OCW-V.Muto Técnicas iterativas para resolver sistemas lineales Cap. XVII CAPITULO XVII. TECNICAS ITERATIVAS PARA RESOLVER SISTEMAS LINEALES
|
|
- Jaime Cárdenas Caballero
- hace 5 años
- Vistas:
Transcripción
1 CAPITULO XVII. TECNICAS ITERATIVAS PARA RESOLVER SISTEMAS LINEALES. INTRODUCCION Y METODO Una técnca teratva para resolver un sstema lneal A x = b de n n empeza con una aproxmacón ncal x (0) a la solucón x, y genera una sucesón de vectores { } k=0 que converge a x. La mayoría de estas técncas teratvas nvolucran un proceso que converte el sstema A x = b en un sstema equvalente de la forma x = T x + c para alguna matrz T de n n y un vector c. Ya selecconado el vector ncal x (0) la sucesón de vectores de solucón aproxmada se genera calculando = T x (k ) + c (XV II.) para cada k =, 2, 3,.... Este tpo de procedmento nos recuerda a la teracón del punto fo estudada en la tercera parte. Las técncas teratvas se emplean raras veces para resolver sstemas lneales de dmensón pequeña ya que el tempo requerdo para lograr una precsón sufcente excede al de las técncas drectas como el método de elmnacón Gaussana. Sn embargo, para sstemas grandes con un gran porcentae de ceros, estas técncas son efcentes en térmnos de almacenamento en la computadora y del tempo requerdo. Los sstemas de este tpo surgen frecuentemente en la solucón numérca de problemas de valores en la frontera y de ecuacones dferencales parcales. Eemplo. El sstema lneal A x = b dado por E : 0 x x x 3 = 6, E 2 : x + x 2 x x 4 = 25, E 3 : 2 x x x 3 x 4 =, E 4 : 3 x 2 x x 4 = 5, tene por solucón a x = (, 2,, ) t. Para convertr A x = b a la forma x = T x + c, resolvemos la ecuacón E para cada =, 2, 3, 4, obtenendo: x = 0 x 2 5 x , x 2 = x + x 3 3 x , x 3 = 5 x + 0 x x 4 0, x 4 = 3 8 x x En este eemplo, T = y c =
2 Como una aproxmacón ncal tomemos a x (0) = (0, 0, 0, 0) t y generemos x () medante: x () = 0 x(0) 2 5 x(0) = , x () 2 = x(0) + x(0) 3 3 x(0) = , x () 3 = 5 x(0) + 0 x(0) x(0) 4 0 =.000, x () 4 = 3 8 x(0) x(0) = Las teracones adconales = (, x(k) 2, x(k) 3, x(k) 4 )t, se generan de manera smlar y se presentan en la tabla sguente. Tabla k La decsón de parar después de dez teracones está basada en el hecho de que x (0) x (9) x (0) = < 0 3. En realdad, x (0) x = El método del eemplo se llama método teratvo de Jacob. Este consste en resolver la ésma ecuacón de A x = b para x para obtener, sempre y cuando a 0, que x = ( a x a ) + b a para =, 2,..., n (XV II.2) y generar cada de las componentes de x (k ) para k con = a [ ( a x (k ) ) + b ] para =, 2,..., n. (XV II.3) El método puede escrbrse en la forma = T x (k ) + c dvdendo a A en su parte dagonal y no-dagonal. Para ver esto, sean D la matrz dagonal cuya dagonal es la 230
3 msma que la dagonal de A, L la parte trangular estrctamente nferor de A, y U la parte trangular estrctamente superor de A. Con esta notacón, se separa en A = a a 2... a n a 2 a a 2n a n a n2... a nn = a a n... a n,n 0 = D L U. a a a nn + 0 a 2... a n a n,n = La ecuacón A x = b ó (D L U) x = b se transforma entonces en D x = (L+U) x+b, y fnalmente x = D (L + U) x + D b. (XV II.4) Esto da lugar a la forma matrcal de la técnca teratva de Jacob: = D (L + U) x (k ) + D b, k =, 2,.... (XV II.5) En la práctca, la ecuacón (XV II.3) es la que se usa para los cálculos, reservando a la ecuacón (XV II.5) para propóstos teórcos. 2. LOS ALGORITMOS DE JACOBI Y DE GAUSS-SEIDEL Para resumr el método teratvo de Jacob, presentamos el sguente algortmo: Algortmo teratvo de Jacob. ================================================== Para resolver el sstema lneal A x = b con una aproxmacón ncal dada x (0). Entrada: número de ncógntas y de ecuacones n; las componentes de la matrz A = (a ) donde, n; las componentes b, con n, del térmno no homogéneo b; las componentes XO, con n, de la aproxmacón ncal XO = x (0) ; la toleranca TOL; el número máxmo de teracones N 0. Salda: solucón aproxmada x, x 2,..., x n ó mensae de que el número de teracones fue exceddo. Paso : Tomar k =. Paso 2: Mentras que k N 0 segur los pasos 3 6. Paso 3: Para =, 2,..., n tomar x = a [ (a XO ) + b ]. Paso 4: S x XO < T OL entonces SALIDA (x, x 2,..., x n ); (procedmento completado satsfactoramente) PARAR. 23
4 Paso 5: Tomar k = k +. Paso 6: Para =, 2,..., n tomar XO = x. Paso 7: SALIDA (número máxmo de teracones exceddo); (procedmento completado sn éxto) PARAR. ================================================== El paso 3 del algortmo requere que a 0 para cada =, 2,..., n. S éste no es el caso, se puede realzar un reordenamento de las ecuacones para que nngún a = 0, a menos que el sstema sea sngular. Se sugere que las ecuacones sean arregladas de tal manera que a sea lo más grande posble para acelerar la convergenca. En el paso 4, el crtero de paro ha sdo x XO < T OL; otro crtero de paro es terar hasta que x (k ) sea menor que alguna toleranca predetermnada ε > 0. Para este propósto, se puede usar cualquer norma convenente; la que más se usa es