Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos

Aparte de la teoría presentada en el documento, se programaron en Python absolutamente todos los métodos para la parte de resultados. La única librería pública que se utilizó fue NumPy para sacar la pseudo inversa de laplacianos, de esta forma se simuló el tiempo "casi linear" de la resolu...

Full description

Autores:
Kruger Galindo, Thomas
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/67690
Acceso en línea:
http://hdl.handle.net/1992/67690
Palabra clave:
Árboles de expansión
Precondicionadores de laplacianos
Problema elíptico
Laplacianos
Precondicionamiento con árboles
Elementos finitos
Matemáticas
Rights
openAccess
License
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
id UNIANDES2_ea681f3ea23d05788a8edd9974dab489
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/67690
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.none.fl_str_mv Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
title Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
spellingShingle Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
Árboles de expansión
Precondicionadores de laplacianos
Problema elíptico
Laplacianos
Precondicionamiento con árboles
Elementos finitos
Matemáticas
title_short Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
title_full Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
title_fullStr Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
title_full_unstemmed Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
title_sort Árboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitos
dc.creator.fl_str_mv Kruger Galindo, Thomas
dc.contributor.advisor.none.fl_str_mv Ould Khaoua, Ahmed
dc.contributor.author.none.fl_str_mv Kruger Galindo, Thomas
dc.contributor.jury.none.fl_str_mv Junca Peláez, Mauricio José
dc.subject.keyword.none.fl_str_mv Árboles de expansión
Precondicionadores de laplacianos
Problema elíptico
Laplacianos
Precondicionamiento con árboles
Elementos finitos
topic Árboles de expansión
Precondicionadores de laplacianos
Problema elíptico
Laplacianos
Precondicionamiento con árboles
Elementos finitos
Matemáticas
dc.subject.themes.es_CO.fl_str_mv Matemáticas
description Aparte de la teoría presentada en el documento, se programaron en Python absolutamente todos los métodos para la parte de resultados. La única librería pública que se utilizó fue NumPy para sacar la pseudo inversa de laplacianos, de esta forma se simuló el tiempo "casi linear" de la resolución del sistema.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-06-20T13:48:17Z
dc.date.available.none.fl_str_mv 2023-06-20T13:48:17Z
dc.date.issued.none.fl_str_mv 2023-06-06
dc.type.es_CO.fl_str_mv Trabajo de grado - Pregrado
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.es_CO.fl_str_mv Text
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/67690
dc.identifier.instname.es_CO.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.es_CO.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.es_CO.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/67690
identifier_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv spa
language spa
dc.relation.references.es_CO.fl_str_mv Noga Alon, Richard M. Karp, David Peleg, and Douglas West. A graphtheoretic game and its application to the k-server problem. SIAM Journal on Computing, 24(1):78-100, 1995. arXiv:https://doi.org/10. 1137/S0097539792224474, doi:10.1137/S0097539792224474.
Ittai Abraham and Ofer Neiman. Using petal-decompositions to build a low stretch spanning tree. In Proceedings of the Forty-Fourth Annual ACM Symposium on Theory of Computing, STOC 12, page 395-406, New York, NY, USA, 2012. Association for Computing Machinery. doi: 10.1145/2213977.2214015.
Saul I. Gass and Michael C. Fu, editors. Prim's Algorithm, pa ges 1160-1160. Springer US, Boston, MA, 2013. doi:10.1007/ 978-1-4419-1153-7_200635.
K. Gahalaut and S. Tomar. [pdf] condition number study of graph theory based preconditioners for isogeometric discretiza tion of poisson equation: Semantic scholar. [PDF] Condition number study of graph theory based preconditioners for isogeo metric discretization of Poisson equation Semantic Scholar, Jan 2014. URL: https://www.semanticscholar.org/paper/ Condition-number-study-of-graph-theory-based-for-of-Gahalaut-Tomar/ 8d587b23f71579759edc4b38c6749ea91c34a426.
Ken Hayami. Convergence of the conjugate gradient method on singular systems, 2020. arXiv:1809.00793.
Magnus R Hestenes and Eduard Stiefel. Methods of conjugate gradients for solving linear systems. Journal of Research of the National Bureau of Standards, 49(6):409-424, 1952. URL: https://nvlpubs.nist.gov/ nistpubs/jres/049/6/V49.N06.A08.pdf.
Ahmed Ould. Análisis numérico. Notas de clase, 1, 2021.
Richard Peng and Daniel A. Spielman. An efficient parallel solver for sdd linear systems, 2013. arXiv:1311.3286.
Keith Schwarz. Greedy algorithms -stanford university-computer science course, 2013. URL: https://web.stanford.edu/class/archive/cs/ cs161/cs161.1138/lectures/14/Small14.pdf.
Daniel A Spielman. Spectral and algebraic graph theory, Dec 2019. URL: http://cs-www.cs.yale.edu/homes/spielman/sagt/.
