4.1. INTRODUCCIÓN. 102
|
|
- Agustín Escobar Olivera
- hace 6 años
- Vistas:
Transcripción
1 4. PRUEBAS. 101
2 4.1. INTRODUCCIÓN. En este capítulo se presentan dos secciones claramente diferenciadas. La primera es una descripción breve de algunos de los ficheros de ejemplo de vectores y matrices, incluidos con la instalación de PETSc. Este apartado se ha realizado porque existen ciertas rutinas de interés, que vistas en un contexto de código de aplicación cobran bastante sentido. La segunda parte del capítulo, explica lo que se ha realizado en la fase del proyecto de creación de aplicaciones de prueba. También se detalla todo brevemente, ya que los códigos de las aplicaciones, que se incluyen en el Anexo II, se encuentran suficientemente comentados. 102
3 4.2. EJEMPLOS DE LA PETSC VECTORES. Sólo describiremos aquellos ejemplos escritos en C, los ejemplos en Fortran son análogos. Simplemente, iremos nombrando los ficheros y describiendo un poco las características principales. Todos los ficheros a los que se hace referencia se encuentran dentro del directorio de vectores. ex1.c: utilización de la rutina PetscRealPart, para números complejos. ex1e.c: mismo ejemplo al anterior, sólo que no se utiliza la macro de chequeo CHKERRQ, sino que se utiliza un método basado en los caracteres _ y que se añaden a los nombres de las rutinas para realizar la comprobación de errores. ex2.c: empleo de la variable rank (número de proceso), obtenida mediante la rutina MPI_Comm_rank. Creación de un vector paralelo. ex3.c: diseño de un vector paralelo, y utilización de objetos visualizadores, para ver el contenido de las componentes de un vector. ex5.c: registro de eventos y rutinas PetscSleep (para que un proceso aguarde un cierto tiempo) y PetscBarrier (equivalente a la rutina MPI_Barrier, de MPI). ex6.c: E/S a un fichero y creación de un vector a partir del fichero creado. ex7.c: llamada a rutina de cálculo escrita en Fortran desde C. En el ejemplo ex7f.f es al contrario. ex8.c: utilización de la ordenación local para insertar valores dentro de un vector paralelo. ex9.c: manejo de las rutinas PetscSynchronizedPrintf y PetscSynchronizedFlush. Ejemplo de utilización de las rutinas que trabajan con valores ghost. ex11.c: uso de las rutinas VecStrideNorm y VecSetBlockSize ex12.c: ejemplo de rutinas que realizan operaciones de dispersión y recolección de valores de vectores. ex13.c: rutinas PetscBarrier y PetscObjetcPublish. ex15.c: registro de eventos e interacción de PETSc con el programa Mathematica. ex16.c: dispersiones y recolecciones de valores de vectores que están divididos en bloques. ex17.c: polimorfismo (para C++). 103
4 MATRICES. Seguiremos el mismo esquema que para el caso de vectores. Los ficheros a los que se hace referencia se encuentran almacenados en el subdirectorio de matrices de los paquetes de PETSc. ex1.c: lectura de una matriz y un vector desde un fichero y posterior reordenación. La opción -log_summary especificada en línea de comandos al ejecutar una aplicación paralela, da información sobre los tiempos de ejecución de dicha aplicación. Si antes de realizar la carga en memoria de un sistema grande, realizamos una precarga de un sistema menor, PETSc es capaz de calcular con más precisión los tiempos mencionados. Para realizar la precarga y carga de ambos sistemas, PETSc proporciona ciertas rutinas, algunas de las cuales se presentan en este ejemplo. ex2.c: manejo de matrices densas secuenciales y multiplicación de una matriz por un vector de forma directa y por subbloques. ex4.c: lectura de una matriz U y una matriz V desde un fichero y posterior realización de la operación y = V U T x. ex5.c: en este ejemplo, cada proceso abre su propio fichero y lee su porción de una matriz paralela. ex6.c: polimorfismo (para C++). 104
5 4.3. APLICACIONES CREADAS PARA EL PROYECTO. A la hora de escribir código de aplicaciones paralelas, se ha empleado Fortran como lenguaje principal, debido a requerimientos del proyecto. No obstante, se ha realizado una aplicación en C, cuyo código fuente se encuentra en el fichero prueba1.c. Esta aplicación crea un vector x y una matriz A. Posteriormente se insertan valores en ambos objetos mediante ordenación local y global, respectivamente. Por último se realiza el producto matriz por vector y se presenta el vector resultado por pantalla. Es un ejemplo de manejo de rutinas sencillas de PETSc, aunque es bastante didáctico para observar algunas peculiaridades de la programación orientada a objetos que utiliza la librería paralela. El resto de pruebas se han realizado en Fortran. Haremos una breve descripción de cada una de las aplicaciones paralelas creadas. Realmente, cada aplicación se apoya en los conocimientos de la creada con anterioridad, de forma que se va aumentando la complejidad. Todas las pruebas aquí presentadas se encuentran en el directorio unidadcd:/pruebas/pruebas-petsc. prueba1.f90: Esta aplicación realiza lo mismo que prueba1.c, simplemente se ha mapeado de C a Fortran. La gran ventaja de PETSc es que la interfaz de las rutinas que proporciona es prácticamente la misma para C que para Fortran. struct.f90: El fin de esta aplicación es crear una matriz con una estructura determinada (bloques bien definidos). Una vez creada la matriz e insertados los valores en las posiciones requeridas (los