El Algoritmo Round-Trip para el Operador de Elasticidad

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

Download "El Algoritmo Round-Trip para el Operador de Elasticidad"

Transcripción

1 El Algoritmo Round-Trip para el Operador de Elasticidad Posgrado en Ciencia e Ingeniería de la Computación. Unión Geofísica Mexicana, Octubre 2008.

2 Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son

3 Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son Los métodos de Schwarz

4 Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son Los métodos de Schwarz FETI

5 Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son Los métodos de Schwarz FETI Libres de Multiplicadores de Lagrange

6 Descomposición de Dominio

7 Descomposición de Dominio Lu = f en Ω (1) u = g en Ω (2) Sea u 0 una función inicial definida en Ω y que se anula en Ω y establecemos que û 0 := u 0. Para k 0 definimos dos secuencias i \Ω i û k+1 y û k+1 y resolvemos respectivamente 1 2 junto con Lu n 1 = f en Ω 1 (3) u n 1 = g en Ω 1 \ Γ 1 (4) u n 1 = un 1 2\Γ 1 en Γ 1 (5) Lu n 2 = f en Ω 2 (6) u n 2 = g en Ω 2 \ Γ 2 (7) u n 2 = un 1\Γ 2 en Γ 2 (8)

8 Complemento de Schur Dado que la matriz A se obtiene de un método de discretización podemos descomponer dicha matriz en bloques donde se identifiquen los subdominios y los nodos que estan involucrados. de esta manera el sistema de ecuaciones queda representado como A 1 ΠΠ A 2 ΠΠ A 1 Π A 2 Π..... A n ΠΠ A 1 Π A2 Π... A u Π u = f Π f

9 Complemento de Schur El sistema anterior se puede resolver obteniendo el complemento de Schur de forma tal que (A n i=1 Donde identificamos A (i) Π A(i) 1 ΠΠ A(i) Π )u = f S = (A como el complemento de Schur. n i=1 n i=1 A (i) Π A(i) 1 ΠΠ A(i) Π ) A (i) Π A(i) ΠΠ f (i) (9) Π

10 Operador de Elasticidad Sea el operador diferencial de elasticidad Dado el operador diferencial L u = f Ω (10) con condiciones L u = (λ + µ) ( u) µ u (11) u u en Ω (12)

11 FEM aplicado a la ecuación de Elasticidad Si w es una función en Ω tal que w existe, entonces wl u = (λ + µ)(w ( u)) µw u (13) Desarrollando e integrando por partes {(λ + µ)( w)( u) + µ w : u}dx = Ω w f Ω dx (14) Ω

12 Espacios Dual-Primal De manera análoga al procedimiento de incluir una frontera interior, en este desarrollo además de considerar la diferencia entre los nodos interiores y los que estan en Γ, vamos a partir los nodos que estan en esta última frontera. Cada partición esta identificada como Z i. Generamos un conjunto Ω el cual contendrá a todos los nodos(grados de libertad) una vez hecha la partición P = Z 1, Z 2,, Z n (15) Así Z i Ω y denominamos como Z al conjunto total después de dividir. Ω = Zi PZ i Distinguimos a los nodos como duales, aquellos que se dividen, y como primales aquellos que no se dividen. De manera concreta, los primales tienen cardinalidad uno y los duales cardinalidad mayor a uno.

13 Descomposición de Dominio

14 Proyecciones Definimos a : D( Ω) D( Ω) (16) a es la proyección en D( Ω) Dado u D( Ω) su proyección au D( Ω) es tal que u v = (au) v (17) Definimos j : D( Ω) D( Ω) (18) donde u = au + ju por lo que a + j = I (19) j es el complemento ortogonal del espacio de las continuas denotado como D( Ω).

15 Fórmulas Green-Herrera para Matrices Introducimos la siguiente igualdad A = L + R tal que Aplicando (19) L = [ ] [ ] AΠΠ A Π 0 0 R = 0 0 A Π A (20) R = ar + jr (21) podemos decir que L + ar + jr = L T + R T a + R T j (22) asumiendo que son simétricos. Así reordenando L + ar R T j = L T + R T a jr (23) tendrá una equivalencia con la formulación introducida por Herrera para EDP.

16 Fórmulas Green-Herrera para Matrices Ahora introducimos una formulación del problema usando el enfoque anterior, Encontrar una u D( Ω) que satisfaga Si utilizamos funciones armónicas, es decir (L + ar R T j)u = f (24) Lu = 0 La formulación (24) puede ser reescrita como (ar R T j)u = f 2 (25)

17 Algoritmos Round-Trip Algoritmo Neumann-Neumann Encontrar una u D 12 ( ) tal que as 1 asu = as 1 f 1 (26) Algoritmo FETI precondicionado Encontrar una u D 22 ( ) tal que S 1 jsju FT = S 1 jsjs 1 f 1 (27)

18 El caso del Laplaciano Dominios Flotantes Revisamos la forma de proceder en caso de que la matriz A no sea positiva definida y en consecuencia el complemento de Schur,S, tampoco lo sea. Un subdominio sin las condiciones de frontera suficientes para prevenir que S i sea singular es llamado un subdominio flotante. Para solucionar esta situación se propone la matriz con columnas linealmente independientes I C que genera el nulo de S denotado S como N S.