A. H. Stroud. Approximate calculation of multiple integrals. Prentice Hall, Inc., Englewood Cliffs, New Jersey, 1971. Prentice-Hall series in automatic computation.
dc.rights.license.spa.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 75 páginas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Universidad de los Andes
dc.publisher.program.es_CO.fl_str_mv Matemáticas
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ciencias
dc.publisher.department.es_CO.fl_str_mv Departamento de Matemáticas
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/d37a7515-746f-43f8-87cd-d1940e961010/download
https://repositorio.uniandes.edu.co/bitstreams/8d8f8e0e-7156-4e51-b1c5-cd55541c2d53/download
https://repositorio.uniandes.edu.co/bitstreams/e8ed2fc2-851a-4f08-bb6d-5a810c79f029/download
https://repositorio.uniandes.edu.co/bitstreams/d54ff25e-844e-48e1-b613-7c4b6d437544/download
https://repositorio.uniandes.edu.co/bitstreams/093d64d4-b105-44bd-8acd-95f82fe6d9b9/download
https://repositorio.uniandes.edu.co/bitstreams/59017d86-17e1-465b-bd41-d7e231a18a42/download
https://repositorio.uniandes.edu.co/bitstreams/beea2b7c-3aae-4c4f-8696-f1fadf90532b/download
https://repositorio.uniandes.edu.co/bitstreams/858999fd-e392-47e3-9104-b4624d7e7c52/download
bitstream.checksum.fl_str_mv e0a21cd0a645620b4181d39a7f9df078
08b106dfeb12472e88207a069e15ba30
4460e5956bc1d1639be9ae6146a50347
138d34ca20cdb5e39f5ed0de797ede19
8bb8de4f1fdacff13aed867882150f0a
66288c62bc99d0c5982cdd99689d9965
7d846d84e1dbfebbedd7e0777cead47f
5aa5c691a1ffe97abd12c2966efcb8d6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133850950664192
spelling Attribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ould Khaoua, Ahmed5d9794a0-3838-4ccd-bd7d-2534b6a3a4ca600Kruger Galindo, Thomasb3b32df7-381e-4325-87d6-148c9c322d96600Junca Peláez, Mauricio José2023-06-20T13:48:17Z2023-06-20T13:48:17Z2023-06-06http://hdl.handle.net/1992/67690instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Aparte de la teoría presentada en el documento, se programaron en Python absolutamente todos los métodos para la parte de resultados. La única librería pública que se utilizó fue NumPy para sacar la pseudo inversa de laplacianos, de esta forma se simuló el tiempo "casi linear" de la resolución del sistema.En este trabajo se estudian unos aspectos de grafos y subgrafos en dimensión 2, especialmente de árboles. Es conocido que a cada grafo se le asocian varios tipos de matrices que conectan de manera estrecha las propiedades geométricas de grafos y las propiedades espectrales de dichas matrices. El laplaciano es una de las matrices más importantes que se asocian a un grafo. Siendo el laplaciano una matriz simétrica semi definida positiva, es natural de pensar en algoritmos como el gradiente conjugado o el gradiente conjugado precondicionado cuando se necesita resolver sistemas lineales cuyas matrices son justamente laplacianos de grafos. En este trabajo se estudian preconcionadores que corresponden a subgrafos, en particular árboles. En este contexto, varios resultados teóricos se exponen para justificar el marco matemático del uso y los beneficios de precondicionamiento con árboles y especialmente el que corresponde a árboles de expansión de máximo peso. Al inicio de este trabajo, presentamos el método de Elementos Finitos para la solución de un problema elíptico clásico y el método del gradiente conjugado (el lector iniciado puede perfectamente saltar esta parte, pues está en casi todas las referencias de Análisis Numérico). Nuestro aporte principal en este trabajo es explotar las similitudes de las matrices de rigidez de elementos finitos con los laplacianos que provienen de grafos y utilizar la teoría espectral de grafos y el precondicionamiento con árboles de expansión de máximo peso para resolver los sistemas lineales que surgen de nuestros problemas elípticos. Los resultados son muy buenos y en ciertas ocasiones son de lejos mejores que en otros precondicionadores clásicos, como el precondicioandor SOR, que es en sí mismo muy eficiente cuando se trata de matrices de rigidez construidas por elementos finitos P1 con discretización regular.MatemáticoPregrado75 páginasapplication/pdfspaUniversidad de los AndesMatemáticasFacultad de CienciasDepartamento de MatemáticasÁrboles de expansión de máximo peso como precondicionadores y su aplicación a matrices de grafos y de elementos finitosTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPÁrboles de expansiónPrecondicionadores de laplacianosProblema elípticoLaplacianosPrecondicionamiento con árbolesElementos finitosMatemáticasNoga Alon, Richard M. Karp, David Peleg, and Douglas West. A graphtheoretic game and its application to the k-server problem. SIAM Journal on Computing, 24(1):78-100, 1995. arXiv:https://doi.org/10. 