valores son generados aleatoriamente), se multiplica por un vector cuyas componentes valen la unidad. Por último, se presenta el resultado de la operación por pantalla. KSPstruct.F90: La matriz que se utiliza es la misma que la de la prueba anterior, sólo que ahora no se realiza una simple multiplicación matriz por vector. En vez de eso, primero se realiza el producto A x 1, obteniendo el vector b. Posteriormente, se resuelve el sistema A x 2 = b mediante un solver lineal dado por un objeto KSP, y esto da lugar al vector solución x 2. Finalmente, se calcula la norma del vector de error (diferencia entre x 1 y x 2 ) para comprobar la fidelidad del resultado dado por el solver de KSP. KSPstruct_Luis.F90: Esta aplicación es exactamente igual a la anterior, solo que los bloques de la matriz no contienen valores aleatorios, sino que son determinados a conciencia, de manera que se observe el comportamiento de solver lineal ante valores aleatorios y deterministas. Tanto esta aplicación como la precedente, presentan una norma 2 del vector de error del orden de 10-7, que es un buen resultado. diag_dom.f90: El código sigue el mismo esquema que el anterior, con la diferencia de que ahora la matriz del sistema es llena (todos los elementos son números aleatorios) y los elementos de la diagonal están multiplicados por N 2, la dimensión de la matriz al cuadrado (diagonal dominante). diag_domn.f90: En esta aplicación, la matriz se dispone en forma de tablero de ajedrez, es decir, por bloques de ceros y de elementos llenos alternados unos con 105
6 otros. Los bloques llenos contienen números aleatorios, y los bloques de la diagonal están multiplicados por N, la dimensión de la matriz. Es interesante ver la parte del código donde se realiza el prealojamiento de espacio en memoria para la matriz a la hora de crearla. Dentro del subdirectorio pruebas_fortran/outs se encuentran algunos resultados de la ejecución de las aplicaciones diag_dom y diag_domn. En concreto, el fichero DIAG_DOM_30e3.txt es el resultado de la ejecución de diag_dom para una matriz de x elementos. La ejecución de esta aplicación da una norma del vector de error de E-06, con sólo dos iteraciones del algoritmo de GMRES, que es un resultado esperado sabiendo que la diagonal de la matriz está multiplicada por N 2 (matriz con diagonal muy dominante, el GMRES funciona bien para este tipo de sistemas). El resto de archivos corresponden a ejecuciones de la aplicación diag_domn, sistema del tablero de ajedrez. Sin embargo, en este caso, los resultados no son tan buenos, debido a que el GMRES necesita que la matriz tenga unas ciertas características, como, por ejemplo, la disposición de los bloques de ceros en la matriz. Veamos algunas de las conclusiones de estas pruebas. La tabla 10 refleja los resultados para la ejecución de la aplicación diag_domn, para una matriz de x elementos, sin precondicionador. Num. Máx Iteraciones Num.vectores subespacio Krylov Tiempo ejecución Norma 2 vector error min. 11, min. 11, min. 11, min. 11, min. 11,04 Tabla 10. Matriz x (sin Precondicionador). Se puede observar, que con 60 vectores para el parámetro de restart del GMRES, al aumentar el número de iteraciones, la norma del vector de error (norma 2) no varía. En este caso, aumentar el número de vectores para la base utilizada en el proceso de ortogonalización no influye. Doblar el número de iteraciones dobla el tiempo de resolución y no reduce el error. Es importante estudiar bien los parámetros de tolerancia absoluta, relativa y de divergencia del GMRES, para así lograr la convergencia del algoritmo. Para el caso de una matriz de x elementos, la tabla 11 muestra los resultados. Num. Máx Iteraciones Num.vectores subespacio Krylov Tiempo ejecución Norma 2 vector error horas 118, horas 11,30 Tabla 11. Matriz x (sin Precondicionador). El número de iteraciones afecta a la norma del vector de error si la dimensión de la matriz es grande (como es este caso). Ahora, doblar el número de iteraciones dobla el tiempo de resolución y sí reduce el error, además en un orden de magnitud. 106
7 Para el sistema con matriz en disposición de tablero de ajedrez, en ningún caso se ha llegado a la convergencia, el GMRES siempre ha agotado el número máximo de iteraciones. No obstante, con las pruebas realizadas se demuestra el correcto funcionamiento del cluster y de las aplicaciones paralelas realizadas con la librería PETSc. El asunto de la convergencia del GMRES es un tema que habría que abordar tras realizar un estudio de la forma de operar del algoritmo, lo que llevaría a un correcto ajuste de los parámetros de tolerancia y a un diseño adecuado de la matriz del sistema a resolver. 107
W_ILU_GMRES. UNA ESTRATEGIA PARA SISTEMAS DE ECUACIONES LINEALES DENSOS
W_ILU_GMRES. UNA ESTRATEGIA PARA SISTEMAS DE ECUACIONES LINEALES DENSOS Angela León, Marta Lourdes Baguer, Yisleidy Linares, Universidad de La Habana Lilian Villarín, Universidad de Heidelberg, Alemania
Más detallesProgramación: Sistemas unitriangulares inferiores
Programación: Sistemas unitriangulares inferiores Objetivos. Programar en el lenguaje de MATLAB el método de la sustitución hacia adelante para resolver sistemas de ecuaciones lineales con matrices unitriangulares
Más detallesRelación de Ejercicios. Programación Paralela 4º de Grado en Ingeniería Informática.