19 Problemas mal planteados Mientras que el espacio nulo de un problema elíptico escalar consiste de constantes, para el problema de elasticidad se tiene un espacio nulo de seis dimensiones conformado los modos rígidos de un cuerpo. El espacio de los modos rígidos de un cuerpo esta generado por tres traslaciones y tres rotaciones r 1 = 0 ; r 2 = 1 ; r 3 = x 3 x 2 r 4 = x 3 ; r 5 = 0 ; r 6 = x 1 x 2 x 1 0

20 Problemas mal planteados Los modos rígidos de un cuerpo son funciones lineales y estan contenidas en el espacio polinomial. Una consecuencia de lo anterior es que el espacio nulo de la matriz A (i) de cualquier subdominio flotante Ω i es el mismo. De manera similar, dado que los modos rígidos de un cuerpo no tienen energía elástica, el complemento de Schur S de cualquier subdominio tiene el mismo espacio nulo. Así, para construir un algoritmo de Descomposición de Dominio debemos incluir completamente el espacio nulo del operador.

21 El caso no positivo definido Operador Positivo Definido D w 11 jn S (28) Definimos los operadores I = a w + j w (29) Construimos la matriz M = S + j w (30)

22 El caso no positivo definido La inversa de M Para cualquier u N S definimos a k w como la inversa de I C, esto es S que satisface I C S k w u = u (31) Mientras que para cualquier u D( ) este operador k w se define k w u k w I C S u (32) El operador k w esta definido de manera única cuando se aplica en el espacio N S ya que I C S u N S

23 El caso no positivo definido Para u D( ) se tiene que I C k w u = I C u (33) S S Si asumimos que v = M 1 u. Entonces Sv + j w v = u (34) Si aplicamos I C S a la ecuación (34) obtenemos I C S Sv + jw v = I C S u = IC S k w u (35)

24 El caso no positivo definido Dado que j w v D w 11 ( ) y k w v D w ( ) deducimos que 11 j w v = k w u (36) Si consideramos que el operador I C es uno a uno y sustituyendo en S (34) tenemos Sv + k w u = u (37) La aplicación de I R genera S Sv = I R (u k w u) (38) S Lo anterior es equivalente a (S + I C )v = S IR(u k w u) (39) S

25 Conclusiones El enfoque de un método de descomposición de dominio libre de multiplicadores de Lagrange disminuye el número de grados de libertad. Para elasticidad esto es significativo dado que las funciones son valuadas vectorialmente. El precondicionamiento de las matrices es más sencillo. Además de que con esta formulación se pueden obtener métodos equivalentes a los más representativos de la literatura actual.

26 Fin de la presentación Muchas Gracias

MÉTODOS NUMÉRICOS DE LA

MÉTODOS NUMÉRICOS DE LA SEMINARIOS DE MODELACIÓN COMPUTACIONAL MÉTODOS NUMÉRICOS DE LA MODELACIÓN COMPUTACIONAL MARTÍN N DÍAZD, IGEOF-UNAM, MEXICO 1 Contenido Etapas de la Modelación Computacional Métodos Numéricos Método de

Más detalles

Tema 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. 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 detalles

Métodos de elemento finito Formulación n de elemento finito en 2 dimensiones

Métodos de elemento finito Formulación n de elemento finito en 2 dimensiones Métodos de elemento finito 7.4.. Método de Galerkin 7.4.. Formulación n de elemento finito en dimensiones Los métodos m de elemento finito (MEF) son una estrategia numérica alternativa muy popular para

Más detalles

PROBLEMAS COMPUTACIONALES DE MECÁNICA DE FLUIDOS EN GEOMETRÍAS COMPLEJAS

PROBLEMAS COMPUTACIONALES DE MECÁNICA DE FLUIDOS EN GEOMETRÍAS COMPLEJAS PROBLEMAS COMPUTACIONALES DE MECÁNICA DE FLUIDOS EN GEOMETRÍAS COMPLEJAS Modelización del problema fluido. Problemas físicos: Cálculo estacionario de fuerzas en una aeronave. Cálculos no estacionarios:

Más detalles

Producto 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 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 detalles

Formulación de Galerkin El método de los elementos finitos

Formulación de Galerkin El método de los elementos finitos Clase No. 28: MAT 251 Formulación de Galerkin El método de los elementos finitos Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/

Más detalles

Capítulo VI. Diferenciabilidad de funciones de varias variables

Capítulo VI. Diferenciabilidad de funciones de varias variables Capítulo VI Diferenciabilidad de funciones de varias variables La definición de diferenciabilidad para funciones el cociente no tiene sentido, puesto que no está definido, porque el cociente entre el vector

