Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Guardando las distancias: a la memoria de
Alston Scott Householder James Hardy Wilkinson – 1986 Robert Todd Gregory
2
Con agradecimientos a:
James W. Daniel – The University of Texas Gilbert W. Stewart – The University of Maryland Gilbert Strang -Massachusetts Institute of Technology Cleve V. Moler – The Mathworks - Matlab
3
La Universidad del Zulia
Importancia del Algebra Lineal en el mundo digital CONFERENCISTA: JOSE ARTURO BARRETO GUTIERREZ MASTER OF ARTS LA UNIVERSIDAD DE TEXAS Salón de conferencias Depto. De Matemáticas Facultad de Ciencias Grano de Oro. Módulo 3. La Universidad del Zulia Martes 30 de Octubre. 3 P. M.
4
Comencemos con palabras mas autorizadas
5
Carl C. Cowen Professor Emerito. Depto
Carl C. Cowen Professor Emerito. Depto. de Matemáticas Purdue University. Indiana
6
On the Centrality of Linear Algebra in the Curriculum Carl C. Cowen
7
On the Centrality of Linear Algebra in the Curriculum Carl C. Cowen
8
On the Centrality of Linear Algebra in the Curriculum Carl C. Cowen
9
On the Centrality of Linear Algebra in the Curriculum Carl C. Cowen
27
Aqui viene Gauss
28
Gauss y LU
29
Ecuaciones y LU
30
Descomposición LU .vs. la inversa
A=LU A-1= U-1L-1 Pregunta para el foro: Vale la pena?
31
Método de Ortogonalización
de Gram-Schmidt
32
Proyeccion de u sobre v
33
Expresion en componentes
34
Expresión en ejes ortogonales
35
3 dimensiones
36
Expresion en base ortogonal
37
Proyeccion en subespacio con base ortogonal
38
Solucion por minimos cuadrados
39
Solucion por minimos cuadrados
40
Solucion por minimos cuadrados
41
La Ecuación Normal
42
La Ecuación Normal
43
La ecuación Normal Son Son y Equivalentes?
44
La ecuación normal Es de dimensión 3x3! Es de dimensión 100 x 3
Entonces Es de dimensión 3x3!
45
Diagonalización de Matrices
46
Diagonalización de Matrices Simétricas
47
Diagonalización de Matrices Simétricas
48
Diagonalización de Matrices Simétricas
49
Diagonalización de Matrices Simétricas
50
Significado de los vectores R
Esta es la idea principal que a partir de la mitad del siglo 20 redefinió los métodos para calcular autovalores con ayuda del computador, dada la dificultad de calcularlos como raíces del polinomio característico. Los problemas numéricos del calculo de raíces de polinomios no son tan triviales como lo sugiere la ecuacioón de segundo grado.
51
Cónicas y Matrices de rotación
Para una aplicación de la diagonalización de matrices al estudio de las cónicas rotadas (eliminación de productos xy para llevarlas a su forma canónica) calculando además autovalores y autovectores (ejes principales), consulte:
52
Autovalores, autovectores y diagonalización de Matrices
53
Autovalores, autovectores y diagonalización de Matrices
54
Autovalores, autovectores y diagonalización de Matrices
55
Autovalores, autovectores y diagonalización de Matrices
Entonces los autovalores de A, aparecen en la matriz diagonal D. Como
56
La importancia de las matrices simétricas
58
La importancia de las matrices simétricas
Podría hacerse un simposio dedicado a las matrices simétricas dada su importancia por gran variedad de razones Podría alguien elaborar una disertación al respecto? Tal vez hasta “publicar” con el fin de “enseñar” y señalar derroteros de investigación o al menos crear un lugar “especializado” de consulta?
62
El teorema Espectral
63
El teorema Espectral
64
El teorema Espectral
65
El teorema Espectral
66
Proposicion 4 del Teorema Espectral
Diagonalización de Matrices Simétricas por Transformaciones ortogonales
67
Diagonalización de Matrices simétricas
68
Diagonalización de Matrices simétricas
69
Diagonalización de Matrices simétricas
74
El cálculo de autovalores y autovectores
75
Diagonalización de matrices simétricas por transformaciones ortogonales. Matrices de rotación de Givens
76
Descomposición QR
77
Descomposición QR Hemos logrado la siguiente transformación
En donde T es una matriz triangular superior
78
Descomposición QR
80
Descomposición QR Concluimos en base al ejemplo que: R3 R2 R1 A=R,
En donde las matrices Ri son matrices de rotación ortogonales. Por lo tanto A= R1-1 R2-1 R3-1 R, Son por lo tanto matrices ortogonales. Su producto será una matriz ortogonal que llamaremos Q. En consecuencia A = QR, CON Q, MATRIZ ORTOGONAL
81
Descomposición QR para manejar la mala condición de la matriz ATA
82
Aplicaciones de la descomposicion QR
83
Diagonalización de Matrices no simétricas
84
Diagonalización de Matrices no simétricas
85
Diagonalización de Matrices no simétricas
86
Diagonalización de matrices no simétricas
87
Diagonalización de matrices no simétricas
Hemos dicho que hay alternativas para resolver estos problemas de diagonalización, mas ya sabemos que esta matriz se puede diagonalizar por una transformación semejante, lo cual es bastante conveniente. Limitados como estamos a escoger los temas ya que no se pretende hacer un curso que vaya mas allá de las posibilidades de un curso relativamente breve, no ahondaremos en la presentación de métodos estables, que resuelvan el problema de diagonalización de matrices no simétricas. No todas las matrices no simétricas son diagonalizables por transformaciones semejantes como veremos en el ejemplo siguiente
88
Diagonalización de matrices no simétricas
90
Diagonalización de matrices no simétricas
Una matriz A es normal si AAT = ATA. Una matriz A es diagonalizable por una transformación ortogonal, si y sólo sí es una matriz normal. No presentamos prueba de esta afirmación ni ahondaremos en su utilización.
91
Aplicación de la diagonalización
92
Aplicación de la diagonalización
94
Diagonalización y cadenas de markov
95
Diagonalización por bloques. La forma de Jordan
97
Forma de Jordan – Algoritmo de Filipov
98
Forma de Jordan – Algoritmo de Filipov
99
Forma de Jordan – Algoritmo de Filipov
100
Calculo de autovalores
por el algoritmo * QR *
103
Algoritmo QR Shifted (transladado)
104
Algoritmo QR Shifted (transladado)
105
Algoritmo QR Shifted (transladado)
109
Comparación entre la Matriz original y la matriz obtenida en el primer paso.
Algotirmo QR transladado (Shifted)
111
b= 0.3006 A= Q= A= R= A= Hemos obtenido un autovalor =0.30
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.