1. Por qué el modelo de programación que se sigue al programar con MPI es independiente de la asignación? 2. Describir gráficamente una solución eficiente para realizar una operación de reducción global
Más detallesAlgorítmica y Lenguajes de Programación. Eficiencia y notación asintótica (i)
Algorítmica y Lenguajes de Programación Eficiencia y notación asintótica (i) Eficiencia y notación asintótica. Introducción Para resolver un problema pueden existir varios algoritmos. Por tanto, es lógico
Más detallesTareas de matrices especiales
Tareas de matrices especiales Objetivos. Estudiar una clase especial de matrices. Para matrices de esta clase realizar un algoritmo rápido de multiplicación por vectores. Aplicar este algoritmo para resolver
Más detallesALN - Curso 2007 Gradiente Conjugado
ALN - Curso 27 Gradiente Conjugado Cecilia González Pérez Junio 27 Métodos Iterativos Pueden ser: Métodos estacionarios Métodos no estacionarios Métodos no estacionarios hacen uso de información, evaluada
Más detallesSesión 7. Cálculo Paralelo en Elmer
Sesión 7. Cálculo Paralelo en Elmer M. Meis y F. Varas Departamento de Matemática Aplicada II Universidad de Vigo Introducción a Elmer, sofware libre de simulación numérica multifísica A Coruña, 27 de
Más detallesCálculo de Determinantes. (c) 2012 Leandro Marin
8. Cálculo de Determinantes 3 487 83 (c) Leandro Marin . Introducción El determinante de una matriz cuadrada es un problema que se puede resolver de diversas formas. Una de ellas es mediante una fórmula
Más detallesColección de Problemas II. mín Z = 8x 1 + 9x 2 + 7x 3 s. a: x 1 + x 2 + x x 1 + 3x 2 + x x 1 + x 2 x 3 30
1.- Dado el siguiente problema mín Z = 8x 1 + 9x + 7x 3 s. a: x 1 + x + x 3 40 x 1 + 3x + x 3 10 x 1 + x x 3 30 x 1 0, x 0, x 3 0 A) Plantear el problema dual y escribir las condiciones de la holgura complementaria
Más detallesPosibles trabajos HIA
Posibles trabajos HIA Posibles trabajos Comparar otras herramientas de Minería de Datos con Weka Estudiar la influencia del ruido en bagging y boosting Estudiar la influencia del parámetro de poda en J48
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 detallesProblema de las N Reinas. Resolución paralela
Problema de las N Reinas Resolución paralela Indice Introducción al problema Representación y Soluciones Resolución secuencial Resolución paralela Conclusiones Bibliografía 2 3 Introducción Introducción
Más detallesEspacios vectoriales. Ortogonalizacioón de Gram Schmidt
Espacios_Vectoriales.nb Espacios vectoriales. Ortogonalizacioón de Gram Schmidt Práctica de Álgebra Lineal, E.U.A.T., Curso 00 00 En esta práctica se explica cómo resolver con Mathematica algunos problemas
Más detallesEl método de la potencia para el cálculo del autovalor dominante de una matriz se basa en el siguiente teorema.
