Paralelización de la factorización LDL T usando el lenguaje de programación paralela ZPL

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Paralelización de la factorización LDL T usando el lenguaje de programación paralela ZPL"

Transcripción

1 REVISTA INGENIERÍA UC. Vol. 15, N o 2, 72-80, 2008 Paralelización de la factorización LDL T usando el lenguaje de programación paralela ZPL Edwin Vargas, Enrique Flores, Demetrio Rey Lago Instituto de Matemática y Cálculo Aplicado, Facultad de Ingeniería, Universidad de Carabobo, Valencia, Venezuela Resumen Se muestra la implementación de la factorización de una matriz simétrica positiva a la forma LDLT, usando el Lenguaje de Programación Paralela ZPL. Se hace una descripción del lenguaje ZPL, se realizan pruebas a matrices, y se determina la aceleración y la eficiencia variando la cantidad de procesadores. Se obtuvo como resultado la disminución del tiempo de ejecución del programa a medida que se aumenta el número de procesadores y se determinó que aproximadamente un 90% del tiempo de ejecución se consume en el algoritmo de multiplicación de una matriz por un vector.. Palabras clave: Factorización LDL T, programación paralela, ZPL. Parallelization of the LDLT decomposition with the ZPL programming language Abstract It is shown the parallelization of the LDLT factorization of a positive symmetrical matrix using the ZPL Parallel Programming Language. A brief description of the language ZPL is made, and tests to matrices are made, and acceleration and efficiency is determine varying the quantity of processors. The result obtained was a decreasing in the runtime of the program as it increases the number of processors and it was determined that approximately 90% of execution time is consumed in the algorithm of matrix - vector product. Keywords: LDL T decomposition, parallel programming, ZPL. 1. INTRODUCCIÓN La factorización de una matriz A de n x n, simétrica positiva, se realiza mediante el producto de tres matrices; una matriz L, o triangular inferior unitaria, una matriz D, o diagonal y una matriz L T, quedando A = LDL T, es decir, la matriz triangular inferior transpuesta [1], como se ilustra a continuación: a11 a21 a31 a a21 a22 a32 a42 L = a 31 a32 a 33 a43 L31 L a41 a42 a43 a44 L41 L42 L43 1 d L21 L31 L d2 L32 L d L d Este método de factorización, es llamado la Descomposición de Cholesky. Para este método la Matriz A es expresada en la forma: A = LDL T (1) Los elementos de las matrices L y D son determinados por medio de la ecuación (1), el elemento A n (i,j) de la Matriz A, se calcula a través de [2]: ó j = An ( i, j) LikdkLjk, 1 j i 1 (2) k= 1 j 1 = (, ) Lij dj An i j LikdkLjj, 1 j i 1 (3) k= 1 72 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

2 Vargas, Flores y Rey Lago mientras que los elementos de la matriz diagonal D se obtienen: ó con d i = A ( i, i) n i 1 di = An ( i, i) L k = 1 2 ik d i k = 1 k Una aplicación de la factorización LDL T está estrictamente ligada a la resolución de sistemas de ecuaciones. En matemática y álgebra lineal, un sistema lineal de ecuaciones es un conjunto de ecuaciones lineales sobre un cuerpo o un anillo conmutativo. El problema de los sistemas lineales de ecuaciones es uno de los más antiguos de la matemática y tiene una infinidad de aplicaciones, como en procesamiento digital de señales, estimación, predicción y más generalmente en programación lineal así como en la aproximación de problemas no lineales de análisis numérico. El desarrollo de la factorización de una matriz A de tamaño n por n simétrica positiva a través de la descomposición de Cholesky involucra gran cantidad de operaciones con matrices y vectores. Como el lenguaje de programación ZPL es un lenguaje orientado a operaciones con vectores y matrices que presenta buen desempeño tanto en computadoras secuenciales como en computadoras paralelas [3], se utilizará para desarrollar un algoritmo para realizar la mencionada factorización, se realizarán pruebas en un cluster de computadores con el algoritmo desarrollado que muestren los tiempos de procesamiento, la aceleración y la eficiencia variando el tamaño de las matrices de prueba y la cantidad de procesadores en el cluster. 2. PROGRAMACIÓN PARALELA Y UNA IN- TRODUCCIÓN AL LENGUAJE ZPL La programación paralela consiste en el uso de múltiples computadores, o de computadores con múltiples procesadores internos, para resolver un problema a alta velocidad. El paralelismo puede enfocarse L ik d k L ik, i 2 (4) (5) d1 = A n (1,1) (6) hacia la arquitectura (procesadores de memoria compartida, multiprocesadores de paso de mensajes), o hacia la programación (paralelismo de datos, paralelismo de tareas). Las técnicas de programación en esta área pueden clasificarse en paralelismo explicito (el programador es quien define el paralelismo dentro del programa) o paralelismo implícito (es el lenguaje de programación quien define el paralelismo) [3]. En cuanto al lenguaje ZPL, se puede mencionar que es un lenguaje de programación que es especialmente efectivo para calcular problemas de ciencias e ingeniería. Su intención es reemplazar lenguajes como Fortran y C en la computación técnica. Es un lenguaje de programación conveniente para cálculos computacionales de ingeniería y ciencias [4], ZPL es un lenguaje de programación implícitamente paralelo, fue diseñado para simplificar la programación de computadoras paralelas, los programadores no necesitan especificar cómo se ejecutan concurrentemente los cálculos, ni siquiera insertan comunicación entre procesos. Los programas escritos en ZPL, muestran una relativa simplicidad, lo que hace que sean fácil de leer y entender, conservando aún un modelo sofisticado de paralelismo [5]. Los programas de ZPL escriben pocos ciclos y realizan un mínimo de manipulación de índices. El concepto principal de este lenguaje es la región, la cual es un conjunto de índices de un rango fijo El rango r de una región es el producto cartesiano de un número finito de secuencias enteras; los límites superiores e inferiores son fijados por el programador. Uno de los operadores más utilizados en el manejo de matrices a través del Lenguaje ZPL, es el operador Reduce (<<), el cual es una de las formas funcionales que pueden ser usadas en cálculos globales. Su función es reducir los arreglos a unos de menor orden, o incluso escalares. El operador << es antecedido por otro operador aritmético para llevar a cabo las reducciones [4]. En este mismo orden de ideas, una de las características más importantes de ZPL es la habilidad de llenar una matriz con copias de una fila o columna, o más generalmente, el llenar un arreglo de dimensión mayor con copias de otro arreglo de dimensión menor. Esta operación, llamada flooding en ZPL es una generalización de la idea de la promoción escalar [4]. Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto

3 Paralelización de la factorización LDL T usando el lenguaje ZPL 3. ALGORITMO DE FACTORIZACIÓN LDL T EN ZPL La programación de una aplicación paralela en ZPL consta de dos partes fundamentales, la configuración y definición de variables y regiones y la codificación del algoritmo haciendo uso de los operadores que hagan el uso más eficiente de la máquina paralela Configuración y definición de variables y regiones. La configuración y definición de variables se observan en la Figura 1 y consta de cuatro secciones: las variables de configuración (config var), la definición de las regiones, los tipos de datos a utilizar en el programa (type) y las variables a usar en el programa (var). Las variables de configuración (config var) son aquellos datos de entrada que se pueden modificar en el momento de invocar la ejecución del programa, para este caso se definió como variable de configuración: el orden la matriz cuadrada que se va a procesar. Luego se definieron tres regiones: la primera (R) conforma el espacio (filas y columnas) donde reside primariamente la matriz, luego se definieron dos regiones, una para la manipulación de vectores tipo fila (fila) y otra para el manejo de vectores tipo columna (col). Y por último, los tipos de datos a utilizar en el programa (type) y las variables a usar en el programa (var) Código del algoritmo paralelo El algoritmo para realizar la descomposición de Cholesky a una matriz A simétrica positiva, bajo el lenguaje de programación ZPL, es el mostrado en la Figura Datos 4. EXPERIMENTACIÓN Las matrices a utilizar, se generaron aleatoriamente, con elementos de tipo double. La dimensión de las mismas para los casos de prueba fueron: 100x100, 500x500 y 1000x1000. program LDLt; config var n : integer = 1000; region R = [1..n,1..n]; fila = [1,1..n]; col = [1..n,1]; -- Tamaño de la matriz -- Arreglo matricial de n por n -- Arreglo tipo vector fila de n elementos -- Arreglo tipo vector columna de n elementos type dtype = double; -- Dato de tipo real var f : file; -- Variable para lectura/escritura de archivos A, L,D : [R] dtype; -- Matriz de entrada simétrica, y matrices de salida time : double; -- Tiempo de duración del programa -- Variables Auxiliares V1 : [R] dtype; V, Diag :[fila] dtype; j : integer; Lf : [fila] dtype; Lcf : [R] dtype; Mmv : [R] dtype; Mmv1, Lj1 : [col] dtype; P1 : [fila] dtype; den, valor : double; Amaxj, Ajj, P : double; Ac : [col] dtype; Figura 1. Definición de las variables. 74 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

4 Vargas, Flores y Rey Lago for j := 1 to n do if j > 1 then -- Calculo de los elementos de la matriz D, -- almacenados en Diag [1,1..j-1] Lf := >>[j,1..j-1]l; [1,1..j-1] V:= Lf*Diag; [j,j] Ajj := max<< A; [1,1..j-1] P1 := Lf*V; [1,1..j-1] P := +<< P1; [1,j] V := Ajj - P; [1,j] Diag := max<< V; if j < n then -- Calculo de los elementos de la columna j por debajo de -- la diagonal de L [1,j] den := max<< V; [j+1..n,1] Ac := >>[j+1..n,j]a; -- Inicio de la Multiplicación de uma matriz por -- un vector [j+1..n,1..j-1] Lcf := >>[j+1..n,1..j-1]l; [1..n,1..j-1] V1 := >>[1,1..j-1] V; Mmv:= Lcf*V1; [Ar] Mmv1 := +<< [R] Mmv; -- Fin de la Multiplicación [j+1..n,1] [j+1..n,j] Lj1 := (Ac - Mmv1)/den; L:= >>[j+1..n,1] Lj1; end; else -- Calculo del primer elemento de la diagonal y la primera -- columna de L [j,j] Amaxj := max<< A; [1,1] V := Amaxj; [1,1] Diag := Amaxj; [2..n,1] L := A/Amaxj; end; [j,j] L:= 1; [1,j] [j,j] valor := max<< Diag; D := valor; end; Figura 2. Implementación del algoritmo de Factorización LDL T. Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto

5 Paralelización de la factorización LDL T usando el lenguaje ZPL 4.2. Plataforma computacional Todas las pruebas se desarrollaron en el cluster NIMBUS de la Facultad de Ingeniería de la Universidad de Carabobo, el cual posee un total de 8 nodos; cuatro con un Procesador del tipo Intel PIV de 2.4 Ghz, 1000 MB de memoria RAM, y los cuatro restantes con un Procesador del tipo Intel PIV de 3.0 Ghz, 1000 MB de memoria RAM. Red de interconexión entre nodos: 1 Gigabit ethernet. La arquitectura del cluster en las pruebas hechas es un arreglo ( grid ) de n por 1, siendo n el número de procesadores, como se muestra en la Figura 3. El valor de n está comprendido desde 1 hasta Figura 3. Arquitectura del cluster para las pruebas. 5. RESULTADOS En las Tablas 1, 2 y 3 se observa el tiempo de ejecución, medido en segundo, la aceleración y la eficiencia del algoritmo implementado, junto al tiempo que tarda en realizar el producto matriz por vector y el porcentaje de este tiempo en relación al tiempo total de ejecución del programa. n Grid Procesos Tiempo Total (tt) Aceleración Tabla 1. Matriz 100 x 100. Eficiencia Tiempo Multiplicación de Matrices (tm) Porcentaje de tm respecto a tt 1x % 2x % 3x % 4x % 5x % 6x % 7x % 8x % Grid Procesos Tiempo Total (tt) Aceleración Tabla 2. Matriz 500 x 500. Eficiencia Tiempo Multiplicación de Matrices (tm) Porcentaje de tm respecto a tt 1x % 2x % 3x % 4x % 5x % 6x % 7x % 8x % 76 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

6 Vargas, Flores y Rey Lago En las Figuras 4, 5 y 6 se grafican los resultados de los tiempos de ejecución mostrados en las Tablas 1, 2 y 3 respectivamente. En la Figura 4 se evidencia que no existe una tendencia clara a la reducción del tiempo de ejecución del algoritmo a medida que se aumenta el número de procesadores. Caso distinto se aprecia en la Figura 5, donde se gráfica el tiempo de ejecución del programa para una matriz de mayor dimensión, donde se observa claramente como dicho tiempo disminuye a medida que se aumenta el número de procesadores, lo cual es consistente con la reducción del costo de comunicación respecto al cómputo útil del algoritmo sobre una cantidad de datos mayor. Tabla 3. Matriz 1000 x Grid Procesos Tiempo Total (tt) Aceleración Eficiencia Tiempo Multiplicación de Matrices (tm) Porcentaje de tm respecto a tt 1x % 2x % 3x % 4x % 5x % 6x % 7x % 8x % Tiempo de Ejecución Tiempo (s) 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0, Número de Procesadores Figura 4. Tiempo de ejecución Matriz 100x100. Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto

7 Paralelización de la factorización LDL T usando el lenguaje ZPL En la Figura 6, donde se grafica el tiempo de ejecución del algoritmo versus el número de procesadores para una matriz de 1000x1000, se evidencia una disminución de dicho tiempo a medida que se aumenta el número de procesadores. Aunque se observa que cuando se utilizan 5 procesadores el tiempo de ejecución aumenta de segundos a segundos, y luego comienza a disminuir nuevamente, esto se debe a la heterogeneidad del cluster, ya que las primeras 4 pruebas se realizaron con los procesadores de Tiempo de Ejecución Tiempo (s) Número de Procesadores Figura 5. Tiempo de ejecución Matriz 500x500 Tiempo de Ejecución Tiempo (s) Número de Procesadores Figura 6. Tiempo de ejecución Matriz 1000x Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

8 Vargas, Flores y Rey Lago mayor velocidad (3.0 Ghz) mientras que una vez que se comienzan a realizar las pruebas con más de 4 procesadores, se toman los procesadores de menor velocidad (2.4 Ghz), haciendo que el tiempo de ejecución del algoritmo se rija por los procesadores de menor velocidad, ya que los procesadores de mayor velocidad deben esperar a que los de menor velocidad efectúen las operaciones y poder continuar con la ejecución. También se destaca lo señalado en la Tabla 2, en cuanto a la aceleración, que aumenta a medida que aumenta el número de procesadores. Por otro lado, observando el porcentaje de tiempo que el algoritmo tarda en realizar el ciclo de multiplicación de matriz por vector respecto al tiempo total de ejecución del algoritmo de factorización en las Tablas 1, 2 y 3, se puede concluir que el mismo en muchos casos se encuentra por encima del 90% 8. CONCLUSIONES Se presentó una primera versión de la factorización de una matriz A simétrica positiva a la forma LDL T mediante un algoritmo basado en los conceptos claves del lenguaje de programación paralelo ZPL como lo son el uso de regiones y los operadores paralelos. Las curvas de tiempo de ejecución de las matrices de prueba 100x100 no muestran una tendencia a disminuir cuando se aumenta el número de procesadores del cluster Nimbus. Esto puede deberse al alto costo de la comunicación entre los procesadores. En la matrices de prueba de 500x500 y 1000x1000 sí se observa una clara disminución del tiempo de ejecución a medida que se aumenta el número de procesadores, lo cual demuestra que la implementación hace buen uso de la comunicación entre procesadores. También se puede evidenciar, que a medida que se aumenta el tamaño de la matriz, ZPL permite mejorar el desempeño en cuanto al factor de aceleración. En cuanto al tiempo de ejecución del algoritmo de factorización de la matriz A, se puede mencionar, que la mayor parte del mismo se debe al tiempo que tarda en realizar el proceso de multiplicar una matriz por un vector. En el caso de la matriz 1000x1000, el porcentaje del tiempo de ejecución de la multiplicación de una matriz por un vector, respecto al tiempo total de la ejecución del programa, se encuentra por encima del 90%, como se evidencia en la Tabla RECOMENDACIONES El algoritmo de factorización LDL T propuesto puede mejorarse, ya que es una primera versión en la que se muestra de manera muy sencilla dicha factorización, sería provechoso agregar rutinas que optimicen los cálculos, como por ejemplo, haciendo uso de las técnicas de cómo el producto matriz-vector de la manera que lo implementan las rutinas BLAS, sólo que debe considerarse para ello la utilización de operadores que tengan poca comunicación para no degradar el rendimiento del algoritmo en arquitecturas multiprocesador. Como continuación de la presenta investigación, se recomienda la implementación de un algoritmo de multiplicación de una matriz por un vector, con la finalidad de disminuir los tiempos de ejecución del algoritmo de factorización de Cholesky. Sería provechoso evaluar el algoritmo usando un cluster o una supercomputadora con un mayor número de nodos y mayor capacidad de memoria, ya que algunas gráficas muestran una tendencia de disminución del tiempo de ejecución para un mayor número de nodos en el caso de matrices de gran tamaño. En virtud que los nodos del cluster donde se hicieron las pruebas no son iguales, también sería de interés hacer las mismas pruebas con un cluster cuyos nodos sean todos con las mismas características computacionales, y comparar los resultados con los obtenidos en el presente trabajo. 10. REFERENCIAS [1] Burden, R. y Faires, J. (2003) Análisis Numérico. Séptima Edición. Editorial Thomson. México. [2] Rabiner, L. y Schafer, R. Digital Processing of Speech Signals. Prentice-Hall. New Jersey. Estados Unidos. [3] Rey, D. y Canning, J. (2007). Streams: Una Librería de Habilitación de Paralelismo Mixto de Tareas en Cascada y Paralelismo de Datos para el Lenguaje Paralelo de Alto Nivel ZPL. Facultad de Ingeniería. Universidad de Carabobo. Venezuela. Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto

9 [4] Snyder, L. (1999). A programmer s Guide to ZPL. The MIT Press. [5] Castellano, J., Ramírez, J. y Rey, D. (2007). Paralelización de la Factorización LU usando el Lenguaje ZPL. Instituto de Matemática y Cálculo Aplicado. Facultad de Ingeniería. Universidad de Carabobo. Venezuela. Paralelización de la factorización LDL T usando el lenguaje ZPL 80 Rev. INGENIERÍA UC. Vol. 15, No 2, Agosto 2008

Resolución de problemas en paralelo

Resolución de problemas en paralelo Resolución de problemas en paralelo Algoritmos Paralelos Tema 1. Introducción a la computación paralela (segunda parte) Vicente Cerverón Universitat de València Resolución de problemas en paralelo Descomposición

Más detalles

Capítulo 5: Comparación con ScaLAPACK

Capítulo 5: Comparación con ScaLAPACK Capítulo 5: Comparación con ScaLAPACK En este capítulo se presentan dos aspectos importantes en cuanto a la validez y utilización de los aportes de esta tesis: 1) Aplicación de los principios de paralelización

Más detalles

Factorizaciones de Cholesky, matrices definidas. semidefinidas positivas.

Factorizaciones de Cholesky, matrices definidas. semidefinidas positivas. Factorizaciones de Cholesky, matrices definidas y semidefinidas positivas Héctor Manuel Mora Escobar Universidad Central, Bogotá hectormora@yahoo.com Junio de 2011 1 Introducción Este documento presenta,

Más detalles

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción: arquitecturas

Más detalles

Tema 3 Resolución de Sistemas de Ecuaciones Lineales

Tema 3 Resolución de Sistemas de Ecuaciones Lineales Tema Resolución de Sistemas de Ecuaciones Lineales Índice Introducción 2 Método de Gauss 2 Resolución de sistemas triangulares 22 Triangulación por el método de Gauss 2 Variante Gauss-Jordan 24 Comentarios

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

Salvador Macías Hernández Rodolfo Gómez Vega Factorización LU. Programa 7/9/2003 Tarea No.4

Salvador Macías Hernández Rodolfo Gómez Vega Factorización LU. Programa 7/9/2003 Tarea No.4 E.99102.1 MÉTODOS COMPUTACIONALES EN INGENIERÍA Salvador Macías Hernández Rodolfo Gómez Vega Factorización LU. Programa 7/9/2003 Tarea No.4 INTRODUCCIÓN. Supongamos que A se puede factorizar como el producto

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Computación Científica en Paralelo

Computación Científica en Paralelo Computación Científica en Paralelo Luis Miguel de la Cruz luiggix@gmail.com www.dci.dgsca.unam.mx/lmcs Unidad de Investigación en Cómputo Aplicado DGSCA-UNAM. Posgrado en Ciencia e Ingeniería de la Computación

Más detalles

Gradiente conjugado. MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23

Gradiente conjugado. MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23 Gradiente conjugado MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23 Contenido Contenido Estructura de una matriz rala a partir de conectividades Compressed

Más detalles

Cómputo en paralelo con OpenMP 1

Cómputo en paralelo con OpenMP 1 Cómputo en paralelo con OpenMP 1 Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas CIMAT, September 2, 2015 1/34 Velocidad de los procesadores de escritorio Recientemente, la

Más detalles

Tópicos de implementación en paralelo

Tópicos de implementación en paralelo Apéndice C Esquema PGP. Implementación en un entorno paralelo. Para poder abordar eficazmente la simulación computacional de grandes problemas estructurales, es necesario utilizar estrategias numéricas

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE INGENIERÍA MECÁNICA Y ELÉCTRICA UNIDAD CULHUACÁN INTEGRANTES CÁRDENAS ESPINOSA CÉSAR OCTAVIO racsec_05@hotmail.com Boleta: 2009350122 CASTILLO GUTIÉRREZ

Más detalles

Descomposición de dominios

Descomposición de dominios Descomposición de dominios Miguel Vargas 27/10/10 1/29 Contenido Contenido Solución de ecuaciones diferenciales con descomposición de dominios Dominios sin traslape, complemento de Schur Método alternante

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

Resolución de Problemas

Resolución de Problemas Resolución de Problemas con algoritmos Colaboratorio de Computación Avanzada (CNCA) 2015 1 / 27 Contenidos 1 Introducción 2 Elementos de algoritmos Elementos Variables Estructuras de Control Condicionales

Más detalles

Matrices: Conceptos y Operaciones Básicas

Matrices: Conceptos y Operaciones Básicas Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas, CCIR/ITESM 8 de septiembre de 010 Índice 111 Introducción 1 11 Matriz 1 113 Igualdad entre matrices 11 Matrices especiales 3 115 Suma

Más detalles

Apéndice A. Repaso de Matrices

Apéndice A. Repaso de Matrices Apéndice A. Repaso de Matrices.-Definición: Una matriz es una arreglo rectangular de números reales dispuestos en filas y columnas. Una matriz com m filas y n columnas se dice que es de orden m x n de

Más detalles

Algoritmo para resolver exactamente sistemas de ecuaciones lineales con coeficientes enteros