la norma l. Un análss de la ecuacón (XV II.3) sugere una posble meora en el algortmo teratvo de Jacob. Para calcular, se usan las componentes de x (k ). Como para >,, x(k) 2,..., x(k) ya han sdo calculadas y supuestamente son meores aproxmacones a la solucón real x, x 2,..., x que, x(k) 2,..., x(k), parece razonable calcular x(k) usando los valores calculados más recentemente; es decr, = [ (a ) a =+ para cada =, 2,..., n en vez de la ecuacón (XV II.3). Eemplo 2. El sstema lneal A x = b dado por (a x (k ) ) + b ], (XV II.6) E : 0 x x x 3 = 6, E 2 : x + x 2 x x 4 = 25, E 3 : 2 x x x 3 x 4 =, E 4 : 3 x 2 x x 4 = 5, fue resuelto en el eemplo con el método teratvo de Jacob. Incorporando la ecuacón (XV II.6) en el algortmo teratvo de Jacob, se obtenen las ecuacones que se usarán para cada k =, 2,...: = 0 x(k ) 2 5 x(k ) , 2 = x(k) + x(k ) 3 3 x(k ) , 3 = 5 x(k) + 0 x(k) x(k ) 4 0, 4 = 3 8 x(k) x(k)
5 Tomando x (0) = (0, 0, 0, 0) t, generamos los vectores terados de la tabla 2. Ya que Tabla 2 k x (5) x (4) x (4) = = 4 0 4, se acepta x (5) como una aproxmacón razonable a la solucón. Es nteresante notar que el método de Jacob en el eemplo requere el doble de teracones para la msma precsón. La técnca presentada en el eemplo 2 se llama método teratvo de Gauss-Sedel. Para escrbr este método en la forma matrcal (XV II.) se multplcan ambos lados de la ecuacón (XV II.6) por a y se recolectan todos los k ésmos térmnos terados para dar a + a a = a,+ x (k ) +... a n x (k ) n + b, para cada =, 2,..., n. Escrbendo las n ecuacones tenemos: a = a 2 x (k ) 2 a 3 x (k ) 3... a n x (k ) n + b, a 2 + a 22 2 = a 23 x (k ) 3... a 2n x (k ) n + b 2, a n + a n a nn n = b n, y se sgue que, en forma matrcal, el método de Gauss-Sedel puede ser representado como (D L) = U x (k ) + b, ó = (D L) U x (k ) + (D L) b. (XV II.7) Para que la matrz trangular nferor (D L) sea no sngular, es necesaro y sufcente que a 0 para cada =, 2,..., n. Para resumr el método teratvo de Gauss-Sedel, presentamos el sguente algortmo: Algortmo teratvo de Gauss-Sedel. ===================================================== Para resolver el sstema lneal A x = b con una aproxmacón ncal dada x (0). Entrada: número de ncógntas y de ecuacones n; las componentes de la matrz A = (a ) donde, n; las componentes b, con n, del térmno no homogéneo b; las 233
6 componentes XO, con n, de la aproxmacón ncal XO = x (0) ; la toleranca TOL; el número máxmo de teracones N 0. Salda: solucón aproxmada x, x 2,..., x n ó mensae de que el número de teracones fue exceddo. Paso : Tomar k =. Paso 2: Mentras que k N 0 segur los pasos 3 6. Paso 3: Para =, 2,..., n tomar x = [ (a x ) a =+ (a XO ) + b ]. Paso 4: S x XO < T OL entonces SALIDA (x, x 2,..., x n ); (procedmento completado satsfactoramente) PARAR. Paso 5: Tomar k = k +. Paso 6: Para =, 2,..., n tomar XO = x. Paso 7: SALIDA (número máxmo de teracones exceddo); (procedmento completado sn éxto) PARAR. ================================================== Los resultados de los eemplos y 2 parecen mplcar que el método de Gauss-Sedel es superor al método de Jacob. Este es generalmente certo, pero no sempre. En realdad, hay sstemas lneales para los cuales el método de Jacob converge y el método de Gauss-Sedel no, y vceversa. 3. CONVERGENCIA DE LOS PROCESOS ITERATIVOS Para estudar la convergenca de las técncas generales de teracón, consderamos la fórmula (XV II.) = T x (k ) + c para cada k =, 2,..., donde x (0) es arbtraro. Este estudo requerrá del sguente lema: Lema XVII. S el rado espectral ρ(t ) satsface que ρ(t ) <, ó s la norma de la matrz T satsface que T <, entonces (I T ) exste y (I T ) = I + T + T Teorema XVII.2 Para cualquer x (0) R n, la sucesón { } k=0 defnda por (XV II.) = T x (k ) + c para cada k y c 0, converge a la solucón únca de x = T x+c s y sólo s ρ(t ) <. 234
7 Demostracón: de la ecuacón (XV II.), se tene que = T x (k ) + c = = T (T x (k 2) + c) + c = = T 2 x (k 2) + (T + I) c =... = T k x (0) + (T k T + I) c. Suponendo que ρ(t ) <, podemos usar el Teorema XIII.5 y el Lema XVII. para obtener lm k x(k) = lm T k x (0) ( k + lm T ) c k k =0 = 0 x (0) + (I T ) c = (I T ) c. De (XV II.) x = lm k x(k) = (I T ) c será la solucón únca de x = T x + c. Para probar el recíproco, sea { } k=0 convergente a x para cualquer x(0). De la ecuacón (XV II.) sgue que x = T x + c, así que para cada k, x = T (x x (k ) ) =... = T k (x x (0) ). Por lo tanto, para cualquer vector x (0), lm T k (x x (0) ) = lm x k k x(k) = 0. Consecuentemente, s z es un vector arbtraro y x (0) = x z, entonces lm T k z = lm T k [x (x z)] = 0, k k lo cual, por el Teorema XIII.5, mplca que ρ(t ) <. c.q.d. Un Teorema parecdo nos dará condcones de sufcenca para la convergenca de los procesos de teracón usando las normas en lugar del rado espectral. Teorema XVII.3 S T <, para cualquer norma matrcal natural, entonces la sucesón defnda en la ecuacón (XV II.), { } k=0, converge para cualquer x(0) R n, a un vector x R n, y se satsfacen las sguentes cotas de error: x T k x (0) x, (XV II.8) y x T k T x() x (0). (XV II.9) 235
8 Demostracón: comenzando con un vector arbtraro x (0), formaremos una secuenca de aproxmacones x () = T x (0) + c, x (2) = T x () + c, = T x (k ) + c, de donde = T k x (0) + (T k T + I) c. Como para T < tenemos T k 0 cuando k, se deduce que lm T k = 0 y lm (I + T + T T k ) = k k Y por tanto, pasando al límte cuando k, tenemos x = lm k x(k) = (I T ) c. T k = (I T ). Esto prueba la convergenca del proceso teratvo. Además, tenemos (I T ) x = c ó x = T x + c, lo cual quere decr que el vector x en el límte es una solucón del sstema. Como la matrz (I T ) no es sngular, la solucón x es únca. Hemos así demostrado la prmera parte del Teorema. Demostramos ahora la cota de error (XV II.8). Supongamos que x (k+p) y son dos aproxmacones de la solucón del sstema lneal x = T x+c; de la ecuacón (XV II.), tenemos: x (k+p) = T x (k+p ) T x (k ) = T (x (k+p ) x (k ) ) =... k=0 = T k (x (p) x (0) ) T k x (p) x (0). Ahora pasando al límte cuando p, obtenemos lm p x(k+p) lm T p k x (p) x (0) = T k lm p x(p) x (0) y entonces x T k x x (0), que es la cota de error (XV II.8) Fnalmente demostramos la cota de error (XV II.9). Como antes, supongamos que x (k+p) y son dos aproxmacones de la solucón del sstema lneal x = T x + c. Tenemos x (k+p) x (k+) + x (k+2) x (k+) x (k+p) x (k+p ). 236
9 Por lo vsto antes: x (m+) x (m) T x (m) x (m ) T m k x (k+), para m > k. Entonces tenemos: x (p+k) x (k+) + T x (k+) T p x (k+) T x(k+) T T x(k) x (k )... T k T x() x (0), de donde se deduce la cota de error (XV II.9). c.q.d. Notése que s en partcular elegmos x (0) = c, entonces x () = T c + c y y la cota (XV II.9) nos da: x () x (0) = T c T c, x T k+ T c. (XV II.9 ) Eemplo 3. Demostrar que el proceso de teracón de Jacob es convergente para el sstema lneal sguente: E : 0 x x x 3 3 x 4 = 0, E 2 : x + 0 x 2 x x 4 = 5, E 3 : 2 x + 3 x x 3 x 4 = 0, E 4 : 3 x + 2 x 2 + x x 4 = 5. Cuántas teracones han de efectuarse para hallar las raíces del sstema con un error menor de 0 4? Reducendo el sstema a la forma especal para la teracón de Jacob, tenemos x = 0. x x x 4, x 2 = 0. x + 0. x x , x 3 = 0. x 0.5 x x 4 0.5, x 4 = 0.5 x 0. x x Entonces la matrz del sstema es: T =
10 Utlzando, por eemplo, la norma l, tenemos: T = max{0.35, 0.35, 0.35, 0.55} = 0.55 <. En consecuenca el proceso de teracón para el sstema dado es convergente. S consderamos como aproxmacón ncal de la raíz x el vector x (0) = c = (0.0, 0.5, 0.5, 0.75) t, entonces c = =.75. Sea ahora k el número de teracones requerdas para consegur la exacttud especfcada. Utlzando la fórmula (XV II.9 ), tenemos: x T k+ c = 0.55k+.75 T 0.45 < 0 4. De aquí, o sea 0.55 k+ < (k + ) log < log 0 45 log y consecuentemente (k + ) < = k + > = k > 6.7. Podemos tomar k = 7. Notése que la estmacón teórca del número de teracones necesaras para asegurar la exacttud especfcada es excesvamente alto. A menudo se obtene la exacttud deseada en un número menor de teracones. Para aplcar los resultados de arrba a las técncas teratvas de Jacob o Gauss- Sedel, necestamos escrbr las matrces de teracón del método de Jacob, T J, dadas en (XV II.5) y del método de Gauss-Sedel, T GS, dadas en (XV II.7), como T J = D (L + U) y T GS = (D L) U. De ser ρ(t J ) ó ρ(t GS ) menores que uno, es claro que la sucesón { } k=0 converge a la solucón x de A x = b. Por eemplo, el esquema de Jacob (ver ecuacón (XV II.5)) tene: = D (L + U) x (k ) + D b, y s { } k=0 converge a x, entonces x = D (L + U) x + D b. 238
11 Esto mplca que D x = (L + U) x + b y (D L U) x = b. Ya que D L U = A, luego x satsface A x = b. De manera parecda se procede con el esquema de Gauss-Sedel dado por la ecuacón (XV II.7). Podemos dar ahora condcones de sufcenca fácles de verfcar para la convergenca de los métodos de Jacob y de Gauss-Sedel. Teorema XVII.4 S A es una matrz estrctamente domnante dagonalmente, entonces, para cualquer eleccón de x (0) R n ambos métodos, el de Jacob o el de Gauss-Sedel, dan lugar a sucesones { } k=0 que convergen a la solucón de A x = b. La relacón entre la rapdez de convergenca y el rado espectral de la matrz de teracón T se puede ver de la desgualdad (XV II.8). Como (XV II.8) se satsface para cualquer norma matrcal natural se sgue, de la afrmacón que sguó al Teorema XIII.4, que x ρ(t ) k x (0) x. (XV II.0) Supongamos que ρ(t ) < y que se va a usar x (0) = 0 en una técnca teratva para aproxmar x con un error relatvo máxmo de 0 t. Por la estmacón (XV II.0), el error relatvo después de k teracones es aproxmadamente ρ(t ) k, así que se espera una precsón de 0 t s ρ(t ) k 0 t, esto es, s k t log 0 ρ(t ). Por lo tanto, es deseable escoger la técnca teratva con el menor ρ(t ) < para el sstema partcular A x = b. En general no se conoce cuál de las dos técncas, la de Jacob o la de Gauss-Sedel, debe usarse. Sn embargo, en un caso especal, sí se conoce la respuesta. Teorema XVII.5 (Sten-Rosenberg) S a 0 para cada y a > 0 para cada =, 2,..., n, entonces se satsface una y solamente una de las sguentes afrmacones: a) 0 < ρ(t GS ) < ρ(t J ) < ; b) < ρ(t J ) < ρ(t GS ); c) ρ(t GS ) = ρ(t J ) = 0; d) ρ(t J ) = ρ(t GS ) = ; Para el caso especal descrto en el Teorema XVII.5, vemos que cuando un método converge, entonces ambos convergen, sendo el método de Gauss-Sedel más rápdo que el método de Jacob. 239
12 4. LOS METODOS DE RELAJACION Como la razón de convergenca de un procedmento depende del rado espectral de la matrz asocada con el método, una manera de selecconar un procedmento que nos lleve a una convergenca acelerada consste en escoger un método cuya matrz asocada tenga un rado espectral mínmo. Estos procedmentos nos llevan a los métodos de relaacón. Pero antes de formular la teoría de los métodos de relaacón, veamos las deas fundamentales de la forma más smple. Supongamos que se dspone de un sstema de ecuacones lneales E : a x + a 2 x a n x n = b, E 2 : a 2 x + a 22 x a 2n x n = b 2, E n : a n x + a n2 x a nn x n = b n. (XV II.) Transformaremos este sstema de la manera sguente: pondremos los térmnos constantes a la zquerda y dvdremos la prmera ecuacón por a, la segunda por a 22, etc. Obtendremos entonces un sstema que está lsto para la relaacón: E : x + b 2 x b n x n + c = 0, E 2 : b 2 x x b 2n x n + c 2 = 0, E n : b n x + b n2 x x n + c n = 0, (XV II.2) donde b = a a ( ) y c = b a. (XV II.3) Supongamos que x (0) = (x (0),..., x(0) n ) es la aproxmacón ncal a la solucón del sstema dado. Susttuyendo estos valores en el sstema tendremos los restos R (0) = c x (0) + = R (0) k = c k x (0) k + k b x (0) = x () x (0), b k x (0) = x () k x (0) k, n R n (0) = c n x (0) n + b n x (0) = x () n x (0) n. (XV II.4) S damos un ncremento δx (0) s a una de las ncógntas x (0) s, el resto correspondente R s (0) quederá dsmnudo en δx (0) s y todos los otros restos R (0) ( s) quedarán aumentados en 240
13 b s δx (0) s. De este modo, para hacer que desaparezca el resto sguente R () dar a x () s un ncremento δx () s = R s (0) y tendremos es sufcente R () s = 0 y R () = R (0) + b s δx (0) s para s. (XV II.5) Así el método de relaacón, en su forma más smple, consste en reducr el resto numércamente más elevado a cero, en cada etapa, cambando el valor del componente apropado de la aproxmacón. El proceso acaba cuando todos los restos del últmo sstema transformado son guales a cero con la exacttud requerda. Eemplo 4. Vamos a resolver el sstema lneal A x = b dado por E : 0 x 2 x 2 2 x 3 = 6, E 2 : x + 0 x 2 2 x 3 = 7, E 3 : x x x 3 = 8, con el método de relaacón y artmétca de dos dígtos. Reduzcamos el sstema a una forma convenente para la relaacón: E : x x x = 0, E 2 : 0. x x x = 0, E 3 : 0. x + 0. x 2 x = 0. Elgendo los valores x (0) = x (0) 2 = x (0) 3 = 0 como aproxmacones ncales de las raíces, obtenemos los restos: R (0) = 0.60, R (0) 2 = 0.70, R (0) 3 = Sendo R (0) 3 = 0.80 el resto más grande, consderamos de donde obtendremos los restos Establezcamos ahora δx (0) 3 = 0.80 R () = R (0) = = 0.76, R () 2 = R (0) = = 0.86, R () 3 = R (0) = = 0.0. δx () 2 = 0.86 y así sucesvamente. Los resultados de los cálculos se dan en la tabla 3. Sumando todos los ncrementos δ ( =, 2, 3; k = 0,,...), tendremos los valores de las raíces: x = = =.0, x 2 = =.006 =.0, x 3 = = =.0. 24
14 En este caso el sstema se ha resuelto exactamente. Tabla 3 k x R x 2 R 2 x 3 R Vamos ahora a descrbr los métodos de relaacón. Antes de descrbr un procedmento para selecconar tales métodos, necestamos ntroducr una manera nueva de medr la cantdad por la cual una aproxmacón a la solucón de un sstema lneal dfere de la solucón real del sstema. El método hace uso del denomnado vector resdual. Defncón. S x R n es una aproxmacón a la solucón del sstema lneal defndo por A x = b, el vector resdual de x con respecto a este sstema se defne como r = b A x. En procedmentos como los métodos de Jacob o de Gauss-Sedel se asoca un vector resdual con cada cálculo de una componente aproxmada del vector solucón. El obetvo del método consste en generar una sucesón de aproxmacones que hagan que los vectores resduales asocados converan a cero. Supongamos que tomamos r (k) = (r (k), r(k) 2,..., r(k) n )t 242
15 para denotar al vector resdual para el método de Gauss-Sedel correspondente al vector solucón aproxmado (, x(k) 2,..., x(k), x(k ),..., x (k ) n ) t. La m ésma componente de r (k) es r (k) m = b m a m = a m x (k ) (XV II.6) ó r (k) m = b m a m =+ a m x (k ) a m x (k ) para cada m =, 2,..., n. En partcular, la ésma componente de r (k) es r (k) = b a =+ a x (k ) a x (k ) ; así que a x (k ) + r (k) = b a =+ a x (k ). (XV II.7) Recuérdese, sn embargo, que en el método de Gauss-Sedel se escoge como = (a ) n =+ (a x (k ) ) + b a, (XV II.6) así que la ecuacón (XV II.7) puede escrbrse como a x (k ) + r (k) = a ó = x (k ) + r(k). (XV II.8) a Podemos dervar otra conexón entre los vectores resduales y la técnca de Gauss- Sedel. De (XV II.6), la ésma componente de r (k) + es r (k),+ = b a = b a =+ =+ a x (k ) a x (k ) a. (XV II.9) La ecuacón (XV II.6) mplca que r (k),+ = 0. Entonces, en certo sentdo, la técnca de Gauss-Sedel está deada para requerr que la ésma componente de r (k) + sea cero. 243
16 Reducr una coordenada del vector resdual a cero, sn embargo, no es necesaramente la manera más efcente de reducr la norma del vector r (k) +. En realdad, modfcando el procedmento de Gauss-Sedel en la forma de la ecuacón (XV II.8) a: = x (k ) + ω r(k) a (XV II.20) para certas eleccones de ω postvo nos llevará a una convergenca sgnfcatvamente más rápda. Los métodos que emplean la ecuacón (XV II.20) se conocen como métodos de relaacón. Para 0 < ω <, los procedmentos se llaman métodos de sub-relaacón y se pueden emplear para obtener la convergenca de algunos sstemas que no son convergentes por el método de Gauss-Sedel. Para ω >, los procedmentos se llaman métodos de sobre-relaacón y se pueden usar para acelerar la convergenca de sstemas que son convergentes por el método de Gauss-Sedel. Estos métodos se abrevan frecuentemente como SOR (de Successve Over-Relaxaton) y son partcularmente útles para resolver los sstemas lneales que aparecen en la solucón numérca de certas ecuacones dferencales parcales. Antes de lustrar las ventaas del método SOR notamos que usando la ecuacón (XV II.7), la ecuacón (XV II.20) se puede reformular para propóstos de cómputo como = ( ω) x (k ) + ω [b a a =+ ] a x (k ). (XV II.2) Para determnar la forma matrcal del método SOR reescrbmos (XV II.2) como a + ω a = ( ω) a x (k ) ω =+ a x (k ) + ω b así que ó (D ω L) = [( ω) D + ω U] x (k ) + ω b = (D ω L) [( ω) D + ω U] x (k ) + ω (D ω L) b. Algortmo teratvo Successve Over-Relaxaton (SOR). ================================================== Para resolver el sstema lneal A x = b dados el parámetro ω y una aproxmacón ncal x (0). Entrada: número de ncógntas y de ecuacones n; las componentes de la matrz A = (a ) donde, n; las componentes b, con n, del térmno no homogéneo b; las componentes XO, con n, de la aproxmacón ncal XO = x (0) ; el parámetro ω; la toleranca TOL; el número máxmo de teracones N 0. Salda: solucón aproxmada x, x 2,..., x n ó mensae de que el número de teracones fue exceddo. 244
17 Paso : Tomar k =. Paso 2: Mentras que k N 0 segur los pasos 3 6. Paso 3: Para =, 2,..., n tomar x = ( ω) XO + ω [ (a x ) a =+ (a XO ) + b ]. Paso 4: S x XO < T OL entonces SALIDA (x, x 2,..., x n ); (procedmento completado satsfactoramente) PARAR. Paso 5: Tomar k = k +. Paso 6: Para =, 2,..., n tomar XO = x. Paso 7: SALIDA (número máxmo de teracones exceddo); (procedmento completado sn éxto) PARAR. ================================================== Eemplo 5. El sstema lneal A x = b dado por E : 4 x + 3 x 2 = 24, E 2 : 3 x + 4 x 2 x 3 = 30, E 3 : x x 3 = 24, tene por solucón x = (3, 4, 5) t. Se usarán los métodos de Gauss-Sedel y el SOR con ω =.25 para resolver este sstema usando x (0) = (,, ) t para ambos métodos. Las ecuacones para el método de Gauss-Sedel son = 0.75 x (k ) 2 + 6, 2 = x (k ) , 3 = , para cada k =, 2,..., y las ecuacones para el método SOR con ω =.25 son = 0.25 x (k ) x (k ) , 2 = x (k ) x (k ) , 3 = x (k ) Las prmeras sete teracones de cada método se muestran en las tablas 4 y 5. Para obtener una precsón de sete lugares decmales el método de Gauss-Sedel requere de 34 teracones en contra de las 4 que se necestan en el método de sobrerelaacón con ω =.25. Tabla 4 k
18 Tabla 5 k Un problema que se presenta al usar el método SOR, es cómo escoger el valor apropado de ω. Aún cuando no se conoce una respuesta completa a esta pregunta para un sstema lneal general n n, los sguentes resultados pueden usarse en certas stuacones. Teorema XVII.6 (Kahan) S a 0 para cada =, 2,..., n, entonces ρ(t ω ) ω. Esto mplca que ρ(t ω ) < sólo s 0 < ω < 2, donde T ω = (D ω L) [( ω) D + ω U] es la matrz de teracón del método SOR. Teorema XVII.7 (Ostrowsk-Rech) S A es una matrz postva defnda y 0 < ω < 2, entonces el método SOR converge para cualquer eleccón de la aproxmacón ncal x (0) del vector solucón. Teorema XVII.8 S A es una matrz postva defnda y trdagonal, entonces ρ(t GS ) = [ρ(t J )] 2 <, la eleccón óptma de ω para el método SOR es ω = 2 +, (XV II.22) [ρ(t J )] 2 y con este valor de ω, ρ(t ω ) = ω. Eemplo 6. En el eemplo 5 la matrz A estaba dada por A = Esta matrz es postva defnda y trdagonal, así que se aplca el Teorema XVII.8. Como T J = D (L + U) = = / / = 0 0 /4 0 0 = ,