Práctica 8 Cálculo de autovalores 8.1. Método de la potencia El método de la potencia para el cálculo del autovalor dominante de una matriz se basa en el siguiente teorema. Teorema 8.1.1 (M. de la potencia]
Más detallesPrerrequisitos de la asignatura Álgebra Lineal Numérica
Prerrequisitos de la asignatura Álgebra Lineal Numérica El propósito de Álgebra Lineal Numérica es analizar algoritmos típicos de álgebra lineal, optimizando la rapidez y la precisión. Para analizar la
Más detallesINSTITUTO TECNOLOGICO SUPERIOR DE TEPOSCOLULA CARRERA: INGIENERIA SISTEMAS COMPUTACIONALES CATEDRATICO: ING. MARCO ANTONIO RUIZ VICENTE
INSTITUTO TECNOLOGICO SUPERIOR DE TEPOSCOLULA CARRERA: INGIENERIA SISTEMAS COMPUTACIONALES 2 SEMESTRE MATERIA: ALGEBRA LINEAL CATEDRATICO: ING. MARCO ANTONIO RUIZ VICENTE NOMBRE DEL ALUMNO: FERNANDO LUZ
Más detallesPROGRAMACIÓN ESTRUCTURADA
FACULTAD DE INGENIERÍA Universidad Nacional de Jujuy PROGRAMACIÓN ESTRUCTURADA Trabajo Práctico Nº 10 Tema: Arreglos. Actualización y Búsqueda Apellido y Nombre: Fecha: / / Conceptos Teóricos RESPONDA
Más detallesTEMA V. Espacios vectoriales
TEMA V. Espacios vectoriales 1 1. Demostrar que cada uno de los siguientes conjuntos tiene estructura de espacio vectorial sobre el cuerpo de los reales: a El conjunto (R 2, +,, R. b El conjunto (R 3,
Más detallesUna forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.
Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES
Más detallesMétodo de Newton Inexacto para Sistemas No Lineales de Gran Escala. NITSOL: Código en FORTRAN para estos problemas
Método de Newton Inexacto para Sistemas No Lineales de Gran Escala. NITSOL: Código en FORTRAN para estos problemas Isidro A. Abelló Ugalde Seminario Semanal del Laboratorio de Cómputo Científico Posgrado
Más detallesGuía práctica de estudio 03: Algoritmos
Guía práctica de estudio 03: Algoritmos Elaborado por: M.C. Edgar E. García Cano Ing. Jorge A. Solano Gálvez Revisado por: Ing. Laura Sandoval Montaño Guía práctica de estudio 03: Algoritmos Objetivo:
Más detallesSesión 6. Cálculo Paralelo en Elmer
Sesión 6. Cálculo Paralelo en Elmer M. Meis 1,2 y F. Varas 1,3 1 Universidad de Vigo, 2 Vicus Desarrollos Tecnológicos, S.A., 3 Universidad Politécnica de Madrid Introducción a la Simulación Numérica Multifísica
Más detallesCAPÍTULO 5 ANÁLISIS DE ELEMENTO FINITO DE LA CARROCERÍA. Algor, es un software el cual es desarrollado por la compañía Algor Coorporation, la
CAPÍTULO 5 ANÁLISIS DE ELEMENTO FINITO DE LA CARROCERÍA 5.1 Introducción Algor, es un software el cual es desarrollado por la compañía Algor Coorporation, la cual se especializa en el desarrollo de herramientas
Más detallesParalelismo. MPI Paso de mensajes. Francisco García Sánchez Departamento de Informática y Sistemas
Paralelismo MPI Paso de mensajes Francisco García Sánchez Departamento de Informática y Sistemas Contenido Introducción 1) Uso de MPI 2) Multiplicación de matrices 3) Ordenación por mezcla 4) Programación
Más detallesTema 3 Optimización lineal. Algoritmo del simplex
Tema 3 Optimización lineal. Algoritmo del simplex José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 3 Teorema fundamental de la programación lineal. Algoritmo
Más detallesPrimero se triangulariza la matriz: Multiplicando la primera fila por (-1/3) y sumando a la segunda fila: ( ) ( )=( ) ( ) ( )
MAT 115 B EJERCICIOS RESUELTOS Resolver el siguiente sistema de ecuaciones: a) Por el método de eliminación de Gauss La matriz aumentada del sistema es: 3 2 6 1 5 Primero se triangulariza la matriz: Multiplicando
Más detalles7ª Práctica. Matlab página 1 EJERCICIO 1. ORDENAR UN VECTOR CON EL MÉTODO DE LA BURBUJA...1
7ª Práctica. Matlab página 1 PROGRAMACIÓN EN MATLAB PRÁCTICA 07 ORDENACIÓN VECTORES Y MATRICES EJERCICIOS REPASO PARA EL EXAMEN EJERCICIO 1. ORDENAR UN VECTOR CON EL MÉTODO DE LA BURBUJA...1 EJERCICIO
Más detallesSIMULACIÓN DE UNA CALCULADORA DE MATEMÁTICA
