Métodos para matrices especiales. Descomposición de Cholesky
|
|
|
- Claudia García Lucero
- hace 6 años
- Vistas:
Transcripción
1 Métodos para matrices especiales. Descomposición de Cholesky MAT-251 Dr. CIMAT A.C. web: Dr. Joaquín Peña Acevedo CIMAT A.C.
2 Ventajas computacionales de las factorizaciones... en segundos
3 Ventajas computacionales de las factorizaciones... en segundos donde se usan factorizaciones en la vida real?...
4 Ventajas computacionales de las factorizaciones... en segundos donde se usan factorizaciones en la vida real?...
5 Ventajas computacionales de las factorizaciones... en segundos donde se usan factorizaciones en la vida real?... Si hacemos una descomposición ( O(n 3 )), de tal forma que resolvemos el sistema Axi=bi para diferentes vectores bi.
6 Ventajas computacionales de las factorizaciones... en segundos donde se usan factorizaciones en la vida real?... Si hacemos una descomposición ( O(n 3 )), de tal forma que resolvemos el sistema Axi=bi para diferentes vectores bi. Entonces la solución estará dada por el orden O(n 2 ) en lugar de O(n 3 ).
7 Ventajas computacionales de las factorizaciones... en segundos donde se usan factorizaciones en la vida real?... Si hacemos una descomposición ( O(n 3 )), de tal forma que resolvemos el sistema Axi=bi para diferentes vectores bi. Entonces la solución estará dada por el orden O(n 2 ) en lugar de O(n 3 ). Para sistemas de tamaño, digamos de 1000x1000
8 Ventajas computacionales de las factorizaciones... en segundos donde se usan factorizaciones en la vida real?... Si hacemos una descomposición ( O(n 3 )), de tal forma que resolvemos el sistema Axi=bi para diferentes vectores bi. Entonces la solución estará dada por el orden O(n 2 ) en lugar de O(n 3 ). Para sistemas de tamaño, digamos de 1000x = 1,000,000 = * 1,000,000,000 = * 1,000 3
9 Matrices con diagonal estrictamente-dominante 2
10 Matrices con diagonal estrictamente-dominante La definición de una matriz cuadrada estrictamente diagonal-dominante es la siguiente: 2
11 Matrices con diagonal estrictamente-dominante La definición de una matriz cuadrada estrictamente diagonal-dominante es la siguiente: 2
12 Matrices con diagonal estrictamente-dominante La definición de una matriz cuadrada estrictamente diagonal-dominante es la siguiente: 2
13 Matrices con diagonal estrictamente-dominante La definición de una matriz cuadrada estrictamente diagonal-dominante es la siguiente: Nótese que dada una matriz estrictamente diagonal-dominante, su transpuesta no tiene por que serlo. 2
14 Matrices con diagonal estrictamente-dominante La definición de una matriz cuadrada estrictamente diagonal-dominante es la siguiente: Nótese que dada una matriz estrictamente diagonal-dominante, su transpuesta no tiene por que serlo. Una matriz estrictamente diagonal-dominante tiene inversa. Se puede aplicar eliminación Gaussiana sin necesidad de hacer intercambio de renglones, y los cálculos serán estables con respecto a los errores de redondeo. 2
15 Una matriz estrictamente diagonal-dominante tiene inversa, demostración: Prueba por contradicción: consideremos que es singular, entonces consideremos Ax=0, con solución x = (xi) que no es cero. Sea k un índice para el cual 0 < xk = max 1 j n xj.
16 Una matriz estrictamente diagonal-dominante tiene inversa, demostración: Prueba por contradicción: consideremos que es singular, entonces consideremos Ax=0, con solución x = (xi) que no es cero. Sea k un índice para el cual 0 < xk = max 1 j n xj.
17 Una matriz estrictamente diagonal-dominante tiene inversa, demostración: Prueba por contradicción: consideremos que es singular, entonces consideremos Ax=0, con solución x = (xi) que no es cero. Sea k un índice para el cual 0 < xk = max 1 j n xj.
18 Una matriz estrictamente diagonal-dominante tiene inversa, demostración: Prueba por contradicción: consideremos que es singular, entonces consideremos Ax=0, con solución x = (xi) que no es cero. Sea k un índice para el cual 0 < xk = max 1 j n xj.
