UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADMICO REA DE INGENIERA CARRERA INGENIERA DE SISTEMAS

TRABAJO PRCTICO: ASIGNATURA: GRAFOS Y MATRICES CDIGO: 332 NOMBRE DEL ESTUDIANTE: BERNARD OSWALDO CEDULA DEL ESTUDIANTE: 8.961.131 CORREO ELECTRONICO: SIROBE64@HOTMAIL.COM TELEFONO: 0416-2980234 CENTRO LOCAL: BOLVAR FIRMA DEL ESTUDIANTE: LAPSO: 2012-1

INTRODUCCION

La realizacin de este Trabajo Practico, contempla la resolucin de los Problemas planteados en los objetivos 6, 8, 9 y 10 del Curso (GRAFOS Y MATRICES), en la que se nos presentan situaciones de problemas complejos, donde debemos aplicar la teora combinatoria, como el diseo y el desarrollo de redes de comunicacin. Mediante este Curso se aprender a utilizar las herramientas bsicas para Desarrollar fenmenos discretos, que son fundamentales para la compresin y anlisis de las estructuras de datos y los algoritmos, as como tambin, los diferentes lenguajes de programacin y sus aplicaciones de paquetes matemticos, para resolver los ejercicios Planteado en el trabajo desarrollado. Tambin se desarrollaran las aptitudes y destrezas necesarias que usaremos en el anlisis y lgica, al plantear, formular y/o proponer soluciones a problemas matemticos, surgidos de una situacin real. Los Grafos y dgrafos, se han convertido en modelos altamente eficiente para los problemas de redes de navegacin, diseo, cableado, seleccin de rutas de comunicacin etc. Por lo tanto es de principal inters el dominio de este curso.

OBJETIVO 6

El Gerente de Costos de la Compaa CP, desea analizar los costos de sus cuatro lneas de Produccin, para sus cuatro productos mas importante. El siguiente Sistema de ecuacin muestra la relacin costo/hora.

1. Dado el Siguiente Sistema de Ecuaciones Lineales: 4x1 3X1 2X1 5X1 + + + + 2x2 8x2 5x2 2x2 + + + + 2x3 3x3 8x3 4x3 + + + + 2x4 2x4 5x4 6x4 = = = = 44 79 87 74

Y analizando los mtodos de Jacobi y Gauss & Seidel, Realice lo siguiente. a). Una breve explicacin de los algoritmos de Jacobi y Gauss & Seidel. b). Calcule los primeros tres trminos de la sucesin generada a partir, del punto. P0 = (2,-1,0,1) c). Explique, si la sucesin de la matriz de costo converge y a qu punto o no y porque con cada algoritmo. d. De un anlisis comparativo de los dos algoritmos, segn sus resultados. e. Conclusiones sobre cul de los dos mtodos converge ms rpido a la solucin exacta.

A)Resp -En forma general podemos decir que ambos son mtodos iterativos para resolver sistemas de ecuaciones lineales. Un mtodo iterativo es un mtodo que progresivamente va calculando aproximaciones a la solucin de un problema. Un mtodo iterativo consta de los siguientes pasos. 1. inicia con una solucin aproximada (Semilla), 2. ejecuta una serie de clculos para obtener o construir una mejor aproximacin partiendo de la aproximacin semilla. La formula que permite construir la aproximacin usando otra se conoce como ecuacin de recurrencia. 3. se repite el paso anterior pero usando como semilla, la aproximacin obtenida. De manera general, estos mtodos parten de rescribir el sistema siguiendo al del punto fijo matriz B y un vector C de tal forma como: de Ax = b, una siendo A una matriz cuadrada de orden n; y luego buscar una obtener ecuacin, equivalente a la anterior: x = Bx + C

