mucha frecuencia en matemáticas. En esta
Más detallesCOMANDOS BÁSICOS DE ÁLGEBRA LINEAL EN MAPLE
COMANDOS BÁSICOS DE ÁLGEBRA LINEAL EN MAPLE Prof. Carlos Conde LázaroL Prof. Arturo Hidalgo LópezL Prof. Alfredo López L Benito Marzo, 2007 Manipulación de de expresiones algebraicas Se usan los comandos:
Más detallesSoluciones Tema 1: Preliminares
Métodos Numéricos EPSEM-UPC Dep. Matemática Aplicada III Versión. Febrero, Profesor: Francisco Palacios Problema Soluciones Tema : Preliminares a) solve(*-
Más detallesE.T.S. Minas: Métodos Matemáticos Soluciones Tema 2 Aproximación e interpolación
E.T.S. Minas: Métodos Matemáticos Soluciones Tema 2 Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Curso 2006/07
Más detallesE.T.S. Minas: Métodos Matemáticos Ejercicios Tema 4 Métodos iterativos para sistemas de ecuaciones
ETS Minas: Métodos Matemáticos Ejercicios Tema Métodos iterativos para sistemas de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesMétodos Numéricos Ejercicios Tema 4: Resolución aproximada de EDO's Prof: Francisco Palacios EPSEM-UPC Marzo 2008, Versión 1.
Métodos Numéricos Ejercicios Tema 4: Resolución aproimada de EDO's Prof: Francisco Palacios EPSEM-UPC Marzo 8, Versión.3 Ejercicio Resolución con Maple de las EDO's del Ejercicio Ejercicio. Este ejercicio
Más detallesTEMA III: DIAGONALIZACIÓN.
TEMA III: DIAGONALIZACIÓN. OBJETIVOS: Generales: 1. Captar el motivo que justifica el problema de la diagonalización de endomorfismos. 2. Resolver y aplicar dicho problema cuando sea posible. Específicos:
Más detallesFrancisco Cabo García Bonifacio Llamazares Rodríguez
ÁLGEBRA LINEAL CON DERIVE 5 Francisco Cabo García Bonifacio Llamazares Rodríguez María Teresa Peña García Dpto. de Economía Aplicada (Matemáticas) Universidad de Valladolid Página 1 de 34 Ventana de Álgebra
Más detallesPRUEBA DE DIAGONALIZACIÓN CURSO Apellidos: Nombre: Grupo: Fecha:
Tipo 1 Apellidos: Nombre: Grupo: Fecha: 1.- Sea f una transformación lineal de un espacio vectorial V de dimensión n. Sea B una base de V. Sea A la matriz asociada a f respecto de la base B. Señala, sin
Más detallesTema 1: Conceptos generales del Análisis Numérico
Tema 1: Conceptos generales del Análisis Numérico Asignatura: Cálculo Numérico I 1er. curso Grado en Matemáticas Anna Doubova Dpto. EDAN, Universidad de Sevilla 5 de febrero de 2018 A. Doubova (Dpto. EDAN)
Más detalles(a) (0.5 puntos) Compruebe que esta ecuación tiene exactamente una solución en el intervalo
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERÍA. INSTITUTO DE CIENCIAS BÁSICAS. Cálculo Numérico, Control 1. Semestre Otoño 007 Problema 1. Se desea encontrar una raíz de la función f(x) = cos (x) x.
Más detalles(3 p.) 3) Se considera la superficie z = z(x, y) definida implícitamente por la ecuación. 3x 2 z x 2 y 2 + 2z 3 3yz = 15.
Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Cálculo I Curso 2012/2013 21 de junio de 2013 4 p.) 1) Se considera la función fx) = x 4 e 1 x 2. a) Calcular los intervalos de
Más detallesE.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 9: Sistemas de EDOs lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Noviembre
Más detallesa) Lo primero que hacemos es buscar las imágenes de los vectores de la base canónica: f(1,0,0) = (3, 5, 6) f(0,1,0) = ( 2, 3, 4) f(0,0,1) = (1, 2, 3)
. Sea f: R 3 R 3 la aplicación lineal definida por las ecuaciones: f(x, y, z) = (3x y + z, 5x 3y + z, 6x 4y + 3z) a) Encontrar la matriz A de f en las bases canónicas. b) Es f biyectiva? Si lo es, encontrar
Más detallesEigenvalores y eigenvectores. Método de la potencia
Clase No. 12: MAT 251 Eigenvalores y eigenvectores. Método de la potencia Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo
Más detallesMATE 4031: Álgebra Lineal [ 4 + 6i 4i (a) Encuentre el polinomio característico de cada una de ellas.