Algoritmo para resolver exactamente sistemas de ecuaciones lineales con coeficientes enteros Miscelánea Matemática 43 (2006) 7 132 SMM Algoritmo para resolver exactamente sistemas de ecuaciones lineales con coeficientes enteros Daniel Gómez-García Facultad de Ingeniería Universidad Autónoma de

Más detalles

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia

Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co. Universidad Pedagógica y Tecnológica de Colombia. Colombia Facultad de Ingeniería ISSN: 0121-1129 revista.ingenieria@uptc.edu.co Universidad Pedagógica y Tecnológica de Colombia Colombia Amézquita-Mesa, Diego Germán; Amézquita-Becerra, Germán; Galindo-Parra, Omaira

Más detalles

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe Linux Week PUCP 2006 Computación de Alto Rendimiento en Linux Richard Miguel San Martín rmiguel@senamhi.gob.pe Agenda Computación Científica Computación Paralela High Performance Computing Grid Computing

Más detalles

Proyecto de Innovación Docente: Guía multimedia para la elaboración de un modelo econométrico.

Proyecto de Innovación Docente: Guía multimedia para la elaboración de un modelo econométrico. 1 Primeros pasos en R. Al iniciarse R (ver Figura 16), R espera la entrada de órdenes y presenta un símbolo para indicarlo. El símbolo asignado, como puede observarse al final, es > Figura 16. Pantalla

Más detalles

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx

Matrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad

Más detalles

Calculo Actuarial con Cadenas de Markov, una aplicación

Calculo Actuarial con Cadenas de Markov, una aplicación Calculo Actuarial con Cadenas de Marov, una aplicación Xavier Cabezas, Fernando Sandoya 2 Ingeniero en Estadística Informática 2 2 Director de esis, Matemático, Escuela Politécnica Nacional 996, Profesor

Más detalles

DISEÑO DE UN ALGORITMO PARALELO PARA CODIFICACIÓN DE VIDEO MPEG4, SOBRE UN CLUSTER DE COMPUTADORAS PERSONALES.

DISEÑO DE UN ALGORITMO PARALELO PARA CODIFICACIÓN DE VIDEO MPEG4, SOBRE UN CLUSTER DE COMPUTADORAS PERSONALES. DISEÑO DE UN ALGORITMO PARALELO PARA CODIFICACIÓN DE VIDEO MPEG4, SOBRE UN CLUSTER DE COMPUTADORAS PERSONALES. Autores: Abelardo Rodríguez L.*, Manuel Pérez M. **, Alberto González T. **, José Hernández

Más detalles

Curso cero Matemáticas en informática :

Curso cero Matemáticas en informática : y Curso cero Matemáticas en informática : y Septiembre 2007 y y Se llama matriz de orden m n a cualquier conjunto de elementos dispuestos en m filas y n columnas: a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n

Más detalles

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una

Más detalles

4. Programación Paralela

4. Programación Paralela 4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios

Más detalles

ARREGLOS DEFINICION GENERAL DE ARREGLO

ARREGLOS DEFINICION GENERAL DE ARREGLO ARREGLOS DEFINICION GENERAL DE ARREGLO Conjunto de cantidades o valores homogéneos, que por su naturaleza se comportan de idéntica forma y deben de ser tratados en forma similar. Se les debe de dar un

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ALGEBRA II Guía de Matrices y Determinantes Primer año Plan Común de Ingeniería Segundo Semestre 2009 1. Hallar una matriz B que

Más detalles

INTRODUCCIÓN. Estructura de Datos Tipos Abstractos de Datos (TAD S) Profs. Lorna Figueroa M. Mauricio Solar F. UTFSM 1 / 2008

INTRODUCCIÓN. Estructura de Datos Tipos Abstractos de Datos (TAD S) Profs. Lorna Figueroa M. Mauricio Solar F. UTFSM 1 / 2008 INTRODUCCIÓN Estructura de Datos Tipos Abstractos de Datos (TAD S) Para poder obtener un programa que resuelva un problema dado, son necesarios varios pasos : La formulación y especificación del problema

Más detalles

Algorítmica y Lenguajes de Programación. Ordenación (i)

Algorítmica y Lenguajes de Programación. Ordenación (i) Algorítmica y Lenguajes de Programación Ordenación (i) Ordenación. Introducción A lo largo del curso hemos visto distintas formas de almacenar datos: Vectores. Matrices. Ficheros Listas (pilas y colas)

Más detalles

CLUSTER FING: ARQUITECTURA Y APLICACIONES

CLUSTER FING: ARQUITECTURA Y APLICACIONES CLUSTER FING: ARQUITECTURA Y APLICACIONES SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción Clusters Cluster

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS 2 Í N D I C E CAPÍTULO MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES MATRICES. MATRIZ. DEFINICIÓN 2. ALGUNOS

Más detalles

MAT web:

MAT web: Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/

Más detalles

Estructuras algebraicas

Estructuras algebraicas Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota

Más detalles

Capacidad de procesamiento del compilador Python para el Sistema Operativo Windows y Linux Palabras Clave:

Capacidad de procesamiento del compilador Python para el Sistema Operativo Windows y Linux Palabras Clave: Capacidad de procesamiento del compilador Python para el Sistema Operativo Windows y Linux Stiven Unsihuay, Paulo Pereira, Norma León unsihuay_carlos@hotmail.com, paulopereiraa10@gmail.com, nleonl@usmp.pe

Más detalles

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES

MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES CAPÍTULO 4 EJERCICIOS RESUELTOS: MÉTODOS DIRECTOS PARA LA RESOLUCIÓN DE ECUACIONES ALGEBRAICAS LINEALES Ejercicios resueltos 1 1. Determine el número de operaciones aritméticas necesarias para calcular

Más detalles

Modelo de aplicaciones CUDA

Modelo de aplicaciones CUDA Modelo de aplicaciones CUDA Utilización de GPGPUs: las placas gráficas se utilizan en el contexto de una CPU: host (CPU) + uno o varios device o GPUs Procesadores masivamente paralelos equipados con muchas

Más detalles

Anahuac México Sur. 3 Investigador, Centro de Ingeniería y Desarrollo Industrial.

