DESARROLLO DE ALGORITMOS PARA MODELOS DE ECUACIONES SIMULTANEAS EN ALTAS PRESTACIONES. Jose Juan López Espín Universidad Miguel Hernández
|
|
- Fernando Godoy Mora
- hace 6 años
- Vistas:
Transcripción
1 DESARROLLO DE ALGORITMOS PARA MODELOS DE ECUACIONES SIMULTANEAS EN ALTAS PRESTACIONES Espín Universidad Miguel Hernández
2 Introducción Motivación Los Modelos de Ecuaciones Simultáneas (M.E.S.) nacen como herramienta econométrica. Limitados por su gran necesidad computacional. Actualmente han comenzado a usarse en otras disciplinas. No conocemos la existencia de software en paralelo para la resolución de M.E.S. (aunque sí en secuencial). Solo se conocen estudios sobre algoritmos paralelos para M.E.S. de estimadores de información completa. No conocemos la existencia de estudios o software capaz de encontrar el mejor M.E.S. a partir de los datos de las variables.
3 Que es un M.E.S.? Descripción Teórica El esquema de un modelo con N ecuaciones, N variables endógenas y K variables exógenas en forma matricial es: siendo: BY T + ΓX T + u T = 0 Y = (y 1... y N ), X = (x 1... x K ), u = (u 1... u N ) β 1,1... β 1,N γ 1,1... γ 1,K B =..., Γ =... β N,1... β N,N γ N,1... γ N,K matrices densas con valores reales, siendo β i,i = 1 i = 1,..., N. El modelo estructural se puede expresar también en forma reducida: Y = X Π + v, con Π T = B 1 Γ, v T = B 1 u T.
4 Que es un M.E.S.? Descripción Teórica Si se descompone B de la forma B = diag( 1,..., 1) + B, la expresión anterior queda de la siguiente forma: O en ecuaciones: Y T = BY T + ΓX T + u T y 1 = γ 1,1 x γ 1,K x K + β 1,2 y 2 + β 1,3 y β 1,N y N + u 1 y 2 = γ 2,1 x γ 2,K x K + β 2,1 y 1 + β 2,3 y β 2,N y N + u 2... y N = γ N,1 x γ N,K x K + β N,1 y β N,N 1 y N 1 + u N donde x 1, x 2,..., x K son variables exógenas, y 1, y 2,..., y N son variables endógenas, y u 1, u 2,..., u N son variables de ruido blanco. Todas ellas son vectores de dimensión d, siendo d el tamaño de la muestra.
5 Descripción Teórica Mínimos Cuadrados Ordinarios (MCO) Algoritmo 1 Algoritmo MCO bas Entrada: X R d K, Y R d N Salida: β R K N, Ŷ Rd N 1: Hacer X T X {coste 2K 2 d} 2: Hacer X T Y {coste 2NKd} 3: Hacer (X T X ) 1 (X T Y ) resolviendo el sistema X T Y = (X T X )β {coste 2 3 K 3 + 2K 2 N} 4: Si estimación=verdadero Entonces 5: Hacer Ŷ = X β {coste 2NKd} 6: Fin si Utilizar las librerías de Blas y Lapack.
6 Descripción Teórica Mínimos Cuadrados Indirectos (MCI) Solo se puede usar en ecuaciones exactamente identificadas (K = k i + n i 1). Estima los valores de Π de la ecuación Y = X Π + v mediante MCO. A continuación deduce los valores de la forma estructural (0 = B i Y T + Γ i X T + u T ) siguiendo la relación B i Π = Γ i. Algoritmo 2 Algoritmo MCI Entrada: X R d K, Y R d N, B R N N y Γ R N K Salida: B R N N, Γ R N K 1: Π T = MCO bas (Y,X,estimación=Falso) 2: Para i=1...n Hacer 3: Si ecuación i es exactamente identificada Entonces 4: Resolver B i Π = Γ i 5: Fin si 6: Fin Para
7 Descripción Teórica Mínimos Cuadrados en Dos Etapas (MC2E) Estimar los valores de B y Γ en la expresión: Y T = BY T + ΓX T + u T No es posible usar Mínimos Cuadrados (Y correlacionado con u). Algoritmo 3 Algoritmo MC2E bas Entrada: X R d K, Y R d N, B R N N y Γ R N K Salida: B R N N, Γ R N K 1: Estimar las variables proxy Ŷ = MCO bas(y,x,estimación=verdadero) 2: Sustituir Y por Ŷ resultando Y T = BŶ T + ΓX T + u T 3: Para i = 1...N Hacer 4: Hacer X ei = [X i Ŷi] {Usando B i y Γ i } 5: β i = MCO bas (y i,x ei,estimación=falso) 6: Sustituir los valores de β i en las incógnitas de B i y Γ i 7: Fin Para
8 MC2E basado en la descomposición de la inversa MC2E basado en la descomposición de la inversa La descomposición matricial que se va a usar está basada en el siguiente teorema: Teorema ( ) 1 A B B T = D ( A ) ( E + Id ) (D B T A 1 B) 1 ( E T Id) donde E = A 1 B. Supongamos que se va a resolver la ecuación i-ésima usando MC2E. y i = γ 0 + γ 1 x i γ ki x iki + α 1 ŷ i α ni ŷ ini + ɛ Las matriz usada al aplicar MCO en la ecuación es [X i Ŷ i ] (con dimensión d (n i + k i 1)), calculándose la expresión ([X i Ŷ i ] T [X i Ŷ i ]) 1 [X i Ŷ i ] T y i.