SIMULACIÓN DE UNA CALCULADORA DE MATEMÁTICA BÁSICA. INITE, S.C. no es responsable del contenido, de la veracidad de los datos, opiniones y acontecimientos vertidos en el presente caso práctico. La finalidad
Más detallesDiseño Computarizado 15023
Diseño Computarizado 15023 PROGRAMACIÓN: FORTRAN Profesor: Claudio García Herrera Departamento de Ingeniería Mecánica Universidad de Santiago de Chile Índice 1 Introducción 2 Estructura 3 Sentencias y
Más detallesOCW-V.Muto Sistemas de numeración Cap. III CAPITULO III. SISTEMAS DE NUMERACION 1. REPRESENTACION DE LA INFORMACION
CAPITULO III. SISTEMAS DE NUMERACION 1. REPRESENTACION DE LA INFORMACION El sistema de numeración usado habitualmente es el decimal, de base 10, que no es adecuado para ser manejado por el ordenador, fundamentalmente
Más detallesEl determinante de una matriz se escribe como. Para una matriz, el valor se calcula como:
Materia: Matemática de 5to Tema: Definición de Determinantes Marco Teórico Un factor determinante es un número calculado a partir de las entradas de una matriz cuadrada. Tiene muchas propiedades e interpretaciones
Más detallesTema: Análisis de valores faltantes con SPSS
Tema: Análisis de valores faltantes con SPSS 1.- Introducción Hemos de comenzar advirtiendo que el Procedimiento Valores perdidos no se incluye en el sistema Base de SPSS, por lo que solo estará disponible
Más detallesCriterios de Evaluación del Área de Matemáticas 2
Criterios de Evaluación del Área de Matemáticas 2 UNIDADES / 1. Expresiones algebraicas. RA1. Resuelve situaciones cotidianas aplicando los métodos de resolución de ecuaciones y sistemas y valorando la
Más detallesSolución de Ecuaciones Simultáneas por el Método de Matrices
Solución de Ecuaciones Simultáneas por el Método de Matrices Universidad de San Carlos de Guatemala Facultad de Ciencias Químicas y Farmacia Matemática IV Rony José Letona QQ 200960024 ÍNDICE ÍNDICE Índice.
Más detallesDepartamento de Ecuaciones Diferenciales y Análisis Numérico. CÁLCULO NUMÉRICO I (Tema 3 - Relación 2)
CÁLCULO NUMÉRICO I (Tema - Relación 2) 5 Resolver mediante el método de Gauss los siguientes sistemas de ecuaciones. 2x 2 + x = 0 2x + 2x 2 + x + 2x = 2 x x 2 + x = 7 6x + x 2 6x 5x = 6. x + x 2 x = x
Más detallesANEXO 1. RESOLUCIÓN DE PROBLEMAS DE SIMULACIÓN Y OPTIMIZACIÓN CON RISK SOLVER PLATFORM
ANEXO 1. RESOLUCIÓN DE PROBLEMAS DE SIMULACIÓN Y OPTIMIZACIÓN CON RISK SOLVER PLATFORM La definición del un modelo de resolución en Risk Solver Platform de Excel no tiene porque resultar una tarea complicada.
Más detallesPROGRAMACIÓN EN EL ENTORNO CUDA EN APLICACIONES DE MECÁNICA COMPUTACIONAL. PRUEBAS, RESULTADOS Y CONCLUSIONES CONCLUSIONES:
III. CONCLUSIONES: VELOCIDAD: La velocidad de la aplicación es elevada y satisfactoria. Para el mallado D se obtuvo una aceleración máxima de x200. Esta aceleración es especialmente debida al ahorro de
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 detallesLista de problemas: ciclos y funciones en el lenguaje MATLAB
Lista de problemas: ciclos y funciones en el lenguaje MATLAB Esta lista de problemas está compuesta para probar si el estudiante tiene ciertas habilidades básicas de programación con arreglos, funciones
Más detallesDeterminantes de tercer orden. El determinante de una matriz se escribe como. Para una matriz, el valor se calcula como:
Marco Teórico Determinantes de tercer orden Un factor determinante es un número calculado a partir de las entradas de una matriz cuadrada. Tiene muchas propiedades e interpretaciones en álgebra lineal.
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 detallesEjercicio final de señaleros resuelto con pseudocódigo. Organización previa de variables. Diagramas de flujo. (CU00171A)
aprenderaprogramar.com Ejercicio final de señaleros resuelto con pseudocódigo. Organización previa de variables. Diagramas de flujo. (CU00171A) Sección: Cursos Categoría: Curso Bases de la programación
Más detalles3.1. INTRODUCCIÓN. Figura 24. Jerarquía de los diversos componentes que componen PETSc.