Anahuac México Sur. 3 Investigador, Centro de Ingeniería y Desarrollo Industrial. Generación de trayectorias para un robot manipulador utilizando procesamiento de imágenes y splines Trajectory generation for a manipulator robot using image processing and splines J. A. Soto Cajiga, J.

Más detalles

Computación para Ingeniería

Computación para Ingeniería Computación Para Ingeniería Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Asignatura Materia Departamento responsable Computación para Ingeniería Computación para Ingeniería Lenguajes

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Diego R. Martínez diegorm@dec.usc.es Dpto. Electrónica y Computación Universidad

Más detalles

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo RESUMEN El grupo Computación de Altas Prestaciones

Más detalles

Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.

Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro

Más detalles

ESTRUCTURA DE DATOS: ARREGLOS

ESTRUCTURA DE DATOS: ARREGLOS ESTRUCTURA DE DATOS: ARREGLOS 1. Introduccion 2. Arreglos - Concepto - Caracteristicas 3. Arreglos Unidimensionales 4. Arreglos Bidimensionales 5. Ventajas del uso de arreglos 6. Ejemplo 1. Introducción

Más detalles

ALGORITMOS COMPUTACIONALES PARA ANIMACIÓN DE MODELOS DE SIMULACIÓN INDUSTRIALES

ALGORITMOS COMPUTACIONALES PARA ANIMACIÓN DE MODELOS DE SIMULACIÓN INDUSTRIALES Comunicaciones en Socioeconomía, Estadística e Informática 2004, Vol. 8 Núm. 2.pp 95-114 ALGORITMOS COMPUTACIONALES PARA ANIMACIÓN DE MODELOS DE SIMULACIÓN INDUSTRIALES Graciela Bueno 1, Enrique Arjona

Más detalles

Herramienta para la construcción de un cluster y la distribución de carga entre los nodos

Herramienta para la construcción de un cluster y la distribución de carga entre los nodos Herramienta para la construcción de un cluster y la distribución de carga entre los nodos Rubén A. González García 1, Gabriel Gerónimo Castillo 2 1 Universidad Juárez Autónoma de Tabasco, Av. Universidad

Más detalles

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN

ESPACIO VECTORIAL ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN Tema 5.- ESPACIOS VECTORIALES ESPACIO VECTORIAL SUBESPACIO VECTORIAL BASE Y DIMENSIÓN N DE UN ESPACIO VECTORIAL Fundamentos Matemáticosde la Ingeniería 1 Aunque históricamente el primer trabajo de Álgebra

Más detalles

Estructura de Datos. Unidad I Tipos de Datos

Estructura de Datos. Unidad I Tipos de Datos Estructura de Datos Unidad I Tipos de Datos Conceptos Básicos Algoritmo: es una secuencia finita de pasos o instrucciones ordenadas crono-lógicamente que describen un método para resolver un problema específico.

Más detalles

1. INVERSA DE UNA MATRIZ REGULAR

1. INVERSA DE UNA MATRIZ REGULAR . INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz

Más detalles

Álgebra II, licenciatura. Examen parcial I. Variante α.

Álgebra II, licenciatura. Examen parcial I. Variante α. Engrape aqu ı No doble Álgebra II, licenciatura. Examen parcial I. Variante α. Operaciones con matrices. Sistemas de ecuaciones lineales. Nombre: Calificación ( %): examen escrito tarea 1 tarea 2 asist.+

Más detalles

Métodos Computacionales 0302390

Métodos Computacionales 0302390 Métodos Computacionales 0302390 Fecha de actualización Tue, 28 Jul 2015 06:28:33-050 Usuario que realiza la actualización Facultad Autorización Vicedecano Última versión del curso 1 Número de Acta del

Más detalles

EXPERIENCIAS EDUCATIVAS CON WIRIS TRABAJANDO CON MATRICES Y DETERMINANTES

EXPERIENCIAS EDUCATIVAS CON WIRIS TRABAJANDO CON MATRICES Y DETERMINANTES EXPERIENCIAS EDUCATIVAS CON WIRIS TRABAJANDO CON MATRICES Y DETERMINANTES AUTORÍA PATRICIA PÉREZ ORTIZ TEMÁTICA MATEMÁTICAS ETAPA BACHILLERATO Resumen Las matrices y los determinantes es una parte del

Más detalles

Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs

Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs Enrique S. Quintana-Ortí quintana@icc.uji.es High Performance Computing & Architectures

Más detalles

Métodos Iterativos para Resolver Sistemas Lineales

Métodos Iterativos para Resolver Sistemas Lineales Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................

Más detalles

Programación Distribuida

Programación Distribuida PROGRAMA DE ESTUDIO Programa Educativo: Área de Formación : Licenciatura en Ciencias Computacionales Integral profesional Programa elaborado por: Programación Distribuida Horas teóricas: 1 Horas prácticas:

Más detalles

3.- DETERMINANTES. a 11 a 22 a 12 a 21

3.- DETERMINANTES. a 11 a 22 a 12 a 21 3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles

Más detalles

MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS

MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Tema 1.- MATRICES MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos de la Ingeniería 1 Un poco de historia Lord Cayley es uno de los fundadores de la teoría

Más detalles

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS MAURO CANABÉ SERGIO NESMACHNOW Centro de Cálculo, Facultad de Ingeniería Universidad de la República, Uruguay GPU IMPLEMENTATIONS

Más detalles

Computación 1-2011 - Matrices dispersas

Computación 1-2011 - Matrices dispersas Computación 1-2011 - Matrices dispersas Situación: Matrices muy grandes Previsible gran porcentaje de valores = 0 Se busca una forma de representar esas matrices que cueste menos memoria y permita acelerar