9 MC2E basado en la descomposición de la inversa MC2E basado en la descomposición de la inversa Usando el teorema previo, la inversa de la matriz: ( (X T i ( [ X T i Ŷ T i X i ) 1 Xi T Ŷ i Id ] ] [X ) 1 ( X T i Ŷ i = i X i Xi T Ŷi T X i Ŷi T ) (Ŷi T Ŷ i Yi T X i (Xi T X i ) 1 Xi T Ŷ i Ŷ i ) 1 = ( (X T i X i ) ) + Ŷ i ) 1 ( Yi T X i (Xi T X i ) 1 Id ni 1) Xi T X i se toma de X T X, que se obtiene al calcular Π. Xi T Ŷ i se toma de X T Y, que se obtiene al calcular Π (ya que X T Ŷ = X T Y ). (Xi T X i ) 1 [Xi T Ŷ i Id ki ] se tiene que calcular. Ŷ T i Ŷ T i Ŷ T i (Ŷ T i X i (Xi T X i ) 1 Xi T Ŷ i se toma de Ŷ Ŷ i Ŷi T Ŷ i Ŷ T X i (Xi T X i (X T Ŷ i se tiene que calcular. T Ŷ, que es calculado antes. X i )Xi T Ŷ i se tiene que calcular. X i ) 1 X T Ŷ i ) 1 ( Ŷ T X i (Xi T X i ) 1 Id ni 1) se tiene que calcular. i( i i ) i (X T Multiplicar i X i ) 1 Xi T Ŷ i por la matriz resultante del paso anterior. Id ni 1 ( (X T Sumar la matriz resultante del paso anterior a i X i ) 1 )
10 MC2E basado en la descomposición de la inversa MC2E basado en la descomposición de la inversa Se ha calculado la inversa de la matriz en la expresión de MCO para la ecuación i-esima (([X i Ŷ i ] T [X i Ŷ i ]) 1 [X i Ŷ i ] T y i ). La matriz [X i Ŷ i ] T y i tiene que ser también calculada. X T Ŷ T i y i se toma de X T Y, que se obtiene al calcular Π. i y i se toma de Ŷ T Ŷ puesto que Ŷ T Ŷ = Ŷ T Y. Se calcula la multiplicación de ambas matrices completando la expresión de MCO. Proposición El número de flops realizados al resolver una ecuación de un M.E.S. por MCO bas es mayor o igual que el número de flops realizados al resolver la misma ecuación por MCO inv.
11 MC2E basado en la descomposición de la inversa Estudio Experimental Tiempo de ejecución (en segundos) y ratio entre el algoritmo MC2E bas y MC2E inv : N: d: MC2E bas MC2E inv Ratio Tiempo de ejecución (en segundos) y ratio comparativo entre el algoritmo MCI y el algoritmo MC2E inv : N: d: MC2E inv MCI Ratio
12 Paralelización de los algoritmos en memoria distribuida Paralelización de MCO Utilizar las librerías de ScaLAPACK y PBLAS. Importante: Tiempo de comunicación entre procesadores. Algoritmo 6 Algoritmo PMCO bas Entrada: X R d K e Y R d N (distribuidas al estilo de ScaLAPACK) Salida: β R K N e Ŷ Rd N (distribuidas al estilo de ScaLAPACK) 1: Hacer X T X {Multiplicación en paralelo} 2: Hacer X T Y {Multiplicación en paralelo} 3: Hacer (X T X ) 1 (X T Y ) resolviendo el sistema X T Y = (X T X )β en paralelo 4: Si estimación=verdadero Entonces 5: Hacer Ŷ = X β {Multiplicación en paralelo} 6: Fin si
13 Paralelización de los algoritmos en memoria distribuida Paralelización de MCI Algoritmo 7 Algoritmo PMCI Entrada: X R d K e Y R d N (distribuidas al estilo de ScaLAPACK), B R N N y Γ R N K (distribuidas N p filas por procesador) Salida: B R N N y Γ R N K (distribuidas N p filas por procesador) 1: Π T = PMCO bas (Y,X,Falso) 2: Distribuir Π en todos los procesadores 3: EN PARALELO cada procesador q = 0,..., p 1 HACE 4: Para j=1... N p Hacer 5: i = q + (j 1)p + 1 6: Si ecuación i es exactamente identificada Entonces 7: Resolver B i Π = Γ i 8: Fin si 9: Fin Para 10: FIN PARALELO
14 Paralelización de los algoritmos en memoria distribuida Paralelización de MC2E Algoritmo 8 Algoritmo PMC2E inv Entrada: X R d K e Y R d N (distribuidas al estilo de ScaLAPACK), B R N N y Γ R N K (distribuidas N p filas por procesador) Salida: B R N N y Γ R N K (distribuidas N p filas por procesador) 1: Ŷ = PMCO bas (Y,X,Verdadero) {guardando Π, X T X y X T Y } 2: Hacer Ŷ T Ŷ {multiplicaciones en paralelo} 3: Distribuir Π, X T X, X T Y, Ŷ, Ŷ T Ŷ a todos los procesadores 4: EN PARALELO cada procesador q = 0,..., p 1 HACE 5: Para j=1... N p Hacer 6: i = q + (j 1)p + 1 7: β i = MCO inv (y i,ŷ,x,x T X,X T Y, Ŷ T Ŷ ) 8: Sustituir los valores de β i en las incógnitas de B i y Γ i 9: Fin Para 10: FIN PARALELO
15 Paralelización de los algoritmos en memoria distribuida Estudio experimental Eficiencia y speed-up del algoritmo PMCI. N : d : p Speed-up
16 Paralelización de los algoritmos en memoria distribuida Estudio experimental Eficiencia y speed-up del algoritmo PMC2E inv. N : d : p Speed-up
17 Paralelización de los algoritmos en memoria distribuida Estudio experimental Gráfico comparativo de los tiempos de comunicación (tc) y de operaciones aritméticas (ta) de los algoritmos PMCI y PMC2E inv :