19 tenemos que con lo que Por lo tanto, λ T J λi = 0.75 λ 0.25, λ det(t J λi) = λ(λ ). ρ(t J ) = y la ecuacón (XV II.22) nos da ω = 2 + ρ(t GS ) = 2 + [ρ(t J )] = Esto explca la rápda convergenca obtenda usando ω =.25 en el eemplo ELECCION DEL METODO PARA RESOLVER SISTEMAS LINEALES Cuando el sstema lneal es lo sufcentemente pequeño para que sea fáclmente acomodado en la memora prncpal de un ordenador, es en general más efcaz usar una técnca drecta que mnmce el efecto del error de redondeo. Específcamente, es adecuado el algortmo de elmnacón Gaussana con pvoteo escalado de columna. Los sstemas lneales grandes cuyos coefcentes son entradas báscamente de ceros y que aparecen en patrones regulares se pueden resolver generalmente de una manera efcente usando un procedmento teratvo como el dscutdo en este capítulo. Los sstemas de este tpo aparecen naturalmente, por eemplo, cuando se usan técncas de dferencas fntas para resolver problemas de valor en la frontera, una aplcacón común en la solucón numérca de ecuacones dferencales parcales. 247
20 EJERCICIOS.. Encontrar las dos prmeras teracones del método de Jacob, del método de Gauss-Sedel y del método SOR para los sguentes sstemas lneales, usando x (0) = 0. a) 2 x x 2 + x 3 =, 3 x + 3 x x 3 = 0, 3 x + 3 x x 3 = 4. b) 2 x x 3 = 0, x x 2 x 3 = 0.375, x x x 3 = 0. c) 0 x x 2 = 9, x + 0 x 2 2 x 3 = 7, 2 x x 3 = 6. d) 2 x = 3, x +.5 x 2 = 4.5, 3 x x 3 = 6.6, 2 x 2 x 2 + x 3 + x 4 = 0.8. e) 2 x x x 3 =, 3 x 2 x x 4 =, 0 x x x 3 = 6, x + x 2 x x 4 = 25. f) 0 x x x 3 = 6, x + x 2 x x 4 = 25, 2 x x x 3 =, 3 x 2 x x 4 =. g) 4 x 2 x 2 = 0, 2 x + 5 x 2 x 3 = 2, x x x 4 = 3, 2 x x 4 = Aplcar, s es posble, los algortmos teratvos de Jacob, de Gauss-Sedel y el algortmo SOR, con ω =.2, para resolver los sstemas lneales del eercco. Usar T OL = 0 2 y el número máxmo de teracones N =
5 Métodos iterativos para la resolución de ecuaciones algebraicas lineales Método de Gauss-Jacobi Método de Gauss-Seidel...
CONTENIDO 5 Métodos teratvos para la resolucón de ecuacones algebracas lneales 95 5.1 Método de Gauss-Jacob................................ 95 5.2 Método de Gauss-Sedel................................
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesPráctica 4ª: RESOLUCIÓN DE SISTEMAS LINEALES. METODOS ITERATIVOS.
practca4srnb Apelldos Nombre: Práctca 4ª: RESOLUCIÓN DE SISTEMAS LINEALES METODOS ITERATIVOS Normas vectorales normas matrcales Número de condcón de una matr Cuando se construe una sucesón de vectores
Más detallesECUACIONES DIFERENCIALES ELÍPTICAS EN DERIVADAS PARCIALES. Armando Blanco A.
ECUACIONES DIFERENCIALES ELÍPICAS EN DERIVADAS PARCIALES Armando Blanco A. Captulo V ECUACIONES DIFERENCIALES ELÍPICAS EN DERIVADAS PARCIALES Introduccón Dferencas fntas Métodos de relaacón sucesva Métodos
Más detallesUniversidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller
Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo
Más detallesSistemas Lineales de Masas-Resortes 2D
Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesSistemas de Amortización de Deudas MATEMÁTICA FINANCIERA
Sstemas de Amortzacón de Deudas MATEMÁTICA FINANCIERA SISTEMA FRANCÉS Lus Alcalá UNSL Segundo Cuatrmeste 2016 Como hpótess ncal de trabajo suponemos que la tasa de nterés cobrada por el prestamsta (acreedor)
Más detallesResolución de sistemas lineales por métodos directos
Resolucón de sstemas lneales por métodos drectos Descomposcón LU S la matr del sstema Ax = b se expresa como producto de una matr trangular nferor, L, de una superor, U, la resolucón del msmo se reduce
Más detallesAlgoritmos matemáticos para:
Algortmos matemátcos para: sstemas de ecuacones lneales, nversón de matrces y mínmos cuadrados Jose Agular Inversón de matrces Defncón(Inversadeunamatrz):SeaAunamatrz nxn.unamatrzcde nxn esunanversadeascaaci.
Más detalles75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN
Análss Numérco Facultad de ngenería - UBA 75. ANÁLSS NUMÉRCO FACULTAD DE NGENERÍA UNVERSDAD DE BUENOS ARES GUÍA DE PROBLEMAS 4 6. NTEGRACÓN. Calcular la sguente ntegral utlzando las fórmulas del trapeco
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesMétodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales
Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesi=1 Demuestre que cumple los axiomas de norma. Calcule el límite Verifiquemos cada uno de los axiomas de la definición de norma: i=1
CAPÍTULO 3 EJERCICIOS RESUELTOS: CONCEPTOS BÁSICOS DE ÁLGEBRA LINEAL Ejerccos resueltos 1 1. La norma p (tambén llamada l p ) en R n se defne como ( ) 1/p x p = x p. Demuestre que cumple los axomas de
Más detallesMatemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de
Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesGeometría convexa y politopos, día 1
Geometría convexa y poltopos, día 1 Alexey Beshenov (cadadr@gmal.com) 8 de agosto de 2016 Los objetos geométrcos que nos nteresan en esta hstora son subconjuntos de R n. Voy a denotar los puntos de R n
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesEn general puede representarse por : Clase 6 3
Encontrar raíces de uncones es uno de los problemas más comunes en ngenería Los métodos numércos para encontrar raíces de uncones son utlzados cuando las técncas analítcas no pueden ser aplcadas. Esto
Más detallesIntroducción al Método de los Elementos Finitos
S 4 v v 5 Introduccón al Método de los Elementos Fntos Parte 4 Estmacón de error en problemas elíptcos Alberto Cardona, Víctor Facnott Cmec-Intec (UNL/Concet), Santa Fe, Argentna Estmacón de error en problemas