Solución Asignación 9. Universidad de Puerto Rico, Río Piedras Facultad de Ciencias Naturales Departamento de Matemáticas San Juan, Puerto Rico MATE 43: Álgebra Lineal. Considere las siguientes matrices
Más detallesEUPM-UPC Dep. Matmática Aplicada III E.T.S Minas: Métodos numéricos Febrero 2008 Profesor: Francisco Palacios. Page 1. 6 x3
EUPM-UPC Dep. Matmática Aplicada III E.T.S Minas: Métodos numéricos Febrero 28 Profesor: Francisco Palacios Soluciones Tema 2: Aproimación e interpolación Ejercicio > f:=sin(); s4:=series(f,=,5);#calcula
Más detallesDiagonalización de matrices, Semejanza.
diagonalizacion.nb 1 Diagonalización de matrices, Semejanza. Practica 8, 28 de abril de 2004 En esta práctica aprenderemos/repasaremos los comandos: Eigenvalues[ matriz ] Calcula los autovalores de una
Más detallesCURSO DE METODOS NUMERICOS Año Académico Curso Tercero de Matemáticas EXAMEN FINAL FEBRERO
Año Académico 2000-2001 Curso Tercero de Matemáticas EXAMEN FINAL FEBRERO 1. Dá el enunciado y demuestra el teorema de convergencia del método del punto fijo. (2 puntos) 2. Resuelve el siguiente sistema
Más detallesUNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS DEPARTAMENTO DE MATEMÁTICA APLICADA Y MÉTODOS INFORMÁTICOS
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS DEPARTAMENTO DE MATEMÁTICA APLICADA Y MÉTODOS INFORMÁTICOS TITULACIÓN: INGENIERÍA DE MINAS ASIGNATURA: PROGRAMACIÓN Y MÉTODOS
Más detallesE.T.S. Minas: Métodos Matemáticos. Integración numérica Francisco Palacios EUPM-UPC Curso 2005/06
E.T.S. Minas: Métodos Matemáticos Práctica Tema 7 Integración numérica Francisco Palacios EUPM-UPC Curso 005/06 Contenido.. Cálculo de primitivas, comando int. Cálculo de integrales definidas 3. Aproximación
Más detallesPráctica 2ª : OPERADORES LÓGICOS Y RELACIONALES. CICLOS Y ESTRUCTURAS DE CONTROL. MÉTODOS DE RESOLUCIÓN DE UNA ECUACIÓN NO LINEAL.
practica2sr.nb 1 Apellidos y Nombre: Práctica 2ª : OPERADORES LÓGICOS Y RELACIONALES. CICLOS Y ESTRUCTURAS DE CONTROL. MÉTODOS DE RESOLUCIÓN DE UNA ECUACIÓN NO LINEAL. Operadores lógicos y relacionales
Más detallesViga de Bernouilli-Euler
076doct.mws > restart: > with(linalg): Warning, new definition for norm Warning, new definition for trace Funciones de forma cúbicas del elemento Viga de Bernouilli-Euler Jose Mª Goicolea Ruigomez, 10/02/2000
Más detallesGuía de uso de DERIVE. 2) Botones de acceso rápido Al colocar el cursor sobre el botón aparece un recuadro con su función
Sobre la pantalla principal de DERIVE distinguimos: 1) La barra del menú 2) Botones de acceso rápido Al colocar el cursor sobre el botón aparece un recuadro con su función UNIDAD DOCENTE DE MATEMÁTICAS
Más detallesCapítulo V. Valores y vectores propios. Diagonalización de operadores lineales.
Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede
Más detallesVALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax
Más detallesDiagonalización de matrices
Diagonalización de matrices María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Diagonalización de matrices Matemáticas I 1 / 22 Valores y vectores propios de una matriz Definición
Más detallesAUTOVALORES Y AUTOVECTORES
12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.
