Está en la página 1de 13

UNIVERSIDAD NACIONAL ABIERTA

VICERRECTORADO ACADÉMICO

AREA: INGENIERÍA

TRABAJO PRÁCTICO

ASIGNATURA: Grafos y Matrices

CÓDIGO: 332

FECHA DE ENTREGA AL ESTUDIANTE:

Adjunto a la Primera Prueba Parcial

FECHA DE DEVOLUCIÓN POR PARTE DEL ESTUDIANTE:

Adjunto a la Prueba Integral

NOMBRE DEL ESTUDIANTE: Augusto Marcano

CÉDULA DE IDENTIDAD: 14.423.374

CORREO ELECTRÓNICO DEL ESTUDIANTE: augustomarcano@gmail.com

TELÉFONO: 0417869928

CENTRO LOCAL: Monagas

CARRERA: 236

LAPSO ACADÉMICO: 2017-2

NUMERO DE ORIGINALES:

FIRMA DEL ESTUDIANTE:


INTRODUCCION

Un grafo está definido por un conjunto de puntos, llamados vértices o


nodos y un conjunto de pares de vértices, denominados aristas o arcos.

Todo grafo, dirigido o no, puede representarse mediante una matriz


cuadrada que tiene como orden el número de vértices del grafo. Dicha matriz
recibe el nombre de matriz asociada o matriz de adyacencia

A continuación se describen importantes métodos de calculos para


obtener gráficos y matrices, este trabajo práctico se basará en las unidades 7 y
8 objetivo 6 del Módulo II y de las unidades 10, 11 y 12 del Módulo III.
TRABAJO PRÁCTICO

GRAFOS Y MATRICES (332)

OBJETIVO 6 CRITERIO DE DOMINIO 1/1

1) Resolver el siguiente sistema de ecuaciones con una tolerancia menor


a 10−5 empleando los métodos: de Jacobi y de Gauss-Seidel. Reflejar en una
tabla las iteraciones necesarias para cada uno de los métodos citados. Iterar a
partir del vector (0).

4 x1+x2+x3+ x5=6

−x1−3 x2+x3+x4=6

2 x1+ x2+5 x3−x4−x5=6

−x1−x2−x3−4 x4=6

2 x2−x3+x4+4 x5=6

a) Diga si los métodos de Gauss-Seidel y Jacobi para el sistema de ecuaciones


dado converge o diverge.

Los métodos de Gauss-Seidel y Jacobi para el sistema de ecuaciones


dado converge, puesto que el elemento ubicado en la diagonal principal de
cada ecuación es mayor en valor absoluto que el resto de los elementos de la
misma ecuación, además, el elemento ubicado en la diagonal principal de
cada ecuación, es mayor en valor absoluto que la suma del resto de los
elementos de la misma ecuación.

4 X1(k)+X2(k)+X3(k)+ X5(k)=6

−X1(k)−3 X2(k)+X3(k)+X4(k)=6

2 X1(k)+ X2(k)+5 X3(k)−X4(k)−X5(k)=6

−X1(k)−X2(k)−X3(k)−X4(k)=6

2 X2(k)−X3(k)+X4(k)+4 X5(k)=6

Se puede observar que los elementos de la diagonal principal cumplen


con el criterio de convergencia, a continuación se resolverá el sistema,
empleando los dos métodos, comenzando por el de Jacobi
X1(k+1) = 6 -X2(k)-X3(k)- X5(k)/4

X2(k+1) = 6 +X1(k)-X3(k)-X4(k)/-3

X3(k+1)= 6 -2 X1(k)- X2(k)-5 X3(k)+X4(k)+X5(k)/5

X4(k+1)= 6 +X1(k)+X2(k)+X3(k)+X4(k)/-4

X5(k+1)= 6 - 2X2(k)+X3(k)-X4(k)-4 X5(k)/4

Primera Iteración K = 1

6/4 1,5

6 /-3 -2

X (0) = 6 / 5 X (1) = 1,2

6 /-4 -1,5

6/4 1,5

Tolerancia:

Segunda Iteración K = 21,

1,125

-1,333

X(1) = -0,667

-1,5

1,875

Tolerancia: 0,00007

Tercera Iteración

0,98125

X(2) = -2,666666667

1,86

-1,68125

2,96875
Tolerancia: 0,00008

Cuarta Iteración

-0,2092708333

0,2658333333

X(3) = 1,270833333

0,3751041667

2,887395833

Tolerancia: 0,000010

Quinta Iteración

0,393984375

-1,381597222

X(4) = 1,733

-1,831848958

1,591015625

Tolerancia: 0,00006

Sexta Iteración

1,014395399

-2,164277778

X(5) = 2,003298611

-1,686346788

3,082010851

Tolerancia: 0,00007

Después de Seis Iteraciones con una tolerancia de 0,00007, el vector


solución es
1,014395399

-2,164277778

X(5) = 2,003298611

-1,686346788

3,082010851

Ahora se empleará el método Gauss-Seidel, de forma como se incurrió


en el método de jacobi, encontrando la diferencia en el segundo vector, y
encontrando la tolerancia en la tercera iteración

El Método de Gauss-Jacobi se basa en la descomposición A= L+D+U


con la iteración X(K+1)=(L+D)-1(b-UX(k))

b) En el caso de que los métodos converjan, ¿Cuál lo hace más rápidamente?


Justifique su respuesta en cada ítems.

El método Gauss-Seidel, converje mas rapidamente, acelera la


convergencia ya que el método jacobi es un antecedente del otro método
estudiado.

OBJETIVO 8 CRITERIO DE DOMINIO 1/1

2) Dada la siguiente matriz:

1 2 3 4 5 6 7 8 9 10

1 1*

2 *2**

3 *3**

4 *4****

5 **5

6 *6***

7 *7*

8 ***8*
9 *9

10 * * 10

a. Calcule el ancho de banda de la matriz A.

Fila i E(A) B(A) = i - E(A)

1 1 0

2 1 1

3 2 1

4 2 2

5 3 2

6 3 3

7 4 3

8 4 4

9 6 3

10 6 4

Puesto que el ancho de banda β(A) de la matriz es el máximo de los


valores de la última columna del cuadro anterior, tenemos entonces que:

β(A) = 4

b. Describa el grafo de la matriz A.


c. Calcule la envolvente de la matriz A.

Env(A) = (1,2), (2,1), (2,3), (2,4), (3,2), (3,5), (3,6), (4,2), (4,5), (4,6),
(4,8),(4,9), (5,3), (5,4), (6,3), (6,8), (6,9), (6.10), (7,8), (8,4), (8,6), (8,7), (8,10),
(9,4), (9,6), (10,6), (10;8).

d. Aplique el algoritmo de Cuthill-Mckee inverso a la matriz A.

1 2 3 4 5 6 7 8 9 10

1 1*

2 *2**

3 *3**

4 *4****

A= 5 **5

6 *6***

7 *7*

8 ***8*

9 *9

10 * * 10

1 2 3 4 5 6 7 8 9 10

1 10 * *
2 2 * *

3 * 3 * *

4 * * 7 * *

A´ = 5 * 5 *

6 * * 4 * *

7 * * * * 8 *

8 * * 6

9 * 9

10 * 1

e. Describa el algoritmo de Cuthill-Mckee inverso de la matriz A

La teoría de grafos es una herramienta de gran utilidad para el estudio


de los sistemas sparse. La distribución de las entradas no nulas de una matriz
puede ser representada mediante un grafo y ser utilizado ´este para visualizar
lo que ocurre durante la computación. Dada una matriz simétrica A, si la
entrada aij de A es distinta de cero, los nodos i y j están conectados en el grafo
mediante una arista. La eliminación gaussiana en la matriz queda reflejada en
el grafo al eliminar el nodo correspondiente y aparecer nuevas conexiones
entre los nodos restantes, correspondiendo cada una de ellas a un fill-in en A.

Grafo asociado

OBJETIVO 9 CRITERIO DE DOMINIO 1/1

3) Dada la matriz A del problema anterior, determine:

2121

0010
1030

0110

a. Realice y describa el proceso de eliminación gaussiana.

2121 2 1 2 1

0010 f2-2f1 -4 -2 -3 -2

1030 f3-f1 -1 -1 1 -1

0110 f4-f1 -2 0 -1 -1

2 1 2 1 2 1 2 1

-4 -2 -3 -2 f2-3f3 7 -5 0 -5

-1 -1 1 -1 -1 -1 1 -1

-2 0 -1 -1 f4-3f3 -4 -2 1 -3

OBJETIVO 10 CRITERIO DE DOMINIO 1/1

4) Aplique el algoritmo de mínimo grado al siguiente grafo: