Cálculo de valores propios de matrices
|
|
- María Isabel Sánchez Venegas
- hace 7 años
- Vistas:
Transcripción
1 Cálculo de valores propios de matrices Curso Cálculo de valores propios: principio básico» λ 1 0 λ 2 Teorema de Schur: U AU T fl 0 0 λ n Si ppλq λ 5 p 1 λ 4 p 2 λ 3 p 3 λ 2 p 4 λ p 5» A fl ñ p Apλq detpλi 5 Aq ppλq. p 5 p 4 p 3 p 2 p 1 Abel: Hay polinomios de grado 5 cuyas raíces no son expresables como sumas, productos y radicales de los coecientes. Ñ No hay forma de llevar cualquier matriz a la forma de Schur mediante transformaciones elementales. Consecuencia: Los métodos para calcular valores propios deben ser iterativos. 2
2 Método general para calcular valores propios 1 Emplear reflexiones de Householder para reducir A a una matriz H rh ij s en forma Hessenberg superior: h ij 0 para i ą j ` 1.» h 11 h 12 h 13 h 1n 2 h 1n 1 h 1n h 21 h 22 h 23 h 2n 2 h 2n 1 h 2n 0 h 32 h 33 h 3n 2 h 3n 1 h 3n H h n 1n 2 h n 1n 1 h n 1n fl h nn 1 h nn 2 Aplicar iteraciones para conseguir una sucesión de matrices Hessenberg superiores que converja a una forma de Schur de A. 3 Reducción a forma Hessenberg 1 Eĺıjase Q 1, reflexión» de Householder, tal que» x x x x x x x x x x x x x x x Q 1 A 0 x x x x 0 x x x xfl y A x x x x x 1 Q 1 AQ 1 0 x x x x 0 x x x xfl 0 x x x x 0 x x x x 2 Eĺıjase Q 2, reflexión» de Householder, tal que» x x x x x x x x x x x x x x x Q 2 A 1 0 x x x x 0 0 x x xfl y A x x x x x 2 Q 2 A 1 Q 2 0 x x x x 0 0 x x xfl 0 0 x x x 0 0 x x x 3 Eĺıjase Q 3, reflexión» de Householder, tal que» x x x x x x x x x x x x x x x Q 3 A 2 0 x x x x 0 0 x x xfl Ñ Q x x x x x 3A 2 Q 3 0 x x x x 0 0 x x xfl x x x x 4
3 Algoritmo de reducción a forma Hessenberg (Householder) Dato: A P F nˆn Objetivo: Forma Hessenberg superior de A mediante transformaciones de Householder, y la correspondiente Q. H A, Q I n for k 1 : n 2 x Hpk ` 1 : n, kq u signpx 1 q}x} 2 e 1 ` x u }u} 2 u Hpk ` 1 : n, k : nq Hpk ` 1 : n, k : nq 2upu Hpk ` 1 : n, k : nqq Hp1 : n, k ` 1 : nq Hp1 : n, k ` 1 : nq 2pHp1 : n, k ` 1 : nququ Qp1 : n, k ` 1 : nq Qp1 : n, k ` 1 : nq 2pQp1 : n, k ` 1 : nququ end for Denición Coste: 10 3 n3 (sin Q) o 14 3 n3 (con Q) Una matriz Hessenberg superior es irreducida si todos los elementos en la subdiagonal son distintos de cero. 5 Reducción parcial a forma Hessenberg Métodos Iterativos: n muy grande Ñ reducción parcial. Objetivo: Encontrar q 1, q 2,..., q r`1 ortonormales y» h 11 h 12 h 1n h 21 h 22 rh r h n,n 1 h nn h n`1,n tales que Para i 1, 2,..., r Q r Q hkkkkkkkkkkikkkkkkkkkkj hkkkkkkkkkkkkkkkikkkkkkkkkkkkkkkj r`1 A q1 q 2 q r q1 q 2 q r q rhr r`1 fl Aq i h 1i q 1 ` h 2i q 2 ` h ii q i ` h i`1i q i`1 6
4 El algoritmo de Arnoldi (compárese con el algoritmo clásico de Garm-Scmidt) Dato: A P F nˆn y un entero r, 0 ă r ă n Objetivo: Forma Hessenberg parcial de A y la correspondiente Q. b arbitario q 1 b }b} 2 for k 1 : r v Aq k for j 1 : k h jk q j v v v h jk q j end for h k`1k }v} 2 q k`1 v end for h k`1k hkkkkkkkkkkkkkkkkikkkkkkkkkkkkkkkkj Krylov Subspace tq 1, q 2,..., q r u=base ortonormal de K j pa, bq ă b, Ab, A 2 b,..., A r 1 b ą. 7 Sucesiones de Krylov Dada A P F nˆn y x P F n la sucesión ta k xu 8 k 0 es una sucesión de Krylov: x, Ax, A 2 x, A 3 x,... No tiene por qué: A Convergencia? j j 0 1 1, x Pero ă A k x ą converge Ñ convergencia de subespacios Grassmanniana: Gr d pf n q tx Ă F n : X subespacio de dimensión du F R o C. 8
5 Método de las potencias y convergencia de subespcios Método de las potencias (primera aproximación): Dada A P F nˆn y x 0 P F n, se construye la sucesión (de Krilov) ta j x 0 u j 0,1,2,.... Lema (a) Sea tx j u j 1,2,... una sucesión de vectores de F n y x P F n. Entonces, ă x j ąñă x ą si y sólo si para j 1, 2,... existe α j P F tal que α j x j Ñ x. (b) Sea tq j u j 1,2,... una sucesión de vectores unitarios de F n y q P F n un vector unitario. Entonces, ă q j ąñă q ą si y sólo si para j 1, 2,... existe α j P F con α j 1 tal que α j q j Ñ q. Teorema Si ă A j x 0 ąñă y ą con y 0 entonces y es un vector propio de A. 9 Algoritmo del Método de las Potencias (Primera Versión) Dada A P R nˆn Paso 1: Eĺıjase x 0 P F nˆ1 (F R o C) Paso 2: x 0 x 0 }x 0 } Paso 3: for j 0, 1, 2, 3,... hasta convergencia y j`1 Ax j x j`1 y j`1 y j`1 λ j`1 x j`1 Ax j`1 (vector propio unitario aproximado) (valor propio aproximado) end for. 10
6 Teorema Método de las potencias: convergencia Sea q 0 P F n un vector unitario y A P F nˆn una matriz diagonalizable con λ 1,..., λ n como valores propios. Sea tv 1,..., v n u una base de vectores propios unitarios de A (Av i λ i v i y }v i } 2 1, i 1,..., n) y supongamos que q 0 α 1 v 1 ` ` α n v n. Supongamos también que λ 1 ą λ 2 ě λ 3 ě ě λ n (1) Entonces ă q j ąñă v 1 ą si y sólo si α 1 0. Más aún, en tal caso, para j 0, 1, 2,... existen números complejos z j de módulo 1 tales que }z j q j v 1 } 2 O ˇˇˇ λ 2 j ˇ ˇ. λ 1 11 Un criterio de terminación del algoritmo Teorema Sea A P C nˆn, x P C n un vector unitario y µ P C. Sea r Ax µx. Existe una matriz E P C nˆn tal que E F }r} 2 y pa ` Eqx µx. Observación: }E} F }A} F }r} 2 }A} F. Criterio de terminación: que el error relativo }E} F }A} F sea pequeño. Fijaremos ɛ ą 0 y las iteraciones acabarán cuando }r} 2 }A} F ă ɛ (o cuando el número de iteraciones sea demasiado grande ). 12
7 Método de las potencias (versión nal) Datos: A P F nˆn, x 0 P F n, ɛ ą 0 e itermax Objetivo: calcular un par pλ, xq valor-vector propio aproximado de A. x x 0 }x 0 } 2 res=1 iter=0 norma=}a} F while res ą ɛ norma e iter ă itermax y Ax (siguiente potencia) λ x y (valor propio aproximado) res=}y λx} 2 (residuo) x y (normalización) }y} 2 iter=iter+1 end while 13 Método de iteración inversa Datos: A P F nˆn, x 0 P F n, σ, ɛ ą 0 e itermax Objetivo: calcular un par pλ, xq valor-vector propio aproximado de A. x x 0 }x 0 } 2 res=1 iter=0 norma=}a} F while res ą ɛ norma e iter ă itermax y pa σi n qzx (ô pa σi n qy x) x y }y} 2 λ x Ax res=}ax λx} 2 iter=iter+1 end while 14
8 Denición Cociente de Rayleigh Sea A P F nˆn. El cociente de Rayleigh de A en x P F n (x 0) es Teorema Rpxq x Ax x x Si A es simétrica entonces λ 0 P ΛpAq y x 0 es un vector propio de A correspondiente a λ 0 si y sólo si Rpx 0 q 0 y Rpx 0 q λ 0 Rpxq Rpx 0 q Rpx 0 qpx x 0 q ` Op}x x 0 } 2 q ñ ĺım xñx0 Rpxq Rpx 0 q }x x 0 } 2 0 Convergencia cuadrática 15 Método del cociente de Rayleigh Teorema (Teorema de minimización) Si A P F nˆn y x P F n entonces Rpxq es la solución del problema de mínimos cuadrados mín αpc }xα Ax} 2. Datos: A P F nˆn, x 0 P F n Objetivo: calcular un par pλ, xq valor-vector propio aproximado de A. x 0 x 0 }x 0 } 2 λ 0 x 0 Ax 0 (cociente de Rayleigh) for j 1, 2,... hasta convergencia y j pa λ j 1 I n qzx j 1 y j x j }y j } 2 λ j x j Ax j end for (nuevo cociente de Rayleigh) 16