Más detalles

Práctica 6: Utilización de Registros y Vectores

Práctica 6: Utilización de Registros y Vectores Práctica 6: Utilización de Registros y Vectores Objetivos de la práctica El objetivo de esta práctica es ejercitarse en el empleo de estructuras de datos de tipo registro y vector para modelar datos, así

Más detalles

Trabajo Práctico Final. Transformada Rápida de Fourier con Paralelismo

Trabajo Práctico Final. Transformada Rápida de Fourier con Paralelismo Trabajo Práctico Final Transformada Rápida de Fourier con Paralelismo Sistemas Operativos II Facultad de Ciencias Exactas, Físicas y aturales UC Mauricio G. Jost 2009 Índice 1. Introducción 1 2. Marco

Más detalles

TEMA 4: CALCULO NUMERICO DE AUTOVALORES

TEMA 4: CALCULO NUMERICO DE AUTOVALORES Lino Alvarez - Aurea Martinez METODOS NUMERICOS TEMA 4: CALCULO NUMERICO DE AUTOVALORES 1 INTRODUCCION La determinación de autovalores y autovectores de una matriz cuadrada A de orden n es un problema

Más detalles

Nombre de la asignatura: Programación Estructurada. Créditos: 3-2 - 5. Aportación al perfil

Nombre de la asignatura: Programación Estructurada. Créditos: 3-2 - 5. Aportación al perfil Nombre de la asignatura: Programación Estructurada Créditos: 3-2 - 5 Aportación al perfil Diseñar, analizar y construir equipos y/o sistemas electrónicos para la solución de problemas en el entorno profesional,

Más detalles

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY EL CLUSTER

Más detalles

Fundamentos de la Programación

Fundamentos de la Programación Fundamentos de la Programación El Software Las operaciones que debe realizar el hardware son especificadas con una lista de instrucciones, llamadas programas o software. Dos grandes grupos de software

Más detalles

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de

ÁLGEBRA LINEAL E.T.S. DE INGENIERÍA INFORMÁTICA INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN. Apuntes de. para la titulación de E.T.S. DE INGENIERÍA INFORMÁTICA Apuntes de ÁLGEBRA LINEAL para la titulación de INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN Fco. Javier Cobos Gavala Amparo Osuna Lucena Rafael Robles Arias Beatriz Silva

Más detalles

Compiladores y Lenguajes de Programación. Maria de Guadalupe Cota Ortiz

Compiladores y Lenguajes de Programación. Maria de Guadalupe Cota Ortiz Compiladores y Lenguajes de Programación Maria de Guadalupe Cota Ortiz Organizaciones que rigen las normas para estandarización de Lenguajes de Programación IEEE (Instituto de Ingenieros Eléctricos y Electrónicos)

Más detalles

Las matrices tienen un número cada vez mas creciente de aplicaciones en la solución de problemas en Ciencia y Tecnología.

Las matrices tienen un número cada vez mas creciente de aplicaciones en la solución de problemas en Ciencia y Tecnología. Aplicaciones de las Matrices a la Solución de Problemas de Redes Eléctricas Resumen Se muestra como obtener, sistemas de ecuaciones lineales que permitan calcular intensidades de corrientes en los ramales

Más detalles

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales

Matemáticas I: Hoja 3 Espacios vectoriales y subespacios vectoriales Matemáticas I: Hoa 3 Espacios vectoriales y subespacios vectoriales Eercicio 1. Demostrar que los vectores v 1, v 2, v 3, v 4 expresados en la base canónica forman una base. Dar las coordenadas del vector

Más detalles

Primer Parcial de Programación 3 (1/10/2009)

Primer Parcial de Programación 3 (1/10/2009) Primer Parcial de Programación (/0/009) Instituto de Computación, Facultad de Ingeniería Este parcial dura horas y contiene carillas. El total de puntos es 0. En los enunciados llamamos C* a la extensión

Más detalles

Carta al estudiante. Información general

Carta al estudiante. Información general UNIVERSIDAD DE COSTA RICA DPTO. DE MATEMÁTICA APLICADA FACULTAD DE CIENCIAS II CICLO DEL 2015 ESCUELA DE MATEMATICA Carta al estudiante Información general Nombre del curso: Matemática para Ciencias Económicas

Más detalles

Fundamentos de Matemática Aplicada. (Prácticas)

Fundamentos de Matemática Aplicada. (Prácticas) Fundamentos de Matemática Aplicada (Prácticas) Damián Ginestar Peiró UNIVERSIDAD POLITÉCNICA DE VALENCIA 1 Índice general 1. Matrices dispersas 3 1.0.1. Esquemas de almacenamiento.............. 3 1.0.2.

Más detalles

Módulo: Modelos de programación para Big Data

Módulo: Modelos de programación para Big Data Program. paralela/distribuida Módulo: Modelos de programación para Big Data (título original: Entornos de programación paralela basados en modelos/paradigmas) Fernando Pérez Costoya Introducción Big Data

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: SUPERCÓMPUTO FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ) APOBL

Más detalles

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración

1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n, cuya inversa existe, se ha definido la siguiente iteración CAPÍTULO 5 EJERCICIOS RESUELTOS: MÉTODOS ITERATIVOS PARA ECUACIONES LINEALES Ejercicios resueltos 1 1. Examen 21/Junio/1994. Para la inversión de una matriz cuadrada A de orden n n cuya inversa existe

Más detalles

Las matrices Parte 1-2 o bachillerato

Las matrices Parte 1-2 o bachillerato Parte 1-2 o bachillerato wwwmathandmatesurlph 2014 1 Introducción Generalidades 2 Definición Ejercicio 1 : Suma de dos matrices cuadradas 2x2 Ejercicio 2 : Suma de dos matrices cuadradas 3x3 Propiedades

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

MATRICES Y DETERMINANTES

MATRICES Y DETERMINANTES Capítulo 6 MATRICES Y DETERMINANTES 6.. Introducción Las matrices y los determinantes son herramientas del álgebra que facilitan el ordenamiento de datos, así como su manejo. Los conceptos de matriz y