Más detalles6.6. Diagonalización de matrices simétricas o hermitianas. Ejemplo de una diagonalización de una matriz simétrica
6.6 Diagonalización de matrices simétricas o hermitianas Ejemplo de una diagonalización de una matriz simétrica Matrices hermitianas Los autovalores de las matrices reales simétricas o complejas hermitianas
Más detallesMétodos Numéricos: soluciones Tema 2 Aproximación e interpolación
Métodos Numéricos: soluciones Tema 2 Aproximación e interpolación Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Febrero 2008, Versión 1.3
Más detallesCurso Hoja 1. Análisis de errores
Hoja 1. Análisis de errores 1 Teniendo en cuenta que MATLAB trabaja en doble precisión, calcular el número máquina inmediatamente anterior a 1 y comprobar que dista 2 53 de 1. 2 Calcular 1 2 52, 1 2 53,
Más detallesRAFAEL RAMÍREZ ROS. = 128 e iπ/3, = ei5π/6. 2. Los resultados expresados en forma cartesiana (es decir, en forma binomial) son: i = ± 2/2 + i
SOLUCIONES DE ÁLGEBRA LINEAL VERSIÓN 3 7/9/ RAFAEL RAMÍREZ ROS Índice Complejos Polinomios Espacios Vectoriales 3 3 Matrices 6 4 Aplicaciones Lineales 8 5 Determinantes 6 Diagonalización 3 7 Jordan 6 Complejos
Más detallesSesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K
Sesión 8: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K ) Calculamos los valores propios de A y sus multiplicidades algebraicas con: d A λ = det A λi nxn = Si d A
Más detallesLaboratorio N 10, Operaciones diferenciales. Gradiente, divergencia y rotacional. Introducción.
Universidad Diego Portales Facultad de Ingeniería. Instituto de Ciencias Básicas Asignatura: Cálculo III Laboratorio N 10, Operaciones diferenciales. Gradiente, divergencia y rotacional. Introducción.
Más detallesJordan. Ejercicio. Ver que SJ = AS, si S es la matriz del cambio de base que pasa de base U a base N:
Jordan Ejemplo introductorio Sea f : R 3 [x] R 3 [x] el endomorfismo definido por La matriz de f en base natural N de R 3 [x] es f : P (x) 2P (x) + P (x) + P (x) + P (x) A = M N N (f) = 2 1 2 6 0 2 2 6
Más detallesCurso Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones
Tema 5. ÁLGEBRA Diagonalización. Curso 217-218 José Juan Carreño Carreño Departamento de Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones Escuela Técnica Superior de Ingeniería
Más detallesUNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS DEPARTAMENTO DE MATEMÁTICA APLICADA Y MÉTODOS INFORMÁTICOS
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MINAS DEPARTAMENTO DE MATEMÁTICA APLICADA Y MÉTODOS INFORMÁTICOS TITULACIÓN: INGENIERÍA DE MINAS ASIGNATURA: PROGRAMACIÓN Y MÉTODOS
Más detallesEjercicio 1. Ejemplo de estimación del error en el método de Newton por cota inferior de la derivada.
Ejercicio 1 Ejemplo de estimación del error en el método de Newton por cota inferior de la derivada. El error se estima como: $$ _n-α f _n c $$ con $c$ el ínfimo de la derivada. Intervalo [0,0.5]. En 6
Más detallesa n1 a n2 a nn x n a ij x i x j = [x] t B A+At ) t = At +(A t ) t = At +A x j x i = s ij x i x j + s ji x j x i 2 x i x j + a ij + a ji
16 Fundamentos de Matemáticas : Álgebra Lineal Capítulo 1 Formas cuadráticas Aunque, pueda parecernos que vamos a estudiar un nuevo concepto, un caso particular de las formas cudráticas ya ha sido estudiado,
Más detallesResolución de ecuaciones y sistemas.
PRÁCTICAS MATEMÁTICAS I Curso 2017/2018 Escuela Técnica Superior de Ingeniería Agronómica Departamento de Matemática Aplicada I Práctica 4: Resolución de ecuaciones Cálculo de derivadas y Problemas de
Más detallesMatrices y determinantes.