Más detalles

FEM para Mecánica 3D. Miguel Ángel Otaduy. Animación Avanzada 7 de Marzo de 2014

FEM para Mecánica 3D. Miguel Ángel Otaduy. Animación Avanzada 7 de Marzo de 2014 FEM para Mecánica 3D Miguel Ángel Otaduy Animación Avanzada 7 de Marzo de 2014 Índice Repaso Hoy Funciones de forma Formulación fuerte formulación débil Matriz de rigidez Ec. de elasticidad en 3D Deformación

Más detalles

Métodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012

Métodos 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 detalles

Jorge Hans Alayo Gamarra 15 de abril de Definición del problema: Determinación de precio de la reserva en un mercado eléctrico centralizado

Jorge Hans Alayo Gamarra 15 de abril de Definición del problema: Determinación de precio de la reserva en un mercado eléctrico centralizado Imlementación de un algoritmo de punto interior para problemas de programación lineal: aplicación a la determinación del precio de la reserva de electricidad Jorge Hans Alayo Gamarra 15 de abril de 2012

Más detalles

Profesor Francisco R. Villatoro 13 de Diciembre de 1999 SOLUCIONES. 1. Una matriz A de n n es diagonalmente dominante (estrictamente) por filas si

Profesor Francisco R. Villatoro 13 de Diciembre de 1999 SOLUCIONES. 1. Una matriz A de n n es diagonalmente dominante (estrictamente) por filas si Cuarta relación de problemas Técnicas Numéricas Profesor Francisco R. Villatoro 13 de Diciembre de 1999 SOLUCIONES 1. Una matriz A de n n es diagonalmente dominante estrictamente por filas si a ii > a

Más detalles

Proyección ortogonal sobre un vector normalizado (ejercicios teóricos simples)

Proyección ortogonal sobre un vector normalizado (ejercicios teóricos simples) Proyección ortogonal sobre un vector normalizado (ejercicios teóricos simples) Objetivos Deducir fórmulas para la proyección ortogonal de un vector sobre el subespacio generado por un vector normalizado;

Más detalles

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1 Espacios Vectoriales 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Espacios Vectoriales... 4 1.1 Definición de espacio vectorial... 4 1.2 Definición de subespacio vectorial...

Más detalles

1.3.1 Fundamentos de cálculo vectorial

1.3.1 Fundamentos de cálculo vectorial 131 Fundamentos de cálculo vectorial 1 Función escalar Una función se define como una representación escalar que está dada en términos de un vector Un ejemplo analítico puede darse por la función f(x)

Más detalles

Teorema fundamental del cálculo vectorial (a.k.a. Teorema de Helmholtz)

Teorema fundamental del cálculo vectorial (a.k.a. Teorema de Helmholtz) Teorema fundamental del cálculo vectorial (a.k.a. Teorema de Helmholtz) Brevísima y sesgada introducción para Física 3 Ariel Chernomoretz October 9, 207 El teorema de Helmholtz El siguiente teorema se

Más detalles

Introducción al Método de los Elementos Finitos

Introducción al Método de los Elementos Finitos 1 S 4 v 2 v 1 5 2 de los Elementos Finitos Parte 9 de los Elementos de Borde Alberto Cardona, Víctor Fachinotti Cimec-Intec (UNL/Conicet), Santa Fe, Argentina Método de Elementos de Borde (MEB) Sea el

Más detalles

Resolución numérica de sistemas de ecuaciones. Introducción

Resolución 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 detalles

Diseño óptimo de estructuras. p. 1/30. mecánicas bajo incertidumbre en las cargas

Diseño óptimo de estructuras. p. 1/30. mecánicas bajo incertidumbre en las cargas Diseño óptimo de estructuras mecánicas bajo incertidumbre en las cargas Felipe Alvarez y Miguel Carrasco II Encuentro Núcleo Científico Milenio Sistemas Complejos de Ingeniería Universidad de Chile 15-16

Más detalles

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

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:

Más detalles

Gustavo Rodríguez Gómez. Agosto Dicembre 2011

Gustavo Rodríguez Gómez. Agosto Dicembre 2011 Computación Científica Gustavo Rodríguez Gómez INAOE Agosto Dicembre 2011 1 / 46 Capítulo II 2 / 46 1 Introducción Métodos Directos Sistemas Triangulares Sustitución Hacia Atrás Invertibilidad de una Matriz

Más detalles

Resolución de la ecuación de Ondas en 2-D y 3-D utilizando diferencias finitas generalizadas. Consistencia y Estabilidad.