9 Algoritmo QR con desplazamiento expĺıcito Dada A P F nˆn A 0 A for k 0, 1, 2,... Eĺıjase un desplazamiento σ k Calcúlese la descomposición QR de A k σ k I n : A k σ k I n Q k R k Reviértanse los factortes: A k`1 R k Q k ` σ k I n end for Por qué calcula valores propios de A? (a) Construye matrices unitariamente semejantes a A (b) Forma elegante del método de iteración inversa (c) Generalización del método de las potencias Lema A k y A k`1 son unitariamente semejantes. 17 Lema Algoritmo QR e iteración inversa Para cada k el algoritmo QR aplica el método de iteración inversa (por las) con vector inicial en T y desplazamiento σ k Consecuencias Si σ k «λ n y λ n λ i el algoritmo QR converge produciendo una matriz Q cuya última la es un vector propio unitario por la izquierda de A. Como ann piq es un valor propio por la izquierda aproximado de A i 1 (y por lo tanto de A y A i ), en T es un vector propio aproximado por la izquierda de A i. El residuo es: e T n A i e T n a piq nn A i pn, 1 : n 1q El Teorema de minimización sugiere σ k a pkq nn : El algoritmo QR implementa el método de Rayleigh. 18
10 El desplazamiento de Wilkinson Suposición: H en forma Hessenberg Qué desplazamiento?: Problema abierto en general. El cociente de Rayleigh (σ h nn ) proporciona convergencia cuadrática local. Desplazamiento de Wilkinson: valor propio de j Hpn 1, n 1q Hpn 1, nq Hpn, n 1q Hpn, nq más próximo a Hpn, nq (o cualquiera de los dos en caso de empate). Cuidado con la forma de calcularlo: estabilidad Observación importante: El desplazamiento de Wilkinson permite la entrada de desplazamientos complejos incluso en el caso real. 19 El desplazamiento de Wilkinson j a b Dato: B c d Objetivo: calcular el valor propio, σ, de B más próximo a d. σ d s a ` b ` c ` d if s 0 q b c s s if q 0 p 1 ˆa 2 s d s r a p 2 ` q if Reppq Reprq ` Imppq Imprq ă 0 r r end if end if end if σ σ s q p ` r 20
11 Forma de Schur: deflación Dada A P F nˆn 1 Reducir A a forma Hessenberg; H. 2 Para j 1,..., n 1 aplicar a la submatriz Hp1 : n j ` 1, 1 : n j ` 1q el algoritmo QR con desplazamiento de Wilkinson hasta que hpn j ` 1, n jq sea menor que un ε previamente jado. 3 Si hay convergencia, el proceso proporciona una forma de Schur de A. Pasar de una submatriz principal a otra con una la y columna menos cuando hpn j ` 1, n jq ă ε se conoce con el nombre de deflación. 21 Una etapa del algoritmo QR Datos: H P F nˆn, ɛ ą 0 e itermax, H matriz en forma Hessenerg Objetivo: Obtener una matriz T, semejante a A, cuyos elementos en la última la sean todos cero excepto el de la diagonal, y la matriz unitaria de semejanza Q. normh=}h} F T H, Q I n d T pn, n 1q, iter=0 while }d} 2 ą ɛ normh e iter ă itermax s deswilkpt pn 1 : n, n 1 : nqq, (desplazamiento de Wilkinson) T si n Q 1 R 1 (factorización QR de T si n ) T R 1 Q 1 ` si n (revertimos los factores) d T pn, n 1q (nuevos elemento no diagonal) Q QQ 1 (actualizamos la matriz unitaria de paso) iter=iter+1 end while if iterăitermax T pn, 1 : n 1q 0 end if (para que quede bonito) 22
12 Teorema Convergencia y Estabilidad Supongamos que el algoritmo QR (con o sin desplazamiento) se aplica a una matriz A P F nˆn y que sus valores propios cumplen: λ 1 ą λ 2 ą ą λ n. Supongamos también que su matriz S de vectores propios (S 1 AS Diagpλ 1,..., λ n q) cumpla la propiedad de que todos sus menores principales son no nulos (det Sp1 : k, 1 : kq 0, k 1,..., n). Entonces la sucesión A k Q k AQ k de matrices que produce el algoritmo QR, así como la de matrices unitarias Q k, convergen linealmente a una forma de Schur de A: Q AQ T. La convergencia es lineal con constante Teorema máx 1ďjďn 1 λ j`1 λ j. El algoritmo QR con reflexiones de Householder ( o rotaciones de Givens) cuando se implementa en un ordenador que cumple los dos axiomas fundamentales de la aritmética en punto flotante de la Lección 5 es estable hacia atrás. 23