UNIVERSIDAD DE JAÉN FACULTAD DE CIENCIAS SOCIALES Y JURÍDICAS Departamento de Matemáticas (Área de Álgebra) Curso 24/5 PRÁCTICA Nº 3 Matrices y determinantes. En esta práctica veremos cómo los determinantes
Más detallesUso de LS. Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. , con gi en R 3. i S 0 exp bgt i Dg i i
Uso de LS MX 2 min S, con gi en R 3 i S 0 exp bgt i Dg i i Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. En cada posición del cerebro tenemos una matriz Tractografía
Más detallesFundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso
Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices
Más detallesValores y vectores propios. Laboratorio de Matemáticas
Valores y vectores propios Laboratorio de Matemáticas Conceptos básicos v vector propio asociado al valor propio λ Av = λ v Polinomio característico de la matriz A p(λ) = det(a- λ I) Ecuación característica
Más detallesCuestiones de Álgebra Lineal
Cuestiones de Álgebra Lineal Algunas de las cuestiones que aparecen en esta relación están pensadas para ser introducidas en un plataforma interactiva de aprendizaje de modo que los parámetros a, b que
Más detallesETS Minas: Métodos matemáticos Guía de estudio: Tema 6 Integración numérica
ETS Minas: Métodos matemáticos Guía de estudio: Tema 6 Integración numérica Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre 2008, versión
Más detallesy Matrices cuadradas.
de Endomorfismos y Matrices cuadradas.. Problemas resueltos. Tema :. Problemas Resueltos 1 PROBLEMAS RESUELTOS 1. Sea f 0 End(ú 3 ) / f ( x, y, z ) = ( 2x - 2y + 3z, x + y + z, x + 3y - z) Estudiar si
Más detallesValores singulares. Producto escalar y ortogonalidad. Proposición. Curso < x, y >= si F = C. Si x C n x i=1
Valores singulares Curso 2017-18 1 Producto escalar y ortogonalidad < x, y >= n y i x i = y T x si F = R, n y i x i = y x Si x C n x x = n x i 2 = x 2 2. si F = C Si x, y C n x y = y x, pero si x, y R
Más detallesMétodos iterativos de solución de SEL
Métodos iterativos de solución de SEL Método de Gauss-Seidel MAT-251 Dr. Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo
Más detallesTERCER EXAMEN PARCIAL ALGEBRA LINEAL I 23 DE MAYO DE 2014 (CON SOLUCIONES)
TERCER EXAMEN PARCIAL ALGEBRA LINEAL I 23 DE MAYO DE 2014 (CON SOLUCIONES) Instrucciones: Resolver los 5 problemas justificando todas sus afirmaciones y presentando todos sus cálculos. 1. Sea F un campo.
Más detallesValores y Vectores Propios
Valores y Vectores Propios Iván Huerta Facultad de Matemáticas Pontificia Universidad Católica de Chile ihuerta@mat.puc.cl Segundo Semestre, 1999 Definición Valores y Vectores Propios Valores y Vectores
Más detallesSoluciones a los ejercicios del examen final
Álgebra Lineal Curso 206/7 6 de junio de 207 Soluciones a los ejercicios del examen final Se considera la aplicación lineal L : R 3 R 3 definida por L(x, y, z) = (z x, x + y + z, x y 3z). a) Hallar la
Más detallesProblemas y Ejercicios Resueltos. Tema 6: Diagonalizacion.
Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion. Ejercicios 1.- Sea f End V. Demostrar que la suma de subespacios f-invariantes es f-invariante. Solución. Sean U, W dos subespacios f-invariantes
Más detallesEXAMEN PARCIAL DE METODOS NUMERICOS (MB536)
UNIVERSIDAD NACIONAL DE INGENIERIA P.A. - FACULTAD DE INGENIERIA MECANICA // EXAMEN PARCIAL DE METODOS NUMERICOS (MB536) DURACION: MINUTOS SOLO SE PERMITE EL USO DE UNA HOJA DE FORMULARIO ESCRIBA CLARAMENTE
Más detallesTema 1: Conceptos generales del Análisis
Tema 1: Conceptos generales del Análisis Numérico Cálculo Numérico I Anna Doubova y Blanca Climent Ezquerra Dpto. EDAN, Universidad de Sevilla 11 de febrero de 2018 A.Doubova y B. Climent Conceptos generales
Más detallesCálculo de autovalores
Cálculo de autovalores Damián Ginestar Peiró Departamento de Matemática Aplicada Universidad Politécnica de Valencia Curso 2011-2012 (UPV) Cálculo de autovalores Curso 2011-2012 1 / 28 Índice 1 Preliminares
Más detalles2. Sistemas de ecuaciones lineales
2 Sistemas de ecuaciones lineales 2 Ejercicios resueltos Ejercicio 2 Estudiar el número de condición de Frobenius de la matriz a b A a + ε b Solución: El determinante de A es A ab + ba + ε b ε Si b 0 y
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 detallesTema 6: Autovalores y autovectores
Tema 6: Autovalores y autovectores Curso 216/217 Ruzica Jevtic Universidad San Pablo CEU Madrid Referencias Lay D. Linear algebra and its applications (3rd ed). Chapter 5. 2 Autovalores y autovectores
Más detallesMétodos Numéricos: Guía de estudio Tema 5: Solución aproximada de ecuaciones
Métodos Numéricos: Guía de estudio Tema 5: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Abril 2009, versión
Más detallesEcuaciones lineales en una variable. Prof. Anneliesse Sánchez Adaptada por Caroline Rodriguez Departamento de Matemáticas UPR - Arecibo
Ecuaciones lineales en una variable Prof. Anneliesse Sánchez Adaptada por Caroline Rodriguez Departamento de Matemáticas UPR - Arecibo Qué es una ecuación? Una ecuación es una oración que expresa la igualdad
Más detallesCapítulo 1: Diagonalización de matrices
Capítulo : Diagonalización de matrices Matrices y determinantes Definición Una matriz es un arreglo rectangular de números reales a a a m a A a a m a n a n a nm La matriz es de orden n m si consta de n
Más detallesResolución de ecuaciones no lineales
Resolución de ecuaciones no lineales Contenidos Raíz de una ecuación Método de bisección El método de Newton-Raphson Método de la secante Orden de convergencia Comandos Matlab Ejemplo: una bola que flota
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 detallesResolución de ecuaciones no lineales y Método de Bisección
Resolución de ecuaciones no lineales y Método de Bisección Recordemos algunas ecuaciones 1) Resolver [ ] [ ] Sol: 2) Resolver la siguiente ecuación literal para la variable ; Sol: 3) Resolver Solución:
Más detallesDiagonalización. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza
Diagonalización Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Ejemplo resuelto A continuación se presenta un ejercicio resuelto para ilustrar cómo funcionan las nuevas ordenes en MATLAB
Más detallesO bien si queremos calcular el error aproximado porcentual lo hacemos:
En situaciones reales es común que no se conoce el valor verdadero del resultado: las mediciones dependen del instrumento y del procedimiento de medición; los métodos numéricos se aplican, cuando no se
Más detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detallesMETODOS ITERATIVOS. Hermes Pantoja Carhuavilca. Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria
Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria Métodos Numéricos Contenido 1 Métodos Iterativos Introducción Definición Métodos Iterativos Método de Jacobi Convergencia Método de Gauss
Más detallesMATEMÁTICAS I 13 de junio de 2007
MATEMÁTICAS I 13 de junio de 2007 2º EXAMEN PARCIAL Sólo una respuesta a cada cuestión es correcta. Respuesta correcta: 0.2 puntos. Respuesta incorrecta: -0.1 puntos Respuesta en blanco: 0 puntos 1.- Si
Más detallesINTRODUCCIÓN A LOS MÉTODOS NUMÉRICOS
INTRODUCCIÓN A LOS MÉTODOS NUMÉRICOS PRÁCTICA 1 Curso 2017-2018 1. Realizar un programa Fortran que sume repetidamente el valor 0.1 en una variable de tipo REAL*4 (inicializada a cero) e imprima los resultados.
Más detallesMenor, cofactor y comatriz
Menor, cofactor y comatriz Sea A una matriz cuadrada de orden n. Al quitarle la línea i y la columna j se obtiene una submatriz de orden n-1, que se denota habitualmente A i,j. Por ejemplo, con n = 4,
Más detalles1 Operaciones con matrices
Grado Finanzas y Contabilidad Curso 04/05 Operaciones con matrices y vectores. Operaciones con matrices Podemos entrar matrices desde el menú de Maxima: Algebra introducir una matriz Luego aparece una
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detalles