Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño

Autores
Díaz, Karvin; Ponce de León, Alejo; Caymes Scutari, Paola; Bianchini, Germán
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
La multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente. Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos. Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Materia
Multiplicación, Matrices, Eficiente, Algoritmos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-27T11:18:54Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8132
Acceder
id RIAUTN_d47652439fc6861fb41a1d3d384dc80f
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8132
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamañoDíaz, KarvinPonce de León, AlejoCaymes Scutari, PaolaBianchini, GermánMultiplicación, Matrices, Eficiente, AlgoritmosLa multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente. Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos. Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina2023-06-27T11:18:54Z2023-06-27T11:18:54Z2021-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfCongreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021.http://hdl.handle.net/20.500.12272/8132spaPID 7658info:eu-repo/semantics/openAccess2023-06-27T11:18:54Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:10Zoai:ria.utn.edu.ar:20.500.12272/8132instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:44:11.757Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
spellingShingle Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
Díaz, Karvin
Multiplicación, Matrices, Eficiente, Algoritmos
title_short Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_full Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_fullStr Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_full_unstemmed Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
title_sort Cómputo paralelo para la resolución de la multiplicación de matrices de gran tamaño
dc.creator.none.fl_str_mv Díaz, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola
Bianchini, Germán
author Díaz, Karvin
author_facet Díaz, Karvin
Ponce de León, Alejo
Caymes Scutari, Paola
Bianchini, Germán
author_role author
author2 Ponce de León, Alejo
Caymes Scutari, Paola
Bianchini, Germán
author2_role author
author
author
dc.subject.none.fl_str_mv Multiplicación, Matrices, Eficiente, Algoritmos
topic Multiplicación, Matrices, Eficiente, Algoritmos
dc.description.none.fl_txt_mv La multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente. Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos. Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
description La multiplicación se define dadas dos matrices A y B, se dicen multiplicables si el número de columnas de A coincide con el número de filas de B. En la nueva matriz C, los elementos Cij parten del producto que se obtiene multiplicando cada elemento de la fila i de la matriz A por cada elemento de la columna j de la matriz B y sumándolos. Cabe destacar que a medida que aumenta el tamaño de las matrices el volumen de cómputo también aumenta considerablemente. Nuestro objetivo con ésta investigación es poder determinar la forma más eficiente para realizar multiplicaciones de matrices de gran volumen, cálculos que son de gran utilidad en diversas áreas con en aplicaciones tales como resolución de sistemas de ecuaciones de muchas variables, cálculo numérico, y actualmente también utilizada con frecuencia en el cálculo de microarrays, en el área de la bioinformática. Para este estudio comparativo, se propone desarrollar dos algoritmos: uno que aproveche la capacidad de cómputo de un cluster de computadoras parte del Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD) ubicado en la UTN-FRM, y otro algoritmo cuya ejecución sea secuencial. Una vez desarrollados, procederemos a realizar una serie de pruebas con matrices de distintos tamaños y con distinta cantidad de nodos. Para concluir, luego de obtenidos los resultados de tiempos de cálculo para cada experimento podremos realizar un análisis de métricas como el Speedup, la Eficiencia, el Balanceo de Carga, etc., y en base a ellos determinar en qué medida o en qué casos el cómputo paralelo resulta la forma más conveniente y/o eficiente para este cálculo, y también implementar mejoras y optimizaciones en los algoritmos utilizados.
publishDate 2021
dc.date.none.fl_str_mv 2021-01-01
2023-06-27T11:18:54Z
2023-06-27T11:18:54Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021.
http://hdl.handle.net/20.500.12272/8132
identifier_str_mv Congreso de Investigaciones y Desarrollos en Tecnología y Ciencia (IDETEC 2020). Año 2021.
url http://hdl.handle.net/20.500.12272/8132
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID 7658
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-27T11:18:54Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-06-27T11:18:54Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230872292229120
score 13.265058

Publicaciones similares