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 detallesMétodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012
Cálculo numérico Métodos de factorización para resolver sistemas de ecuaciones lineales 22 de agosto, 2012 1 Factorización LU Considera el siguiente ejemplo de factorización LU de una matriz en un sistema
Más detallesALN. Repaso matrices. In. Co. Facultad de Ingeniería Universidad de la República
ALN Repaso matrices In. Co. Facultad de Ingeniería Universidad de la República Definiciones básicas - Vectores Definiciones básicas - Vectores Construcciones Producto interno: ( x, y n i x y i i ' α Producto
Más detallesMatrices triangulares y matrices ortogonales
Matrices triangulares y matrices ortogonales Problemas para examen Matrices diagonales 1. Sea a R n. Se denota por diag(a) la matriz diagonal con entradas a 1,..., a n : diag(a) = [ a j δ j,k ] n j,k=1.
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesMétodos directos para resolver sistemas de ecuaciones lineales
Métodos directos para resolver sistemas de ecuaciones lineales Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el
Más detallesResumen de Teoría de Matrices
Resumen de Teoría de Matrices Rubén Alexis Sáez Morcillo Ana Isabel Martínez Domínguez 1 de Octubre de 2004 1. Matrices. Generalidades. Definición 1.1. Se llama matriz de orden m n sobre un cuerpo K a
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Departamento de Matemáticas ITESM Álgebra Lineal - p. 1/16 En esta lectura veremos el proceso para obtener la factorización QR de una matriz. Esta factorización es utilizada para
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesAlgebra lineal de dimensión finita
Algebra lineal de dimensión finita Métodos para calcular autovalores Pseudoinversa Algebra lineal númerica 1 Teorema:[Teorema 1.6] Sea A es una matriz real simétrica. Si Q(x) =< Ax, x > entonces: λ 1 =
Más detallesSistemas lineales homogéneos
Lección 9 Sistemas de ecuaciones diferenciales lineales con coeficientes constantes 1 Sistemas lineales homogéneos Estudiaremos los sistemas de la forma x (t) = Ax(t) + b(t) Sistemas homogéneos: x = Ax
Más detallesTema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso
Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesDIVISIBILIDAD: Resultados
DIVISIBILIDAD: Resultados Página 1 de 9 Se enumeran a continuación, como referencia, ciertos resultados sobre divisibilidad. 1.1 Definición. Dados los enteros a y b, se dice que a divide a b (Notación:
Más detallesMMAF: Espacios normados y espacios de Banach
MMAF: Espacios normados y espacios de Banach Licenciatura en Estadística R. Álvarez-Nodarse Universidad de Sevilla Curso 2011/2012 Espacios vectoriales Definición Sea V un conjunto de elementos sobre el
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detallesMatrices: repaso. Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas. Una matriz A M m n es de la forma A =
Matrices: repaso Denotaremos con M m n el conjunto de matrices de tamaño m n, o sea, de m filas y n columnas Una matriz A M m n es de la forma a 11 a 1n A = a m1 a mn Denotaremos A ij = a ij el coeficiente
Más detallesMatriz inversa generalizada y descomposición del valor singular
Matriz inversa generalizada y descomposición del valor singular Divulgación Fernando Velasco Luna y Jesús Hernández Suárez Laboratorio de Investigación y Asesoría Estadística, Facultad de Estadística e
Más detallesPráctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función.
Práctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función. Se suele llamar método de Newton-Raphson al método de Newton cuando se utiliza para calcular los ceros
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesCálculo numérico. Sistemas de ecuaciones lineales.
José Luis Morales http://allman.rhon.itam.mx/ jmorales Departamento de Matemáticas. ITAM. 2010. Las raíces de x 2 bx + c = 0. r = b ± b 2 4c 2 b = 3.6778, c = 0.0020798 r 1 = 3.67723441190... r 2 = 0.00056558809...
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesMétodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones
Métodos Clásicos de Optimización para Problemas No-Lineales sin Restricciones Dr. Gonzalo Hernández Oliva UChile - Departamento de Ingeniería Matemática 07 de Mayo 2006 Abstract En este apunte veremos
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesFactorización de matrices
CAPÍTULO Factorización de matrices En este capítulo se estudian algunas de las técnicas más utilizadas para factorizar matrices, es decir, técnicas que permiten escribir una matriz como producto de dos
Más detallesSeparar en intervalos de la forma [m, m + 1], con m Z, las raíces de la ecuación: F (x) = x 3 + 3x 2 1 = 0
METODOS NUMERICOS. E.T.S.I. Minas. Boletín de problemas propuestos. 1. Localizar las raíces de la ecuación F (x) = : (a) F (x) = x tg(x). (b) F (x) = sen(x) x +. (c) F (x) = x + e x. (d) F (x) =.5 x +.
Más detallesMétodo de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II)
Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte II) Métodos numéricos para sistemas lineales Solución numérica de EDPs requiere resolver sistemas de ecuaciones lineales
Más detallesTema 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 detallesMAT 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 detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K (Q,
Más detallesTema 8: Aplicaciones. Ecuaciones en. diferencias: modelos en tiempo discreto. 1 Modelo de crecimiento exponencial. 2 Sucesión de Fibonacci
8 de diciembre de 20 Contexto: Bloque de Álgebra Lineal Tema 6. Sistemas de ecuaciones lineales y matrices. Tema 7. Valores y vectores propios. Tema 8. Aplicaciones del cálculo de los valores y vectores
Más detallesMatemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 2011/ ?
Matemáticas I Grado de Administración y Dirección de Empresas Examen de Febrero Curso 011/1 1) (1 punto) Dado el subespacio vectorial,,,,,,,,,,, a) Obtener la dimensión, unas ecuaciones implícitas, unas
Más detallesSistemas de ecuaciones no lineales
Práctica 6 Sistemas de ecuaciones no lineales En esta práctica revisaremos algunos métodos básicos para la resolución numérica de sistemas de ecuaciones no lineales 61 Método iterativo del punto fijo Partimos
Más detallesConjuntos y matrices. Sistemas de ecuaciones lineales
1 Conjuntos y matrices Sistemas de ecuaciones lineales 11 Matrices Nuestro objetivo consiste en estudiar sistemas de ecuaciones del tipo: a 11 x 1 ++ a 1m x m = b 1 a n1 x 1 ++ a nm x m = b n Una solución
Más detallesFundamentos Matemáticos de la Ingeniería. Tema 4: Diagonalización de matrices. Curso
Fundamentos Matemáticos de la Ingeniería Tema 4 Hoja Escuela Técnica Superior de Ingeniería Civil e Industrial Esp en Hidrología Fundamentos Matemáticos de la Ingeniería Tema 4: Diagonaliación de matrices
Más detallesCapítulo 1: Diagonalización de matrices
Capítulo : Diagonalización de matrices Matrices y determinantes Definición Una matriz es un arreglo rectangular de números reales a a a m a A a a m a n a n a nm La matriz es de orden n m si consta de n
Más detallesTema 1: Matrices y Determinantes
Tema 1: Matrices y Determinantes September 14, 2009 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Se dice que una matriz
Más detallesMatrices, Determinantes y Sistemas Lineales.
12 de octubre de 2014 Matrices Una matriz A m n es una colección de números ordenados en filas y columnas a 11 a 12 a 1n f 1 a 21 a 22 a 2n f 2....... a m1 a m2 a mn f m c 1 c 2 c n Decimos que la dimensión
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesApuntes de álgebra lineal. Eduardo Liz Marzán. Enero de 2015.
Apuntes de álgebra lineal Eduardo Liz Marzán Enero de 2015 Índice general 1 Introducción 7 11 Operaciones internas y estructura de cuerpo 7 12 Números complejos 8 13 Vectores 10 2 Matrices y determinantes
Más detallesMatrices y determinantes. Sistemas de ecuaciones lineales
Tema 0 Matrices y determinantes Sistemas de ecuaciones lineales 01 Introducción Definición 011 Se llama matriz a un conjunto ordenado de números, dispuestos en filas y columnas, formando un rectángulo
Más detalles1. Números reales. Análisis de Variable Real
1. Números reales Análisis de Variable Real 2014 2015 Índice 1. Sistemas numéricos 2 1.1. Números naturales. Principio de Inducción... 2 1.2. Números enteros... 4 1.3. Números racionales... 6 2. Los números
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesEl álgebra de los valores propios
Capítulo 9 El álgebra de los valores propios 9.1. Introducción El objetivo de este tema es proporcionar las ideas matemáticas que se usan en el cálculo numérico de los valores propios de matrices. En parte
Más detallesSistemas de Ecuaciones Lineales y Matrices
Capítulo 4 Sistemas de Ecuaciones Lineales y Matrices El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación lineal con n-incógnitas x 1, x 2,, x n es una
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesResolución numérica de sistemas de ecuaciones. Introducción
Resolución numérica de sistemas de ecuaciones. Introducción Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Spain) http://www-lacan.upc.es
Más detallesAnillo de polinomios con coeficientes en un cuerpo
Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.
Más detallesAlgebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos
Más detallesMétodos para matrices especiales. Descomposición de Cholesky
Métodos para matrices especiales. Descomposición de Cholesky MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT A.C. e-mail: joaquin@cimat.mx
Más detallesIntroducción a la Teoría Analítica de Números
Introducción a la Teoría Analítica de Números Pablo De Nápoli clase 3. Ejemplos de funciones generatrices El teorema que vimos la clase anterior sobre el producto de series de Dirichlet permite determinar
Más detallesTEMA 6. EIGENVALORES Y EIGENVECTORES
TEMA 6. EIGENVALORES Y EIGENVECTORES M. C. Roberto Rosales Flores INSTITUTO TECNOLÓGICO SUPERIOR DE TLAXCO Ingeniería en Logística M. C. Roberto Rosales Flores (ITST TEMA 6. EIGENVALORES Y EIGENVECTORES
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesCapítulo 4: Polinomios
Capítulo 4: Polinomios Miguel Ángel Olalla Acosta miguelolalla@us.es Departamento de Álgebra Universidad de Sevilla Diciembre de 2015 Olalla (Universidad de Sevilla) Capítulo 4: Polinomios Diciembre de
Más detallesVectores y matrices. v 1 v 2. = [v. v = v n. Herramientas de A.L. p.1/64
Vectores y matrices Los elementos básicos en teoría de sistemas lineales son vectores n 1 (columna) o 1 n (fila) y matrices n m con elementos reales (i.e. v R n y A R n m ). Denotamos el elemento i del
Más detallesObjetivos formativos de Álgebra
Objetivos formativos de Álgebra Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera como objetivo
Más detallesEs decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3
1.- DETERMINANTE DE UNA MATRIZ CUADRADA Determinante de una matriz cuadrada de orden 1 Dada una matriz cuadrada de orden 1, A = (a), se define det A = det (a) = a Determinante de una matriz cuadrada de
Más detalles3. Algoritmos de puntos interiores para. Programación Lineal Introducción CO-5411 (S08) 23/02/
CO-5411 S08) 23/02/2008 35 3. Algoritmos de puntos interiores para Programación Lineal 3.1. Introducción A nales de la década de los años 40, George B. Dantzig diseña el algoritmo Simplex y da comienzo
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detalles3. Determinantes. Propiedades. Depto. de Álgebra, curso
Depto de Álgebra curso 06-07 3 Determinantes Propiedades Ejercicio 3 Use la definición para calcular el valor del determinante de cada una de las siguientes matrices: 3 0 0 α A = 5 4 0 A = 6 A 3 = 0 β
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesMétodos Iterativos para Ecuaciones no Lineales
This is page i Printer: Opaque this Métodos Iterativos para Ecuaciones no Lineales Dr. Oldemar Rodríguez Rojas Setiembre 001 ii This is page iii Printer: Opaque this Contents 1 Métodos iterativos para
Más detallesPráctica: Métodos de resolución de ecuaciones lineales.
Práctica: Métodos de resolución de ecuaciones lineales. Objetivo: Aplicar dos técnicas de resolución de sistemas de ecuaciones lineales: Un método finito basado en la descomposición LU de la matriz de
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesContenido. 1 Definiciones y propiedades. 2. Método de la potencia. 3. Método de la potencia inversa. 4. Método de la potencia inversa desplazada
ETS Minas: Métodos Matemáticos Resumen y ejemplos Tema 5: Valores y vectores propios Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Octubre
Más detallesMatrices, determinantes, sistemas de ecuaciones lineales.
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Resúmenes Curso 2007-2008 Matrices, determinantes, sistemas de ecuaciones lineales. Una matriz A de orden m n es una colección de m
Más detallesMatrices, determinantes y sistemas lineales
UNIVERSIDAD DE MURCIA Departamento de Matemáticas Óptica y Optometría Relación de Problemas n o 5 Curso 006-007 Matrices, determinantes y sistemas lineales 8. Dadas las matrices A y B siguientes, calcule
Más detalles3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE
3. ÁLGEBRA LINEAL // 3.1. SISTEMAS DE ECUACIONES LINEALES Y MATRICES COMPLEMENTOS PARA LA FORMACIÓN DISCIPLINAR EN MATEMÁTICAS Curso 2011-2012 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
Más detallesDr. Juan R. Mejías Ortiz 1
Dr. Juan R. Mejías Ortiz 1 Un tema central en el estudio del Cálculo es el concepto de límite. A medida que avance el curso se notará que éste concepto aparece en la definición de los conceptos más importantes
Más detalles3.3. Número de condición de una matriz.
96 33 Número de condición de una matriz Consideremos el sistema Ax = b, de solución u Queremos controlar qué cambios se producen en la solución cuando hacemos pequeños cambios en las componentes de b o
Más detallesMétodos iterativos para sistemas de ecuaciones lineales
Métodos iterativos para sistemas de ecuaciones lineales Natalia Boal - Manuel Palacios - Sergio Serrano Departamento de Matemática Aplicada Obetivos Trabaar con los métodos iterativos habituales (Jacobi,
Más detalles10 Teoremas de estructura de grupos abelianos de tipo finito
48 TEORIA DE GRUPOS 10 Teoremas de estructura de grupos abelianos de tipo finito Quedan cuestiones por reponder. Es cierto, aunque arduo de probar en el caso infinito, que todo subgrupo de un grupo abeliano
Más detallesMenor, cofactor y comatriz
Menor, cofactor y comatriz Sea A una matriz cuadrada de orden n. Al quitarle la línea i y la columna j se obtiene una submatriz de orden n-1, que se denota habitualmente A i,j. Por ejemplo, con n = 4,
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesDiagonalización de matrices.
Diagonalización de matrices. 1. Diagonalización de matrices. Definición 1.1 Sea A una matriz cuadrada,, decimos que es un autovalor de A si existe un vector no nulo tal que En esta situación decimos que
Más detalles1.1 De niciones basicas
1 ALGEBRAMATRICIAL 1.1 De niciones basicas 1.1.1 Matriz Una matriz de orden, o de dimensi on, M por N (escrita como M N) es un conjunto de M N elementos ordenados en M las y N columnas. Por tanto, una
Más detallesHerramientas de Álgebra Lineal
Capítulo 3 Herramientas de Álgebra Lineal 3.1. Vectores y Matrices Los elementos básicos en teoría de sistemas lineales son vectores n 1 (columna) o 1 n (fila) y matrices n m con elementos reales, es decir,
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesFacultad de Ciencias Experimentales Universidad de Almería PRÁCTICA 1
PRÁCTICA 1 APLICACIONES INFORMÁTICAS I OBJETIVOS 1. Utilización de MATLAB para multiplicar matrices, encontrar la inversa de una matriz, obtener las raíces de una ecuación polinómica de orden tres o superior
Más detallesTema 3 Resolución de Sistemas deecuaciones Lineales
Tema 3 Resolución de Sistemas de Ecuaciones Lineales E.T.S.I. Informática Indice 1 Introducción 2 Resolución de Sistemas Triangulares Triangulación por el Método de Gauss Variante de Gauss-Jordan Comentarios
Más detallesECUACIONES EN DERIVADAS PARCIALES Tópicos previos
ECUACIONES EN DERIVADAS PARCIALES Tópicos previos Para tomar el curso de ecuaciones en derivadas parciales es importante la familiaridad del alumno con los conceptos que se detallan a continuación. Sugerimos
Más detallesInstituto Tecnológico Autónomo de México. 1. At =..
Instituto Tecnológico Autónomo de México TRANSPUESTA DE UNA MATRIZ DEFINICION : Transpuesta Sea A = (a ij ) una matriz de mxn Entonces la transpuesta de A, que se escribe A t, es la matriz de nxm obtenida
Más detallesCURSO DE METODOS NUMERICOS T ERCERA PART E METODOS PARA LA RESOLUCION DE SISTEMAS LINEALES
CURSO DE METODOS NUMERICOS T ERCERA PART E METODOS PARA LA RESOLUCION DE SISTEMAS LINEALES V. Muto Sistemas lineales: Preliminares Cap. XIII CAPITULO XIII. METODOS PARA LA RESOLUCION DE SISTEMAS LINEALES:
Más detallesEl Teorema Fundamental del Álgebra
El Teorema Fundamental del Álgebra 1. Repaso de polinomios Definiciones básicas Un monomio en una indeterminada x es una expresión de la forma ax n que representa el producto de un número, a, por una potencia
Más detallesMatrices y sistemas de ecuaciones lineales
Matrices y sistemas de ecuaciones lineales Problemas para examen Antes de resolver un problema en el caso general, se recomienda considerar casos particulares (por ejemplo, n = 4 y n = 50). En el caso
Más detallesTEMA 8. GEOMETRÍA ANALÍTICA.
TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos
Más detalles5 Métodos iterativos para resolver sistemas de ecuaciones lineales
94 5 Métodos iterativos para resolver sistemas de ecuaciones lineales La resolución de sistemas de ecuaciones lineales también puede hacerse con fórmulas iterativas que permiten acercarse a la respuesta
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesAMPLIACIÓN DE MATEMÁTICAS
AMPLIACIÓN DE MATEMÁTICAS TEOREMA DE EXTENSIÓN DE KRONECKER. Los polinomios irreducibles sobre un cuerpo no tienen raíces sobre ese cuerpo, salvo que sean de grado uno. Ya hemos visto que Ejemplo 1. x
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesEl Problema de Mínimos Cuadrados
Capítulo 8 El Problema de Mínimos Cuadrados 8.1. El problema de mínimos cuadrados El problema del ajuste de datos; es decir, descubrir una función matemática que pueda explicar de la mejor forma posible
Más detallesÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3
ÁLGEBRA LINEAL I Algunas soluciones a la Práctica 3 Matrices y determinantes (Curso 2011 2012) 2. Sea A una matriz diagonal n n y supongamos que todos los elementos de su diagonal son distintos entre sí.
Más detalles