Álgebra Matricial Numérica

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
Facultad de Ciencias
Plan de estudios de la Licenciatura en

Matemáticas Aplicadas
Álgebra Matricial Numérica

Clave Semestre Créditos Área de
Computación Científica (Bloque I)
0838 6, 7 u 8 10 concentración
Campo de
Análisis Numérico
conocimiento
Etapa
Profundización
Curso ( X ) Taller ( ) Lab ( ) Sem ( )
Modalidad Tipo T( ) P( ) T/P ( X )
Obligatorio ( ) Optativo ( X )
Carácter Horas
Obligatorio E ( ) Optativo E ( )
Semana Semestre
Teóricas 3 Teóricas 48
Prácticas 4 Prácticas 64
Total 7 Total 112
Seriación
Ninguna ( )
Obligatoria ( )
Asignatura antecedente
Asignatura subsecuente
Indicativa ( X )
Asignatura antecedente Análisis Numérico
Asignatura subsecuente
Objetivos generales:
 Ampliará sus conocimientos de Álgebra Lineal Numérica en la resolución de sistemas lineales

de ecuaciones, problemas de mínimo de cuadrados, de autovalores y de valores singulares.
Objetivos específicos:
 Comprenderá, en el contexto del Algebra Lineal Numérica, los conceptos de análisis de error
retrospectivo, método numéricamente estable y problema mal-condicionado.
 Analizará las ventajas y desventajas de los métodos directos o iterativos en distintas
aplicaciones.
Índice temático
Horas
Tema semestre
Teóricas Prácticas
Problemas del Álgebra Lineal, su importancia y
1 3 4
dificultades numéricas
2 Conceptos básicos del Álgebra Matricial 3 4
Operaciones vectoriales y matriciales en aritmética de
3 3 4
punto flotante
Estabilidad de algoritmos y condicionamiento de
4 6 8
problemas
Solución numérica de sistemas lineales: Métodos
5 6 8
Directos
Factorización QR, Descomposición en valores
6 9 12
singulares y Proyecciones
7 Problemas del valor propio 9 12
8 Métodos iterativos 9 12
Subtotal 48 64
Total 112
Contenido Temático
Tema y subtemas
1 Problemas del Álgebra Lineal, su importancia y dificultades numéricas
1.1 Introducción a los problemas fundamentales del Álgebra Lineal y su

importancia.
1.2 Dificultades computacionales usando procedimientos teóricos del
Álgebra Lineal.
2 Conceptos básicos del Álgebra Matricial
2.1 Algunas matrices especiales (diagonales, triangulares, ortogonales,

unitarias, simétricas, hermitianas y Hessenberg).
2.2 Normas vectoriales y matriciales (normas de inversas, propiedades
invariantes de matrices unitarias y ortogonales).
2.3 Descomposición espectral y en valores singulares.
3 Operaciones vectoriales y matriciales en aritmética de punto flotante
3.1 Aritmética de punto flotante.

3.2 Discusión sobre el cálculo del producto interior.
3.3 Discusión sobre cotas de error para operaciones matriciales en punto
flotante.
4 Estabilidad de algoritmos y condicionamiento de problemas
4.1 Concepto de método numéricamente estable.

4.2 Condicionamiento del problema y análisis de perturbación.
4.3 Propiedades del número de condición de una matriz (matrices mal
condicionadas; mal condicionamiento y singularidad numérica de una
matriz; problemas de valor propio mal condicionados).
4.4 Análisis de error
5 Solución numérica de sistemas lineales: Métodos Directos
5.1 Aplicaciones.
Sugerencias:
 problema de circuito eléctrico,
 análisis de una planta de procesamiento con reactores interconectados,
 sistemas lineales que surgen en ODE's (problema de masa resorte)
 sistemas lineales que surgen en EDP's (problema de distribución de
temperatura),
 aproximación L^2 de una función mediante polinomios (matrices de
Hilbert).
5.2 Análisis de la factorización LU (sin y con pivoteo) y escalamiento.
5.4 Aplicaciones de la factorización LU: resolución de sistemas y refinamiento
iterativo, cálculo de inversas y determinantes.
5.6 Condicionamiento y pivoteo; condicionamiento y escalamiento.
5.7 Estimación del número de condición de una matriz.
Factorización QR, Descomposición en valores singulares y Proyecciones
6.1 Repaso de matrices de Hausholder y factorización QR (Definición y

propiedades básicas)
6.2 Método de Givens para la factorización QR y factorización QR de una
matriz de Hessenberg usando matrices de Givens
6.3 Métodos de Gram-Schmidt clásico y modificado para la factorización QR
6.4 Aplicaciones de la descomposición QR. :
Resolución de sistemas lineales,
bases ortonormales,
cálculo de proyección ortogonal,
problema de mínimos cuadrados lineales
6.5 Descomposición en valores singulares (SVD en inglés) y sus propiedades
6.6 Cálculo de la DVS.
6.7 Introducción sobre la sensibilidad numérica para los valores singulares.
6.8 Aplicaciones de DVS.
7 Problemas del valor propio
7.1 Aplicaciones selectas:

 Problemas de estabilidad para ecuaciones diferenciales y en
diferencias;
 fenómeno de resonancia;
 problema de Bucking (en problemas de frontera);
 simulación de corriente transitoria en un circuito eléctrico;
 problema de valor propio en estadística.
7.2 Descomposición de Schur, descomposición por bloques,
diagonalización, forma canónica de Jordán, matrices Hermitianas y
perturbación de un eigenvalor simple.
7.3 Cociente de Rayleight, método de la potencia y potencia inversa.
7.4 Algoritmo QR ( deducción y analísis de convergencia local)
Consideraciones prácticas: Reducción a matrices de Hessemberg.
Convergencia del algoritmo QR Hessemberg y recorrimiento.
7.5 Algoritmo QR simétrico y cálculo de la DVS.
7.6 Cálculo de vectores propios
8 Métodos iterativos
8.1 Métodos clásicos:
8.1.1.Jacobi
8.1.2 Gauss-Seidel
8.1.3 SOR
8.1.4 Aplicaciones
8.2 Métodos de Krylov:
8.2.1 Método de Arnoldi (reinicialización implícita y deflación)
8.2.2 Método de bidiagonalización de Lanczos
8.2.3 Métodos de Gradientes Conjugados: MYMRES y SYMMLQ
8.2.4 Precondicionadores
8.2.5 Aplicaciones
Estrategias didácticas Evaluación del aprendizaje

Exposición (X) Exámenes parciales (X)
Trabajo en equipo (X) Examen final (X)
Lecturas (X) Trabajos y tareas (X)
Trabajo de investigación (X) Presentación de tema ( )
Prácticas (taller o laboratorio) ( ) Participación en clase (X)
Prácticas de campo ( ) Asistencia ( )
Aprendizaje por proyectos (X) Rúbricas ( )
Aprendizaje basado en problemas (X) Portafolios ( )
Casos de enseñanza ( ) Listas de cotejo ( )
Otras (especificar) Otras (especificar)
Es recomendable que tanto las clases teóricas Se recomienda que la evaluación tome en
como las prácticas se impartan en el laboratorio cuenta los reportes de las prácticas y las
de cómputo, tanto para fines de ilustración tareas.
como para que el alumno ponga en práctica la
teoría desarrollando o adaptando software afín
a la materia.
Se recomiendan tareas regulares en las cuales
el alumno profundice y amplíe los
conocimientos vistos en clase, realice
experimentos numéricos ilustrativos y resuelva
problemas matemáticos mediante los métodos
numéricos.
Perfil profesiográfico
Título o grado Matemático, actuario, físico o licenciado en otra carrera afín.
Experiencia docente Con experiencia docente
Otra característica Con conocimientos de los temas del curso y con interés en las
Matemáticas Aplicadas.
Bibliografía básica:
 Biswa N. Datta, Numerical Linear Algebra and Applications, SIAM, 2nd Edition, 2010.
 Gilbert W. Stewart, After notes goes to Graduate School, SIAM, 1998.
 Gilbert W. Stewart, After notes on Numerical Analysis, SIAM, 1996.

Bibliografía complementaria:
 Gilbert W. Stewart, Introduction to Matrix Computations, Academic Press, New York, 1973.
 Higham N.J., Accuracy and Stability of Numerical Algorithms, SIAM, 2nd Edition, 2002.
 James W. Demmel, Applied Numerical Linear Algebra, SIAM, 1997.
 Gene H. Golub, Charles Van Loan, Matrix Computations, Johns Hopkins University Press,
3rd Edition, 1996.
 James H. Wilkinson, The Algebraic Eigenvalue problem, Oxford U. Press, 1965.

Álgebra Matricial Numérica

Cargado por

Copyright:

Formatos disponibles

Álgebra Matricial Numérica

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Álgebra Matricial Numérica

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

Plan de estudios de la Licenciatura en

Álgebra Matricial Numérica

 Ampliará sus conocimientos de Álgebra Lineal Numérica en la resolución de sistemas lineales

1.1 Introducción a los problemas fundamentales del Álgebra Lineal y su

2 Conceptos básicos del Álgebra Matricial

2.1 Algunas matrices especiales (diagonales, triangulares, ortogonales,

3 Operaciones vectoriales y matriciales en aritmética de punto flotante

3.1 Aritmética de punto flotante.

4 Estabilidad de algoritmos y condicionamiento de problemas

4.1 Concepto de método numéricamente estable.

Factorización QR, Descomposición en valores singulares y Proyecciones

6.1 Repaso de matrices de Hausholder y factorización QR (Definición y

7 Problemas del valor propio

7.1 Aplicaciones selectas:

Estrategias didácticas Evaluación del aprendizaje

También podría gustarte