METODO DE JACOBI El mtodo Jacobi, es el mtodo iterativo para resolver sistemas de ecuaciones lineales mas simple y se aplica solo a sistemas cuadrados, es decir a sistemas con tantas incgnitas como ecuaciones. 1.- Primero se determina la ecuacin de recurrencia. Para ello se ordenan las ecuaciones y las incgnitas. De la ecuacin i, se despeja la incgnita i. En notacin matricial se escribirse como: x = c + Bx ,donde x es el vector de incgnitas. 2.- Se toma una aproximacin para las soluciones y a esta se le designa por xo 3.- Se itera en el ciclo que cambia la aproximacin. La ecuacin que define el Mtodo de Jacobi Iteraciones Simultaneas es la siguiente: o Mtodo de las

xi

(k + 1)

n 1 (k ) bi aij x j Para k >= 1, aii j= 1

i = 1, ... ,n

Con respecto a la Convergencia y no convergencia en Jacobi Uno de los principales problemas de los mtodos iterativos es la garanta de que el mtodo va a converger, es decir, va a producir una sucesin de aproximaciones cada vez efectivamente ms prximas a la solucin. En el caso del mtodo de Jacobi no existe una condicin exacta para la convergencia. Lo mejor es una condicin que garantiza la convergencia, pero en caso de no cumplirse puede o no haberla es la siguiente: Si la matriz de coeficientes original del sistema de ecuaciones es diagonalmente dominante, el mtodo de Jacobi seguro converge.

El Mtodo de Gauss-Seidel: El mtodo de Gauss-Seidel, es muy semejante al mtodo de Jacobi, Mientras que en el de Jacobi ,se utiliza el valor de las incgnitas para determinar una nueva aproximacin, en el de Gauss-Seidel, se va utilizando los valores de las incgnitas recin calculados en la misma iteracin, y no en la siguiente. Por ejemplo, en el mtodo de Jacobi se obtiene en el primer clculo xi+1, pero este valor de x no se utiliza sino hasta la siguiente iteracin. En el mtodo de Gauss-Seidel, en lugar de eso se utiliza de xi+1 en lugar de xi en forma inmediata para calcular el valor de xi+1, de igual manera procede con las siguientes variables; siempre se utilizan las variables recin calculadas. La ecuacin obtenida por Gauss y Seidel, que define el Mtodo de las Iteraciones Sucesivas o de Gauss-Seidel es la siguiente:

(k + 1) i

i 1 n 1 (k + 1) (k ) bi a a ij x j ij x j aii j= 1 j =i + 1

B)Resp -

P0 = (2,-1,0,1)

Las formulas iterativas son las siguientes: X1= (44-2X2-2X3-2X4) 4 X2= (79-3X1-3X3-2X4) 8 X3= (87-2X1-5X2-5X4) 8 X4= (74-5X1-2X2-4X3) 6

METODO JACOBI.

X1= (44-2X2-2X3-2X4) 4 X2= (79-3X1-3X3-2X4) 8 X3= (87-2X1-5X2-5X4) 8

X4= (74-5X1-2X2-4X3) 6

n 0 1 2 3

| | | | |

X1 0 3,5 0,1 3,058333333

| X2 | 0 | 7,5 | 3,9 | 7,266666667

| | | | |

X3 0 4,4 -0,6 2,533333333

| | | | |

X4 0 6,5 1,433333333 4,633333333

| | | | |

METODO GAUSS-SEIDEL.

X1= (44-2X2-2X3-2X4) 4 X2= (79-3X1-3X3-2X4) 8 X3= (87-2X1-5X2-5X4) 8 X4= (74-5X1-2X2-4X3) 6

n 0 1 2 3

| | | | |

X1 0 11,00 1,974479167 1,968039822

| | | | |

x2 0 8,88 6,136588542 6,010534532

| | | | |

x3 0 10,38 1,064635417 1,017140896

| | | | |

x4 0 11,00 2,925186632 2,997202614

| | | | |

Resp (c)-

En primer lugar se utilizo un programa para el clculo de ecuaciones simultneas para conocer de antemano la solucin, que dio como resultados los siguientes: Mtodo gauss-seidel. X1=11, X2=8,88 X3= 10,38, X4=11. Mtodo jacobi. X1=3,5 X2=7,5 X3= 4,4 X4=6,5

En el caso del mtodo de jacobi y gauss seidel, aun en la tercera iteracin no es posible ver la convergencia a una solucin especfica. Ambos mtodos comienzan con un vector inicial o semilla. De la cercana de este al rea de solucin real depende en mucho la rapidez del hallazgo de la solucin, por Ejemplo, Si probamos con un vector ms cercano este dar una solucin ms prxima. Donde por los resultados obtenidos podemos decir que en ambos mtodos DIVERGE.

