UNIVERSIDAD DE CUENCA

Facultad de Ingeniera Escuela de Ingeniera Civil

NUMERO DE CONDICION DE UNA MATRIZ

NOMBRE:
Micaela vila L.

MATERIA:
Mtodos Numricos Aplicados

PROFESOR:
Ing. Gerardo rbito

CICLO:
Quinto Ciclo I

Cuenca, Octubre de 2012

INTRODUCCIN: En ingeniera, se presentan innumerables problemas que se resuelven con un Sistema de Ecuaciones Lineales (SEL); sin embargo, muchos de estos sistemas estn mal condicionados (es decir, un pequeo cambio en alguno de sus trminos altera notoriamente la solucin del problema), es por esto que estudiaremos la el nmero de condicin de una matriz.

SISTEMAS DE ECUACIONES MAL CONDICIONADOS:

Son aquellos problemas en lo cuales los errores crecen en una forma incontrolada (puede ser lineal, potencial o exponencial). Condicin de un sistema se explica como la sensibilidad de los resultados a pequeas variaciones de los datos. Si esta sensibilidad es muy grande se dan grandes dificultades aunque los datos iniciales sean exactos ya que los errores numricos se amplifican.

La inversa de una matriz proporciona un medio para determinar si los sistemas estn mal condicionados. Los siguientes mtodos nos permiten conocer si un sistema esta mal condicionado de una manera sencilla:

1. Hallamos el determinante tanto de

como de su inversa, realizamos su producto y si este es

significativamente distinto de 1 el sist. esta mal condicionado

2. Multiplicamos la inversa de identidad

por la matriz original y estimamos su resultado cercano a la matriz

si no lo es, la matriz esta mal condicionada y si el resultado no est suficientemente cercano a la matriz

3. Invertimos la matriz inversa de

original, nuevamente sabemos que el sistema est mal condicionado.

Estos mtodos nos ayudan a indicar si existe un mal condicionamiento, pero fuera mejor encontrar un solo nmero que nos indique este problema. Este concepto se conoce como nmero de condicin y est basado en el concepto de norma de una matriz.

Norma matricial.- El concepto de norma eucldea puede extenderse adems a una matriz forma

de la siguiente

A la que se la conoce como Norma de Frobenius. De esta forma tenemos que: Para el vector

Para una matriz

Entonces de forma general tenemos que la norma de Frobendius desarrollada es

Vale la pena recalcar que al usar todos los elementos de la matriz para calcular esta norma, la norma de Frobendius es la ms exacta. Una norma de una matriz es un nmero real que mide el tamao de una matriz y permite estudiar por ejemplo cuando una matriz tiende a otra o a la matriz nula.

Codificacin en Matlab.El siguiente scribd codificado en Matlab calcula la norma de Frobendius (norma eucldea) de una matriz.

NMERO DE CONDICIN DE UNA MATRIZ Conocido el concepto de norma de una matriz, ahora podemos definir el nmero de condicin de una matriz de la siguiente forma:

El nmero de condicin es una medida cualitativa que indica si el sistema est mal o bien condicionado. Es tambin una cota de amplificacin que se puede producir por errores. Siempre cumple que ) (ya que y

Codificacin en Matlab.El siguiente scribd calcula el nmero de condicin de norma-euclidea de una matriz singular

Anlisis 1 (MATRIZ DE HILBERT) En el siguiente cuadro se muestran los resultados al cuantificar el numero de condicin de la matriz de Hilbert (matriz mal condicionada) que esta definida como

nxn 2x2 3x3 4x4 5x5

ncond 19,33 526,1588 15614 480850

6x6 7x7 8x8 9x9 10x10 mostrado. Resultados en forma grfica

15119000 481750000 15494000000 5,0173E+11 1,6332E+13

NOTA: Estos datos fueron resultado de Matlab. Si se desea se los puede comprobar con el scribd antes

ncond matriz Hilbert

1,8E+13 1,6E+13 1,4E+13 1,2E+13 1E+13 8E+12 6E+12 4E+12 2E+12 0 2x2 3x3 4x4 5x5 6x6 7x7 8x8 9x9 10x10

Como podemos observar la matriz de Hilbert tiene un mal condicionamiento creciente en forma exponencial.

Anlisis 2 (GEOMETRA) Geomtricamente, la solucin de un sistema manera: , es la interseccin de dos rectas. De la siguiente

Sistema Mal Condicionado

Sistema Bien Condicionado

Como podemos observar en un sistema mal condicionado las pendientes son muy cercanas, por lo que el cruce de las rectas no est claramente definida. Por lo que al cambiar alguno de los coeficientes, el punto de cruce se desplaza significativamente, y tendremos un sistema correctamente condicionado.

Anlisis 3 (PRECONDICIONAMIENTO MATRICIAL) Son usadas para disminuir el error de redondeo. Difieren en el pivote en el que ese elige y pueden ser de los siguientes tipos: Mediante equilibracin de filas Se basa en dividir todos los valores de las filas de una matriz para el mximo valor absoluto del elemento de cada una de las filas; por lo tanto debemos multiplicamos a la fila por:

Ejemplo:

De cual cuyo nmero de condicin es 71.76 Aplicando la equilibracin por filas tenemos: Para la primera fila dividimos cada elemento para 3.6 y tenemos

Para la segunda fila dividimos para 8 y tenemos

Para la tercera fila el mximo valor absoluto es 5.46

Finalmente tenemos la nueva matriz

De la que el nmero de condicin es 65.05. El nmero de condicin de esta matriz mejoro notablemente.

Mediante equilibracin de columnas. El proceso es igual al de las filas, sin embargo ahora lo hacemos con las columnas. Entonces tenemos que, a cada columna la multiplicamos por

Ejemplo:

De cual cuyo nmero de condicin es 71.76 como ya vimos en el ejemplo anterior, ahora aplicamos este mtodo y tenemos Para la columna 1 la dividimos para 3.6

Para la segunda columna dividimos todos sus elementos entre 6

La ultima columna ser dividida entre 8

Tenemos finalmente la matriz

Cuyo nmero de condicin es ahora 51.47

Equilibracin total Ahora el proceso se realiza como los dos anteriores pero juntos; podemos realizar cualquiera de ellos primero y de inmediato realizamos el siguiente. Ejemplo: Continuaremos con la matriz ahora dividimos cada una de las filas para su mximo valor y tenemos

Para la fila 1 la dividimos para 0.625

En la segunda fila no tenemos que realizar ninguna divisin, y para la tercera fila la dividimos entre 0.6825

Que es la matriz

cuyo nmero de condicin ahora es 47.11

Anlisis 4 (REFINAMIENTO ITERATIVO) Dado un sistema lineal resuelto por el mtodo de eliminacin Gaussiana, entonces tendr errores de

redondeo, por lo tanto la solucin dada no ser exacta sino aproximada. Podemos decir entonces que adems que si (respuesta hallada con Gauss) ser solo una aproximacin de de donde entonces

. Podemos definir al vector error como

pero como sabemos

Entonces:

Las ecuaciones 1 y 2 son el llamado mejoramiento iterativo. Dicho mtodo consiste bsicamente en mejorar la aproximacin en la k-sima iteracin a partir de las siguientes tres ecuaciones generalizadas:

Ejemplo: El sistema lineal

Tiene la solucin exacta Con el mtodo de eliminacin gaussiana y redondeo de cuatro dgitos se obtiene:

La solucin aproximada del sistema es Si se aplica el mtodo de refinamiento iterativo entonces , con se calcula .

Con

se halla

resolviendo el sistema

Luego

De la misma forma

Si se continuara el proceso, el vector residual sera 0, el vector de error dara 0 y

sera igual a

Anlisis 5 (SISTEMAS MAL CONDICIONADOS) Sea 1. Resuelva el sistema 3. Resolver el sistema y llame de y llamar a su solucin y llamar por a la matriz modificada a su solucin y :

2. Aumentar en 0.001 el coeficiente

4. Calcular el error relativo cometido al aproximar 5. Calcular su numero de condicion

Solucin.- Este ejercicio fue ntegramente resuelto en Matlab. 1. 2. 3. 4.

5. Calculamos la norma de Frobendius y tenemos

La matriz inversa de A es

Su modulo entonces es

Con esto tenemos que

Al realizar los diferentes clculos podemos ver que es una matriz mal condicionada pero al calcular su nmero de condicin lo comprobamos.

CONCLUSIONES: Una matriz mal condicionada puede generar grandes cambios en la respuesta de una solucin de un sistema de ecuaciones lineales. Pudimos observar en el ltimo ejemplo que una matriz pequea puede generar un error de casi el 50%. Existen varios tipos de norma de las matrices; sin embargo, la norma eucldea o de Frobendius es la mas exacta ya que calcula el valor tomando a todos los elementos de la matriz. El nmero de condicin es un nmero preciso para determinar el mal condicionamiento de una matriz, mientras ms alejado sea este nmero del valor de 1, pero esta condicionada dicha matriz. El nmero de condicin es un mtodo efectivo para saber si una matriz esta o no bien condicionada, sin embargo tambin podemos saber este con 3 mtodos que se explicaron en el inicio de este trabajo. La matriz de Hilbert es la peor condicionada, su mal condicionamiento crece en forma exponencial. Pudimos ver como una de 2x2 tiene un condicionamiento. Los comandos para calcular tanto el numero de condicin como la norma en Matlab son muy tiles sin embargo tambin creamos un scribd con los mismos resultados (para norma-eucldea). Los comandos en Matlab nos permiten calcular ms rpidamente el nmero de condicin y la norma, adems nos producen menor error que al calcularlos manualmente. Cabe recalcar que este error es mnimo (aproximadamente 0.002%) . adems obtuvimos el grfico de su mal

Para resolver sistemas mal condicionados se usan tcnicas de pre condicionamiento; es decir, dado un sistema mal condicionado, se debera buscar una matriz inversible sea pequeo. Ahora, se resuelve el sistema equivalente condicionado) en el mejor de los casos (en este caso tal que ) (que est bien

Las tcnicas ms conocidas son: precondicionamiento matricial y el refinamiento iterativo. El precondicionamiento matricial total lo que busca es encontrar una matriz identidad mediante la divisin de cada uno de sus elementos. El refinamiento iterativo disminuye el error de redondeo que se comete cada vez que se realizan operaciones al resolver el sistema lineal por el mtodo de Gauss.

FUENTES: MTODOS NUMRICOS PARA INGENIEROS Chapra Canale NORMAS DE MATRICES Y NMEROS DE CONDICION Javier Garca de Jaln ETSII UPM ANALISIS NUMRICO Miguel Alemn Flores, Luis lvarez Len y Javier Snchez Prez Universidad de Las Palmas