2.1. ESTIMACIÓN DE PARÁMETROS BASADO EN LA SENSIBILIDAD.
|
|
- Juan Antonio Salas Castro
- hace 5 años
- Vistas:
Transcripción
1 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES. MODAL UPDATING. RESEÑA TEÓRICA El objetivo del modal updating es ajustar los valores de los parámetros seleccionados de tal manera que los coeficientes de correlación se minimicen. A continuación se describe cómo se estiman los cambios de los parámetros requeridos y cómo pueden ser tenidos en cuenta la confianza y los límites del parámetro..1. ESTIMACIÓN DE PARÁMETROS BASADO EN LA SENSIBILIDAD. La relación funcional entre las características modales y los parámetros estructurales puede ser expresada en términos de un desarrollo en serie de Taylor limitada a los términos lineales. Esta relación puede ser escrita como: {R e }={R a }+[S] ({P u }-{P o }) Ec. ó { R}=[S] { P} Ec. 3 Donde {R e } Vector que contiene las respuestas del sistema de referencia. {R a } Vector que contiene las respuestas del sistema previsto para un estado dado {P o } de los valores de los parámetros. {P u } Vector que contiene los valores actualizados del parámetro. [S] Matriz de sensibilidad. Destacar que la Ec. implica que las respuestas se producen en parejas, es decir, si la respuesta experimental se utiliza como referencia, entonces debe existir la respuesta analítica correspondiente. Cuando se seleccionan las frecuencias de resonancia como respuesta de referencia, este emparejamiento puede ser obtenido utilizando un criterio de comparación de modos. La Ec. 3 es normalmente indeterminada y puede ser resuelta usando una pseudo-inversa (mínimos cuadrados), mínimos cuadrados ponderados o la técnica Bayesiana, dependiendo de si se añaden los 8
2 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES coeficientes ponderados o no. En la serie de Taylor se desprecian los términos que no son lineales, los términos despreciados de mayor orden exigen varias iteraciones, especialmente cuando { R} contiene numerosos valores... ESTIMACIÓN DE PARÁMETROS PSEUDO-INVERSA Si, en la Ec., el número de ecuaciones es igual al número de parámetros, la variación de parámetros deseada puede ser obtenida directamente invirtiendo la matriz de sensibilidad: { P}=[S] -1 { R} Normalmente este no es el caso. Si el número de parámetros es menor que el número de ecuaciones, este vector se puede obtener calculando la pseudo-inversa de la matriz de sensibilidad. La pseudoinversa es una generalización de la inversa de una matriz: Ec. 4 { P}=[S] + { R}= [S] t [S] -1 [S] t { R} La solución de mínimos cuadrados obtenida de la Ec. 5 minimizará el siguiente residuo: Ec. 5 {residuo}=[s] { P}-{ R} Si el número de parámetros es mayor que el número de ecuaciones, entonces la pseudo-inversa es calculada como sigue: Ec. 6 [S] + =[S] t [S] t [S] -1 Usando esta pseudo-inversa se obtendrá la norma mínima de la estimación del parámetro. Esta técnica produce buenas soluciones cuando es buena la estimación inicial del parámetro. Ec. 7 9
3 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES.3. ESTIMACIÓN BAYESIANA DEL PARÁMETRO La expresión de la estimación Bayesiana del parámetro incluye el uso de coeficientes ponderados en los parámetros y sobre las respuestas. La discrepancia entre el modelo inicial y los datos experimentales se resuelve minimizando un error ponderado E, dado por: E={ R} t [C R ] { R}+{ P} t [C P ] { P} Ec. 8 Este error puede ser minimizado utilizando el siguiente algoritmo: {P u }={P o }+[G] {- R} Ec. 9 Con la matriz de ganancia G calculada como: [G]= [C P ]+[S] t [C R ] [S] -1 [S] t [C R ] Esta ecuación es válida si hay más respuestas que parámetros. En caso haber más parámetros que ecuaciones, que normalmente es el caso, se utiliza la siguiente formulación: Ec. 10 [G]=( [C P ]) -1 [S] t [C R ] -1 +[S] ( C P ) -1 [S] t -1 El número de respuestas es normalmente menor comparado con el número de parámetros. Sin embargo, esto pone un límite al número de respuestas que pueden ser utilizadas ya que la matriz que debe ser invertida es una matriz no simétrica completamente llena. El número de operaciones requeridas para invertir una matriz va en relación con el cubo de la dimensión de la matriz. La inversión de las matrices de ponderación es trivial porque son diagonales. Ec VALORES DE CONFIANZA En la Ec. 8, [C P ] representa una matriz de ponderación diagonal que expresa la confianza en los parámetros del modelo, mientras [C R ] es una matriz diagonal de ponderación que expresa la confianza en los datos experimentales. Sus valores dependen de las características de la estructura, métodos del ensayo y del modelado. Es importante definir la incertidumbre en los datos experimentales ya que estos 10
