MÉTODOS PARA EL CÁLCULO DE LOS AUTOVALORES DE UNA MATRIZ

Definir la aupoiésis es una tarea muy fácil. Entenderla es complicado. De hecho me tomó un par de años en digerirla completamente y pretendo ser lo mas claro posible para que esta lectura no los lleve un viaje tan largo. Espero hacer honor a estos dos grandes biólogos. Vamos allá La Autopoiésis en sentido estricto se define como "la capacidad de los sistemas de producirse a sí mismos." Esta afirmación nace desde el punto de vista biológico de los seres vivos, pero, si se observa detenidamente, es aplicable a cualquier sistema y, por ende, fenómeno social.

La capacidad de las carreteras, expresada en términos del máximo número de vehículos que pueden cruzar una sección o tramo dado, es una función de las características geométricas de la carretera, la composición y distribución del tránsito y el entorno de la vía. Las características geométricas y el entorno de la vía forman parte del inventario vial, mientras que las características del tránsito se determinan sobre la base del análisis de la demanda. La estimación de la capacidad vial se realizará de acuerdo a la metodología descrita en el Highway Capacity Manual (HCM), Special Report 209, Third Edition, Transportation Research Board (TRB), 1998.

msdsdmc,

Resumen: Estas notas tienen por objeto presentar los elementos as importantes utilizados en el desarrollo de aglomeraciones en clústeres. Se hace una presentación de los principios y algoritmos. Dejamos fuera la discusión a partir de salidas de softwares pues los interesados deberán entrenarse ante sus computadoras 1. Introducción y elementos de referencia El Análisis de clústeres contiene un grupo de métodos del llamado Análisis de Datos. Es usado en el análisis exploratorio de datos. Mediante este análisis se busca determinar si existe una cierta estructura que permita clasificar los datos en subconjuntos o clústeres. Los Clústeres son grupos de puntos que pertenecen a una data y que la pertenencia tiene un cierto sentido. usualmente estos grupos se usan utilizando alguna medida de distancia o similaridad. Los procedimientos utilizan las distancias evaluadas entre los casos o la disimilaridad entre ellos. Se agrupan casos " muy cercanos " o muy " similares ". Aquellas más cercanas o más parecidas se agrupan en un mismo clúster. El Análisis Clúster tiene algunos inconvenientes a los ojos de algunos, pues es solo una técnica descriptiva y por tanto no inferencial. Este es un método basado en criterios geométricos y utiliza técnicas de búsqueda de taxonómica. De ahí que sea exploratoria, descriptiva pero no explicativa. Además, las soluciones no son únicas, pues la pertenencia a un clúster depende de muchos elementos. Entre ellos se destaca el procedimiento elegido, las variables utilizadas y los algoritmos utilizados para formarles. Estos factores tienen un impacto importantísimo sobre la solución resultante. Los algoritmos de formación de conglomerados se agrupan en dos categorías: Generalmente, los vectores de un clúster poseen propiedades comunes. Así que el conocimiento de los grupos permite una descripción sintética de un conjunto de datos. Esta sintetización está dada al determinar un representante característico de cada clúster. En estas notas no pretendemos sino dar una visión general de los elementos envueltos en el análisis de clústeres. Tratamos de que este visón abarque aspectos que son soslayados en libros de análisis multidimensional donde se le da un tratamiento muy descriptivo a través de presentar algunas de las técnicas y se obvian las discusiones de los diversos aspectos envueltos en el estudio de los clústeres. Estos aparecen dispersos en variadas publicaciones a partir del interés particular del autor y vincularles conlleva una dedicación particular. En las aplicaciones nos enfrentamos con distintos tipos de variables. Estas pueden ser:  Escaladas en intervalos (Reales)

Elementos necesarios para su instalación, coste, requisitos de instalación, ...

Resumen: De acuerdo a la norma ISO/IEC 17025:1999 un laboratorio de calibración o de ensayos debe tener y aplicar un procedimiento para estimar la incertidumbre de medición. Generalmente, estos procedimientos requieren el uso de hojas de cálculo electrónicas, que en muchas ocasiones son entendibles solo para la persona que las elaboró. Organismos reconocidos en el mundo han establecido el uso de una Tabla de Cálculo de Incertidumbre. Esta tabla contiene los elementos necesarios para poder calcular el resultado de una medición y su incertidumbre combinada de manera ordenada y consistente con el método propuesto por la Guía BIPM/ISO para la Expresión de la Incertidumbre en las Mediciones (Guía ISO). Agregando información a esta tabla es posible calcular además la incertidumbre expandida.

En este trabajo son implementados los algoritmos más utilizados para el cálculo de autovalores de una matriz A simétrica de n × n con la característica principal de ser una matriz dispersa, además de que el orden de la matriz supera los miles, lo cual hace necesario utilizar una estructura eficiente para el manejo de matrices dispersas y adaptar los métodos de cálculo de autovalores a tales estructuras, se emplearán algoritmos que permitan obtener de la matriz todos sus autovalores. En busca de reducir los tiempos de ejecución, estos algoritmos están implementados aplicando paralelismo. El método QR o QL de Francis tiene la característica de diagonalizar la matriz a través de matrices similares, por lo que los autovalores de la matriz original son preservados en cada iteración, además de ser el método por excelencia para el cálculo de los mismo y sus autovectores. En este contexto, el estudio es realizado en modernas supercomputadoras que permiten ejecutar más de una instrucción y que a la vez permiten procesar múltiples datos, y en conjunto con la biblioteca UCSparseLib de la Universidad de Carabobo, la cual ya tiene las estructuras necesarias y eficientes para el manejo de estructuras dispersas, se busca mejorar el tiempo de ejecución del algoritmo serial, aplicando multithreading, usando la biblioteca OpenMP, de tal manera de obtener resultados fiables a problemas de gran magnitud.

excelente método para la determinación de momentos y reacciones en vigas