Resolución de la ecuación de Ondas en 2-D y 3-D utilizando diferencias finitas generalizadas. Consistencia y Estabilidad. XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 1-5 septiembre 009 (pp. 1 8) Resolución de la ecuación de Ondas en -D y 3-D utilizando diferencias

Más detalles

Elasticidad Ecuaciones constitutivas

Elasticidad Ecuaciones constitutivas Elasticidad Ecuaciones constitutivas Recordemos el Tensor de Esfuerzos Ahora pensemos qué pasa cuando aplicamos una fuerza a un cuerpo, es posible que éste se deforme (cambie de forma) Cambio en el desplazamiento

Más detalles

Matrices, determinantes y sistemas de ecuaciones lineales

Matrices, 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 detalles

MÉTODO DE DIFERENCIAS FINITAS (FDM)

MÉTODO DE DIFERENCIAS FINITAS (FDM) MÉTODO DE DIFERENCIAS FINITAS (FDM) MÉTODO DE DIFERENCIAS FINITAS (FDM) Cambia ecuaciones diferenciales ecuaciones en diferencias finitas a Relaciona el valor de la variable dependiente en un punto a valores

Más detalles

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones

Más detalles

Subespacios de espacios vectoriales

Subespacios de espacios vectoriales Subespacios de espacios vectoriales Objetivos. Estudiar la definición, el criterio y algunos ejemplos de subespacios vectoriales. Muchos espacios vectoriales importantes (por ejemplo, espacio de soluciones

Más detalles

Clasificación de Ecuaciones Diferenciales Parciales

Clasificación de Ecuaciones Diferenciales Parciales Clasificación de Ecuaciones Diferenciales Parciales Yarko Niño C. y Paulo Herrera R. Departamento de Ingeniería Civil, Universidad de Chile Semestre Primavera 2011 Calendario Cátedras sólo los miércoles.

Más detalles

Espacios vectoriales con producto interno

Espacios vectoriales con producto interno Espacios vectoriales con producto interno Problemas teóricos En todos los problemas relacionados con el caso complejo se supone que el producto interno es lineal con respecto al segundo argumento. Definición

Más detalles

[25] EJERCICIO 1. Se considera el problema isoperimétrico consistente en calcular el mínimo relativo de

[25] EJERCICIO 1. Se considera el problema isoperimétrico consistente en calcular el mínimo relativo de UNIVERSIDAD DE GRANADA Modelos Matemáticos II. 3 de mayo de 3 [5] EJERCICIO. Se considera el problema isoperimétrico consistente en calcular el mínimo relativo de F[y] = y x) + yx) ) dx { en D = y C [,

Más detalles

A d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta.

A d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta. Universidad de Oviedo Ejercicio.5 puntos Se consideran las aplicaciones lineales T : R [x] R y T : R R [x] de las que se conoce la matriz A asociada a T en las bases canónicas de R [x] y R y la matriz

Más detalles

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales.

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales. Capítulo V Valores y vectores propios. Diagonalización de operadores lineales. Hemos visto que la aplicaciones lineales de en están definidas a través de una expresión de la forma ; pero esta fórmula puede

Más detalles

Matrices y Sistemas de Ecuaciones lineales

Matrices 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 detalles

Introducción al Método de los Elementos Finitos

Introducción al Método de los Elementos Finitos S 4 v v 5 Introducción al Método de los Elementos Finitos Parte Formulación abstracta del MEF para problemas elípticos Alberto Cardona, íctor Facinotti Cimec-Intec (UNL/Conicet), Santa Fe, Argentina Espacios

Más detalles

Interpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35

Interpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35 Interpolación Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35 Contenidos 1 Introducción 2 Interpolación de Taylor Cálculo del polinomio

Más detalles

Curso de Elemento Finito con el software ALGOR

Curso de Elemento Finito con el software ALGOR Curso de Elemento Finito con el software ALGOR Facultad de Ingeniería, UNAM www.algor.com M. en I. Alejandro Farah Instituto de Astronomía, UNAM www.astroscu.unam.mx/~farah Contenido general: - La teoría

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 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 detalles

Multiplicación de matrices simétricas

Multiplicación de matrices simétricas Multiplicación de matrices simétricas La traspuesta de una matriz A n n es definida como una matriz A T n n tal que A T [i, j] =A[j, i] paracadai, j 2{1,...,n} Además, una matriz A es simétrica si A =

Más detalles

PAU Madrid. Matemáticas II. Año Examen de septiembre. Opción A. Ejercicio 1. Valor: 2 puntos.

PAU Madrid. Matemáticas II. Año Examen de septiembre. Opción A. Ejercicio 1. Valor: 2 puntos. Opción A. Ejercicio. Valor: 2 puntos. Se considera la función real de variable real definida por: f(x) = a) ( punto) Determinar sus máximos y mínimos relativos x x 2 + b) ( punto) Calcular el valor de

Más detalles

Examen de Investigación Operativa (Plan 96) Febrero de er Parcial

Examen de Investigación Operativa (Plan 96) Febrero de er Parcial Examen de Investigación Operativa (Plan 96) Febrero de 2010 1 er Parcial Solución del Ejercicio 1. Definimos las variables de decisión ½ 1, si se coloca una cámara en el punto de localización i x i = 0,

Más detalles

Las matrices se denotarán usualmente por letras mayúsculas, A, B,..., y los elementos de las mismas por minúsculas, a, b,...

Las matrices se denotarán usualmente por letras mayúsculas, A, B,..., y los elementos de las mismas por minúsculas, a, b,... INTRO. MATRICES Y DETERMINANTES Prof. Gustavo Sosa Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas

Más detalles

TEMA 4 SISTEMAS DE 2 GRADOS DE LIBERTAD. Sistemas de 2 Grados de Libertad

TEMA 4 SISTEMAS DE 2 GRADOS DE LIBERTAD. Sistemas de 2 Grados de Libertad TEMA 4 SISTEMAS DE GRADOS DE LIBERTAD Sistemas de Grados de Libertad ELEMENTOS DE MÁQUINAS Y VIBRACIONES - 4. - TEMA 4 SISTEMAS DE GRADOS DE LIBERTAD ELEMENTOS DE MÁQUINAS Y VIBRACIONES - 4. - TEMA 4 SISTEMAS

Más detalles

Factorización de rango completo y aplicaciones

Factorización de rango completo y aplicaciones XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de rango completo y aplicaciones R. Cantó 1, B. Ricarte

Más detalles

ÁLGEBRA Algunas soluciones a la Práctica 4

ÁLGEBRA Algunas soluciones a la Práctica 4 ÁLGEBRA Algunas soluciones a la Práctica 4 Equivalencia de matrices. Sistemas de ecuaciones Curso 28 29 2. Existen dos matrices de igual dimensión que tengan el mismo rango pero no sean ni equivalentes

Más detalles

Resolución de Sistema de Ecuaciones Lineales

Resolución de Sistema de Ecuaciones Lineales Resolución de Sistema de Ecuaciones Lineales Hermes Pantoja Carhuavilca Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria Métodos Numérico Hermes Pantoja Carhuavilca 1 de 29 CONTENIDO

Más detalles

Volúmenes Finitos. Yarko Niño C. y Paulo Herrera R. Departamento de Ingeniería Civil, Universidad de Chile. Semestre Primavera 2011

Volúmenes Finitos. Yarko Niño C. y Paulo Herrera R. Departamento de Ingeniería Civil, Universidad de Chile. Semestre Primavera 2011 MODELACION NUMERICA CON APLICACIONES EN INGENIERIA HIDRAULICA Y AMBIENTAL.. Volúmenes Finitos Yarko Niño C. y Paulo Herrera R. Departamento de Ingeniería Civil, Universidad de Chile Semestre Primavera

Más detalles

2.1 Descripción en espacio de estado de sistemas dinámicos

2.1 Descripción en espacio de estado de sistemas dinámicos 2 Análisis de sistemas lineales 2.1 Descripción en espacio de estado de sistemas dinámicos El objetivo de este capítulo es formular una teoría general de describir los sistemas dinámicos en funcion de

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 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 detalles

ELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano

ELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano ELEMENTOS DE GEOMETRÍA Eduardo P. Serrano Este Apunte de Clase está dirigido a los alumnos de la materia Elementos de Cálculo Numérico para Biólogos. Tiene por objeto exponer algunos conceptos básicos

Más detalles

Optimización de Problemas no lineales.

Optimización de Problemas no lineales. Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Industrial IN34A: Clase Auxiliar Optimización de Problemas no lineales. Marcel Goic F. Esta es una versión bastante

Más detalles

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices Matrices Una matriz de orden m n es un conjunto ordenado de m n números reales dispuestos en m filas y n columnas de la forma: A = a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n a i1 a i2 a ij a in a m1 a m2

Más detalles

APÉNDICE A. Algebra matricial

APÉNDICE 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 detalles

Álgebra lineal Prof: Leonid Fridman

Álgebra lineal Prof: Leonid Fridman Álgebra lineal Prof: Leonid Fridman Vectores y subespacios lineales Vector: Un vector en Rn es una n-tupla de números reales Espacio lineal: Un conjunto no vacío L de elementos x, y, z, que satisface las

Más detalles

dx = x El tensor x/ X se denomina tensor gradiente de la deformación F = x

dx = x El tensor x/ X se denomina tensor gradiente de la deformación F = x Capítulo 2 Cinemática El desarrollo de las expresiones contenidas en este capítulo se lleva a cabo en un sistema de referencia general cartesiano {I 1 I 2 I 3 }. La notación es, con algunas diferencias,

Más detalles

Elementos de Cálculo Numérico

Elementos 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 detalles

CÁLCULO Primer curso de Ingeniero de Telecomunicación Segundo Examen Parcial. 11 de Junio de 2003

CÁLCULO Primer curso de Ingeniero de Telecomunicación Segundo Examen Parcial. 11 de Junio de 2003 CÁLCULO Primer curso de Ingeniero de Telecomunicación Segundo Examen Parcial. 11 de Junio de Ejercicio 1. Calcular el volumen del elipsoide x a + y b + z c 1. Probar que el elipsoide de volumen máximo,

Más detalles

CURSO DE POSTGRADO. Matemáticas I. N o m b r e C u r s o. Rodrigo Assar (ICBM) ICBM, Facultad de Medicina, U-Chile U N I D A D A C A D É M I C A

CURSO DE POSTGRADO. Matemáticas I. N o m b r e C u r s o. Rodrigo Assar (ICBM) ICBM, Facultad de Medicina, U-Chile U N I D A D A C A D É M I C A UNIVERSIDAD DE CHILE FACULTAD DE MEDICINA ESCUELA DE POSTGRADO CURSO DE POSTGRADO Matemáticas I N o m b r e C u r s o SEMESTRE 1º AÑO 2014 PROF. ENCARGADO Rodrigo Assar (ICBM) N o m b r e C o m p l e t

Más detalles

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2. Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané

Más detalles

Parte 3. Vectores y valores propios

Parte 3. Vectores y valores propios Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2006-2007 Valores y vectores propios Valor propio Se dice que el número

Más detalles

Ejercicio 1 Sea el circuito de la siguiente figura: a) Calcula la resistencia equivalente del circuito.

Ejercicio 1 Sea el circuito de la siguiente figura: a) Calcula la resistencia equivalente del circuito. Ejercicio Sea el circuito de la siguiente figura: a) Calcula la resistencia equivalente del circuito. b) Calcula la intensidad de la corriente que atraviesa el circuito. c) Calcula la diferencia de potencial

Más detalles

Descomposición en valores singulares de una matriz

Descomposición 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 detalles

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t). Universidade de Vigo Departamento de Matemática Aplicada II E.T.S.I. Minas Álgebra Convocatoria de enero de 20 de enero de 20 (2.5 p.) ) Se considera la aplicación lineal f : R 4 R definida por: f(x y

Más detalles

Teoria de Semigrupos y su estabilidad. Jaime E. Muñoz Rivera LNCC IM-UFRJ

Teoria de Semigrupos y su estabilidad. Jaime E. Muñoz Rivera LNCC IM-UFRJ Teoria de Semigrupos y su estabilidad Jaime E. Muñoz Rivera LNCC IM-UFRJ La ecuación de primera orden Cuando A es un número real la solución es dada por : Para sistemas de ecuaciones diferenciales introducimos:

Más detalles

Resolución de la ecuación de Difusión en 2-D y 3-D utilizando diferencias finitas generalizadas. Consistencia y Estabilidad.

Resolución de la ecuación de Difusión en 2-D y 3-D utilizando diferencias finitas generalizadas. Consistencia y Estabilidad. XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 1-5 septiembre 009 (pp. 1 8) Resolución de la ecuación de Difusión en -D y 3-D utilizando diferencias

Más detalles

Métodos en diferencias para problemas de contorno

Métodos en diferencias para problemas de contorno Métodos numéricos de resolución de ecs. en derivadas parciales Curso 2006-07. Prácticas 1 y 2 Métodos en diferencias para problemas de contorno 1 Resultados sobre existencia de solución de un problema

Más detalles

Ecuaciones lineales de orden superior

Ecuaciones lineales de orden superior ANEXO GUIA 5 Ecuaciones lineales de orden superior Las ideas presentadas para ecuaciones lineales de segundo orden se pueden generalizar a ecuaciones lineales de orden n d n x n + a n 1(t) dn 1 x n 1 +

Más detalles

Valores y Vectores Propios

Valores 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 detalles

Capítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular.

Capítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular. Capítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular. 3.1. Introducción El Método de los Elementos de Contorno (MEC) se ha implantado firmemente en numerosos campos de la ingeniería

Más detalles

Tema 11.- Autovalores y Autovectores.

Tema 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 detalles

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes

Tema 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 detalles

Definición 13.1 Definimos el conjunto de los polinomios de Laguerre {L n (t)} n N 0 mediante una cualquiera de las siguientes ecuaciones:

Definición 13.1 Definimos el conjunto de los polinomios de Laguerre {L n (t)} n N 0 mediante una cualquiera de las siguientes ecuaciones: Capítulo 13 Polinomios de Laguerre 13.1 Definición Definición 13.1 Definimos el conjunto de los polinomios de Laguerre {} n N mediante una cualquiera de las siguientes ecuaciones: = e t dn ( t n e t) =

Más detalles

Interp r o p la l c a ió i n seccio i nal a l (S ( pl p i l n i e) Val a o l re r s pr p e r scri r t i os N (x)

Interp r o p la l c a ió i n seccio i nal a l (S ( pl p i l n i e) Val a o l re r s pr p e r scri r t i os N (x) Introducción al método de los elementos finitos Métodos Numéricos 2 Laboratori de Càlcul Numèric (LaCàN) Dep. de Matemàtica Aplicada III Universitat Politècnica de Catalunya www-lacan.upc.es Ventajas del

Más detalles

Cálculo numérico. Sistemas de ecuaciones lineales.