3. CÁLCULO NUMÉRICO EN PARALELO ASISTIDO POR LA LIBRERÍA DE CÁLCULO PETSC. 64 3.1. INTRODUCCIÓN. Hemos llegado a la parte central del proyecto, que consiste en hacer uso del cálculo numérico asistido por
Más detalles4.1 Conceptos Básicos de Matlab. Matlab es creado por The MathWorks, el cual es un idioma de alto rendimiento
MATLAB CAPÍTULO 4 Realización Activa en 4.1 Conceptos Básicos de es creado por The MathWorks, el cual es un idioma de alto rendimiento para la informática técnica. Integra cómputo, visualización, y programación
Más detallesPRÁCTICA IV: SISTEMAS DE ECUACIONES
PRÁCTICA IV: SISTEMAS DE ECUACIONES 23 de enero de 2015 Jonathan Estévez F. Universidad Complutense de Madrid Curso I de Grado en Ciencias Físicas jonestev@ucm.es Práctica IV: Sistemas de ecuaciones Índice
Más detallesFactorización QR Método iterativo de Jacobi
Clase No. 13: MAT 251 Factorización QR Método iterativo de Jacobi Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesSolución de Sistemas de Ecuaciones Lineales con Matrices. COMP 2502: Estructuras Computacionales Discretas II Dra. Madeline Ortiz Rodríguez
Solución de Sistemas de Ecuaciones Lineales con Matrices COMP 2502: Estructuras Computacionales Discretas II Dra. Madeline Ortiz Rodríguez Agenda Cuáles son las ecuaciones lineales Solución de ecuaciones
Más detallesAgradecimientos. Nota de los autores. 1 Problemas, algoritmos y programas 1
Prologo Agradecimientos Nota de los autores Índice general I III V VII 1 Problemas, algoritmos y programas 1 1.1 Programas y la actividad de la programación.................... 4 1.2 Lenguajes y modelos
Más detallesEjercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero
Ejercicios resueltos de Álgebra, hoja 2. Beatriz Graña Otero 11 de Diciembre de 2008 2 B.G.O. 104.- Determina si los siguientes subconjuntos del espacio vectorial correspondiente son subvariedades afines:
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 detallesDeducción de las fórmulas del método del gradiente conjugado
Deducción de las fórmulas del método del gradiente conjugado Objetivos. Demostrar el teorema sobre los subespacios de Krylov en el método del gradiente conjugado. Requisitos. Subespacios generados por
Más detallesGRADIENTE CONJUGADO. May 15, 2018 DWIN ANCIZAR DIAZ ZAPATA (UNIVERSIDAD NACIONAL GRADIENTE DECONJUGADO COLOMBIA )
GRADIENTE CONJUGADO EDWIN ANCIZAR DIAZ ZAPATA UNIVERSIDAD NACIONAL DE COLOMBIA May 15, 2018 May 15, 2018 1 / 37 A definida positiva x t Ax > 0 x 0 Definamos producto interno x, y A = x t Ay x es un vector
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 detallesPRACTICA 9 INTRODUCCIÓN A LA PROGRAMACIÓN ORIENTADA A OBJETOS (PARTE II) Objetivos
Objetivos El alumno conocerá y aplicará el concepto de programación orientada a objetos para la realización de programas que resuelvan problemas de tipo numérico. Al final de esta práctica el alumno podrá:
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 detalles1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que:
1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que: (B -1 A -1 - (A B) -1 + A) B = A B? Justifica tu respuesta. De hecho el problema consiste en demostrar que: B A (A B) = Expresión que es
Más detalles4.- Modelos de resolución exacta empleados.
4.- Modelos de resolución exacta empleados. Una vez explicada la batería de problemas con la que vamos a trabajar, y según la metodología a seguir en este proyecto, pasamos a describir los modelos de resolución
Más detallesMATLAB. (PARTE III) APLICACIONES EN CONTROL CON SIMULINK SIMULINK
UNIVERSIDAD NACIONAL EXPERIMENTAL DEL TACHIRA DEPARTAMENTO DE INGENIERIA ELECTRONICA NUCLEO DE INSTRUMENTACION CONTROL Y SEÑALES LABORATORIO DE INSTRUMENTACION Y CONTROL MATLAB. (PARTE III) APLICACIONES
Más detallesPrácticas de SAGE (caldum) 19 de Enero de 2012
Prácticas de SAGE (caldum) 19 de Enero de 2012 1. Introducción En este ejercicio vamos a ver las posibilidades de programación de SAGE haciendo una implementación del algoritmo de reducción de Gauss de
Más detallesDeterminantes. Determinante de orden uno. a 11 = a 11 5 = 5
DETERMINANTES Determinantes Concepto de determinante A cada matriz cuadrada A se le asigna un escalar particular denominado determinante de A, denotado por A o por det (A). A = Determinante de orden uno
Más detallesPráctica 4: Matrices
Práctica 4: Matrices En esta práctica se describen algunas de las herramientas que posee Mathematica para la construcción y manipulación de matrices. Empezaremos analizando los comandos que permiten definirla
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 detallesFicheros. Introducción. Apertura y cierre de ficheros
s Introducción Podemos deir un fichero o archivo como una unidad de información almacenada en memoria secundaria, un disco, a la que se asigna un identificador único; los ficheros nos ofrecen la posibilidad
Más detalles5, calcula el valor de los siguientes determinantes:
Determinantes 1. Sabiendo que 5, calcula el valor de los siguientes determinantes: a), b) a b c junio 00 Utilicemos las propiedades de los determinantes para transformar el determinante en otro que dependa
Más detallesDr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato cimat.mx web:
Clase No 12: MAT 251 Factorización QR Dr Alonso Ramírez Manzanares Depto de Matemáticas Univ de Guanajuato e-mail: alram@ cimatmx web: http://wwwcimatmx/alram/met_num/ Dr Joaquín Peña Acevedo CIMAT AC
Más detallesDISEÑO CURRICULAR ALGEBRA LINEAL
DISEÑO CURRICULAR ALGEBRA LINEAL FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE 122443 02 02 03 II PRE-REQUISITO ELABORADO
Más detallesCapítulo 3 Herramienta de Simulación
Capítulo 3: Herramienta de Simulación 35 Capítulo 3 Herramienta de Simulación En este capítulo se muestra de manera general el funcionamiento de la herramienta de simulación. Se explican brevemente los
Más detalles3.1.- Modificación del código secuencial
Capítulo 3 Implementación del SERBAPA 3.1.- Modificación del código secuencial Se comenzó modificando el programa BETIS del libro Boundary Element Method de Federico París y José Cañas (1997), para que
Más detallesElementos de Cálculo Numérico (M) - Cálculo Numérico
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico (M) - Cálculo Numérico Primer Cuatrimestre 204 Práctica N 2: Normas y Condicionamiento.