18 MC2E basado en la descomposición QR MC2E mediante reflexiones de Householder Hacer la descomposición QR de X (X = Q reflexiones de Householder). Calcular Ŷ ( R1 0 ) mediante Ŷ ( = X (X ) T X ) 1 X T Y = QR(R T Q T QR) ( 1 R T ) Q T Y = R1 Q (R R T 1 )[R1 T IdK 0]QT Y = Q [Id 0 K 0]Q T Y ( ) ( ) ( ) ( IdK 0 = Q Q 0 0 T IdK 0 Ỹ1 Ỹ1 Y = Q = Q Ỹ 2 ) En cada ecuación i: Hacer la descompsición QR de la matriz X ei = Q i R i mediante reflexiones de Householder. Calcular ˆβ i = (Xe T i X ei ) 1 Xe T i y i = [R 1 i,1 0]QT i y i = [R 1 i,1 0]ỹ i = R 1 i,1 ỹi,1
19 MC2E basado en la descomposición QR Algoritmo para MC2E mediante reflexiones de Householder Algoritmo 10 Algoritmo MC2E H Entrada: X R d K, Y R d N, B R N N y Γ R N K Salida: B R N N, Γ R N K 1: Obtener Q y R (desc. QR de X ) {coste 4 3 K 2 (3d K)} 2: Ỹ = Q T ( Y {coste ) 2NK(2d K)} Ỹ1 3: Ŷ = Q {coste 2NK 2 } 0 4: Para i=1...n Hacer 5: Obtener Q i y R i (desc. QR de X ei ) {coste 4 3 (n i +k i 1) 2 (3d (n i +k i 1))} 6: ỹ i = Qi T y i {coste 2(n i + k i 1)(2d (n i + k i 1))} 7: β i = R 1 i,1 ỹi,1 {coste (n i + k i 1) 2 } 8: Sustituir los valores de β i en las incógnitas de B i y Γ i 9: Fin Para
20 MC2E basado en la descomposición QR Estudio Experimental Tiempo de ejecución (en segundos) y ratio comparativo entre el algoritmo MC2E bas, MC2E inv y MC2E H. N: d: Alg. Tiempo Tiempo Tiempo Tiempo Tiempo MC2E bas MC2E inv MC2E H Ratio MC2E bas /MC2E inv MC2E H /MC2E inv
21 MC2E basado en la descomposición QR MC2E mediante rotaciones de Givens Se detectan las siguientes deficiencias en el algoritmo anterior: No se aprovecha la descomposición QR de X en la descomposición en cada ecuación. El cálculo de la matriz Ŷ exige aplicar dos veces los reflectores de Householder a la matriz Y. Se propone: Obtener la descomposición QR de cada X ei mediante rotaciones de Givens haciendo ceros los elementos no nulos por debajo de la diagonal principal. Hacer la descomposición QR de [X Ŷ ] de la cual se obtendrán las descomposiciones QR de las X ei. Hacer la descomposición QR de X mediante reflexiones de Householder. ( ) Calcular Q T [X Ŷ ]=[Q T X Q T Ŷ ] = [R Q T R1 Ỹ Ŷ ] = 1 0 0
22 MC2E basado en la descomposición QR MC2E mediante rotaciones de Givens II Resolver la ecuación i-ésima y i = X i b i + Y i Γ i + ɛ i cuya matriz asociada es X ei = [X i Ŷ i ]. La matriz se puede expresar de la forma X ei = [X Ŷ ]S i donde S i es una matriz de selección. ( ) ( ) Q T X ei = Q T [X Ŷ ]S i = [R Q T R1 Ỹ Ŷ ]S i = 1 Ri,1 Ỹ S 0 0 i = i,1, 0 0 siendo R i,1 e Ỹ i,1 las K primeras filas de la matriz resultante de la multiplicación. Es necesario obtener la descomposición QR de X ei, por lo que hay que encontrar una matriz ortogonal que multiplicada a la anterior dé como resultado una matriz triangular superior. n i 1 Q i T = n=1 K n G (i) K j k i,k j k i +1 j=1 k i n=1 λ i,n n j=1 G (n) λ i,n j,λ i,n j+1
23 MC2E basado en la descomposición QR MC2E mediante rotaciones de Givens III La siguiente figura muestra la secuencia de eliminación de elementos en el proceso de retriangularización mediante rotaciones de Givens de una matriz X R 7 5. La entrada i (i=1,...,6) indica el elemento reducido a cero en la i-ésima rotación, multiplicando a la izquierda por la matriz Q i T = G (5) 5,6 G (5) 5,7 G (4) 4,5 G (4) 4,6 G (3) 3,4 G (2) 2,
24 MC2E basado en la descomposición QR Comparativa entre MC2E H y MC2E G Tiempo de ejecución (en segundos) y ratio, cuando se varía el tamaño del problema. Se muestra el promedio (número grande) y la desviación típica (subíndice) de 5 medidas para el mismo tamaño del problema. Tam. del problema Tiempo Tiempo N K d Householder Givens Ratio
25 Conclusiones Se han desarrollado algoritmos para los estimadores MCI y MC2E Se han mejorado los algoritmos utilizando descomposiciones matriciales (descomposicion de la inversa y QR) Se han desarrollado versiones en paralelo en memoria compartida y distribuida obteniendose speed-ups satisfactorios Se han aplicado los algoritmos a problemas reales
Aspectos computacionales de la resolución y obtención de Modelos de Ecuaciones Simultáneas
Aspectos computacionales de la resolución y obtención de Modelos de Ecuaciones Simultáneas Espín dirigida por: Domingo Giménez diciembre de 2009 Esquema 1 Introducción 2 Descripción Teórica 3 MC2E basado
Más detallesALGORITMOS DE RESOLUCIÓN DE MODELOS DE ECUACIONES SIMULTÁNEAS BASADOS EN LA DESCOMPOSICIÓN QR
UNIVERSIDAD POLITÉCNICA DE VALENCIA Departamento de Sistemas Informáticos y Computación ALGORITMOS DE RESOLUCIÓN DE MODELOS DE ECUACIONES SIMULTÁNEAS BASADOS EN LA DESCOMPOSICIÓN QR José Juan López Espín
Más detallesMODELOS DE ECUACIONES SIMULTANEAS