4 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES datos pueden contener errores importantes. La inversa de [C P ] y [C R ] son las matrices de co-varianza de parámetros y respuestas respectivamente. Para las matrices de confianza se utilizan las siguientes expresiones: C Rii = 1 C R ri i Ec. 1 C Pjj = 1 P i C pj 100 Ec. 13 Donde R i P j C ri C pj Es el valor de la respuesta i Es el valor inicial del parámetro j Es la confianza en el valor de la respuesta Es la confianza en el valor del parámetro inicial Pj. Los valores de confianza C ri y C pj están relacionados con los errores relativos esperados en las respuestas (C ri ) y en los parámetros C pj como sigue: C ri = 1 C ri Ec. 14 C pj = 100 C pj Ec ESTIMACIÓN DE PARÁMETROS DE MÍNIMOS CUADRADOS PONDERADOS. Si C p =0, la Ec. 10 se convierte en la ecuación de estimación de parámetros de mínimos cuadrados ponderados: [G]= [S] t [C R ] [S] -1 [S] t [C R ] Ec
5 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES Se puede presentar esta situación si no se dispone de la estimación del error de los valores de los parámetros. Si [C R ]=0 significa que no se tiene confianza en los parámetros experimentales, por lo que los datos experimentales no se utilizan y los parámetros no son actualizados..6. DESCOMPOSICIÓN DE VALORES SINGULARES La pseudo-inversa de una matriz puede también ser calculada usando una Descomposición de valores singulares (SVD). Cualquier matriz MxN [A] cuyo número de columnas M sea mayor o igual que el número de columnas N, puede ser descompuesta como el producto de una matriz ortogonal MxN [ ], una matriz NxN diagonal [W] con N valores singulares que son positivos o cero, y la transpuesta de una matriz NxN ortogonal [V], es decir, [A] t MxN =[U] MxN [W] NxN [V] NxN [U] t MxN [U] MxN =[I] Ec. 17 Ec. 18 [V] t NxN t [V] NxN =[N] NxN [N] NxN =[I] Ec. 19 Supuesta una matriz [A], se constituye la ecuación lineal {y}=[a] {x} Ec. 0 La solución de mínimos cuadrados viene dada por {x}=[a] + {y} Ec. 1 [A] + =[V] t+ [W] + [U] t+ =[V] t [W] + [U] t En su obtención, se ha utilizado la ortogonalidad de las matrices [U] y [V]. Si [A] es de rango deficiente o casi singular, algunos de los valores singulares w i serán cero o próximos a cero, sin pérdida de generalidad, se puede escribir: Ec. 1
6 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES -1 w 1 [W] + = w r -1-1 w r+1-1 w N Ec. 3 Donde r valores singulares w 1, w,, w r son valores grandes y los otros (n-r) valores singulares son cero o muy pequeños. La solución correcta de la ecuación lineal se obtiene haciendo w -1 r+1, w -1-1 r+,, w N cero. Cuando la relación del primer valor singular sobre el valor singular K-ésimo es mayor que 1E+15, o el valor singular (k-1)-ésimo sobre el K-ésimo es mayor que 1E+9, entonces los valores singulares desde el (K+1)-ésimo al n-ésimo se hacen cero..7. ESCALADO DE LA MATRIZ DE SENSIBILIDAD DE RESPUESTA-MÚLTIPLE Si los desplazamientos modales, el MAC y las masas son añadidos a la función objetivo, la matriz de sensibilidad resultante podría ser mal condicionada. Los resultados mal condicionados son debidos al diferente nivel de sensibilidad de la respuesta a los parámetros dados, el ruido de las respuestas y/o la no linealidad inherente entre las respuestas y parámetros. En FEMtools, el principio de escalado de una matriz de sensibilidad de respuesta múltiple se describe como sigue: - Cálculo de la norma de matriz de submatriz de sensibilidad, que sólo selecciona una tipo de respuesta. Es decir, puede haber 4 posibles submatrices de sensibilidad. [S f ], [S mac ], S dip, [S mass ]. - Cálculo de factores de escalado k f, k mac, K disp, k mass basados en la relación de las normas de las matrices de sensibilidad: S f =k mac S mac =k mdis S dis =k mass S mass Ec. 4 - El escalado de esta manera equivale a modificar la parte de la respuesta del error como 13
