ESCUELA POLITECNICA DEL EJERCITO

9 de diciembre de 2011
Nombres: Galo Travez y Ricardo Romero

1.
1.1.

Eliminaci on de Gauss total

Denici on

Si en la etapa n-esima del proceso de eliminaci on, el pivote arr es demasiado peque no o sea muy cercano a 0, elegimos el elemento indicado como nuevo pivote. apq = max|aij |/i, j > n Para ello intercambiamos las las n y p y las columnas n y q de forma que situamos el elemento apq en la posici on (n,n). Obviamente hemos tomado i; j > n para no perturbar los ceros que ya ten amos y crear posibles fallas en nuestro c alculo. Posteriormente continuamos la eliminaci on con el nuevo pivote y as el proceso continuar a.

1.2.

Ejemplo

105 105 1 2 105 1)ConstruimosM lamatrizampliadadeA : M = 105 105 1 2 105 1 1 2 1

2) Elegimos r y s los m nimos enteros para los cuales ars (k) = max|ay (k) |; k <= i, j <= n, que en la matriz A resulta ser a33 = 2 . 3) Por lo tanto r = s = 3 , entonces intercambiamos la la 1 por la la 3 y la columna 1 por la 3 (pivoteamos M). La matriz luego del pivoteo queda: (a partir de aqu utilizaremos la aritm etica de punto otante de tres d gitos) 0, 200 101 0, 100 101 0, 100 101 0, 100 101 0, 100 101 0, 100 104 0, 100 104 0, 200 104 0, 100 101 0, 100 104 0, 100 104 0, 200 104

4) Realizamos el primer paso de eliminaci on gaussiana. Hallamos el multiplicadorcorrespondiente a la la 2 m21 = (a21 /a11 ) = 0,100 101 /0,200 101 = 0,500 100 5) Luego a cada componente de la la 2 le aplicamos a2j = a2j m21 a1j , y es aqu donde surgen problemas: a21 = 0,100 101 0,500 0,200 101 = 0,000 100 a22 = 0,100 104 0,500 0,100 101 = 0,500 100 que en realidad corresponde al valor a22 = 0,500 100 pero debido a la representaci on de PF de 3 d gitos se pierde informaci on 0,00001 100 . a23 = 0,100 104 0,500 0,100 101 = 0,500 100 ocurriendo algo similar a la operaci on anterior. 4 a24 = 0,200 10 0,500 0,100 101 = 0,500 100 0, 200 101 0, 100 101 0, 100 101 0, 100 101 0 0 0 0, 500 10 0, 500 100 M quedaM = 0, 100 10 0, 500 10 0, 100 100 0, 100 104 0, 100 104 0, 200 104

6) Hicimos lo mismo con la la 3 0, 200 101 0, 100 101 0, 100 101 0, 100 101 M = 0, 100 100 0, 500 100 0, 500 100 0, 500 100 0, 100 100 0, 500 100 0, 500 100 0, 500 100

Otra vez perdemos informaci on debido a la representaci on del punto otante. Este m etodo puede llegar a fallar debido a que la representaci on del punto otante del de 3 d gitos puede no ser suciente para operaciones que se manejen con operandos de una dferencia de ordenes mayor o igual a 4.

2.
2.1.

Equilibraci on
Denici on

En algunas ocaciones nos toparemos con sistemas de ecuaciones en los cuales tendremos problemas ya que son sistemas cr ticos, para resolver estos problemas se puede a nadir un cierto n umero de pasos a los procedimientos de eliminaci on gaussiana q ya conocemos.

2.2.

Equilibraci on de las

Es un proceso que consiste en multiplicar cada la de la matriz num erica por el inverso del m aximo elemento en valor absoluto de dicha la; lo q se quiere explicar es, multiplicar la la i por ri = 1/(max|aij |) 1 <= j <= n

2.2.1.

Ejemplo 1 108 2 0

A= ,A1 =

0 1/2 10 8 5 109 K (A) = ||A||||A1 || = (1 + 108 )(1/2) = 50000000.

A es una matriz mal condicionada po lo cual presenta problemas para su soluci on. Para equilibrar la matriz y poder dar una soluci on real, lo primero es calcula 8 ri , para i = 1, 2. En este caso (r1 = 1/10 , r2 = 1/2) Luego procedemos a multiplica la la i por el factor ri A= 108 1/2 1 108 2 0 1 108 2 0 108 1 1 0

Si se denota como A a la matriz A precondicionada entonces A =

Ahora podemos comprobar q ya s una matriz bien condicionada A1 = 0 1 1 108

K (A ) = (1 + 108 )(1 + 108 ) = 1,00000002. . Luego A es una matriz bien condicionada. Cuando se va a resolver un sistema Ax = b, la equilibraci on por las se escribe como: (RA)x = Rb, dondeR = [Rij ] Rij = 2.2.2. Ejemplo A= 1 108 2 0 x1 x2 = 3 5 ri , i = j 0, i! = j

Mediante la equilibraci on por las podemos resolver el siguiente sistema, el cual ya se a modicado. A= 1/108 0 0 1/2 1 108 2 0 4 x1 x2 = 1/108 0 0 1/2 3 5

A=

108 1 1 0

x1 x2

3/108 5/2

Observe que la matriz del nuevo sistema es la que anteriormente se indic o como , este sistema se puede escribir en forma matricial como x = , donde y 1 = b1/r1y 2 = b2/r2 y as resolverlo por los m etodos ya estudiados

2.3.

DE COLUMNAS EQUILIBRACION

Es un proceso muy similar al de las ya que el principio de funcionamiento es el mismo, excepto que ahora se trata con columnas y ya no con las como lo hac amos en el caso anterior. Se multiplica la columna j por Cj = 1/(max|aij |) 1 <= j <= n

2.3.1.

Ejemplo

Para la siguiente demostraci on tomaremos como inicio el ejemplo anterior. Como lo vimos en el ejemplo anterior debemos multiplicar por el inverso del n umero mayor de la columna. 1 108 2 0

A= C 1 = 1/2, C 2 = 1/108

A= 1/2 108

1 108 2 0 1 108 2 0

Si se denota como A a la matriz A precondicionada entonces A = 1/2 1 1 0 5

Ahora podemos comprobar q ya s una matriz bien condicionada A1 = 0 1 1 1/2

K (A ) = (1/2 + 1)(1 + 1/2) = 2,25 Luego es una matriz bien condicionada y cumple con el objetivo q inicialmente requeriamos. Si se va a resolver un sistema AX = b, la equilibraci on por columnas se escribe como: (AC )(C 1X ) = b, dondeC = [Cij ], Cij = 2.3.2. Ejemplo Cj , i = j 0, i! = j

a continuaci on resolveremos un sistema con equilibrac on por columnas A= 1 108 2 0 x1 x2 = 3 5

Inicialmente nuestro sistema presenta una condici on cr tica por lo que mediante la equilibraci on por columnas se convierte en una matriz apta para la resoluci on. 1/2 0 0 1/108 1 108 2 0 1/2 1 1 0 2 0 0 108 2x1 108 x2 3 5 x1 x2 3 5

A=

A=

El sistema que resulta se puede escribir en forma matricial como: A X = b(donde1 = 2x1y 2 = 108x2)

2.4.

Conclusion

Lo que podemos determinar cu ando se va a resolver un sistema Ax=b y se equilibra por las o columnas (los dos sistemas son ecientes) resulta un 6

sistema de la forma X =b o =b y este se puede resolver por eliminaci on gaussiana o factorizaci on los cuales ya hemos tratado en este parcial y conocemos su uso.

2.5.

Bibliograf a
Metodos Numericos Aplicados a la Ingenieria,Antonio Nieves,pag 196197 numerical analysis: mathematics of scientic computing,Ronal Kinkaid http://portales.puj.edu.co/objetosdeaprendizaje/Online/OA10/capitulo2/2.8.htm