19 Una matriz estrictamente diagonal-dominante tiene inversa, demostración: Prueba por contradicción: consideremos que es singular, entonces consideremos Ax=0, con solución x = (xi) que no es cero. Sea k un índice para el cual 0 < xk = max 1 j n xj.
20 Matrices definidas positivas Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que x T A x > 0 para todo vector x diferente de 0. Es decir que la matriz de tamaño 1x1 (escalar) resultante de la operación es positiva.
21 Matrices definidas positivas Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que x T A x > 0 para todo vector x diferente de 0. Ejemplo, una matriz positiva:
22 Matrices definidas positivas Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que x T A x > 0 para todo vector x diferente de 0. Ejemplo, una matriz positiva:
23 Matrices definidas positivas Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que x T A x > 0 para todo vector x diferente de 0. Ejemplo, una matriz positiva:
24 Matrices definidas positivas Aquí trabajaremos con aquellas matrices cuadradas y simétricas tales que x T A x > 0 para todo vector x diferente de 0. Ejemplo, una matriz positiva: A esta forma se le llama forma cuadrática asociada a la matriz.
25 Matrices definidas positivas Una matriz no positiva pero que es definida positiva
26 Matrices definidas positivas Una matriz no positiva pero que es definida positiva
27 Matrices definidas positivas Una matriz no positiva pero que es definida positiva La expresión solo puede ser cero cuando todos los xi son cero.
28 Matrices definidas positivas Las matrices positivas definidas aparecen mucho en problemas de CNyE, por ejemplo en las matrices de covarianza.
29 Matrices definida positiva
30 Matrices definida positiva Propiedades de estas matrices:
31 Matrices definida positiva Propiedades de estas matrices: A es no singular.
32 Matrices definida positiva Propiedades de estas matrices: A es no singular. Demostración por contradicción: Suponemos singularidad: Ax=0, para x diferente cero, entonces x T Ax =0, lo cual contradice que A es definida positiva.
33 Matrices definida positiva Propiedades de estas matrices: A es no singular. Demostración por contradicción: Suponemos singularidad: Ax=0, para x diferente cero, entonces x T Ax =0, lo cual contradice que A es definida positiva. aii > 0 para toda i=1,...,n, por lo tanto la traza es postiva.
34 Matrices definida positiva Propiedades de estas matrices: A es no singular. Demostración por contradicción: Suponemos singularidad: Ax=0, para x diferente cero, entonces x T Ax =0, lo cual contradice que A es definida positiva. aii > 0 para toda i=1,...,n, por lo tanto la traza es postiva. Demostración: Para una i cualquiera, definamos x = (xk) por xi = 1 y xj = 0, si j i. Entonces x 0, por lo que 0 < x T Ax = aii.
35 Matrices definida positiva Propiedades de estas matrices: A es no singular. Demostración por contradicción: Suponemos singularidad: Ax=0, para x diferente cero, entonces x T Ax =0, lo cual contradice que A es definida positiva. aii > 0 para toda i=1,...,n, por lo tanto la traza es postiva. Demostración: Para una i cualquiera, definamos x = (xk) por xi = 1 y xj = 0, si j i. Entonces x 0, por lo que 0 < x T Ax = aii. aij 2 < aiiajj para cada i j
36 Matrices definida positiva Propiedades de estas matrices: A es no singular. Demostración por contradicción: Suponemos singularidad: Ax=0, para x diferente cero, entonces x T Ax =0, lo cual contradice que A es definida positiva. aii > 0 para toda i=1,...,n, por lo tanto la traza es postiva. Demostración: Para una i cualquiera, definamos x = (xk) por xi = 1 y xj = 0, si j i. Entonces x 0, por lo que 0 < x T Ax = aii. aij 2 < aiiajj para cada i j Demostración: Tarea.
37 Matrices definida positiva Propiedades de estas matrices (2): Se puede aplicar eliminación Gaussiana si necesidad de intercambio de renglones. Se puede factorizar en la forma L L T, donde L es una matriz triangular inferior con entradas positivas en la diagonal. Se puede factorizar en la forma LDL T, donde L es una matriz triangular inferior con unos en la diagonal y D es una matriz diagonal con entradas positivas.
38 Descomposición (factorización) de Cholesky André-Louis Cholesky (15 de Octubre de de Agosto de 1918). Se factoriza A = L L T, donde L es una matriz triangular inferior con entradas positivas en la diagonal. La descomposición es única,
39 Descomposición (factorización) de Cholesky André-Louis Cholesky (15 de Octubre de de Agosto de 1918). Se factoriza A = L L T, donde L es una matriz triangular inferior con entradas positivas en la diagonal. La descomposición es única,
40 Descomposición (factorización) de Cholesky Algoritmo =... es simétrica...
41 Descomposición (factorización) de Cholesky =... es simétrica...
42 Descomposición (factorización) de Cholesky Es positivo =... es simétrica...
43 Descomposición (factorización) de Cholesky Es positivo =... es simétrica... De tal manera, que procedemos al cálculo columna por columna, y las entradas de L quedan como:
44 Descomposición (factorización) de Cholesky Es positivo =... es simétrica... De tal manera, que procedemos al cálculo columna por columna, y las entradas de L quedan como:
45 Descomposición (factorización) de Cholesky Es positivo =... es simétrica... De tal manera, que procedemos al cálculo columna por columna, y las entradas de L quedan como:
46 Descomposición (factorización) de Cholesky Es positivo =... es simétrica... De tal manera, que procedemos al cálculo columna por columna, y las entradas de L quedan como: para i > j
47 Descomposición (factorización) de Cholesky Es positivo =... es simétrica... De tal manera, que procedemos al cálculo columna por columna, y las entradas de L quedan como: para i > j
48 Una forma alternativa que evita calcular raices cuadradas
49 Una forma alternativa que evita calcular raices cuadradas De tal manera que L es una matriz triangular inferior con unos en la diagonal y D es una matriz diagonal con entradas positivas. multiplicando las matrices tenemos
50 Una forma alternativa que evita calcular raices cuadradas De tal manera que L es una matriz triangular inferior con unos en la diagonal y D es una matriz diagonal con entradas positivas. multiplicando las matrices tenemos... es simétrica...
51 Una forma alternativa que evita calcular raices cuadradas
52 Una forma alternativa que evita calcular raices cuadradas Quedando las entradas definidas como:
53 Una forma alternativa que evita calcular raices cuadradas Quedando las entradas definidas como:
54 Una forma alternativa que evita calcular raices cuadradas Quedando las entradas definidas como: De tal forma que, de nuevo, hacemos el cálculo columna por columna.
55 Relación entre las 2 factorizaciones Las 2 factorizaciones LL T y LDL T (nótese que son diferentes L s) se relacionan así:
56 Relación entre las 2 factorizaciones Las 2 factorizaciones LL T y LDL T (nótese que son diferentes L s) se relacionan así:
57 Solución del SEL dada la factorización LL T
58 Solución del SEL dada la factorización LL T Si tenemos Ax=b entonces usamos LL T x=b, primero hacemos y = L T x y solucionamos Ly=b con sustitución hacia adelante, con: Luego solucionamos para x el sistema L T x = y con sustitución hacia atrás.
59 Solución del SEL dada la factorización LL T Si tenemos Ax=b entonces usamos LL T x=b, primero hacemos y = L T x y solucionamos Ly=b con sustitución hacia adelante, con: Luego solucionamos para x el sistema L T x = y con sustitución hacia atrás.
60 Solución del SEL dada la factorización LDL T
61 Solución del SEL dada la factorización LDL T Si tenemos el sistema A x=b como LDL T x = b haciendo y = DL T x, y resolviendo para y el SEL Ly=b con sustitución hacia adelante.
62 Solución del SEL dada la factorización LDL T Si tenemos el sistema A x=b como LDL T x = b haciendo y = DL T x, y resolviendo para y el SEL Ly=b con sustitución hacia adelante. Luego usamos z = L T x de tal forma que resolvemos para z el SEL Dz=y. Pero D es diagonal, por lo que esto es muy fácil:
63 Solución del SEL dada la factorización LDL T Si tenemos el sistema A x=b como LDL T x = b haciendo y = DL T x, y resolviendo para y el SEL Ly=b con sustitución hacia adelante. Luego usamos z = L T x de tal forma que resolvemos para z el SEL Dz=y. Pero D es diagonal, por lo que esto es muy fácil:
64 Solución del SEL dada la factorización LDL T Si tenemos el sistema A x=b como LDL T x = b haciendo y = DL T x, y resolviendo para y el SEL Ly=b con sustitución hacia adelante. Luego usamos z = L T x de tal forma que resolvemos para z el SEL Dz=y. Pero D es diagonal, por lo que esto es muy fácil: Finalmente resolvemos L T x = z para x con sustitución hacia atrás y TERMINAMOS.
65 Solución del SEL dada la factorización LDL T Si tenemos el sistema A x=b como LDL T x = b haciendo y = DL T x, y resolviendo para y el SEL Ly=b con sustitución hacia adelante. Luego usamos z = L T x de tal forma que resolvemos para z el SEL Dz=y. Pero D es diagonal, por lo que esto es muy fácil: Finalmente resolvemos L T x = z para x con sustitución hacia atrás y TERMINAMOS.
Métodos 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
MAT web:
Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
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
TEMA 4: Sistemas de ecuaciones lineales II
TEM 4: Sistemas de ecuaciones lineales II ) Teorema de Rouché-Frobenius. ) Sistemas de Cramer: regla de Cramer. 3) Sistemas homogeneos. 4) Eliminación de parámetros. 5) Métodos de factorización. 5) Métodos
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
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
TAREA 1 ALGEBRA ING. AMBIENTAL UNIVERSIDAD DE CÒRDOBA Vanessa Aldana, Cristian Gonzales, María De La Ossa
TAREA 1 ALGEBRA ING. AMBIENTAL UNIVERSIDAD DE CÒRDOBA Vanessa Aldana, Cristian Gonzales, María De La Ossa EJERCICIO 1 Para una matriz A nxn. En qué consiste la factorización o descomposición LU? Explique
Para 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
Universidad Nacional de Ingeniería Facultad de Ciencias. Física Computacional CC063. Algebra Lineal. Prof: J. Solano 2012-I
Universidad Nacional de Ingeniería Facultad de Ciencias Física Computacional CC063 Algebra Lineal Prof: J. Solano 2012-I Introduccion Aqui trabjaremos con operaciones basicas con matrices, tales como solucion
Cálculo Numérico - CO3211. Ejercicios. d ) Sabiendo que la inversa de la matriz A = es A c d
Cálculo Numérico - CO32 Ejercicios Decida cuáles de las siguientes proposiciones son verdaderas y cuáles son falsas Si una proposición es verdadera, demuéstrela, y si es falsa dé un contraejemplo: a Sea
Procedimiento para encontrar la inversa de una matriz cuadrada (Método de Gauss-Jordan).
Ejemplo 19: Demuestre que la matriz A es invertible y escríbala como un producto de matrices elementales. Solución: Para resolver el problema, se reduce A a I y se registran las operaciones elementales
Una matriz es un arreglo rectangular de elementos. Por ejemplo:
1 MATRICES CONCEPTOS BÁSICOS Definición: Matriz Una matriz es un arreglo rectangular de elementos. Por ejemplo: es una matriz de 3 x 2 (que se lee 3 por 2 ) pues es un arreglo rectangular de números con
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
Métodos 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
I. Métodos directos para resolución de SEL. Se dice que una matriz A admite una factorización LU indirecta A = LU
I. Métodos directos para resolución de SEL 1. Factorización LU Se dice que una matriz A admite una factorización LU si dicha matriz puede escribirse como el producto de una matriz triangular inferior,
Instituto 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
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
Edgar Acuña/ ESMA 6665 Lecc1-2 1 ESTADISTICA COMPUTACIONAL. Capítulo I. Matrices y solución de Ecuaciones lineales
Edgar Acuña/ ESMA 6665 Lecc1-2 1 ESTADISTICA COMPUTACIONAL Capítulo I. Matrices y solución de Ecuaciones lineales Referencias: 1. Datta, B. (1995) Numerical Linear Algebra. Brooks Cole 2. Golub, G. and
Matrices 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
Sistemas 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
Departamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011
Factorización LU Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 26.1. Introducción............................................... 1 26.2. Factorización LU............................................
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
Primero 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
Matemática Superior Aplicada Descomposición PLU
Matemática Superior Aplicada Descomposición PLU Prof.: Dr. Alejandro S. M. Santa Cruz J.T.P.: Ing. Juan Ignacio Manassaldi Aux. 1 ra : Ing. Juan Pablo Camponovo Aux. 2 ra : Sr. Alejandro Jesús Ladreyt
Solución de sistemas lineales
Solución de sistemas lineales Felipe Osorio http://www.ies.ucv.cl/fosorio Instituto de Estadística Pontificia Universidad Católica de Valparaíso Marzo 31, 2015 1 / 12 Solución de sistemas lineales El problema
Sistemas 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 =
Integración Numérica. Regla de Simpson.
Integración Numérica. Regla de Simpson. MAT-251 Dr. CIMAT A.C. e-mail: alram@cimat.mx web: http://www.cimat.mx/~alram/met_num/ Dr. Salvador Botello CIMAT A.C. e-mail: botello@cimat.mx Lo que ya se vió
DEFINICIONES 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
Métodos directos de resolución de sistemas lineales
Tema 4 Métodos directos de resolución de sistemas lineales 1 Introducción En este tema se estudian algunos métodos de resolución de sistemas de ecuaciones lineales con el mismo número de ecuaciones que
Factorización 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
MENORES, COFACTORES Y DETERMINANTES
MENORES, COFACTORES Y DETERMINANTES 1. Introducción. 2. Determinante de una matriz de 3 x 3. 3. Menores y cofactores. 4. Determinante de una matriz de n x n. 5. Matriz triangular. 6. Determinante de una
A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), A o
DETERMINANTES A cada matriz n-cuadrada A = (ai j ) se le asigna un escalar particular denominado determinante de A, denotado por det (A), A o Una tabla ordenada n ð n de escalares situada entre dos líneas
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
TALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV
TALLER 1 DE ALGEBRA LINEAL Y GEOMETRÍA INGENIERÍA AMBIENTAL - UNIVERSIDAD DE CÓRDOBA FACTORIZACIÓN LU Y CADENAS DE MARKOV DESCRIPCIÓN: En el siguiente trabajo se mostrarán algunos métodos para encontrar
Matemáticas II. Prácticas: Matrices y Determinantes ; C = 1 3 5
Matemáticas II Prácticas: Matrices y Determinantes. Sean las matrices cuadradas siguientes: 4 5 6 B = 9 8 7 6 5 4 C = 5 7 9 0 7 8 9 Se pide calcular: a A B + C. b A AB + AC. c A B AB + ACB.. Sean las matrices:
Introducción a Matrices y Eliminación Gaussiana
Introducción a Matrices y Eliminación Gaussiana 1 Sistema de Ecuaciones Matricial 2 Definición Una matriz es un arreglo rectangular de valores llamados elementos, organizados por filas y columnas. Ejemplo:
c-inversa o inversa generalizada de Rao
c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A.
Matrices 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
Inversas de las matrices triangulares superiores
Inversas de las matrices triangulares superiores Ejercicios Objetivos. Demostrar que la inversa a una matriz triangular superior también es triangular superior. Requisitos. Algoritmo de inversión de una
Menor, 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,
Sistemas 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
Clase 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
Lección 6 - Ecuaciones cuadráticas
Ecuaciones cuadráticas Objetivos: Al terminar esta lección podrás definir lo que es una ecuación cuadrática y podrás resolver ecuaciones cuadráticas. En la lección previa aprendimos lo que es una ecuación
Cómo resolver? Veremos dos métodos
Cómo resolver? Veremos dos métodos 1 La primera idea que surge es tomar raíz a ambos lados de la desigualdad La idea es buena, pero hay que tener presente las reglas algebraicas Cómo resolver? Se puede
x^new = x^old + K(b new A new x^old )
El Filtro de Kalman: La idea fundamental del filtro de Kalman es la actualización La llegada de una nueva observación supone un cambio en la mejor estimación mínimo cuatrática del parámetro x Se desea
TEMA 7: MATRICES. OPERACIONES.
TEMA 7: MATRICES. OPERACIONES. 1. MATRICES. TIPOS DE MATRICES. Se llama matriz de orden m x n (m filas y n columnas) a un conjunto de m n elementos, distribuidos en m filas y n columnas y encerrados entre
Resolución 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
Método de potencia directo e inverso
Clase No. 12: Método de potencia directo e inverso MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 26.09.2011 1 / 20 Método de la potencia Este método puede encontrar el eigenvalor más grande
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.
Matrices. Álgebra de matrices.