Universidad de Murcia Workshop Grupo de computación paralela 15 de Diciembre de 2010 1 Modelos de Ecuaciones Simultáneas. 2 3 4 Conceptos previos. La regresión lineal es un método matemático que modeliza
Más detallesEstimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas
Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Mínimos Cuadrados en 2 Etapas 2 Mínimos Cuadrados en 2 Etapas El método de Mínimos Cuadrados
Más detallesSistemas de Ecuaciones Lineales
Sistemas de Ecuaciones Lineales José Vicente Romero Bauset ETSIT-curso 2009/200 José Vicente Romero Bauset Tema 2.- Sistemas de Ecuaciones Lineales Sistema de ecuaciones lineales Un sistema de ecuaciones
Más detalles1 Matrices y Sistemas lineales de ecuaciones
Águeda Mata y Miguel Reyes, Dpto. de Matemática Aplicada, FI-UPM 1 1 Matrices y Sistemas lineales de ecuaciones Sea M n m = M n m (R) el espacio vectorial de las matrices reales con n ilas y m columnas.
Más detallesEstimación MCO, MCI en Modelos de Ecuaciones Simultáneas
Estimación MCO, MCI en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Estimación MCO de la Forma Estructural 2 3 4 Estimador MCO de la FE Consideremos la -ésima ecuación
Más detallesClase No. 13: Factorización QR MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 16
Clase No 13: Factorización QR MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 03102011 1 / 16 Factorización QR Sea A R m n con m n La factorización QR de A es A = QR = [Q 1 Q 2 ] R1 = Q 0 1 R
Más detallesOCW-V.Muto Los métodos de transformación ortogonal. Cap. XX CAPITULO XX. LOS METODOS DE TRANSFORMACION ORTOGONAL
CAPITULO XX. LOS METODOS DE TRANSFORMACION ORTOGONAL 1. LAS TRANSFORMACIONES DE HOUSEHOLDER Debido a las posibles dificultades numéricas del uso de las ecuaciones normales, los modernos métodos de mínimos
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detalles1.2 Valores y vectores propios. Método de las potencias y Rayleigh.
20 Prelininares. 1.2 Valores y vectores propios. Método de las potencias y Rayleigh. 1.2.1 Cálculo del Polinomio Caracterstico: ALGORITMO DE SOURIAU. ENTRADA: la matriz A 1 = A, p 1 = traza(a 1 ), n =
Más 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 detallesMatrices ortogonales y descomposición QR
Matrices ortogonales y descomposición QR Problemas para examen Agradezco a Aldo Iván Leal García por varias correcciones importantes. Invertibilidad por la izquierda y por la derecha (repaso) 1. Conceptos
Más detalles1.IV Aproximación numérica de valores y vectores propios.
.IV Aproximación numérica de valores y vectores propios. Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior. Universidad de Zaragoza Primavera 2007 Contents Introducción 2
Más detallesTema 1. Espacios Vectoriales. Sistemas de ecuaciones.
Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)
Más detallesMatrices y determinantes
Matrices y determinantes 1 Matrices Una matriz de orden m n es un conjunto de m n números ordenados en m filas y n columnas Por ejemplo, 1 1 2 0 2 0 2 1 1 1 2 1 3 0 2 es una matriz de orden 3 5 Una matriz
Más detallesFactorización QR Método iterativo de Jacobi
Clase No. 13: MAT 251 Factorización QR Método iterativo de Jacobi Dr. Alonso Ramírez Manzanares CIMAT A.C. e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/ Dr. Joaquín Peña Acevedo CIMAT
Más detallesEstimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas
Estimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contenidos 1 Información Completa 2 3 Información Completa Un método de información completa considera
Más detallesEjercicios Resueltos: Estimación de ecuaciones simultáneas
Ejercicios Resueltos: Estimación de ecuaciones simultáneas Román Salmerón Gómez Universidad de Granada 2 Consideremos el modelo de ecuaciones simultáneas dado por las dos ecuaciones siguientes: donde:
Más detallesSistemas de ecuaciones lineales
Chapter 2 Sistemas de ecuaciones lineales 2.1 Resolución de sistemas de ecuaciones lineales El problema que se pretende resolver en este capítulo es el de un sistema de m ecuaciones lineales con n incógnitas
Más detallesDr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato cimat.mx web:
Clase No 12: MAT 251 Factorización QR Dr Alonso Ramírez Manzanares Depto de Matemáticas Univ de Guanajuato e-mail: alram@ cimatmx web: http://wwwcimatmx/alram/met_num/ Dr Joaquín Peña Acevedo CIMAT AC
Más detallesDefinición (matriz): Definición (dimensión de una matriz): Si una matriz tiene m renglones y n columnas se dice que es de dimensión m n.