Cálculo 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 detalles

MATEMÁTICAS II. Práctica 3: Ecuaciones diferenciales de orden superior

MATEMÁTICAS II. Práctica 3: Ecuaciones diferenciales de orden superior MATEMÁTICAS II Práctica 3: Ecuaciones diferenciales de orden superior DEPARTAMENTO DE MATEMÁTICA APLICADA ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA DEL DISEÑO UNIVERSIDAD POLITÉCNICA DE VALENCIA 1 En esta

Más detalles

Soluciones de los ejercicios del examen de Análisis Matemático Primer curso de Ingeniería Informática - Febrero de 2005

Soluciones de los ejercicios del examen de Análisis Matemático Primer curso de Ingeniería Informática - Febrero de 2005 Soluciones de los ejercicios del examen de Primer curso de Ingeniería Informática - Febrero de 25 Ejercicio. A Dados los puntos A, y 2,2, calcula el camino más corto para ir de A a pasando por un punto

Más detalles

a) Como mucho puede haber 3 vectores linealmente independientes. 1 2 = 3 x = 1, y = 2 3 No tiene solución, luego no se puede.

a) Como mucho puede haber 3 vectores linealmente independientes. 1 2 = 3 x = 1, y = 2 3 No tiene solución, luego no se puede. Ejercicios y problemas propuestos Página Para practicar Dependencia e independencia lineal. Base y coordenadas Dados estos vectores: u(,, ), v (,, ), w (,, ), z (,, ) a) Cuántos de ellos son linealmente

Más detalles

Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS

Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS Grado en Matemáticas Curso 203-204 . Ecuaciones lineales con coeficientes constantes Ecuaciones de primer orden. Encontrar la solución de los siguientes

Más detalles

Clase 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) / 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 detalles

Pruebas de Acceso a enseñanzas universitarias oficiales de grado Castilla y León

Pruebas de Acceso a enseñanzas universitarias oficiales de grado Castilla y León Pruebas de Acceso a enseñanzas universitarias oficiales de grado Castilla y León MATEMÁTICAS II EJERCICIO Nº páginas: INDICACIONES:.- OPTATIVIDAD: El alumno deberá escoger una de las dos opciones, pudiendo

Más detalles

Departamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c

Departamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c Programación lineal (+ extensiones). Objetivos y panorama del curso. Departamento de Matemáticas. ITAM. 2008. Introducción Programación lineal http://allman.rhon.itam.mx/ jmorales La programación lineal

Más detalles

2. Sistemas de ecuaciones lineales

2. Sistemas de ecuaciones lineales 2 Sistemas de ecuaciones lineales 2 Ejercicios resueltos Ejercicio 2 Estudiar el número de condición de Frobenius de la matriz a b A a + ε b Solución: El determinante de A es A ab + ba + ε b ε Si b 0 y

Más detalles

Dualidad. Dpto. Ingeniería Industrial, Universidad de Chile. 22 de abril de IN3701, Optimización

Dualidad. Dpto. Ingeniería Industrial, Universidad de Chile. 22 de abril de IN3701, Optimización Contenidos Motivación y Representación de Poliedros IN3701, Optimización 22 de abril de 2009 Contenidos Motivación y Representación de Poliedros Contenidos 1 Motivación 2 y Representación de Poliedros

Más detalles

FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 8. SISTEMAS DE ECUACIONES LINEALES

FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 8. SISTEMAS DE ECUACIONES LINEALES FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 8. SISTEMAS DE ECUACIONES LINEALES 1.- Discusión de sistemas lineales: Teorema de Rouché-Fröbenius. En este apartado trataremos la discusión

Más detalles

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte I)

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte I) Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte I) Contenido Ecuaciones en derivadas parciales Ecuaciones en derivadas parciales elípticas Ecuación de Laplace Aproximación

Más detalles

TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015

TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015 TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015 1. Asignaciones Eficientes, equilibrios de Walras Una economía de intercambio está constituida por un conjunto de agentes {1, 2,..., I}, con sus relaciones

Más detalles

Multiplicación de Matrices Naïve

Multiplicación de Matrices Naïve Multiplicación de Matrices Naïve Carl C. Cowen IUPUI (Indiana University Purdue University Indianapolis) Universidad de Zaragoza, 6 julio 2009 Los estudiantes de álgebra lineal aprenden, para matrices

Más detalles

Lista de problemas de álgebra, 2016

Lista de problemas de álgebra, 2016 Instituto Politécnico Nacional Escuela Superior de Física y Matemáticas Posgrado en Ciencias Físicomatemáticas Línea de Matemáticas Lista de problemas de álgebra 2016 Egor Maximenko: En mi opinión cualquier

Más detalles

Uso de LS. Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. , con gi en R 3. i S 0 exp bgt i Dg i i