Matrices. Álgebra de matrices. 1. Definiciones generales Definición 1.1 Si m y n son dos números naturales, se llama matriz de números reales de orden m n a una aplicación A : {1, 2, 3,..., m} {1, 2, 3,...,
Tema 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
Métodos Numéricos para Sistemas de Ecuaciones Lineales
Universidad de Chile Departamento de Ingeniería Matemática Cálculo Numérico MA-33A Métodos Numéricos para Sistemas de Ecuaciones Lineales Gonzalo Hernández Oliva GHO SEL - MA33A 1 MN para SEL: Temario
Algoritmo de factorización LU
Algoritmo de factorización LU Objetivos. Estudiar el algoritmo de la factorización LU de una matriz cuadrada invertible. Requisitos. Matrices elementales y su relación con operaciones elementales, matriz
Álgebra 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
de la forma ), i =1,..., m, j =1,..., n, o simplemente por (a i j ).
INTRODUCCIÓN. MATRICES Y DETERMINANTES Las matrices se utilizan en el cálculo numérico, en la resolución de sistemas de ecuaciones lineales, de las ecuaciones diferenciales y de las derivadas parciales.
Ecuaciones cuadráticas Resolver ecuaciones cuadráticas casos especiales
Ecuaciones cuadráticas Resolver ecuaciones cuadráticas casos especiales Departamento de Matemáticas Universidad de Puerto Rico - Arecibo Ecuación cuadrática en forma general Una ecuación cuadrática tiene
Definición: 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.
Matriz A = Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Matriz Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n A = a i1 a ij a in a m1 a
ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; (A ) = A. 2. La inversa de A 1 es A; (A 1 ) 1 = A. 3. (AB) = B A.
ÁLGEBRA MATRICIAL. 1. La traspuesta de A es A; A = A. 2. La inversa de A 1 es A; A 1 1 = A. 3. AB = B A. 4. Las matrices A A y AA son simétricas. 5. AB 1 = B 1 A 1, si A y B son no singulares. 6. Los escalares
Sistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Sistemas Lineales / 8 Contenidos Introducción Métodos directos Gauss Gauss
Es 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
Matrices 3. Matrices. Verónica Briceño V. agosto 2012
3 agosto 2012 En esta Presentación... En esta Presentación veremos: Matriz Inversa En esta Presentación... En esta Presentación veremos: Matriz Inversa Determinante En esta Presentación... En esta Presentación
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............................................
TEMA 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
Figura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
3. SISTEMAS DE ECUACIONES LINEALES
Sistemas de Ecuaciones Lineales 3. SISTEMAS DE ECUACIONES LINEALES SUMARIO: INTRODUCCIÓN OBJETIVOS INTRODUCCIÓN TEÓRICA 1.- Sistemas de Ecuaciones en General. 2.- Sistemas Equivalentes. 3.- Sistemas de
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
I. Operaciones con matrices usando Mathematica
PRÁCTICA 9: RESOLUCIÓN DE SISTEMAS LINEALES II I. Operaciones con matrices usando Mathematica Introducir matrices en Mathematica: listas y escritura de cuadro. Matrices identidad y diagonales. El programa
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
Matriz 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
TEMA 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,
Matemáticas Discretas TC1003
Matemáticas Discretas TC13 Matrices: Conceptos y Operaciones Básicas Departamento de Matemáticas ITESM Matrices: Conceptos y Operaciones Básicas Matemáticas Discretas - p. 1/25 Una matriz A m n es un arreglo
un conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
MATRICES. Capítulo 3. Martínez Héctor Jairo Sanabria Ana María Semestre 02, Introducción Definición y Tipo de Matrices
55 Capítulo 3 MATRICES Martínez Héctor Jairo Sanabria Ana María Semestre 02, 2007 3 Introducción En los capítulos anteriores, utilizando la noción de matriz, simplificamos la representación de problemas
Inversas Generalizadas
Inversas Generalizadas Departamento de Matemáticas, CSI/IESM 5 de abril de 2 Índice.. Inversas generalizadas..........................................2. Uso de la inversa generalizada.....................................
Formulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
MATRICES. Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Una matriz es un conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
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
Unidad 2: Ecuaciones, inecuaciones y sistemas.
Unidad 2: Ecuaciones, inecuaciones y sistemas 1 Unidad 2: Ecuaciones, inecuaciones y sistemas. 1.- Factorización de polinomios. M. C. D y m.c.m de polinomios. Un número a es raíz de un polinomio es 0.