Índice general 1. Álgebra de Matrices 1 1.1. Conceptos Fundamentales............................ 1 1.1.1. Vectores y Matrices........................... 1 1.1.2. Transpuesta................................
Más detalles3. Matrices. 1 Definiciones básicas. 2 Operaciones con matrices. 2.2 Producto de una matriz por un escalar. 2.1 Suma de matrices.
Tema I Capítulo 3 Matrices Álgebra Departamento de Métodos Matemáticos y de Representación UDC 3 Matrices 1 Definiciones básicas Definición 11 Una matriz A de dimensión m n es un conjunto de escalares
Más detallesMatrices, determinantes y sistemas de ecuaciones lineales
Matrices, determinantes y sistemas de ecuaciones lineales David Ariza-Ruiz 10 de octubre de 2012 1 Matrices Una matriz es una tabla numérica rectangular de m filas y n columnas dispuesta de la siguiente
Más detallesUna matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. ) ( + ( ) ( )
MATRICES Una matriz es un arreglo rectangular de números. Los números en el arreglo se llaman elementos de la matriz. Ejemplo 1. Algunos ejemplos de matrices ( + ( ) ( + ( ) El tamaño o el orden de una
Más detallesCONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 MATRICES
CONTENIDOS MATEMÁTICAS II SEGUNDA EVALUACIÓN CURSO 2017/2018 Unidades: - Matrices (Bloque Álgebra) - Determinantes (Bloque Álgebra) - Sistemas de ecuaciones lineales (Bloque Álgebra) - Vectores (Bloque
Más detallesTema 1: Matrices. Sistemas de ecuaciones. Determinantes
Tema 1: Matrices. Sistemas de ecuaciones. Determinantes José M. Salazar Octubre de 2016 Tema 1: Matrices. Sistemas de ecuaciones. Determinantes Lección 1. Matrices. Sistemas de ecuaciones. Determinantes
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 detallesPrácticas Tema 6. Modelos de ecuaciones simultáneas
Prácticas Tema 6. Modelos de ecuaciones simultáneas Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 6.1- La oferta agregada de determinado producto agrícola (QS)
Más detallesResolución de sistemas de ecuaciones lineales
Tema 2 Resolución de sistemas de ecuaciones lineales 21 Métodos directos de resolución de sistemas de ecuaciones lineales 211 Resolución de sistemas triangulares Definición 211 Una matriz A se dice triangular
Más detallesMatrices y sistemas de ecuaciones
Matrices y sistemas de ecuaciones María Muñoz Guillermo maria.mg@upct.es U.P.C.T. Matemáticas I M. Muñoz (U.P.C.T.) Matrices y sistemas de ecuaciones Matemáticas I 1 / 59 Definición de Matriz Matrices
Más detallesDEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES
ALGEBRA DE MATRICES DEFINICIONES TIPOS DE MATRICES DETERMINANTES Y PROPIEDADES OPERACIONES MATRICIALES INVERSA DE UNA MATRIZ SISTEMAS DE ECUACIONES DEFINICIONES 2 Las matrices y los determinantes son herramientas
Más detallesOCW-V.Muto Eliminación Gaussiana y sustitución hacia atrás Cap. XIV CAPITULO XIV. ELIMINACION GAUSSIANA Y SUSTITUCION HACIA ATRAS
CAPITULO XIV ELIMINACION GAUSSIANA Y SUSTITUCION HACIA ATRAS 1 INTRODUCCION Y METODO El procedimiento general de eliminación Gaussiana aplicado al sistema E 1 : a 11 x 1 + a 1 x + + a 1n x n = b 1 E :
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 detallesVectores. 2. Se puede ver que un vector es paralelo a otro si el producto cruz entre estos corresponde al vector cero, es decir
Respuestas Guía de ejercicios N 4 parte Complemento Vectores. Un vector ortogonal a vectores, simultáneamente, corresponde al producto cruz, luego a = α 0 0 = α(î + ĵ + ˆk) y a = α + + = α α = Por lo tanto
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales 1 Definiciones Un sistema de m ecuaciones lineales con n incógnitas es un conjunto de expresiones de la forma: a 11 x 1 + a 12 x 2 + + a 1n x n = a 21 x 1 + a 22 x 2 + +
Más detallesMATEMÁTICAS II: MATRICES Y DETERMINANTES
MATRICES Llamaremos matriz de números reales de orden (o dimensión) m n a un conjunto ordenado de m n números reales, dispuestos en m filas y n columnas: A a 11 a 12 a 13 a 1j a 1n a 21 a 22 a 23 a 2j
Más detallesCapítulo 5. Escalado Multidimensional 5.1. ESCALADO MÉTRICO
Capítulo 5 Escalado Multidimensional 5.1. ESCALADO MÉTRICO Dada una matriz de distancias D = (d ij ) o de disimilaridades = (δ ij ) entre n objetos, el escalado métrico consiste en encontrar las coordenadas
Más detallesDescomposición QR. Problemas para examen. Agradezco a Aldo Iván Leal García por varias correcciones importantes.