1137/S0097539792224474, doi:10.1137/S0097539792224474.Ittai Abraham and Ofer Neiman. Using petal-decompositions to build a low stretch spanning tree. In Proceedings of the Forty-Fourth Annual ACM Symposium on Theory of Computing, STOC 12, page 395-406, New York, NY, USA, 2012. Association for Computing Machinery. doi: 10.1145/2213977.2214015.Saul I. Gass and Michael C. Fu, editors. Prim's Algorithm, pa ges 1160-1160. Springer US, Boston, MA, 2013. doi:10.1007/ 978-1-4419-1153-7_200635.K. Gahalaut and S. Tomar. [pdf] condition number study of graph theory based preconditioners for isogeometric discretiza tion of poisson equation: Semantic scholar. [PDF] Condition number study of graph theory based preconditioners for isogeo metric discretization of Poisson equation Semantic Scholar, Jan 2014. URL: https://www.semanticscholar.org/paper/ Condition-number-study-of-graph-theory-based-for-of-Gahalaut-Tomar/ 8d587b23f71579759edc4b38c6749ea91c34a426.Ken Hayami. Convergence of the conjugate gradient method on singular systems, 2020. arXiv:1809.00793.Magnus R Hestenes and Eduard Stiefel. Methods of conjugate gradients for solving linear systems. Journal of Research of the National Bureau of Standards, 49(6):409-424, 1952. URL: https://nvlpubs.nist.gov/ nistpubs/jres/049/6/V49.N06.A08.pdf.Ahmed Ould. Análisis numérico. Notas de clase, 1, 2021.Richard Peng and Daniel A. Spielman. An efficient parallel solver for sdd linear systems, 2013. arXiv:1311.3286.Keith Schwarz. Greedy algorithms -stanford university-computer science course, 2013. URL: https://web.stanford.edu/class/archive/cs/ cs161/cs161.1138/lectures/14/Small14.pdf.Daniel A Spielman. Spectral and algebraic graph theory, Dec 2019. URL: http://cs-www.cs.yale.edu/homes/spielman/sagt/.A. H. Stroud. Approximate calculation of multiple integrals. Prentice Hall, Inc., Englewood Cliffs, New Jersey, 1971. Prentice-Hall series in automatic computation.201822807PublicationTEXTKruger_Tesis_Matematicas.pdf.txtKruger_Tesis_Matematicas.pdf.txtExtracted texttext/plain100977https://repositorio.uniandes.edu.co/bitstreams/d37a7515-746f-43f8-87cd-d1940e961010/downloade0a21cd0a645620b4181d39a7f9df078MD55autorizacion tesis biblioteca Ahmed.pdf.txtautorizacion tesis biblioteca Ahmed.pdf.txtExtracted texttext/plain1161https://repositorio.uniandes.edu.co/bitstreams/8d8f8e0e-7156-4e51-b1c5-cd55541c2d53/download08b106dfeb12472e88207a069e15ba30MD57CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.uniandes.edu.co/bitstreams/e8ed2fc2-851a-4f08-bb6d-5a810c79f029/download4460e5956bc1d1639be9ae6146a50347MD52THUMBNAILKruger_Tesis_Matematicas.pdf.jpgKruger_Tesis_Matematicas.pdf.jpgIM Thumbnailimage/jpeg9555https://repositorio.uniandes.edu.co/bitstreams/d54ff25e-844e-48e1-b613-7c4b6d437544/download138d34ca20cdb5e39f5ed0de797ede19MD56autorizacion tesis biblioteca Ahmed.pdf.jpgautorizacion tesis biblioteca Ahmed.pdf.jpgIM Thumbnailimage/jpeg15740https://repositorio.uniandes.edu.co/bitstreams/093d64d4-b105-44bd-8acd-95f82fe6d9b9/download8bb8de4f1fdacff13aed867882150f0aMD58ORIGINALKruger_Tesis_Matematicas.pdfKruger_Tesis_Matematicas.pdfTrabajo de grado, Tesisapplication/pdf1302628https://repositorio.uniandes.edu.co/bitstreams/59017d86-17e1-465b-bd41-d7e231a18a42/download66288c62bc99d0c5982cdd99689d9965MD53autorizacion tesis biblioteca Ahmed.pdfautorizacion tesis biblioteca Ahmed.pdfHIDEapplication/pdf214258https://repositorio.uniandes.edu.co/bitstreams/beea2b7c-3aae-4c4f-8696-f1fadf90532b/download7d846d84e1dbfebbedd7e0777cead47fMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81810https://repositorio.uniandes.edu.co/bitstreams/858999fd-e392-47e3-9104-b4624d7e7c52/download5aa5c691a1ffe97abd12c2966efcb8d6MD511992/67690oai:repositorio.uniandes.edu.co:1992/676902023-10-10 16:00:31.534http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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