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
Valor Absoluto - Desigualdades No lineales
- Desigualdades No lineales David J. Coronado 1 1 Departamento de Formación General y Ciencias Básicas Universidad Simón Boĺıvar Matemáticas I Contenido 1 Valor Absoluto Definición Desigualdades con Valor
Algebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Determinación de la trasformada inversa mediante el uso de las fracciones parciales
3.6. Determinación de la trasformada inversa mediante el uso de las fracciones parciales 95 3.6. Determinación de la trasformada inversa mediante el uso de las fracciones parciales Transformadas de Ecuaciones
3.3. 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
GUIA DE CATEDRA Matemática Empresarial Guía N.3 F. Elaboración 09 abril /11 F. 1 Revisión 09/04/11 Pagina 1 de 8
Plan de Estudios: Semestre 1 Área: Matemática 1 Nº Créditos: Intensidad horaria semanal: 3 Hrs T Hrs P Total horas: 6 Tema: Desigualdades 1. OBJETIVO Apropiar los conceptos de desigualdades y establecer
Descomposición 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
Ecuaciones matriciales AX = B y XA = B. Cálculo de la matriz inversa
Ecuaciones matriciales AX = B y XA = B Cálculo de la matriz inversa Objetivos Aprender a resolver ecuaciones matriciales de la forma AX = B y XA = B Aprender a calcular la matriz inversa con la eliminación
Matrices 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
Índice. Funciones de Maple
INTRODUCCIÓN Con los avances de la tecnología, los cursos de matemáticas en nuestras universidades necesitan el apoyo computacional para la realización de cálculos en diferentes procedimientos, de tal
Es una tabla bidimensional de números consistente en cantidades abstractas que pueden sumarse y multiplicarse.
Definición de matriz Es una tabla bidimensional de números consistente en cantidades abstractas que pueden sumarse y multiplicarse. Una matriz es un cuadrado o tabla de números ordenados. Se llama matriz
3a b 6a + 2b = 5. Calcula el valor de 3c d 6c + 2d. a + 2b a a + b a + b a + 2b a a a + b a + 2b. = 9b 2 (a + b)
PROBLEMAS RESUELTOS DE DETERMINANTES Determinantes de la selectividad de Andalucía. Determinantes de órdenes, y. Determinantes de orden n. ENUNCIADOS Determinantes de selectividad Antes del.. Se sabe que
4.1. Determinante de una matriz cuadrada de orden 2. , entonces el determinante de A es a 21 a 22 a 11 a 12 = a 11a 22 a 12 a 21
Capítulo 4 Determinante Los determinantes se calculan para matrices cuadradas. Se usan para saber cuando una matriz tiene inversa, en el cálculo de autovalores y también para resolver sistemas de ecuaciones
RESOLUCIÓN 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
Resolución de sistemas lineales
Capítulo 2 Resolución de sistemas lineales 2. Introducción Básico La mayor parte de este escrito trata sobre la forma en que las ecuaciones de campo son aproximadas por sistemas de ecuaciones algebraicas.
Tema 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
Sistemas de Ecuaciones. Lineales I
Sistemas de Ecuaciones Lineales I Preliminares: Expresión matricial. Dificultades numéricas. 521230-1 - DIM Universidad de Concepción Expresión matricial Todo sistema de ecuaciones lineales puede escribirse
1. Matrices. Operaciones con matrices
REPASO MUY BÁSICO DE MATRICES. Matrices. Operaciones con matrices.. Introducción Las matrices aparecieron por primera vez hacia el año 850, introducidas por el inglés J. J. Sylvester. Su desarrollo se
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
POLINOMIOS. (Versión Preliminar) Un polinomio en la variable x es una expresión de la forma. p(x) = a n x n + a n 1 x n
POLINOMIOS (Versión Preliminar) Estas notas deben ser complementadas con ejercicios de la guía o de algun texto. En esta sección denotaremos por N al conjunto de los números naturales incluido el cero.
Capitulo 6. Matrices y determinantes
Capitulo 6. Matrices y determinantes Objetivo. El alumno aplicará los conceptos fundamentales de las matrices, determinantes y sus propiedades a problemas que requieran de ellos para su resolución. Contenido.