7 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES y T T T W y { y}= y Wf f y f + y Wy MAC k MAC y MAC + T + y Wf MDIS k MDIS T y MDIS + y Wf MASS k MASS y MASS Ec. 5 El total es {e}= y T W y { y}+ p T W p { p} Ec FACTORES DE REDUCCIÓN Y AMPLIFICACIÓN Los factores de reducción y amplificación pueden ser utilizados para modificar la magnitud de los coeficientes de sensibilidad. Son aplicados en la matriz completa [S]: S =a t [S] Donde a t es un valor real positivo. Se pueden usar valores por debajo de 1 para forzar a los pasos de iteración a ser pequeños. Por otro lado, valores mayores que 1 aceleran el procedimiento. El factor a t no tiene porque ser un valor constante pero puede ser calculado como una función de la diferencia entre los coeficientes de correlación de iteraciones consecutivas o utilizando una función definida por el usuario. Ec LIMITACIONES DE LOS PARÁMETROS Para evitar valores de parámetros físicamente imposibles se aplican límites, máximo y mínimo, para el valor de los parámetros. Si, durante la iteración, un valor del parámetro alcanza su límite permitido, entonces estos parámetros no se tienen en cuenta durante el resto del proceso. Cuando se definen limitaciones para los parámetros, posiblemente, la convergencia no pueda ser obtenida con total libertad, por lo que se necesita entonces una solución de compromiso entre los valores de los parámetros físicos, para que sean aceptables, y el nivel de convergencia. 14
8 ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES.10. CRITERIO DE CONVERGENCIA En la actualización del modelo, los coeficientes de correlación son interpretados como una función objetivo que tiene que ser minimizada. Con cada iteración el valor de los coeficientes de correlación se verifican para comprobar si se ha satisfecho el criterio de convergencia. Se utilizan los siguientes criterios: - Que el valor del coeficiente de correlación de referencia sea menor que un margen impuesto: CC t <ε 1 Ec. 8 Donde CC t ε Coeficiente de correlación de referencia en la iteración t Margen de convergencia. - Que la diferencia de dos valores consecutivos de los coeficientes de correlación de referencia no supere un margen dado. CC t+1 -CC t <ε - Que el número de iteraciones sobrepase el máximo número que es permitido. Supone un límite práctico en el número de iteraciones en caso de que se utilicen márgenes de convergencia muy pequeños. La iteración en modal updating será detenida tan pronto como una de estos criterios se cumpla. Cada uno de los coeficientes de correlación que son calculados en FEMtoos pueden ser seleccionadas como coeficiente de correlación de referencia para probar la convergencia. Ec DESCRIPCIÓN DE LA ESTRUCTURA La Pasarela de la Cartuja se sitúa sobre la dársena del Guadalquivir, uniendo el Monasterio de la Cartuja con la calle Torneo. Se construyó en 1991 para la Expo 9, para permitir el acceso peatonal al recinto de la Exposición. Desde el 004 también se permite el tráfico rodado. 15
4.5 Algoritmo RLS (Recursive Least Squares)
4.5 Algoritmo RLS (Recursive Least Squares) Método de mínimos cuadrados (LS) Ecuaciones normales Pseudoinversa Variantes del LS Algoritmo RLS (Recursive Least Squares) Introducción Cálculo recursivo de
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 detallesEl modelo de elementos finitos consta de 32 elementos LINE2 de 1D con 2 nodos por elemento:
ACTUALIZACIÓN DE UN MODELO NUMÉRICO DE LA PASARELA DE LA CARTUJA A PARTIR DE DATOS EXPERIMENTALES 4. MODELO DE ELEMENTOS FINITOS 4.1. MODELO 1-D 4.1.1. INTRODUCCIÓN El modelo de elementos finitos consta
Más detallesEl problema de Maxwell Una formulación contemporánea
El problema de Maxwell Una formulación contemporánea Mariano Vázquez de septiembre de 22 Índice. El problema estructural.. Direcciones principales de acción y reacción............ 3 2. El problema de Maxwell
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 detallesEigenvalores y eigenvectores
Eigenvalores y eigenvectores Los dos problemas principales del álgebra lineal son: resolver sistemas lineales de la forma Ax = b y resolver el problema de eigenvalores. En general, una matriz actúa sobre
Más detallesIdentificación mediante el método de los mínimos cuadrados
Ingeniería de Control Identificación mediante el método de los mínimos cuadrados Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos relevantes aprendidos previamente:
Más detallesACTIVIDADES SELECTIVIDAD MATRICES
ACTIVIDADES SELECTIVIDAD MATRICES Ejercicio 1 Para qué valores de m tiene solución la ecuación matricial? (b) Resuelve la ecuación matricial dada para. Ejercicio 2 Siendo I la matriz identidad de orden
Más detallesAlgebra Lineal XXVI: La Regla de Cramer.