Descomposición QR Problemas para examen Agradezco a Aldo Iván Leal García por varias correcciones importantes. Reflexión de Householder (repaso) 1. Reflexión ortogonal respecto a un hipersubespacio (repaso).
Más detallesDeterminantes. = a 11a 22 a 12 a 21 = ( 3) ( 5) ( 4) 7 = 15 ( 28) = = 43
Determinante de una matriz cuadrada Toda matriz cuadrada A lleva asociado un número, llamado determinante de A, y que denotaremos mediante el símbolo. Este número, entre otras cosas, permite saber cuándo
Más detallesRegresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16
Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3
Más detallesSistemas de Ecuaciones. Lineales II
Sistemas de Ecuaciones Lineales II Factorización LU: Eliminación Gaussiana Relación con la factorización LU 521230-1 - DIM Universidad de Concepción Solución de sistemas con matriz triangular Dadas L =
Más detalles2. Sistemas de ecuaciones lineales.
2. Sistemas de ecuaciones lineales. Manuel Palacios Departamento de Matemática Aplicada Centro Politécnico Superior Universidad de Zaragoza Otoño 2002 Contents 1 Introducción 2 2 Operaciones elementales
Más detallesÁlgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Ejercicios de evaluación Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR Problema
Más detallesRESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS
RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS 1. Determinantes El determinante de una matriz cuadrada n n A = a 21 a 22 a 2n a n1 a n2 a nn es un número real, y se representa por: A = a 21 a 22 a 2n a
Más detallesRegresión Lineal Múltiple
Universidad Nacional Agraria La Molina 2011-2 Efectos de Diagnósticos de Dos predictores X 1 y X 2 son exactamente colineales si existe una relación lineal tal que C 1 X 1 + C 2 X 2 = C 0 para algunas
Más detallesTema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.
Tema 1: Matrices El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico. 1. Terminología Comenzamos con la definición de matriz
Más detallesSistemas de Ecuaciones. Lineales III
Sistemas de Ecuaciones Lineales III Pivoteo: Estrategia de pivoteo parcial Adaptación a matrices con estructuras particulares: Matrices banda y tridiagonales Método de holesky 52123-1 - DIM Universidad
Más detallesa) La adición y la multiplicación de matries cuadradas del mismo orden, están bien definidas.
MATRICES CUADRADAS Definición: ( Cuadradas Una matriz A es una matriz cuadrada de orden n, si y solo si, A es de oreden n n, es decir, A tiene n filas y n columnas: a 11 a 1n a n1 a nn Observación: a La
Más detallesTema 3 o - Sistemas de Ecuaciones Lineales
Tema 3 o - Sistemas de Ecuaciones Lineales Definición de Sistema y de Solución 2 Clasificación de los Sistemas atendiendo al n o de Soluciones 3 Sistemas de Cramer FÓRMULS DE CRMER 4 Teorema de Rouchée
Más detallesDefinición: Dos matrices A y B son iguales si tienen el mismo orden y coinciden los elementos que ocupan el mismo lugar.
UNIDAD 03: MATRICES Y DETERMINANTES. 3.1 Conceptos de Matrices. 3.1.1 Definición de matriz. Definición: Se lama matriz de orden m x n a un arreglo rectangular de números dispuestos en m renglones y n columnas.
Más detallesEl problema de la identificación en Modelos de Ecuaciones Simultáneas
en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Notación general del modelo Forma Estructural Forma Reducida 2 3 Forma Estructural Forma Estructural Forma Reducida
Más detallesMatrices y Sistemas de Ecuaciones lineales
Matrices y Sistemas de Ecuaciones lineales Llamaremos M m n (K) al conjunto de las matrices A = (a ij ) (i = 1, 2,..., m; j = 1, 2,..., n) donde los elementos a ij pertenecen a un cuerpo K. Las matrices,
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 detallesParte 2. Métodos directos para la resolución de sistemas de ecuaciones lineales
Parte 2. Métodos directos para la resolución de sistemas de ecuaciones lineales Gustavo Montero Escuela Técnica Superior de Ingenieros Industriales University of Las Palmas de Gran Canaria Curso 2006-2007
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 detallesINSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE ECONOMÍA GUIA DE MODELOS ECONOMETRICOS ( ) ( ) ( ) (0.08)
GUIA DE MODELOS ECONOMETRICOS Se estimó el siguiente modelo de inversión: Fbk t = 31032550-92480.81r t + 6537785t + 0.79FBK t-1 (25993807) (674994.4) (2596703) (0.08) R 2 = 0.99 DW = 2.081 n = 53 R 2 ajustada
Más detallesAPUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES
APUNTES DE ÁLGEBRA LINEAL TEMA 2. SISTEMAS DE ECUACIONES LINEALES Ignacio López Torres. Reservados todos los derechos. Prohibida la reproducción total o parcial de esta obra, por cualquier medio electrónico
Más detallesSistemas de Ecuaciones Lineales. Matrices y determinantes.
Capítulo 3 Sistemas de Ecuaciones Lineales Matrices y determinantes 31 Sistemas de Ecuaciones Lineales El problema central del Álgebra Lineal es la resolución de ecuaciones lineales simultáneas Una ecuación
Más detallesValores y Vectores Propios
Valores y Vectores Propios Iván Huerta Facultad de Matemáticas Pontificia Universidad Católica de Chile ihuerta@mat.puc.cl Segundo Semestre, 1999 Definición Valores y Vectores Propios Valores y Vectores
Más detallesAPÉNDICE A. Algebra matricial
APÉNDICE A Algebra matricial El estudio de la econometría requiere cierta familiaridad con el álgebra matricial. La teoría de matrices simplifica la descripción, desarrollo y aplicación de los métodos
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 2017-18 3.1.1. Resolución de sistemas de ecuaciones lineales. Método
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 detallesMatrices y sistemas de ecuaciones lineales. Autovalores y autovectores.
