Una paralelización del método de Householder

Autores
Spositto, Osvaldo Mario; Procopio, Gastón; Quintana, Fabio; Ryckeboer, Hugo Emilio
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La transformación de matrices a la forma de Hessemberg o triangular superior mediante el método de Householder es uno de los métodos más utilizados para obtener autovalores y autovectores de una matriz. Cuando se intenta utilizarlo en un ambiente de multiprocesadores es conveniente que la matriz se pueda almacenar repartida en las memorias rápidas de los procesadores disponibles para contribuir al cálculo de las transformaciones (I - ωωT) A que por razones de e ciencia se calculan como A-ω (ωTA). Distribuyendo a cada procesador los trozos de vector que se necesitan en cada operación (una contribución lineal), se alimenta una cantidad cuadrática de operaciones. Cuando el tamaño de la matriz es tal que no cabe en la memoria se debe cargar y guardar sucesivos bloques de la misma en los procesadores disponibles, lo que baja su productividad por la cantidad cuadrática de ciclos de memoria lenta involucrados. Se propone un replanteo del método de Householder que permite aprovechar la presencia de un bloque en la memoria para realizar múltiples tandas de actualización.
V Workshop de Innovación en Educación en Informática (WIEI).
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
método de Householder
matriz
memoria
bloque
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/56296
Acceder
id SEDICI_dbd29e2d6b1982b483032a4f875d13f7
oai_identifier_str oai:sedici.unlp.edu.ar:10915/56296
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Una paralelización del método de HouseholderSpositto, Osvaldo MarioProcopio, GastónQuintana, FabioRyckeboer, Hugo EmilioCiencias Informáticasmétodo de HouseholdermatrizmemoriabloqueLa transformación de matrices a la forma de Hessemberg o triangular superior mediante el método de Householder es uno de los métodos más utilizados para obtener autovalores y autovectores de una matriz. Cuando se intenta utilizarlo en un ambiente de multiprocesadores es conveniente que la matriz se pueda almacenar repartida en las memorias rápidas de los procesadores disponibles para contribuir al cálculo de las transformaciones (<i>I</i> - ωω<sup>T</sup>) A que por razones de e ciencia se calculan como A-ω (ω<sup>T</sup>A). Distribuyendo a cada procesador los trozos de vector que se necesitan en cada operación (una contribución lineal), se alimenta una cantidad cuadrática de operaciones. Cuando el tamaño de la matriz es tal que no cabe en la memoria se debe cargar y guardar sucesivos bloques de la misma en los procesadores disponibles, lo que baja su productividad por la cantidad cuadrática de ciclos de memoria lenta involucrados. Se propone un replanteo del método de Householder que permite aprovechar la presencia de un bloque en la memoria para realizar múltiples tandas de actualización.V Workshop de Innovación en Educación en Informática (WIEI).Red de Universidades con Carreras en Informática (RedUNCI)2016-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1291-1300http://sedici.unlp.edu.ar/handle/10915/56296spainfo:eu-repo/semantics/reference/hdl/10915/55718info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:05:58Zoai:sedici.unlp.edu.ar:10915/56296Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:05:58.684SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Una paralelización del método de Householder
title Una paralelización del método de Householder
spellingShingle Una paralelización del método de Householder
Spositto, Osvaldo Mario
Ciencias Informáticas
método de Householder
matriz
memoria
bloque
title_short Una paralelización del método de Householder
title_full Una paralelización del método de Householder
title_fullStr Una paralelización del método de Householder
title_full_unstemmed Una paralelización del método de Householder
title_sort Una paralelización del método de Householder
dc.creator.none.fl_str_mv Spositto, Osvaldo Mario
Procopio, Gastón
Quintana, Fabio
Ryckeboer, Hugo Emilio
author Spositto, Osvaldo Mario
author_facet Spositto, Osvaldo Mario
Procopio, Gastón
Quintana, Fabio
Ryckeboer, Hugo Emilio
author_role author
author2 Procopio, Gastón
Quintana, Fabio
Ryckeboer, Hugo Emilio
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
método de Householder
matriz
memoria
bloque
topic Ciencias Informáticas
método de Householder
matriz
memoria
bloque
dc.description.none.fl_txt_mv La transformación de matrices a la forma de Hessemberg o triangular superior mediante el método de Householder es uno de los métodos más utilizados para obtener autovalores y autovectores de una matriz. Cuando se intenta utilizarlo en un ambiente de multiprocesadores es conveniente que la matriz se pueda almacenar repartida en las memorias rápidas de los procesadores disponibles para contribuir al cálculo de las transformaciones (<i>I</i> - ωω<sup>T</sup>) A que por razones de e ciencia se calculan como A-ω (ω<sup>T</sup>A). Distribuyendo a cada procesador los trozos de vector que se necesitan en cada operación (una contribución lineal), se alimenta una cantidad cuadrática de operaciones. Cuando el tamaño de la matriz es tal que no cabe en la memoria se debe cargar y guardar sucesivos bloques de la misma en los procesadores disponibles, lo que baja su productividad por la cantidad cuadrática de ciclos de memoria lenta involucrados. Se propone un replanteo del método de Householder que permite aprovechar la presencia de un bloque en la memoria para realizar múltiples tandas de actualización.
V Workshop de Innovación en Educación en Informática (WIEI).
Red de Universidades con Carreras en Informática (RedUNCI)
description La transformación de matrices a la forma de Hessemberg o triangular superior mediante el método de Householder es uno de los métodos más utilizados para obtener autovalores y autovectores de una matriz. Cuando se intenta utilizarlo en un ambiente de multiprocesadores es conveniente que la matriz se pueda almacenar repartida en las memorias rápidas de los procesadores disponibles para contribuir al cálculo de las transformaciones (<i>I</i> - ωω<sup>T</sup>) A que por razones de e ciencia se calculan como A-ω (ω<sup>T</sup>A). Distribuyendo a cada procesador los trozos de vector que se necesitan en cada operación (una contribución lineal), se alimenta una cantidad cuadrática de operaciones. Cuando el tamaño de la matriz es tal que no cabe en la memoria se debe cargar y guardar sucesivos bloques de la misma en los procesadores disponibles, lo que baja su productividad por la cantidad cuadrática de ciclos de memoria lenta involucrados. Se propone un replanteo del método de Householder que permite aprovechar la presencia de un bloque en la memoria para realizar múltiples tandas de actualización.
publishDate 2016
dc.date.none.fl_str_mv 2016-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/56296
url http://sedici.unlp.edu.ar/handle/10915/56296
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/reference/hdl/10915/55718
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
1291-1300
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615930482524160
score 13.069144

Publicaciones similares