Algebra Lineal XXVI: La Regla de Cramer José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamancaugtomx
Más detallesClase. 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 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 detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesRegresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.
Regresión Lineal Los factores envueltos en la experimentación pueden ser de tipo cuantitativos o cualitativos Un factor cuantitativo es aquel que sus niveles pueden ser asociados con puntos dentro de una
Más detallesSe trata de: Explicar el comportamiento de una variable dependiente ( Y ) en función de otras variables ( i ) 2 Investigar si las variables están asoc
4 ASOCIACION ENTRE VARIABLES En la investigación estadística- y en lo fundamental aquella relacionada a variables socioeconómicas-, es común encontrar variables relacionadas o asociadas Estadísticamente
Más detallesMATRICES. Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden x (que se lee por ).
1 MATRICES 1 Una matriz es una disposición rectangular de números (Reales); la forma general de una matriz con filas y columnas es Se simboliza tal matriz por y se le llamará una matriz x o matriz de orden
Más detallesOCW-V.Muto El problema de mínimos cuadrados. Cap. XIX CAPITULO XIX. EL PROBLEMA DE LOS MINIMOS CUADRADOS: PRELIMINARES
CAPITULO XIX. EL PROBLEMA DE LOS MINIMOS CUADRADOS: PRELIMINARES. SISTEMAS LINEALES DE ECUACIONES SOBREDETERMINADOS La discusión de los problemas algebráicos de la parte anterior se había centrado exclusivamente
Más detalles2. 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 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 detallesÚltimas notas de SVD
Últimas notas de SVD 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 Relación entre los valores singulares
Más detallesTécnicas de inteligencia artificial. Visión Artificial Reconocimiento de objetos
Técnicas de inteligencia artificial Visión Artificial Reconocimiento de objetos Indice Introducción Reconocimiento mediante características PCA Introducción El reconocimiento de objetos consiste en, dado
Más detallesMatemáticas 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:
Más detallesx^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
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 6
Análisis Numérico para Ingeniería Clase Nro. 6 Sistemas de Ecuaciones Lineales Temas a tratar: Normas Vectoriales y Matriciales. Análisis de Sensibilidad de Sistemas Lineales. Número de Condición. Estimación
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesUna forma fácil de recordar esta suma (regla de Sarrus): Primero vamos a estudiar algunas propiedades de los determinantes.
Una forma fácil de recordar esta suma (regla de Sarrus): Ejemplos: Tarea: realizar al menos tres ejercicios de cálculo de determinantes de matrices de 2x2 y otros tres de 3x3. PARA DETERMINANTES DE MATRICES
Más detallesMétodo de los Mínimos Cuadrados Recursivos
Método de los Mínimos Cuadrados Recursivos Teodoro Alamo a Ingeniería de Control Tercer Curso GITI Escuela Superior de Ingenieros Sevilla Formulación del problema Supongamos que los escalares y i, i =
Más detallesTEMA 1: MATRICES. x 2. Ejercicio y B =, se pueden encontrar matrices C y D para que existan los productos ACB y BDA?.
TEMA : MATRICES Ejercicio.- 0 2 2 Dadas las matrices A = y B = -2 0 5, calcula BBt AA t. Ejercicio 2.- 0 x 2 Sean las matrices A =, B = y C =, halla x e y para que se 2 y verifique ABC = A t C. Ejercicio
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 detallesTema 1: Conceptos generales del Análisis
Tema 1: Conceptos generales del Análisis Numérico Cálculo Numérico I Anna Doubova y Blanca Climent Ezquerra Dpto. EDAN, Universidad de Sevilla 11 de febrero de 2018 A.Doubova y B. Climent Conceptos generales
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2
Más detallesSistema de ecuaciones lineales
1 El sistema de ecuaciones lineales Sistema de ecuaciones lineales puede ser escrito en forma matricial como, donde: es llamada matriz de los coeficientes (reales) del sistema es el vector de las incógnitas
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 detallesRelación de problemas. Álgebra lineal.
Relación de problemas Álgebra lineal Tema 1 Sección 1 Matrices Determinantes Sistemas lineales Matrices Ejercicio 11 Consideremos las siguientes matrices: ( 1 2 A = 1 1 ) ( 1 1 B = 0 1 ) C = 1 0 0 0 1
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesEs decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3
1.- DETERMINANTE DE UNA MATRIZ CUADRADA Determinante de una matriz cuadrada de orden 1 Dada una matriz cuadrada de orden 1, A = (a), se define det A = det (a) = a Determinante de una matriz cuadrada de
Más detallesForma estándar de un programa lineal
Forma estándar de un programa lineal Sin pérdida de generalidad, todo programa lineal se puede escribir como: min cx s.t Ax = b x 0 Objetivo: minimizar Todas las desigualdades como ecuaciones Todas las
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 6 2 Herramientas 8 21 Operaciones
Más detallesResolución 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 37 CONTENIDO
Más detallesInstituto Tecnológico Autónomo de México. 1. At =..
Instituto Tecnológico Autónomo de México TRANSPUESTA DE UNA MATRIZ DEFINICION : Transpuesta Sea A = (a ij ) una matriz de mxn Entonces la transpuesta de A, que se escribe A t, es la matriz de nxm obtenida
Más detallesSistema de Ecuaciones Lineales
Pantoja Carhuavilca Métodos Computacionales Agenda Ejemplos Ejemplos Aplicaciones de los Sistemas La solución de sistemas lineales de ecuaciones lineales es un tema clásico de las matemáticas, rico en
Más detallesMATRICES Y SISTEMAS DE ECUACIONES
MATRICES Y SISTEMAS DE ECUACIONES Definición Una matriz real de orden m n es una tabla ordenada de m n números reales a 11 a 12 a 1n A = a 21 a 22 a 2n a m1 a m2 a mn en la cual las líneas horizontales
Más detallesResolverlo mediante el método de Gauss con aritmética exacta y sin pivoteo.
Asignatura Cálculo Numérico Página de Sistemas Lineales lineales (Gauss con variantes y estudio iterativo) Examen Diciembre 000 Ejercicio. Dado el sistema lineal 4x+ y+ z = 9 x+ 4y z = 5, x+ y z = 9 (a)
Más detallesMatrices y Determinantes. Prof. Nilsa I. Toro Catedrática Recinto Universitario de Mayagüez Residencial - AFAMaC
Matrices y Determinantes Prof. Nilsa I. Toro Catedrática Recinto Universitario de Mayagüez Residencial - AFAMaC Origen y Usos Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J.
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesDos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan el mismo lugar en ambas son iguales
Introducción Las matrices aparecen por primera vez hacia el año 1850, introducidas por J.J. Sylvester. El desarrollo inicial de la teoría se debe al matemático W.R. Hamilton en 1853. En 1858, A. Cayley
Más detallesAproximación funcional por mínimos cuadrados
Aproximación funcional por mínimos cuadrados Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Introducción
Más detallesModelo Lineal Generalizado GAMMA. Distribución gamma: Otra parametrización mediante el parámetro de forma y la media:
Modelo Lineal Generalizado GAMMA Distribución gamma: Otra parametrización mediante el parámetro de forma y la media: La distribución gamma es de tipo exponencial: 1 Supongamos que se dispone de r subpoblaciones
Más detallesCalculando los valores singulares y la pseudo-inversa de una matriz
Calculando los valores singulares y la pseudo-inversa de una matriz Juan David Alzate Universidad Nacional de Colombia jdalzater@unal.edu.co May 30, 2018 Juan David Alzate (UNAL) Calculando los valores
Más detallesPROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 2005/06
PROBLEMAS DE ÁLGEBRA LINEAL INGENIERÍA DE TELECOMUNICACIONES - E.T.S.I.T. CURSO 200/06 1. Utilizar el método de eliminación de Gauss para resolver el sistema de ecuaciones lineales siguiente: 2 x 1 2 x
Más detallesIntroducción a la Química Computacional
OBTENCIÓN DE VALORES Y VECTORES PROPIOS DE UN SISTEMA POLIATÓMICO: APLICACIÓN EN LOS ORBITALES MOLECULARES El problema de las ecuaciones simultáneas en el cálculo variacional se puede expresar según: HC
Más detallesEstéreo dinámico. Estéreo dinámico
Estéreo dinámico 1 Vectores locales de desplazamiento Dada una secuencia de imagenes Tomadas a intervalos Movimiento absoluto: movimiento independiente de la cámara Movimiento relativo: movimiento debido
Más detallesINSTITUTO TECNOLOGICO SUPERIOR DE TEPOSCOLULA CARRERA: INGIENERIA SISTEMAS COMPUTACIONALES CATEDRATICO: ING. MARCO ANTONIO RUIZ VICENTE
INSTITUTO TECNOLOGICO SUPERIOR DE TEPOSCOLULA CARRERA: INGIENERIA SISTEMAS COMPUTACIONALES 2 SEMESTRE MATERIA: ALGEBRA LINEAL CATEDRATICO: ING. MARCO ANTONIO RUIZ VICENTE NOMBRE DEL ALUMNO: FERNANDO LUZ
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 detallesUso 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 detallesMÉTODO 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 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 detallesRestauración de imágenes usando el criterio de minimización de rizado en la imagen restaurada
CAPTURA Y PROCESAMIENTO DIGITAL DE SEÑALES E IMAGENES: TRABAJO FINAL 1 Restauración de imágenes usando el criterio de minimización de rizado en la imagen restaurada Allegri Carlos, Buruchaga Leandro Trabajo
Más detallesMATRICES. 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
Más detallesCAPÍTULO 3 VECTORES Y MATRICES 2.- DEFINICIÓN DE VECTORES Y DE MATRICES 3.- OPERACIONES CON VECTORES Y MATRICES
CAPÍTULO 3 VECTORES Y MATRICES 1.- ESTRUCTURA DE DATOS. LISTAS 2.- DEFINICIÓN DE VECTORES Y DE MATRICES 3.- OPERACIONES CON VECTORES Y MATRICES 4.- RANGO DE UNA MATRIZ 5.- RESOLUCIÓN DE SISTEMAS DE ECUACIONES
Más detallesTEMA 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
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 detallesAP = A p 1 p 2 p n = Ap 1 Ap 2. λ 1 p 21 λ 2 p 22 λ n p 2n. .. = λ 1 p 1 λ 2 p 2
Capítulo 6 Diagonalización 6 Valores y vectores propios 6 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial V, nos planteamos el problema
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detallesElementos de Cálculo Numérico / Cálculo Numérico Primer Cuatrimestre 2016
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico / Cálculo Numérico Primer Cuatrimestre 206 Práctica N : Número de condición.
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 detallesUn conjunto E a,b,c, de elementos (llamados vectores) se dice que constituye. (a,b) (a',b') (a a',b b')
ESPACIOS VECTORIALES Un conjunto E a,b,c, de elementos (llamados vectores) se dice que constituye un espacio vectorial sobre un cuerpo conmutativo K (que generalmente es el cuerpo de los reales) si se
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesSistema de ecuaciones Parte II
Regla de Cramer Sistema de ecuaciones Parte II La regla de Cramer sirve para resolver sistemas de ecuaciones lineales. Se aplica a sistemas que cumplan las dos condiciones siguientes: El número de ecuaciones
Más detallesÁLGEBRA LINEAL I Práctica 3
ÁLGEBRA LINEAL I Práctica 3 Matrices y determinantes (Curso 2015 2016) 1. En el conjunto de las matrices n n de elementos reales, demostrar que el producto de matrices triangulares inferiores es otra matriz
Más detallesCap 3: Álgebra lineal
Universidad Nacional de Ingeniería Facultad de Ciencias Cálculo Numérico 1 IF321 Cap 3: Álgebra lineal Prof: J. Solano 2018-I INTRODUCCION Aqui trabjaremos con operaciones basicas con matrices, tales como
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detalles- Introducción de datos FEM. - Análisis dinámico: cálculo de 6 modos naturales.
7. ANEXO A: EJEMPLOS DE UTILIZACIÓN DE FEMTOOLS 7.. ANÁLISIS DE SENSIBILIDAD DE UNA PLACA CUADRADA. 7... INTRODUCCIÓN La estructura objeto de estudio es una placa delgada cuadrada de dimensiones x x, cm
Más detalles4. Diseño funcional de la aplicación.
4. Diseño funcional de la aplicación. En este apartado se va a realizar una descripción de cómo se ha abordado la resolución del problema de gestión de recursos, desde el punto de vista de la programación.
Más detallesSolución 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
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesElementos de Cálculo Numérico (M) - Cálculo Numérico
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico (M) - Cálculo Numérico Primer Cuatrimestre 204 Práctica N 2: Normas y Condicionamiento.
Más detallesIDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS
IDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Introduccion La teoría de sistemas
Más detallesDeterminantes. Definiciones básicas sobre determinantes. José de Jesús Angel Angel.
Determinantes Definiciones básicas sobre determinantes wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Determinantes 2 11 Propiedades de determinantes 4 2 Inversa
Más detallesLección 1. Algoritmos y conceptos básicos. 1
Lección. Algoritmos y conceptos básicos. E.2 Soluciones. Soluciones a algunos ejercicios de la lista E.. Es importante darse cuenta de que las matrices resultado de un producto tienen tantas filas como
Más detallesFigura 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
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesDeducción de las fórmulas del método del gradiente conjugado
Deducción de las fórmulas del método del gradiente conjugado Objetivos. Demostrar el teorema sobre los subespacios de Krylov en el método del gradiente conjugado. Requisitos. Subespacios generados por
Más detallesdonde,, es controlable si y solo si la matriz de controlabilidad tiene rango,
TEORÍA DE CONTROL Tema 8. Controlabilidad y Observabilidad La controlabilidad y la observabilidad son dos conceptos desarrollados para la representación de sistemas en espacio de estado, estos permiten
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detalles4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR
4 IDENTIFICACIÓN DE MODELOS LINEALES DE LA PLANTA SOLAR Los sistemas de E/S quedan determinados por su función de transferencia, que puede expresarse como una función temporal (respuesta impulsional) o
Más detallesMATEMÁTICAS PARA ECONOMISTAS I MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES
MATEMÁTICAS PARA ECONOMISTAS I MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES 1.- Dadas las siguientes matrices Efectúe si es posible : a) A + B b) B A c) B 2.- Dadas las siguientes matrices Efectúe
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 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 detallesEn lugar de actuar sobre el grafo bipartito actúa sobre la matriz de incidencia. Descompone la matriz de incidencia en submatrices:
1 Descomposición de Dulmage-Mendelsohn. En lugar de actuar sobre el grafo bipartito actúa sobre la matriz de incidencia. Descompone la matriz de incidencia en submatrices: Una parte sobredeterminada: indica
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 detalles4 Localización de terremotos
513430 - Sismología Apl. y de Explor. 31 4 Localización de terremotos 4.1 Localización de sismos locales Fig 30: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto
Más detallesANALISIS FACTORIAL. Jorge Galbiati R.
ANALISIS FACTORIAL Jorge Galbiati R El análisis factorial es un modelo matamático que pretende explicar la correlación entre un conjunto grande de variables observadas y un pequeño conjunto de factores
Más detallesPROGRAMACION DE REDES. MODELOS DE TRANSPORTE
PROGRAMACION DE REDES. MODELOS DE TRANSPORTE El modelo de transporte o modelo de distribución es un ejemplo de un problema de optimización de redes. Se aplican para resolver ciertos tipos de problemas
Más detallesElementos de Cálculo Numérico / Cálculo Numérico Segundo Cuatrimestre 2017
Universidad de Buenos Aires - Facultad de Ciencias Exactas y Naturales - Depto. de Matemática Elementos de Cálculo Numérico / Cálculo Numérico Segundo Cuatrimestre 207 Práctica N : Número de condición.
Más detallesParte 5. Métodos iterativos para la resolución de sistemas de ecuaciones no lineales
Parte 5. Métodos iterativos para la resolución de sistemas de ecuaciones no lineales Gustavo Montero Escuela Técnica Superior de Ingenieros Industriales Universidad de Las Palmas de Gran Canaria Curso
Más detallesAUTOVALORES Y AUTOVECTORES
12 de Julio de 2011 AUTOVALORES Y AUTOVECTORES (Clase 01) Departamento de Matemática Aplicada Facultad de Ingeniería Universidad Central de Venezuela 1 Puntos a tratar 1. Valores y vectores propios 2.
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detalles