Tema 5 Matrices y sistemas de ecuaciones lineales Autovalores y autovectores 5 Introducción Una matriz es una disposición ordenada de elementos de la forma: a a a m a a a m a n a n a nm Sus filas son las
Más detallesAlgebra lineal Matrices
Algebra lineal Matrices Una matriz A un arreglo rectangular de números dispuestos en m renglones (filas) y n columnas. Fila 1 La componente o elemento ij de A, denotado por es el número que aparece en
Más detallesALN - SVD. In. Co. Facultad de Ingeniería Universidad de la República
ALN - SVD In. Co. Facultad de Ingeniería Universidad de la República Índice Definición Propiedades de SVD Ejemplo de SVD Métodos para calcular SVD Aplicaciones de SVD Repaso de matrices: m xm Una matriz
Más detallesCURSO DE METODOS NUMERICOS CUART A PART E METODOS DE MINIMO CUADRADOS
CURSO DE METODOS NUMERICOS CUART A PART E METODOS DE MINIMO CUADRADOS V Muto El problema de mínimos cuadrados Cap XIX CAPITULO XIX EL PROBLEMA DE LOS MINIMOS CUADRADOS: PRELIMINARES 1 SISTEMAS LINEALES
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más detallesMATRIZ Una matriz de orden (tamaño) mxn sobre el campo de los complejos es un arreglo rectangular de la forma a 11 a 12 a 1n a ] a m1 a m2 a mn
MATRIZ Una matriz de orden (tamaño) mxn sobre el campo de los complejos es un arreglo rectangular de la forma a 11 a 12 a 1n a [ 21 a 22 a 2n ] a m1 a m2 a mn con m renglones y n columnas, donde los a
Más detalles1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS
1 SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS 1.1 SISTEMAS DE ECUACIONES LINEALES Una ecuación lineal es una ecuación polinómica de grado 1, con una o varias incógnitas. Dos ecuaciones son equivalentes
Más detallesSe llama adjunto de un elemento de una matriz A, al número resultante de multiplicar por el determinante de la matriz complementaria
T.3: MATRICES Y DETERMINANTES 3.1 Determinantes de segundo orden Se llama determinante de a: 3.2 Determinantes de tercer orden Se llama determinante de a: Ejercicio 1: Halla los determinantes de las siguientes
Más detallesEstadística para la Economía y la Gestión IN 3401
Estadística para la Economía y la Gestión IN 3401 3 de junio de 2010 1 Modelo de Regresión con 2 Variables Método de Mínimos Cuadrados Ordinarios Supuestos detrás del método MCO Errores estándar de los
Más detallesTEMA V. Pues bien, a estas caracterizaciones de los sistemas de ecuaciones lineales se las llamó matrices. En el caso del sistema considerado tenemos:
TEMA V 1. MATRICES Y SISTEMAS DE ECUACIONES LINEALES. Sea el siguiente sistema de ecuaciones lineales: Realmente quien determina la naturaleza y las soluciones del sistema, no son las incógnitas: x, y,
Más detallesTema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES
Tema 1 CÁLCULO MATRICIAL y ECUACIONES LINEALES Prof. Rafael López Camino Universidad de Granada 1 Matrices Definición 1.1 Una matriz (real) de n filas y m columnas es una expresión de la forma a 11...
Más detallesResolución numérica de sistemas de ecuaciones lineales
Resolución numérica de sistemas de ecuaciones lineales María González Taboada Departamento de Matemáticas Febrero de 2008 Esquema: 1 Descripción del problema 2 Algunas definiciones y propiedades 3 Condicionamiento
Más detallesTema 4: Sistemas de ecuaciones lineales.
Tema 4: Sistemas de ecuaciones lineales 1 Rango de una matriz Definición Sea A Mat n m (K) Se llama rango de filas de A, y se denota por rg f (A) la dimensión del subespacio vectorial generado por las
Más detallesPara resolver un sistema lineal estan permitidas tres operaciones en las ecuaciones.
Para resolver un sistema lineal estan permitidas tres operaciones en las ecuaciones. 1. La ecuación E i puede multiplicarse por cualquier costante diferente de cero y se puede usar la ecuación resultante
Más detallesEjercicio 3 de la Opción A del modelo 1 de 2008.
Ejercicio 3 de la Opción A del modelo 1 de 2008. Dado el sistema de ecuaciones lineales x + λy z = 0 2x + y + λz = 0 x + 5y λz = λ +1 [1 5 puntos] Clasifícalo según los valores del parámetro λ. (b) [1
Más detallesÁlgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 3. Producto interno
Álgebra II (61.08, 81.02) Primer cuatrimestre 2018 Práctica 3. Producto interno Nota: en todos los casos en que no se indique lo contrario, considere el producto interno canónico en K n (K = R o C). 1.
Más detallesProducto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31
Producto Escalar AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31 Objetivos Al finalizar este tema tendrás que: Saber usar el producto escalar. Calcular
Más detalles3.7. Determinantes. Definición. El determinante de una matriz cuadrada es la suma equilibrada de todos esos posibles Definición de determinante.