Más detallesObjetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá:
Objetvos El alumno conocerá y aplcará dversas técncas de dervacón e ntegracón numérca. Al fnal de esta práctca el alumno podrá:. Resolver ejerccos que contengan dervadas e ntegrales, por medo de métodos
Más detallesDeterminación de H-matrices. R. Bru, C. Corral, I. Gimenez, J. Mas
XX Congreso de Ecuacones Dferencales y Aplcacones X Congreso de Matemátca Aplcada Sevlla, 24-28 septembre 2007 (pp. 1 8) Determnacón de H-matrces R. Bru, C. Corral, I. Gmenez, J. Mas Insttut de Matemàtca
Más detallesLaboratorio Mat Análisis Numérico QUINTA SESIÓN
Laboratoro de Computacón para las Aplcacones de la Matemátca en Ingenería Laboratoro Mat 270 - Análss Numérco QUINTA SESIÓN Sstemas Lneales : Métodos Iteratvos Semana del Lunes 07 al 11 de Mayo del 2018
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detallesCapítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS
Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco
Más detallesMETODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil
CATEDRA 0 6 Facultad de Ingenería de Mnas, Geología Cvl Departamento académco de ngenería de mnas cvl METODOS NUMERICOS Ingenería Cvl ING.CRISTIANCASTROP. Captulo VI Sstema de Ecuacones Algebracas No Lneales
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesEL ELEMENTO FINITO APLICADO A LAS ESTRUCTURA S METALICAS
EL ELEMENTO FINITO APLICADO A LAS ESTRUCTURA S METALICAS ING. F. JAVIER ANAYA ESTRELLA INTRODUCCION UNA REGION COMPLEJA QUE DEFINE UN CONTINUO SE DISCRETIZA EN FORMAS GEOMETRICAS SIMPLES LLAMADAS ELEMENTOS
Más detallesECUACIONES DIFERENCIALES Problemas de Valor Inicial
DIVISIÓN DE IENIAS FÍSIAS Y MATEMÁTIAS DTO. TERMODINÁMIA Y FENÓMENOS DE TRANSFERENIA MÉTODOS AROXIMADOS EN ING. QUÍMIA TF-33 EUAIONES DIFERENIALES roblemas de Valor Incal Esta guía fue elaborada por: rof.
Más detalles6 Minimización del riesgo empírico
6 Mnmzacón del resgo empírco Los algortmos de vectores soporte consttuyen una de las nnovacones crucales en la nvestgacón sobre Aprendzaje Computaconal en la década de los 990. Consttuyen la crstalzacón
Más detalles+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2
13. Consdere un mercado en el que hay dos consumdores con las sguentes funcones de utldad: U 1 (x 1,y 1 = 4x 1 (x 1 + y 1 ; U (x,y = ax (x + y con 4 > a >0 donde x, =1,, es la cantdad del ben x consumda
Más detallesMETODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil
ING.CRISTIANCASTROP. CATEDRA 0 6 Facultad de Ingenería de Mnas, Geología Cvl Departamento académco de ngenería de mnas cvl METODOS NUMERICOS Ingenería Cvl ING.CRISTIANCASTROP. Captulo VI Sstema de Ecuacones
Más detallesPropiedades Asintóticas
Capítulo 3 Propedades Asntótcas 3.. Dstrbucones Estaconaras Defncón 3. Sea X n, n, una cadena de Markov con espaco de estados E y matrz de transcón P. Sea π(), E, una dstrbucón de probabldad, es decr,
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detalles6.9 El trazador cúbico
4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesNÚMEROS COMPLEJOS. [1.1] Expresar en forma binómica: z 1 3i 1 3i. Solución: Teniendo en cuenta que 1 3i. [1.2] Calcular: a) 3 4 NÚMEROS COMPLEJOS
NÚMEROS COMPLEJOS NÚMEROS COMPLEJOS 9 9 [1.1] Expresar en forma bnómca: z 1 1 Tenendo en cuenta que 1 / 1 / 9 9 9 9 9 9 1 1 / / z 9 9 9 10 10 (cos sen ) (cos( ) sen( )) cos ( 1) 10 [1.] Calcular: z 1 a)
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesPráctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun
Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco
Más detallesl i-1,j vij Etapa i lij
UIVERSIDAD TECOLOGICA ACIOAL -ACULTAD REGIOAL ROSARIO Departamento de Ingenería Químca Cátedra: Integracón IV Tema: Modelado de Equpos de Separacón Multcomponente en Cascadas Contracorrente Múltple Etapa
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detalles1).- Para > 0, B= {x R L : p. x I} = {x R L
Pontfca Unversdad Católca del Perú Programa de Maestría en Economía Curso: Mcroeconomía Intermeda Profesores: Clauda Barrga & José Gallardo Asstente: César Gl Malca Propedades de las funcones de demanda
Más detallesUNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS.
UNIVERSIDAD FRANCISCO DE AULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEARTAMENTO DE CIENCIAS BASICAS. DERIVADAS ARCIALES DE ORDEN SUERIOR. S es una uncón de dos varables al dervar la uncón parcalmente
Más detallesSumas de potencias de números naturales y los números de Bernoulli
Sumas de potencas de números naturales y los números de Bernoull Alexey Beshenov (cadadr@gmal.com 4 de Febrero de 07 La suma de n números naturales consecutvos puede ser calculada medante la fórmula +
Más detalles1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.
º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:
Más detallesUNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS. DERIVADAS PARCIALES DE ORDEN SUPERIOR.