Más detalles

Departamento de Matemática Aplicada FUNDAMENTOS DE MATEMATICAS. Ingeniería Química (Curso 2005-06) Álgebra Lineal Práctica 3

Departamento de Matemática Aplicada FUNDAMENTOS DE MATEMATICAS. Ingeniería Química (Curso 2005-06) Álgebra Lineal Práctica 3 1. Matrices en Matlab Departamento de Matemática Aplicada FUNDAMENTOS DE MATEMATICAS. Ingeniería Química (Curso 2005-06) Álgebra Lineal Práctica 3 Para introducir una matriz en Matlab se procede de la

Más detalles

VISIÓN GENERAL HERRAMIENTAS COMERCIALES

VISIÓN GENERAL HERRAMIENTAS COMERCIALES VISIÓN GENERAL El servidor de MS SQL se ha convertido en un estándar en muchas partes de la América corporativa. Puede manejar volúmenes de datos grandes y se integra bien con otros productos de Microsoft.

Más detalles

EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM)

EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM) EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM) Carlos Bernal, Ana Silva, Marceliano Marrón, Juan Antonio Ortega, Claudio J. Arjona Área de HPC Centro Informático Científico de

Más detalles

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.

Matemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación. UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos

Más detalles

Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570

Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570 Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570 Juan Carlos Fernández Rodríguez. Área de HPC. Centro Informático Científico de Andalucía (CICA) Junta de Andalucía

Más detalles

Tema 7: Programación con Matlab

Tema 7: Programación con Matlab Tema 7: Programación con Matlab 1. Introducción Matlab puede utilizarse como un lenguaje de programación que incluye todos los elementos necesarios. Añade la gran ventaja de poder incorporar a los programas

Más detalles

Sistemas de Ecuaciones Lineales y Matrices

Sistemas de Ecuaciones Lineales y Matrices Sistemas de Ecuaciones Lineales y Matrices Oscar G Ibarra-Manzano, DSc Departamento de Area Básica - Tronco Común DES de Ingenierías Facultad de Ingeniería, Mecánica, Eléctrica y Electrónica Trimestre

Más detalles

1. ESPACIOS VECTORIALES

1. ESPACIOS VECTORIALES 1 1. ESPACIOS VECTORIALES 1.1. ESPACIOS VECTORIALES. SUBESPACIOS VECTORIALES Denición 1. (Espacio vectorial) Decimos que un conjunto no vacío V es un espacio vectorial sobre un cuerpo K, o K-espacio vectorial,

Más detalles

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales

Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Matemáticas I: Hoja 2 Cálculo matricial y sistemas de ecuaciones lineales Ejercicio 1 Escribe las siguientes matrices en forma normal de Hermite: 2 4 3 1 2 3 2 4 3 1 2 3 1. 1 2 3 2. 2 1 1 3. 1 2 3 4. 2

Más detalles

Panorama del curso Métodos Numéricos I

Panorama del curso Métodos Numéricos I Panorama del curso Métodos Numéricos I Egor Maximenko ESFM del IPN 2014 Egor Maximenko (ESFM del IPN) Métodos Numéricos I 2014 1 / 35 Contenido 1 Propósito y programa del curso, software y literatura 2

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

Estructura de datos (arreglos) Vectores y Matrices

Estructura de datos (arreglos) Vectores y Matrices Apunte del curso PROGRAMACIÓN (FI-UBA,, J. T. P. Ing. Z. CATALDI; A.T.P. Srta. A Pauluzzi, Sr. C Corradino, Sr. F Gómez Estructura de datos (arreglos) Hasta aquí se han visto distintos tipos de estructuras

Más detalles

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo

Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo POLINOMIOS 1.1. DEFINICIONES Definición 1.1.1. Sea K un cuerpo. Un polinomio en x, con coeficientes en K es toda expresión del tipo p(x) = a i x i = a 0 + a 1 x + a 2 x 2 + + a n x n + ; a i, x K; n N

Más detalles

Universidad Politécnica de Madrid

Universidad Politécnica de Madrid Universidad Politécnica de Madrid Escuela Técnica Superior de Ingenieros de Minas Departamento de Matemática Aplicada y Métodos Informáticos x r 1 x 1 x 2 = x * d 1 * d 1 f(x)=cte. r Resolución de sistemas

Más detalles

High Performance Computing and Architectures Group

High Performance Computing and Architectures Group HPCA Group 1 High Performance Computing and Architectures Group http://www.hpca.uji.es Universidad Jaime I de Castellón ANACAP, noviembre de 2008 HPCA Group 2 Generalidades Creado en 1991, al mismo tiempo

Más detalles

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { } I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA MECANICA DEPARTAMENTO ACADEMICO DE CIENCIAS BASICAS, HUMANIDADES Y CURSOS COMPLEMENTARIOS

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA MECANICA DEPARTAMENTO ACADEMICO DE CIENCIAS BASICAS, HUMANIDADES Y CURSOS COMPLEMENTARIOS UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA MECANICA DEPARTAMENTO ACADEMICO DE CIENCIAS BASICAS, HUMANIDADES Y CURSOS COMPLEMENTARIOS SILABO P.A. 2012-1 1. INFORMACION GENERAL Nombre del

Más detalles

MATEMÁTICA PARA COMPUTACIÓN I Código 3102.30.04

MATEMÁTICA PARA COMPUTACIÓN I Código 3102.30.04 UNIVERSIDAD DE SAN CARLOS DE GUATEMALA USAC- ESCUELA DE FORMACION DE PROFESORES DE ENSEÑANZA MEDIA EFPEM- PROFESORADO DE INFORMÁTICA Y COMPUTACIÓN ESCUELA DE VACACIONES DICIEMBRE 2013 SALON:C6 HORA: 17:00

Más detalles

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES

21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere

Más detalles

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)

Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario) Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES

Más detalles