37 Determinantes 11 Definición de determinante Para calcular el determinante de una matriz cuadrada de orden n tenemos que saber elegir n elementos de la matriz de forma que tomemos solo un elemento de
Más detallesMATEMÁTICAS 2º BACH TECNOL. MATRICES. Profesor: Fernando Ureña Portero MATRICES
CONCEPTO DE MATRIZ Definición: Se denomina matriz A o (a ij ) a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas : Columnas Filas Elemento a ij : Cada uno
Más detallesCAPÍTULO 4 OPERADORES LINEALES EN ESPACIOS CON PRODUCTO INTERNO
CAPÍULO 4 OPERADORES LINEALES EN ESPACIOS CON PRODUCO INERNO Adjunto de un operador En un espacio vectorial V con producto interno, cada operador lineal tiene un operador llamado su adjunto que también
Más detallesPráctica 1: Sistemas de Ecuaciones Lineales - Matrices
ALGEBRA LINEAL Primer Cuatrimestre 2017 Práctica 1: Sistemas de Ecuaciones Lineales - Matrices En todas las prácticas, K es un cuerpo; en general K = Q (los números racionales, R (los números reales o
Más detallesPrimero se triangulariza la matriz: Multiplicando la primera fila por (-1/3) y sumando a la segunda fila: ( ) ( )=( ) ( ) ( )
MAT 115 B EJERCICIOS RESUELTOS Resolver el siguiente sistema de ecuaciones: a) Por el método de eliminación de Gauss La matriz aumentada del sistema es: 3 2 6 1 5 Primero se triangulariza la matriz: Multiplicando
Más detallesRegresión Lineal Múltiple
Unidad 4 Regresión Lineal Múltiple Javier Santibáñez (IIMAS, UNAM) Regresión Semestre 2017-2 1 / 35 Introducción La idea de la regresión lineal múltiple es modelar el valor esperado de la variable respuesta
Más detallesSistemas lineales de ecuaciones
Tema 1 Sistemas lineales de ecuaciones 11 Matrices Una matriz es un conjunto de números colocados en una determinada disposición, ordenados en filas y columnas Las líneas horizontales de una matriz se
Más detallesRESOLUCIÓN DE SISTEMAS LINEALES
Contenido 1 Métodos de Solución Contenido Métodos de Solución 1 Métodos de Solución Desarrollamos el algoritmo de sustitución regresiva, con el que podremos resolver un sistema de ecuaciones lineales cuya
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CSI/ITESM 20 de agosto de 2008 Índice 121 Introducción 1 122 Transpuesta 1 123 Propiedades de la transpuesta 2 124 Matrices
Más detallesCarmen Torres Blanc, Gloria Sánchez Torrubia DMATIC, ETSIInf, U.P.M. Álgebra Lineal. 1 TEMA 1.1: MATRICES Y SISTEMAS DE ECUACIONES LINEALES
Carmen Torres Blanc, Gloria Sánchez Torrubia DMATIC, ETSIInf, UPM Álgebra Lineal TEMA : MATRICES Y SISTEMAS DE ECUACIONES LINEALES Definición de cuerpo conmutativo Definición Un Cuerpo Conmutativo es un
Más detallesMatrices triangulares y descomposición LU
Matrices triangulares y descomposición LU Problemas para examen Si en algún problema se pide calcular el número de flops (operaciones aritméticas con punto flotante), entonces en el examen será suficiente
Más detallesTEMA 1: MATRICES Y DETERMINANTES
TEMA 1: MATRICES Y DETERMINANTES 1 Matrices Definición 11 Una matriz es un arreglo rectangular de números reales de la forma a 11 a 12 a 1m a 21 a 22 a 2m A = a n1 a n2 a nm Las líneas horizontales (verticales)
Más detalles11.SISTEMAS DE ECUACIONES LINEALES DEFINICIÓN DE ECUACIÓN LINEAL DEFINICIÓN DE SISTEMA LINEAL Y CONJUNTO SOLUCIÓN
ÍNDICE 11SISTEMAS DE ECUACIONES LINEALES 219 111 DEFINICIÓN DE ECUACIÓN LINEAL 219 112 DEFINICIÓN DE SISTEMA LINEAL Y CONJUNTO SOLUCIÓN 220 113 EQUIVALENCIA Y COMPATIBILIDAD 220 11 REPRESENTACIÓN MATRICIAL
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 34 Álgebra matricial y vectores aleatorios Una matriz es un arreglo
Más detallesElementos de Cálculo Numérico
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico Primer cuatrimestre 2006 Práctica N 2: Condicionamiento de una matriz. Descomposición
Más detallesProgramación: Sistemas unitriangulares inferiores
Programación: Sistemas unitriangulares inferiores Objetivos. Programar en el lenguaje de MATLAB el método de la sustitución hacia adelante para resolver sistemas de ecuaciones lineales con matrices unitriangulares
Más detallesCapítulo 4. Matrices Definiciones y notación
Capítulo 4 Matrices 4.1. Definiciones y notación Esta primera Sección está dedicada a la introducción de la terminología usual asociada a las matrices. En primer lugar, definimos el propio concepto de
Más detallesSistema de Ecuaciones Lineales - Métodos Iterativos -
Sistema de Ecuaciones Lineales - Métodos Iterativos - Contenido Métodos Iterativos Método de Jacobi Método de Gauss-Seidel Fórmulas Recursivas Métodos Iterativos Los métodos iterativos son aquellos que
Más detalles