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 detallesEspacios euclídeos. Transformaciones ortogonales
Espacios euclídeos. Transformaciones ortogonales Álgebra con MATLAB: Práctica 3 Curso 2006-2007 Una ortogonalización Empezaremos esta práctica utilizando MATLAB para resolver el siguiente problema: En
Más detalles8 Casos de estudio y resultados
8 Casos de estudio y resultados La formulación del problema lineal para la optimización de una red inalámbrica WiMAX basada en el estándar IEEE 802.16-2004, expuesta en la sección 7, se presenta para una
Más detalles6 PROTOCOLO DE PRUEBAS
6 PROTOCOLO DE PRUEBAS 6.1 Introducción Se exponen a continuación los resultados de la puesta a prueba del comportamiento del algoritmo. Para facilitar el proceso de análisis del comportamiento del algoritmo,
Más detallesEvolución del software y su situación actual
Evolución del software y su situación actual El software es el conjunto de programas que permite emplear la PC, es decir, es el medio de comunicación con la computadora, el control de sus funciones y su
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 detallesPRUEBAS, RESULTADOS y CONCLUSIONES
PRUEBAS, RESULTADOS y CONCLUSIONES When you have eliminated all which is impossible, then whatever remains, however improbable, must be the truth. The Adventure of the Blanched Soldier. Sir Arthur Conan
Más detallesInterfaz de línea de comandos (CLI)
Interfaz de línea de comandos (CLI) Aurelio Sanabria Taller de programación II semestre, 2015 1 Obteniendo ayuda Man: Permite obtener información sobre comandos conocidos y desconocidos. Se divide por
Más detallesINTRODUCCIÓN...9 CAPÍTULO 1. ELEMENTOS DE UN PROGRAMA INFORMÁTICO...11
Índice INTRODUCCIÓN...9 CAPÍTULO 1. ELEMENTOS DE UN PROGRAMA INFORMÁTICO...11 1.1 PROGRAMA Y LENGUAJESDE PROGRAMACIÓN...12 1.1.1 EL LENGUAJE JAVA...13 1.1.2 EL JDK...15 1.1.3 LOS PROGRAMAS EN JAVA...16
Más detallesmatemáticos, como por ejemplo las cinco operaciones básicas, factorial de un número.