Resp (d)En el caso del mtodo de Jacobi. Diverge Diverge

En el caso del mtodo de Gauss Seidel.

E)Resp. Para los dos casos estudiados los resultados NO son Convergente. Pero el mtodo Gauss Seide segn lo estudiado o Ledo, converge ms rpidamente que el mtodo Jacobi. Algunos criterios garantizan la convergencia del mtodo de Gauss-Seidel. El Mtodo De Las Iteraciones Sucesivas (GAUSS-SEIDEL), resulta ms eficiente y converge ms rpido a la solucin. La razn es que este mtodo al incluir las soluciones inmediatamente anteriores (ecuaciones) en forma de cascada, produce una convergencia ms rpida que el Mtodo De Jacobi. OBJETIVO 8

2. Una Distribuidora de Alimentos esta analizando los costos de transporte, analizando las distancias desde su almacn a los diferentes clientes obteniendo los siguientes resultados. Las distancias estn representadas en kilmetros.

1 1 2 3 4 5 6 43 50 55 60 65

2 43 25 30 35 40

3 50 25 15 20 25

4 55 30 15 10 20

5 60 35 20 10 15

6 65 40 25 20 15

Con dichos costos de envi, analice los mtodos de ordenamiento de matrices aplicando el algoritmo de Cuthill McKee, y realice lo que se le indica a continuacin. a) Construya el grafo asociado con la matriz de costo de envi entre los diferentes estados.

0 43 50 55 60 65

43 0 25 30 35 40

50 25 0 15 20 25

55 30 15 0 10 20

60 35 20 10 0 20

65 40 25 20 20 0

v5

v1

v3

v6

v2

v4

b) Halle la matriz dispersa asociada al grafo.

1 * * * * *

* 2 * * * *

* * 3 * * *

* * * 4 * *

* * * * 5 *

* * * * * 6

c) Calcule el ancho de banda de la matriz. Fila i 1 2 3 4 5 6 (A) = 5

Puesto que el ancho de banda de la matriz es el mximo de los valores de la ltima columna, tenemos entonces que: B(A)=5 para las filas 6.

i (A) 1 1 1 1 1 1

i (A) = i - i (A) 0 1 2 3 4 5

OBJETIVO 9

3.- con el grafo construido en el objetivo anterior, analice

el proceso de eliminacin Gaussiana, para obtener una sucesin de grafo.

v5

v1

v3

v6

v2

v4

Paso 1: Elimino el vrtice 1=V1 junto a sus aristas incidentes

A

GH 1
v5 v3

v6

v2

v4

H1=
2 * * * * * 3 * * * * * 4 * * * * * 5 * * * * * 6

Paso 2: Elimino el vrtice 2=V2 junto a sus aristas incidentes

A

GH 2

v5

v3

v6

v4

H2=
3 * * * * 4 * * * * 5 * * * * 6

Paso 3: Elimino el vrtice 3=V3 junto a sus aristas incidentes

GH3
v5

v6

v4

H3=
4 * * * 5 * * * 6

Paso 4:

Elimino el vrtice 4=V4 junto a sus aristas incidentes

A

GH4
v5

v6

H4=
5 * * 6

Paso 5: Elimino el vrtice 5=V5 junto a sus aristas incidentes

GH5
V6

OBJETIVO 10

4.- Analice el grafo que obtuvo en el objetivo N 8 y

aplquele el algoritmo de Mnimo Grado.

Grafos de Eliminacin

Mnimo Grado

Vrtice seleccionado

v5

v1

v3

v6

v2

v4

V5

V6

V1

V2

V3 V4

CONCLUSION

El desarrollo de este trabajo fue muy enriquecedor ya que aqu aplicamos los conocimiento adquiridos en este curso (Grafos y Matrices), esto constituye una poderosa herramienta para ser aplicada en el campo laboral, investigacin y cotidiano, en cuanto a la resolucin de problemas, donde tengamos que aplicar grafos en su diferentes modalidades. El conocimiento aqu adquirido son y sern siempre una base fundamental del ingeniero en sistema que esta formando esta Prestigiosa Universidad.