Uso de LS. Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. , con gi en R 3. i S 0 exp bgt i Dg i i Uso de LS MX 2 min S, con gi en R 3 i S 0 exp bgt i Dg i i Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. En cada posición del cerebro tenemos una matriz Tractografía

Más detalles

1 Repaso. Cálculo I. 1 o Matemáticas. Curso 2002/2003. Cálculo de Primitivas. (5x 6) f(x) 1 2 f (x) dx, que es inmediata: + 1 x 1

1 Repaso. Cálculo I. 1 o Matemáticas. Curso 2002/2003. Cálculo de Primitivas. (5x 6) f(x) 1 2 f (x) dx, que es inmediata: + 1 x 1 Cálculo I. o Matemáticas. Curso /. Cálculo de Primitivas Repaso (5 6) d = 5 (5 6) 5 d = 5 (5 6) + C. Nota: Si f() = 5 6 su derivada es 5. En la primera igualdad multiplicamos y dividimos por 5. Así tenemos

Más detalles

Algoritmos de Planos de Corte

Algoritmos de Planos de Corte Algoritmos de Planos de Corte Problema: max {cx / x X} con X = {x / Ax b, x Z n + } Proposición: conv (X) es un poliedro que puede entonces escribirse como conv (X) = {x / Ax b, x 0} Lo mismo ocurre para

Más detalles

Multiplicadores de Lagrange y dualidad

Multiplicadores de Lagrange y dualidad Multiplicadores de Lagrange y dualidad Problemas con solo restricciones de igualdad Sea x* un mínimo local y regular ( : son linealmente independientes), entonces existen tales que: Interpretación y ejemplos.

Más detalles

CAPÍTULO 1. Ecuaciones de Movimiento del Sistema

CAPÍTULO 1. Ecuaciones de Movimiento del Sistema CAPÍTULO 1 Ecuaciones de Movimiento del Sistema El sistema que se construyó y cuyo análisis es del presente capítulo tiene las siguientes constricciones: 1. El carro solo se puede desplazar en la dirección

Más detalles

Matrices y sistemas lineales

Matrices y sistemas lineales Matrices y sistemas lineales Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza Matrices elementales En esta sección vamos a crear funciones en MATLAB que nos permitan construir matrices elementales.

Más detalles

SEL - Métodos Directos

SEL - Métodos Directos Facultad de Ingeniería Mecánica Universidad Nacional de Ingeniería Métodos Numéricos Contenido 1 Métodos Directos Generalidades sobre Métodos Directos Eliminación Gaussiana Pivoteo Factorización LU Generalidades

Más detalles

VALORES Y VECTORES PROPIOS

VALORES Y VECTORES PROPIOS VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax

Más detalles

Conjuntos de Vectores y Matrices Ortogonales

Conjuntos de Vectores y Matrices Ortogonales Conjuntos de Vectores y Matrices Ortogonales Departamento de Matemáticas, CCIR/ITESM 28 de junio de 2011 Índice 21.1.Introducción............................................... 1 21.2.Producto interno............................................

Más detalles

1. ESPACIO EUCLÍDEO. ISOMETRÍAS

1. ESPACIO EUCLÍDEO. ISOMETRÍAS . ESPACIO EUCLÍDEO. ISOMETRÍAS. En el espacio euclídeo usual R 4 se consideran los subespacios vectoriales y W = {(x, y, z, t R 4 : x y =, z + t = } Hallar: W 2 = L{(,, 2, 2, (,,, } a Las ecuaciones de

Más detalles

Clase. 1. Resolución de sistemas de ecuaciones lineales: preliminares

Clase. 1. Resolución de sistemas de ecuaciones lineales: preliminares Clase 1. Resolución de sistemas de ecuaciones lineales: preliminares 2. Método directo y exacto: Gauss 3. Método directo y exacto (II): descomposición LU 4. Métodos indirectos: Jacobi, Gauss-Seidel 2 Sistemas

Más detalles

ÁLGEBRA LINEAL I Práctica 5

ÁLGEBRA LINEAL I Práctica 5 ÁLGEBRA LINEAL I Práctica 5 Espacios vectoriales (Curso 2014 2015) 1. En el espacio vectorial real IR 2 consideramos los siguientes subconjuntos: (a) A = {(x y) IR 2 x 2 + y 2 = 1}. (b) B = {(x y) IR 2

Más detalles

Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker

Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 5 Condiciones de Karush-Kuhn-Tucker (KKT). Problemas

Más detalles

SISTEMAS DE ECUACIONES LINEALES MÉTODO DE LA MATRIZ INVERSA

SISTEMAS DE ECUACIONES LINEALES MÉTODO DE LA MATRIZ INVERSA MÉTODO DE LA MATRIZ INVERSA Índice Presentación... 3 Método de la matriz inversa... 4 Observaciones... 5 Ejemplo I.I... 6 Ejemplo I.II... 7 Ejemplo II... 8 Sistemas compatibles indeterminados... 9 Método

Más detalles