Sesión 4: Programar en Scratch soluciones a problemas simples matemáticos, como por ejemplo las cinco operaciones básicas, factorial de un número. Objetivo: Aprender a realizar algoritmos y procedimientos
Más detallesMÓDULO SE: SISTEMAS DE ECUACIONES
LABORATORIO DE COMPUTACIÓN CIENTÍFICA (Prácticas) Curso 2009-10 1 MÓDULO SE: SISTEMAS DE ECUACIONES Alumno: Lee detenidamente los enunciados. Copia las funciones y scripts que crees a lo largo de la practica,
Más detallesUna ecuación lineal de n-incógnitas es una igualdad de la forma:
página 1/39 Teoría Tema 6 Ecuación lineal Una ecuación lineal de n-incógnitas es una igualdad de la forma: a 1 x 1 +a 2 x 2 +a 3 x 3 +...+a n x n =c Donde a 1,a 2, a 3,..., a n,c son números reales. En
Más detallesCAPITULO I INTRODUCCIÓN
CAPITULO I INTRODUCCIÓN MATLAB es un entorno de programación y ejecución en el cual se permiten construir herramientas propias según los requerimientos del programador, fácilmente se crean funciones y
Más detallesCONJUNTO R n. = (5, 2, 10) de 3, son linealmente. = (2,1,3) y v 3. = (0,1, 1) y u 3. = (2,0,3, 1), u 3. = (1,1, 0,m), v 2
CONJUNTO R n.- Considerar los vectores u = (, -3, ) y v = (, -, ) de 3 : a) Escribir, si es posible, los vectores (, 7, -4) y (, -5, 4) como combinación lineal de u y v. b) Para qué valores de x es el
Más detallesArquitectura de Computadores (Grado II)
Arquitectura de Computadores (Grado II) Práctica de Memorias caché Departamento de Arquitectura y Tecnología de Sistemas Informáticos Escuela Técnica Superior de Ingenieros Informáticos Universidad Politécnica
Más detallesMinimización De Pérdidas En Media Tensión Con Intervención De Generadores Dispersos En El Control ANEXO I: PROGRAMA GAMS
ANEXO I: PROGRAMA GAMS Página 1 de 5 GAMS son las siglas de General Algebraic Modeling System. GAMS es un lenguaje de programación que permite el modelado, análisis y resolución de diversos problemas de
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 detallesModelado y autooptimización en esquemas paralelos de backtracking
Modelado y autooptimización en esquemas paralelos de backtracking Manuel Quesada y Domingo Giménez Universidad de Murcia XX Jornadas de Paralelismo A Coruña, 18 Sept 2009 Índice 1 Introducción 2 Técnica
Más detallesForma canónica de Jordan.
Práctica 3 Forma canónica de Jordan. Contenido: Matrices semejantes. Polinomio característico. Valores propios. Vectores propios. Forma canónica de Jordan. Forma real de la forma canónica de Jordan. Aplicaciones:
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 detallesConocimiento de Matemáticas 2º ESO. a) Contenidos.
Conocimiento de Matemáticas 2º ESO. a) Contenidos. Bloque 1. Contenidos comunes. Planificación del proceso de resolución de problemas: análisis de la situación, selección y relación entre los datos, selección
Más detallesMétodos numéricos para ingeniería Francisco Javier Delgado Cepeda
Preguntas de comprensión En esta sección se hace un recuento sobre algunas distinciones relativas a los diferentes métodos numéricos tratados. Deben realizarse después de una lectura profunda de los contenidos
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 detallesLas matrices se denotarán usualmente por letras mayúsculas, A, B,..., y los elementos de las mismas por minúsculas, a, b,...
INTRO. MATRICES Y DETERMINANTES Prof. Gustavo Sosa Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas
Más detallesPráctica 4: Sistemas de ecuaciones no lineales.
Práctica 4: Sistemas de ecuaciones no lineales. 1 Introducción. Sea un conjunto de ecuaciones de la forma: f i (x 1, x 2,..., x N ) = 0, i = 1, 2,...N (1) o en notación matricial: f(x) = 0 (2) cuya solución
Más detallesProyecciones Ortogonales y Proceso de Gram-Schmidt
Proyecciones Ortogonales y Proceso de Gram-Schmidt Departamento de Matemáticas, CCIR/ITESM 9 de febrero de Índice..Introducción.................................................Ortogonalidad a un espacio........................................proyección
Más detallesCómo utilizar Solver en Excel 2007 y 2010 (maximizar los beneficios de producción)
Cómo utilizar Solver en Excel 2007 y 2010 (maximizar los beneficios de producción) www.funcionarioseficientes.com Índice Introducción:... 1 1) Creamos la tabla de datos... 1 2) Activamos solver... 2 3)
Más detallesPresentación del Curso Presencial. Programación en Java Nivel Básico
Presentación del Curso Presencial Programación en Java Nivel Básico Tabla de contenido Presentación del curso... 3 Objetivos de aprendizaje... 6 Contenidos del curso... 7 Competencias previas... 9 Recursos...
Más detallesUNIDAD 2. Creando reportes de consolidación de datos mediante el uso de funciones y formatos condicionales.
UNIDAD 2 Creando reportes de consolidación de datos mediante el uso de funciones y formatos condicionales. Gestionando Información con Microsoft Excel DESCRIPCIÓN Creando reportes de consolidación de datos
Más detallesSistemas de ecuaciones lineales
CAPíTULO 6 Sistemas de ecuaciones lineales 1 Rango de una matriz a 11 a 1n Sea A = M m n (K) El rango por filas de la matriz A es la dimensión del a m1 a mn subespacio vectorial de K n generado por sus
Más detallesPráctica 0: Introducción a Matlab. Matlab es un acrónimo: MATrix LABoratory
Práctica 0: Introducción a Matlab Matlab es un acrónimo: MATrix LABoratory Práctica 0: Introducción a Matlab Matlab es un acrónimo: MATrix LABoratory La ventana de Matlab muestra un escritorio dividido
Más detalles