UNIVERSIDAD FRANCISCO DE AULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEARTAMENTO DE CIENCIAS BASICAS. DANIEL SAENZ CONTRERAS EMAIL SAENZCODANIEL8@HOTMAIL.COM DERIVADAS ARCIALES DE ORDEN SUERIOR. S es una
Más detallesEn un mercado hay dos consumidores con las siguientes funciones de utilidad:
En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta
Más detallesx j x 1,,x n, j 1,,n La condición necesaria y suficiente es que el determinante Jacobiano de la transformación no se anule,
Mecánca Cambo de Coordenadas En coordenadas Cartesanas estamos acostumbrados a pensar a los vectores base como versores (vectores de norma 1 o untaros) drgdos a lo largo de los correspondentes ejes, en
Más detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detallesTema 9: Otros temas de aplicación
Tema 9: Otros temas de aplcacón. Introduccón Exsten muchos elementos nteresantes y aplcacones del Matlab que no se han comentado a lo largo de los temas. Se nvta al lector a que nvestgue sobre ellos según
Más detallesLa representación Denavit-Hartenberg
La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad
UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO
Más detallesAgenda del 17/5/2017
Agenda del 17/5/2017 Regresón lneal Idea y orgen La geometría de los mínmos cuadrados Los problemas numércos que conducen a malos resultados. Ejemplo real. Mínmos cuadrados no lneales Demostracón de software
Más detalles5 Centrales Hidráulicas
Curso SmSEE IIE 2012 Cap. 5 pág 1/6 5 Centrales Hdráulcas 5.1 Centrales Hdráulcas con Embalse En el caso de centrales con embalses, tendremos que agregar restrccones adconales para mponer los límtes de
Más detallesOPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron
Más detallesProblemas de Condiciones de Contorno para Ecuaciones Diferenciales Ordinarias
Problemas de Condcones de Contorno para Ecuacones Dferencales Ordnaras Segundo curso Grado en Físca Índce Introduccón Métodos de dsparo Método de dsparo para resolver problemas de ODE con condcones de
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.
9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara
Más detallesCircuitos eléctricos en corriente continúa. Subcircuitos equivalentes Equivalentes en Serie Equivalentes en Paralelo Equivalentes de Thevenin y Norton
ema II Crcutos eléctrcos en corrente contnúa Indce Introduccón a los crcutos resstvos Ley de Ohm Leyes de Krchhoff Ley de correntes (LCK) Ley de voltajes (LVK) Defncones adconales Subcrcutos equvalentes
Más detalles. Demuestre que: f x
UNIVERSIDAD NACIONAL DE INGENIERIA P.A. - FACULTAD DE INGENIERIA MECANICA // EXAMEN FINAL DE METODOS NUMERICOS (MB56) SOLO SE PERMITE EL USO DE UNA HOJA DE FORMULARIO Y CALCULADORA ESCRIBA CLARAMENTE SUS
Más detalles(4 3 i)(4 3 i)
E.T.S.I. Industrales y Telecomuncacón Curso 00-0 Grados E.T.S.I. Industrales y Telecomuncacón Asgnatura: Cálculo I Ejerccos resueltos Calcular el valor de a y b para que b a 4 sea real y de módulo undad
Más detallesUsando geometría proyectiva para corregir una cámara. Parte II
Usando geometría proyectva para corregr una cámara. Parte II No hay nada partcularmente profundo en este problema o en su solucón, pero espero que muestre el placer que se puede encontrar cuando usamos
Más detallesPista curva, soporte vertical, cinta métrica, esferas metálicas, plomada, dispositivo óptico digital, varilla corta, nuez, computador.
ITM, Insttucón unverstara Guía de Laboratoro de Físca Mecánca Práctca : Colsones en una dmensón Implementos Psta curva, soporte vertcal, cnta métrca, eseras metálcas, plomada, dspostvo óptco dgtal, varlla
Más detallesModelo Lineal Múltiple. Clase 03. Profesor: Carlos R. Pitta. ICPM050, Econometría. Universidad Austral de Chile Escuela de Ingeniería Comercial
Unversdad Austral de Chle Escuela de Ingenería Comercal ICPM050, Econometría Clase 03 Modelo Lneal Múltple Profesor: Carlos R. Ptta Econometría, Prof. Carlos R. Ptta, Unversdad Austral de Chle. Análss
Más detallesTERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA
Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla
Más detallesEcuación de Lagrange
Capítulo 6 Ecuacón de Lagrange 6. Introduccón a las ecuacones de Lagrange La mecánca que nos presenta Lagrange en su Mécanque Analytque sgnfca un salto conceptual muy grande respecto de la formulacón Newtonana.
Más detallesModelado, Simulación y Optimización de Procesos Químicos. Fe de Erratas. Prólogo:
Modelado, Smulacón y Optmzacón de Procesos Químcos Fe de Erratas Prólogo: El presente documento contene las correccones a los errores del lbro Modelado, Smulacón y Optmzacón de Procesos Químcos del Dr.
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesTema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesINGENIERÍA DE TELECOMUNICACIÓN BLOQUE 1
INGENIERÍA DE TELECOMUNICACIÓN BLOQUE En el Aula Vrtual se encuentra dsponble: Materal nteractvo con teoría y ejerccos resueltos. Para acceder a ello deberá pulsar sobre los sguentes enlaces una vez dentro
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesMULTICOLINEALIDAD: EXTENSIONES. Para fijar ideas, consideremos el siguiente modelo lineal:
puntes de eoría Econométrca I. Profesor: Vvana Fernández MUICOINEIDD: EXENSIONES I INRODUCCION El problema de la multcolnealdad surge cuando las varables explcatvas de un modelo econométrco presentan un
Más detallesUniversidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
Más detallesTallerine: Energías Renovables. Fundamento teórico
Tallerne: Energías Renovables Fundamento teórco Tallerne Energías Renovables 2 Índce 1. Introduccón 3 2. Conceptos Báscos 3 2.1. Intensdad de corrente................................. 3 2.2. Voltaje..........................................
Más detallesSolución de los Ejercicios de Práctica # 1. Econometría 1 Prof. R. Bernal
Solucón de los Ejerccos de ráctca # 1 Econometría 1 rof. R. Bernal 1. La tabla de frecuencas está dada por: Marca A Marca B
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesEnrique Kawamura Microeconomía I para economistas. FCE-UBA. Noviembre 2011
Análss de equlbro general en economías cerradas con produccón. Preferencas Cobb-Douglas Tecnologías Cobb-Douglas con rendmentos constantes a escala. Enrque awamura Mcroeconomía I para economstas. FCE-UBA.
Más detallesSUCESIONES RECURSIVAS LINEALES
SUCESIONES RECURSIVAS LINEALES Juan Saba Susana Tesaur 1 Introduccón Una forma usual de defnr sucesones de números es nductvamente Por ejemplo, s alguen conoce la sucesón de Fbonacc, es probable que la
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detalles